Sistem Screening Dini Indikasi Flat Affect Berbasis Facial Emotion Recognition pada Lingkungan Simulasi

Abstract

Kesehatan mental, khususnya depresi dan stres akademik (academic burnout), menjadi masalah serius di kalangan pelajar dan mahasiswa. Salah satu gejala klinis utama dari gangguan depresif adalah flat affect (afek datar), yaitu berkurangnya ekspresi emosional yang ditandai dengan wajah kaku dan minim respons. Penelitian ini bertujuan mengimplementasikan teknologi Facial Emotion Recognition (FER) menggunakan model Tiny Face Detector dan Face Expression Net sebagai alat bantu screening objektif bagi konselor atau psikolog pendidikan. Sistem mendeteksi fluktuasi emosi secara real-time melalui kamera web saat responden menjalankan simulasi tes atau kuesioner. Pengujian dilakukan dengan menganalisis nilai probabilitas fungsi Softmax pada ekspresi Netral (Neutral) dan Senang (Happy). Berdasarkan rancangan sistem, indikasi kuat flat affect ditandai dengan dominasi ekspresi Netral melebihi 85% dan ekspresi Senang di bawah 5% tanpa fluktuasi selama sesi berlangsung. Hasil penelitian ini diharapkan dapat digunakan sebagai early warning system yang menyajikan data kuantitatif objektif kepada tenaga ahli untuk mempermudah deteksi dini masalah psikologis pada peserta didik tanpa melakukan diagnosis klinis secara langsung.