Implementasi You Only Look Once V8 Untuk Mendeteksi Gangguan Kesehatan Mental Berbasis Citra Wajah
Seiring meningkatnya prevalensi gangguan kesehatan mental, deteksi dini menjadi sangat penting untuk intervensi yang efektif. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi gangguan kesehatan mental berbasis citra wajah menggunakan algoritma You Only Look Once (YOLO). Sistem ini memungkinkan pemantauan kondisi emosional secara non-invasif dan efisien sehingga mengurangi ketergantungan pada metode subjektif seperti kuesioner serta membantu pekerjaan profesional kesehatan mental untuk mendukung diagnosa pasien. Penelitian ini tidak mencakup intervensi langsung terhadap treatment, melainkan hanya pada tahap deteksi. Metodologi penelitian terdiri dari pengumpulan dataset ekspresi wajah, pelatihan model YOLO, serta evaluasi performa model menggunakan metrics seperti mean average precision (mAP) dan confusion metrics. Selain menggunakan dataset yang tersedia, ditambahkan pula dengan data dari lingkungan nyata untuk menguji performa sistem sehingga data yang digunakan berjumlah 1.081 gambar citra. Sistem dikembangkan menggunakan YOLOv8 dengan preprocessing, training, evaluasi, testing, optimasi, dan deployment model. Hasil penelitian menunjukkan bahwa sistem berhasil mendeteksi dan mengklasifikasikan empat kategori kondisi mental yaitu Normal, Emotional Stress, Anxiety, dan Depression. Performa model YOLOv8 menunjukkan hasil yang sangat baik dengan metrik evaluasi mAP@50 97.42%, mAP50:95 96.06%, overall accuracy 94%, precision 95.65%, recall 93.22%, dan F1-Score 94.42%. Penelitian ini berkontribusi pada pengembangan metode diagnosis yang lebih objektif dan terukur dalam konteks kesehatan mental, memberikan solusi teknologi yang dapat mendukung profesional kesehatan dalam deteksi dini gangguan mental.
URI
https://repository.itera.ac.id/depan/submission/SB2509180034
Keyword
Citra Wajah Deteksi Gangguan Kesehatan Mental Model You Only Look Once