Pengembangan Website Skrining Kesehatan Mental Mahasiswa Berbasis IndoBERT Lite Menggunakan RAD dan Evaluasi SUS
DOI:
https://doi.org/10.52436/1.jpti.1455Kata Kunci:
Artificial Intelligence, IndoBERT Lite, Kesehatan Mental, rapid application development, System Usability Scale (SUS)Abstrak
Permasalahan kesehatan mental pada mahasiswa terus meningkat seiring bertambahnya beban akademik dan tekanan sosial. Namun, keterbatasan layanan psikologis dan tingginya stigma membuat mahasiswa sering menunda atau menghindari pencarian bantuan profesional. Penelitian ini bertujuan mengembangkan sebuah platform skrining kesehatan mental berbasis Artificial Intelligence (AI) yang mampu menganalisis teks secara otomatis untuk mengidentifikasi tingkat stres, kecemasan, dan depresi pada mahasiswa. Metode Rapid Application Development (RAD) digunakan untuk mempercepat proses perancangan sistem serta memungkinkan penyesuaian prototipe secara iteratif. Novelty penelitian ini terletak pada integrasi model IndoBERT Lite sebagai mesin klasifikasi psikologis berbasis teks yang dilatih dan dievaluasi menggunakan data berlabel berdasarkan instrumen Depression Anxiety Stress Scales (DASS-21) serta melibatkan validasi dan masukan dari pakar di bidang kesehatan mental. Evaluasi performa menunjukkan bahwa model mencapai nilai Macro ROC-AUC sebesar 0,69, dengan performa terbaik pada klasifikasi depresi (ROC-AUC 0,86), yang menandakan kemampuan model yang memadai dalam mendukung skrining awal kesehatan mental. Pendekatan ini memberikan alternatif skrining yang lebih cepat, ringan, dan mudah dioperasikan dibandingkan metode asesmen tradisional yang memerlukan kehadiran profesional secara langsung. Evaluasi usability dilakukan menggunakan System Usability Scale (SUS) dengan melibatkan tujuh evaluator dari kalangan mahasiswa dan pakar IT. Sistem memperoleh skor rata-rata 89 yang termasuk dalam kategori excellent, menunjukkan tingkat kemudahan penggunaan dan pengalaman pengguna yang sangat baik. Hasil penelitian menunjukkan bahwa platform ini berpotensi menjadi alat pendukung skrining kesehatan mental yang efektif, serta berperan sebagai jembatan awal yang membantu mahasiswa mengakses layanan psikologis secara lebih terstruktur dan tidak mengintimidasi.
Unduhan
Referensi
World Health Organization, “Depressive disorder (depression).” Accessed: Apr. 07, 2025. [Online]. Available: https://www.who.int/news-room/fact-sheets/detail/depression
S. K. Lipson et al., “Trends in college student mental health and help-seeking by race/ethnicity: Findings from the national healthy minds study, 2013–2021,” J Affect Disord, vol. 306, pp. 138–147, Jun. 2022, doi: 10.1016/j.jad.2022.03.038.
A. S. Ramadianto, I. Kusumadewi, F. Agiananda, and N. W. Raharjanti, “Symptoms of depression and anxiety in Indonesian medical students: association with coping strategy and resilience,” BMC Psychiatry, vol. 22, no. 1, p. 92, Dec. 2022, doi: 10.1186/s12888-022-03745-1.
N. Doan, K. A. Patte, M. A. Ferro, and S. T. Leatherdale, “Reluctancy towards help-seeking for mental health concerns at secondary school among students in the compass study,” Int J Environ Res Public Health, vol. 17, no. 19, pp. 1–19, Oct. 2020, doi: 10.3390/ijerph17197128.
E. J. Costello, “Early Detection and Prevention of Mental Health Problems: Developmental Epidemiology and Systems of Support,” Journal of Clinical Child and Adolescent Psychology, vol. 45, no. 6, pp. 710–717, Nov. 2016, doi: 10.1080/15374416.2016.1236728.
F. C. W. van Krugten, J. J. V. Busschbach, M. M. Versteegh, L. Hakkaart-van Roijen, and W. B. F. Brouwer, “The Mental Health Quality of Life Questionnaire (MHQoL): development and first psychometric evaluation of a new measure to assess quality of life in people with mental health problems,” Quality of Life Research, vol. 31, no. 2, pp. 633–643, Feb. 2022, doi: 10.1007/s11136-021-02935-w.
L. A. Supriyono et al., Buku Ajar Big Data dan Data Mining: Konsep, Metodologi, dan Aplikasi. PT. Sonpedia Publishing Indonesia, 2025.
V. B. Parthasarathy, A. Zafar, A. Khan, and A. Shahid, “The Ultimate Guide to Fine-Tuning LLMs from Basics to Breakthroughs: An Exhaustive Review of Technologies, Research, Best Practices, Applied Research Challenges and Opportunities,” Aug. 2024, [Online]. Available: http://arxiv.org/abs/2408.13296
M. Ridha, M. K. Abdur Rohman, D. Agustin, D. H. Shaputra, Y. Manayla, and A. H. Malikah, “Penerapan Machine Learning untuk Klasifikasi Teks Depresi pada Kesehatan Mental dengan SVM, TF-IDF, dan Chi-Square,” Journal Software, Hardware and Information Technology, vol. 5, no. 2, pp. 171–182, Jun. 2025, doi: 10.24252/shift.v5i2.210.
U. Warrier, A. Warrier, and K. Khandelwal, “Ethical considerations in the use of artificial intelligence in mental health,” Egypt J Neurol Psychiatr Neurosurg, vol. 59, no. 1, p. 139, Oct. 2023, doi: 10.1186/s41983-023-00735-2.
M. Ridha, R. Harnita Sari, B. Irianti, and N. Israyati, “Pengujian System Usability Scale dan Mean Opinion Score pada MedPelvis: Aplikasi Pembelajaran Anatomi Panggul dan Mekanisme Persalinan,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 5, no. 6, pp. 1609–1618, Jun. 2025, doi: 10.52436/1.jpti.841.
A. T. Widiyatmoko, A. Nugroho, and W. Wiyanto, “Development of Web-Based Student Registration Information System with Rapid Application Development Approach,” Journal of Computer Networks, Architecture and High Performance Computing, vol. 6, no. 1, Feb. 2024, doi: 10.47709/cnahpc.v6i1.3459.
M. Ridha et al., “Implementasi Treemap untuk Visualisasi Data Angka Kesakitan (Morbiditas) (Studi Kasus: Dinas Kesehatan Indragiri Hilir),” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 5, no. 2, 2022.
M. Ridha, D. Nurjanah, and M. Rakha, “Multilabel Classification Abusive Language and Hate Speech on Indonesian Twitter Using Transformer Model: IndoBERTweet & IndoRoBERTa,” in 2024 International Conference on Intelligent Cybernetics Technology & Applications (ICICyTA), IEEE, Dec. 2024, pp. 48–54. doi: 10.1109/ICICYTA64807.2024.10912874.
F. Koto, A. Rahimi, J. H. Lau, and T. Baldwin, “IndoLEM and IndoBERT: A Benchmark Dataset and Pre-trained Language Model for Indonesian NLP,” in Proceedings of the 28th International Conference on Computational Linguistics, Stroudsburg, PA, USA: International Committee on Computational Linguistics, 2020, pp. 757–770. doi: 10.18653/v1/2020.coling-main.66.
A. F. Bahari and A. Pramudwiatmoko, “Implementation of Rapid Application Development (RAD) Method for Mobile-Based Ice Cream Ordering Application,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 1, pp. 283–291, Dec. 2024, doi: 10.57152/malcom.v5i1.1747.
A. Wajid, F. Azam, and M. W. Anwar, “Applications of artificial intelligence in mental health: a systematic literature review,” Discover Artificial Intelligence, vol. 5, no. 1, p. 332, Nov. 2025, doi: 10.1007/s44163-025-00569-2.
