UBUB

Journal of Information Technology and Computer ScienceJournal of Information Technology and Computer Science

Prevalensi tinggi gangguan kesehatan mental akibat trauma yang disebabkan oleh kekerasan dan pelecehan seksual belum diimbangi dengan akses yang memadai terhadap layanan pemulihan karena hambatan psikologis berupa stigma sosial. Situasi ini mendorong desain antarmuka Pulih, aplikasi dukungan kesehatan mental berbasis smartwatch yang dikembangkan menggunakan metode Penelitian dan Pengembangan (R&D) dengan pendekatan Design Thinking. Aplikasi ini mengintegrasikan arsitektur deep learning Bidirectional Long Short-Term Memory (Bi-LSTM) untuk menganalisis data biometrik Heart Rate Variability (HRV) dan Resting Heart Rate (RHR) secara real-time. Hasil uji AI pada dataset WESAD menunjukkan kurva pembelajaran stabil tanpa overfitting, dengan akurasi pelatihan 92,0%, akurasi validasi 90,5%, presisi 90,0%, recall 91,0%, dan F1-Score 90,5%. Evaluasi antarmuka melalui System Usability Scale (SUS) dengan 27 responden menghasilkan skor rata-rata 86,79 (kategori Excellent dan Acceptable dengan nilai A ). Fitur komunitas anonim terenkripsi memperkuat aspek privasi. Secara kesimpulan, Pulih telah terbukti memiliki keandalan teknis trauma-sensitive serta tingkat penggunaan yang tinggi sebagai solusi digital inklusif untuk pemulihan mental korban PTSD.

Pengembangan model konseptual dan prototipe aplikasi Pulih berhasil menghasilkan platform dukungan digital berbasis smartwatch yang dirancang khusus untuk memfasilitasi pemulihan psikologis korban Post-Traumatic Stress Disorder (PTSD) akibat kekerasan seksual.Terapi Pagi yang Personalisasi, Ruang Rileks, Analisis Biometrik Harian, dan Komunitas SafeSpace.Evaluasi teknis fungsi cerdas aplikasi ditunjukkan melalui validasi arsitektur deep learning Bi-LSTM pada dataset WESAD, di mana model mampu mendeteksi stres secara objektif berdasarkan indikator fisiologis HRV dan RHR dengan konvergensi kurva pembelajaran stabil tanpa overfitting.Kinerja model mencatat akurasi pelatihan 92,0%, akurasi validasi 90,5%, presisi 90,0%, recall 91,0%, dan F1-Score 90,5%, dengan tingkat false negative yang sangat rendah hanya 45 sampel, mengonfirmasi sensitivitas tinggi dalam menangkap indikator relaps trauma secara real-time.Keandalan teknis ini diperkuat oleh hasil evaluasi pengguna menggunakan metode System Usability Scale (SUS) dengan 27 responden, menghasilkan skor rata-rata yang sangat memuaskan 86,79, yang termasuk dalam kategori Excellent dan Acceptable dengan rating A.Hasil empiris ini membuktikan bahwa alur navigasi trauma-sensitive dan tata letak visual yang dirancang untuk aplikasi Pulih telah terbukti sangat intuitif, mudah digunakan, dan mampu meminimalkan beban kognitif pengguna dalam kondisi stres.

Penelitian lanjutan dapat fokus pada pengembangan model AI yang lebih kompleks untuk memprediksi episode stres berdasarkan pola biometrik jangka panjang. Selain itu, integrasi data biometrik tambahan seperti tekanan darah atau suhu tubuh dapat meningkatkan akurasi deteksi emosi. Terakhir, penelitian tentang dampak jangka panjang dari partisipasi dalam komunitas digital anonim terenkripsi dapat memberikan wawasan tentang efektivitas pendekatan inklusif dalam pemulihan trauma.

  1. Psychological Well-being Korban Pasca Traumatic Event Kejahatan dengan Kekerasan | Buletin Riset Psikologi... e-journal.unair.ac.id/BRPKM/article/view/25112Psychological Well being Korban Pasca Traumatic Event Kejahatan dengan Kekerasan Buletin Riset Psikologi e journal unair ac BRPKM article view 25112
  2. Kim, Cheon, Bai, Lee, and Koo: Stress and Heart Rate Variability: A Meta-Analysis and Review of the Literature.... doi.org/10.30773/pi.2017.08.17Kim Cheon Bai Lee and Koo Stress and Heart Rate Variability A Meta Analysis and Review of the Literature doi 10 30773 pi 2017 08 17
Read online
File size1.47 MB
Pages15
DMCAReport

Related /

ads-block-test