Depresi merupakan salah satu masalah kesehatan mental yang paling umum dan sering kali sulit diidentifikasi pada tahap awal. Jika tidak ditangani dengan cepat dan tepat, depresi dapat berkembang menjadi kondisi yang lebih serius dan berdampak negatif terhadap kualitas hidup individu yang mengalaminya. Oleh karena itu, deteksi dini dan intervensi yang cepat sangat diperlukan untuk mencegah komplikasi dan memastikan individu menerima perawatan yang memadai.
Di era digital saat ini, media sosial telah menjadi bagian integral dari kehidupan sehari-hari banyak orang. Platform seperti Facebook, X (sebelumnya Twitter), dan Instagram tidak hanya digunakan untuk berbagi momen-momen pribadi atau berinteraksi dengan teman, tetapi juga menjadi tempat di mana perasaan, pengalaman, dan kondisi mental seseorang dapat tercermin melalui tulisan-tulisan yang diunggah. Dalam konteks ini, media sosial telah membuka peluang baru bagi para peneliti untuk memanfaatkan data teks sebagai sumber informasi guna mendeteksi masalah kesehatan mental, seperti depresi.
Menyadari pentingnya deteksi dini terhadap depresi, Departemen Teknik Elektro dan Informatika memulai sebuah penelitian inovatif yang bertujuan mengembangkan model deteksi depresi menggunakan pembelajaran mesin. Dengan memanfaatkan kecanggihan teknologi dan pembelajaran mesin, para peneliti berharap dapat membantu mengidentifikasi gejala depresi melalui analisis teks di media sosial, sehingga memungkinkan intervensi lebih awal dan penanganan yang lebih efektif. Penelitian ini melibatkan sejumlah dosen dan mahasiswa dari program studi Teknologi Rekayasa Perangkat Lunak.
Fokus utama penelitian ini adalah mengatasi salah satu tantangan besar dalam pengembangan model pembelajaran mesin untuk deteksi depresi, yaitu keterbatasan data latih dan uji.Untuk mengatasi keterbatasan ini, tim peneliti menggunakan teknik augmentasi teks dengan memanfaatkan model AI pembangkit teks, GPT-4. Teknologi ini memungkinkan peneliti untuk memperluas jumlah data yang dapat digunakan untuk melatih model, sehingga diharapkan dapat meningkatkan akurasi dan efektivitas model dalam mendeteksi tanda-tanda depresi.
Penelitian ini sejalan dengan upaya untuk mendukung pencapaian Sustainable Development Goals (SDGs), khususnya SDG 3: Good Health and Well-Being (Kesehatan yang Baik dan Kesejahteraan), serta SDG 9: Industry, Innovation, and Infrastructure (Industri, Inovasi, dan Infrastruktur).