Prediksi Risiko Depresi pada Remaja Berdasarkan Pola Tidur dan Penggunaan Media Sosial Menggunakan Machine Learning
Demo & Pengujian Sistem: Prediksi Risiko Depresi pada Remaja Berdasarkan Pola Tidur dan Penggunaan Media Sosial Menggunakan Machine Learning
Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Prediksi Risiko Depresi pada Remaja Berdasarkan Pola Tidur dan Penggunaan Media Sosial Menggunakan Machine Learning via TikTok.
Overview & Cara Kerja
Latar Belakang Masalah
Krisis kesehatan mental remaja telah menjadi darurat kesehatan masyarakat global. Menurut laporan resmi Centers for Disease Control and Prevention (CDC), prevalensi gejala depresi persisten (persistent feelings of sadness or hopelessness) pada siswa sekolah menengah atas (SMA) mencapai 33.3% secara nasional, dengan lonjakan tajam pada remaja perempuan dan kelompok rentan.
Penanganan konvensional di lingkungan sekolah dan keluarga menghadapi sejumlah kendala fundamental:
- Sifat Skrining Pasif: Sebagian besar remaja yang mengalami depresi tidak mencari bantuan profesional hingga terjadi eskalasi krisis yang parah. Layanan bimbingan konseling di sekolah umumnya bersifat pasif (reactive approach), hanya merespons setelah siswa menunjukkan penurunan nilai drastis atau tindakan menyakiti diri sendiri.
- Perdebatan Peran Media Sosial vs Defisit Tidur: Terjadi polarisasi opini antara pengaruh paparan layar media sosial (screen time) dan gangguan arsitektur tidur malam (sleep deprivation). Diperlukan pendekatan analitik berbasis data epidemiologi berskala besar untuk membuktikan interaksi kuantitatif antara durasi tidur malam, frekuensi mengecek media sosial, dan risiko depresi.
- Ketakutan terhadap Model Kotak Hitam (Black-Box AI): Dalam domain psikologi dan medis, model kecerdasan buatan tidak dapat diterima tanpa transparansi mekanisme prediksi (explainability). Guru, dokter, dan konselor membutuhkan penjelasan alasan ilmiah di balik penetapan status risiko seorang siswa serta simulasi intervensi apa yang paling efektif untuk memulihkan kondisi siswa tersebut.
Solusi & Nilai Tambah Sistem
Produk ini menghadirkan sistem peramalan dan surveilans berbasis bukti (evidence-based machine learning framework) menggunakan Dataset Resmi CDC Youth Risk Behavior Surveillance System (YRBSS) 2025 yang mencakup 10.710 responden remaja SMA:
- Metodologi Epidemiologi Berbobot Survei Kompleks (Complex Survey Weighting): Mengintegrasikan bobot survei representatif nasional (
weight), strata (stratum), dan unit sampling primer (psu) sehingga hasil evaluasi model mencerminkan populasi remaja riil di lapangan. - Isolasi Kebocoran Target yang Ketat (Strict Leakage Isolation): Mengecualikan seluruh variabel manifestasi bunuh diri (suicide ideation/plans/attempts) dan konsultasi klinis dari matriks fitur, memastikan model murni beroperasi sebagai instrumen deteksi dini prediktif berdasarkan 98 indikator gaya hidup, lingkungan keluarga (ACEs), dan sosial.
- Benchmarking Komparatif 5 Model Berbobot: Menguji 5 algoritma dalam 5-Fold Stratified Weighted Cross-Validation (CatBoost, XGBoost, LightGBM, Random Forest, Logistic Regression), menghasilkan Weighted CatBoost sebagai pemenang dengan Weighted ROC-AUC 0.8425, PR-AUC 0.7469, dan Brier Score 0.1469 pada data uji independen ($N = 2.097$).
- Optimasi Ambang Batas Klinis ($\tau^ = 0.32$)*: Menggeser ambang batas keputusan dari standar 0.50 menjadi 0.32 berdasarkan kurva presisi-recall untuk memaksimalkan recall skrining tanpa mengorbankan spesifisitas.
- Explainable AI (XAI) via SHAP TreeExplainer: Membedah mekanisme model secara transparan, membuktikan bahwa tidur malam $\le 5$ jam dan perundungan siber (cyberbullying) merupakan pemicu risiko terbesar, sedangkan keterikatan sekolah (school connectedness) bertindak sebagai perisai pelindung (protective buffer) paling kuat.
- Simulator Intervensi Kontrafaktual (What-If ARR & RRR): Fitur unik yang mengukur efektivitas intervensi secara kuantitatif: menghitung penurunan risiko absolut (Absolute Risk Reduction / ARR) dan penurunan risiko relatif (Relative Risk Reduction / RRR) jika durasi tidur siswa dinaikkan ke 8 jam atau penggunaan media sosial dibatasi.
- Dashboard Web Interaktif & RESTful API: Antarmuka berstandar institusional (nuansa Ungu Modern & Putih Bersih) tanpa frasa emosional berlebih, dilengkapi form skrining 98 fitur, visualisasi faktor risiko/protektif personal, rekomendasi intervensi terarah, dan RESTful API modular.
Fitur Utama Platform
- Kalkulator Risiko Depresi Remaja Multi-Faktor: Menghitung estimasi probabilitas depresi persisten remaja secara real-time dengan status klasifikasi risiko (Risiko Depresi Tinggi Terindikasi vs Risiko Rendah / Terkendali).
- Diagnostik Faktor Risiko & Faktor Protektif Personal: Mengurai secara otomatis faktor pemicu (defisit tidur, cyberbullying, trauma emosional orang tua) dan faktor pelindung (olahraga tim, tidur cukup, kedekatan sosial sekolah).
- Rekomendasi Tindakan Intervensi Klinis & Sekolah: Menyajikan rekomendasi terarah (edukasi higiene tidur, digital wellness, rujukan konseling anti-perundungan, dan peningkatan integrasi ekstrakurikuler).
- Simulator Intervensi Kontrafaktual (What-If Simulation): Membandingkan probabilitas baseline siswa dengan skenario pasca-intervensi untuk melihat persentase penurunan risiko (ARR dan RRR) secara visual.
- Tabel Benchmark 5 Model & Metrik Evaluasi: Menampilkan perbandingan lengkap performa model (ROC-AUC, PR-AUC, F1-Score, Brier Score, Balanced Accuracy).
- Galeri Visualisasi SHAP & Fairness Audit: Menampilkan grafik Beeswarm Summary SHAP, Feature Importance Top-20, dan audit disparitas keadilan antargender.
- RESTful JSON API Terstandarisasi: Endpoint
/api/predictdan/api/simulateyang siap diintegrasikan ke sistem bimbingan konseling sekolah (e-BK), portal UKS, atau aplikasi telehealth remaja.
Fitur Utama Project
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
Penyerapan Dataset Survei Nasional CDC YRBS 2025 (10.710 Responden)
Memuat dataset resmi survei perilaku berisiko remaja CDC YRBSS 2025 mencakup 10.710 siswa SMA dengan pembobotan survei kompleks bertingkat nasional (prevalensi depresi terbobot 33.3%).
Isolasi Kebocoran Target & Rekayasa 98 Fitur Multi-Domain
Mengecualikan seluruh variabel niat bunuh diri dan melukai diri dari ruang fitur guna menjamin validitas skrining dini, menghasilkan 98 fitur prediktor perilaku dan lingkungan.
Pra-Pemrosesan Berbobot Survei Nasional & Ordinal Encoding
Menangani nilai hilang (imputasi median untuk numerik, kategori 'Missing' untuk kategorikal), transformasi Ordinal Encoding, dan standarisasi fitur untuk model linear.
Benchmark 5 Model Berbobot (Weighted CatBoost #1 ROC-AUC 0.8425)
Melatih 5 algoritma dalam 5-Fold Stratified Weighted Cross-Validation, menghasilkan Weighted CatBoost sebagai model terbaik (Test ROC-AUC 0.8425, PR-AUC 0.7469, Brier Score 0.1469).
Penjelasan Model Explainable AI (SHAP TreeExplainer & Interaksi)
Menguraikan mekanisme prediksi menggunakan nilai Shapley (SHAP Beeswarm), membuktikan peran defisit tidur dan perundungan sebagai pemicu risiko serta keterikatan sekolah sebagai pelindung.
Deployment Dashboard Web, Simulator Intervensi ARR/RRR & REST API
Mengintegrasikan model ke server Flask modern Tailwind CSS dengan form skrining risiko, mesin simulasi kontrafaktual kuantitatif (ARR & RRR), dan endpoint JSON API.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
dataset.zip
Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
Pertanyaan yang Sering Diajukan (FAQ)
Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:
Bagaimana cara mendapatkan source code setelah pembayaran?
Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.
Apakah ada panduan instalasi dan dokumentasi teknis?
Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.
Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?
Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.
Bagaimana jika saya mengalami kendala teknis saat instalasi?
Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.
Ulasan Pembeli
Ulasan terverifikasi dari pengguna yang telah membeli project ini.
Belum ada ulasan untuk project ini.
Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.
Yang Anda Dapatkan:
- Full Source Code Lengkap & Aset Project
- Teknologi: Python, Flask, JavaScript, Tailwind CSS
- Panduan Instalasi & Konfigurasi Lingkungan
- Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
- Hak Lisensi Tugas Akhir, Skripsi & Komersial
- Akses Unduhan Berkas ZIP & Code Explorer Langsung