Inovasi Aplikasi Hexamood untuk Pemantauan Tingkat Stres Harian Secara Mandiri

Khairul Fahmi, Aufarist Ziandhani Roy Keane Rais, Mohammad Rafly Putra Pratama, Muhammad Rafli, Istiqomah Aulia Rosyida, Muhammad Luthfi Fauzan, Pricilla Dwi Permata, Fauzan Al Hafizh, Mei Lestari, Ni Wayan Parwati Septiani

Abstract


Kesehatan mental, khususnya stres, telah menjadi isu krusial di era digital, dengan Generasi Z menjadi kelompok yang sangat rentan. Keterbatasan akses dan ketiadaan alat pemantauan harian menjadi masalah utama bagi banyak individu. Penelitian ini bertujuan mengembangkan website HexaMood, sebuah inovasi aplikasi untuk membantu pengguna mengenali dan memantau tingkat stres harian secara mandiri. Penelitian ini menggunakan metode deep learning sebagai bagian dari machine learning, dengan mengintegrasikan model Artificial Neural Network (ANN) untuk memprediksi tingkat stres dari data kuesioner dan model IndoBERT untuk melakukan analisis sentimen pada catatan journaling pengguna. Hasil penelitian ini adalah sebuah platform HexaMood yang fungsional, dilengkapi dengan fitur utama seperti daily check-in, hasil prediksi yang dipersonalisasi, riwayat pemantauan, serta rekomendasi untuk manajemen stres. Aplikasi ini berhasil menyediakan solusi yang mudah diakses dan fleksibel, memungkinkan pengguna untuk mengambil tindakan proaktif dalam mengelola kesehatan mental mereka.


Keywords


Kesehatan Mental, Stres, Deep Learning, Analisis Sentimen, HexaMood

References


Faisti, M. J., Kusumodestoni, R. H., & Wibowo, G. W. N. (2025). Mental Health Classification Using Naïve Bayes and Random Forest Algorithms. In Journal of Applied Informatics and Computing (JAIC) (Vol. 9, Issue 4). http://jurnal.polibatam.ac.id/index.php/JAIC

Fauzan, M., Sintia, S., & Sukma, D. P. (2025). Journal of Innovative and Creativity Pengembangan Aplikasi Mobile Berbasis Flutter untuk Monitoring Kesehatan Mental Mahasiswa Universitas Alifah Padang. In Journal of Innovative and Creativity (Vol. 5, Issue 2).

Hadi, R. A., & Voutama, A. (2024). Implementasi Perceived Stress Scale pada Aplikasi Pengukur Tingkat Stres Berbasis Website. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 2).

Junenda, M., Widyanigsih, T. W., & Rifqi, A. (2024). Pengembangan Sistem Informasi Kesehatan Mental dengan Mengukur Persepsi Tingkat Stres Menggunakan Instrumen Perceived Stress Scale (PSS).

Koli, D. D., Sasmito, A. P., Zahro’, H. Z., & Nurfarida, I. (2022). Sistem Pakar Identifikasi Tingkat Stres pada Mahasiswa Selama Masa Pandemi Covid-19 Menggunakan Metode Forward Chaining dan Certainty Factor Berbasis Website. In Jurnal Mahasiswa Teknik Informatika) (Vol. 6, Issue 2).

Maulana, M., & Mujiastuti, R. (2024). Pengembangan Aplikasi Stress Checker (Soulution) untuk Mencegah Masalah Kesehatan Mental Gen Z Berbasis Website.

Merdiansah, R., Siska, S., & Ridha, A. A. (2024). Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI, 7(1), 221–228.

Prasetyo, S. Y. (2023). Prediksi Gagal Jantung Menggunakan Artificial Neural Network. Jurnal SAINTEKOM, 13(1), 79–88. https://doi.org/10.33020/saintekom.v13i1.379

Pratama, U., Amna, N., & Arif, B. (2023). Faktor-Faktor Yang Mempengaruhi Tingkat Stres Akademik Mahasiswa Semester Akhir Di Fakultas Ilmu-Ilmu Kesehatan Universitas Abulyatama. Jurnal Mahasiswa Ilmu Kesehatan, 1(3), 257–268. https://doi.org/10.59841/jumkes.v1i3.1084

Purnomo, J. B. P., Husna, A. M., Purwayanto, E. A., & Sumantri, R. B. B. (2024). Rancang Bangun Sistem Pemantauan Kesehatan Mental Berbasis Website: Upaya Peningkatan Kesejahteraan Psikologis melalui Inovasi Teknologi (Vol. 4, Issue 2).

Risa, D. F., Pradana, F., & Bachtiar, F. A. (2020). Pengembangan Sistem Monitoring Tingkat Stres berbasis Website (Vol. 4, Issue 4). http://j-ptiik.ub.ac.id

Sriani, S., Armansyah. Armansyah, & Nabila, A. (2024). Implementasi Deep Learning Untuk Mengidentifikasi Umur Manusia Menggunakan Convolutional Neural Network (CNN). Jurnal Informatika Dan Teknik Elektro Terapan, 12(3). https://doi.org/10.23960/jitet.v12i3.4457




DOI: https://doi.org/10.30998/semnasristek.v10i1.8884

Refbacks

  • There are currently no refbacks.


Prosiding SEMNAS RISTEK indexed by: