Perpustakaan Digital ITB

Kecemasan yang tidak terdeteksi dan tidak dikelola dengan baik berpotensi berkembang menjadi permasalahan kesehatan mental yang lebih serius. Oleh karena itu, monitoring kecemasan menjadi aspek penting dalam upaya deteksi dini dan mitigasi risiko gangguan mental. Salah satu pendekatan yang dapat digunakan untuk mengidentifikasi kecemasan adalah melalui analisis sinyal fisiologis seperti Photoplethysmography (PPG) dan Galvanic Skin Response (GSR), yang mencerminkan respons sistem saraf otonom terhadap rangsangan emosional. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kecemasan berbasis sinyal PPG dan GSR serta merancang aplikasi mobile untuk memantau kecemasan pengguna. Model klasifikasi terbaik yang diperoleh yaitu Support Vector Machine (SVM) memiliki akurasi sebesar 93%. Akan tetapi model masih belum mampu memprediksi data pengujian yang diakusisi menggunakan sensor GSR Grove dan sensor PPG Dfrobot SEN0203 sebab perbedaan distribusi data. Dilakukan pelatihan ulang model dengan data dari sensor tersebut dan diperoleh akurasi mencapai 82% pada tahap pelatihan namun mengalami penurunan pada tahap pengujian. Pengembangan lebih lanjut diperlukan guna meningkatkan akurasi model dengan meningkatkan jumlah dataset yang digunakan. Model klasifikasi diimplementasikan pada sebuah aplikasi mobile berbasis Android Studio dengan Kotlin dan Jetpack Compose yang memungkinkan pengguna untuk memantau tingkat kecemasan mereka secara real-time dengan memanfaatkan Bluetooth low energy untuk transmisi data dari sensor ke aplikasi. Aplikasi dilengkapi dengan visualisasi data hasil prediksi kecemasan, notifikasi ketika persentase durasi kecemasan pengguna berada pada kategori tinggi, serta fitur relaksasi sebagai intervensi kecemasan. Berdasarkan hasil pengujian fungsional, aplikasi telah memenuhi sebagian besar fungsi sesuai dengan apa yang dirancang. Sementara itu menurut hasil usability testing dan user experience testing, aplikasi mendapat nilai tertinggi untuk aspek kemudahan penggunaan dan navigasi dengan nilai sebesar 4.50, diikuti dengan efektivitas fitur relaksasi dengan nilai 4.41.