Bandung (BRS) – Pemanfaatan kecerdasan artifisial (Artificial Intelligence/AI) terus berkembang di berbagai bidang, termasuk untuk mendukung kesehatan mental. Badan Riset dan Inovasi Nasional (BRIN) kini mengembangkan teknologi yang mampu mengenali ekspresi wajah seseorang sebagai salah satu indikator untuk mengukur tingkat kebahagiaan tenaga kesehatan.
Inovasi tersebut diwujudkan melalui aplikasi MIESHappy Emotion Detection (MED) yang dikembangkan oleh Peneliti Ahli Muda Pusat Riset Kecerdasan Artifisial dan Keamanan Siber (PRKAKS) BRIN, Pesigrihastamadya Normakristagaluh. Aplikasi ini memanfaatkan teknologi Face/Facial Recognition (FR) dan Facial Expression Eecognition (FER) untuk menganalisis ekspresi wajah pengguna secara real time.
Pesi menjelaskan, pengembangan MED berangkat dari penelitian sebelumnya mengenai indeks kebahagiaan Sumber Daya Manusia Kesehatan (SDMK) di puskesmas. Menurutnya, pendekatan berbasis teknologi dapat menjadi pelengkap dalam mengukur kondisi emosional seseorang secara lebih objektif.
“Pengembangan aplikasi ini didasarkan pada model indeks kebahagiaan SDMK di puskesmas yang telah dibangun pada penelitian sebelumnya,” ujar Pesi dalam Webinar PRKAKS #1 Tahun 2026 bertajuk Perkembangan Teknologi Biometrik Wajah pada Era Kecerdasan Artifisial (AI) dan Keamanan Siber, akhir Juni lalu.
Dalam penelitiannya, BRIN mengombinasikan dua metode pengukuran. Pertama, menggunakan kuesioner sebagai indikator jangka panjang untuk mengetahui persepsi responden mengenai tingkat kebahagiaannya. Kedua, memanfaatkan teknologi pengenal ekspresi wajah yang bekerja saat responden mengisi kuesioner sehingga dapat menangkap respons emosional yang muncul secara spontan.
Melalui perpaduan kedua metode tersebut, peneliti ingin mengetahui sejauh mana ekspresi wajah memiliki keterkaitan dengan hasil pengukuran kebahagiaan yang diperoleh dari kuesioner.
“Dengan demikian, dapat diketahui apakah ekspresi wajah dapat menjadi indikator pendukung dalam mengukur kondisi emosional maupun tingkat kebahagiaan seseorang,” jelasnya.
Pesi menerangkan, sistem ini juga mampu mendeteksi mikro-ekspresi, yakni perubahan ekspresi wajah yang berlangsung sangat singkat, bahkan kurang dari setengah detik. Meski hanya muncul sekejap, mikro-ekspresi diyakini lebih mencerminkan emosi asli seseorang karena terjadi secara spontan dan sulit dikendalikan.
Sebaliknya, makro-ekspresi berlangsung lebih lama, sekitar 0,5 hingga 10 detik. Jenis ekspresi ini relatif lebih mudah diamati, tetapi dapat dikontrol oleh seseorang sehingga tidak selalu menggambarkan kondisi emosional yang sebenarnya.
“Inilah dasar pengembangan sistem facial emotion detection, karena sistem harus mampu mengenali perubahan ekspresi wajah secara cepat untuk mengidentifikasi emosi yang sedang dialami pengguna,” kata Pesi.
Pada tahap implementasi, pengambilan data dilakukan di sejumlah puskesmas dan rumah sakit. Para responden diminta mengisi kuesioner sambil direkam menggunakan perangkat khusus yang telah dirancang tim peneliti. Selanjutnya, data ekspresi wajah tersebut dianalisis menggunakan metode facial expression recognition.
Untuk meningkatkan akurasi, sistem MED memanfaatkan DeepFace sebagai library utama. Teknologi ini mampu mendeteksi wajah sekaligus mengidentifikasi berbagai jenis emosi, mulai dari bahagia, sedih, takut, terkejut, marah, hingga ekspresi netral.
Tidak hanya mengandalkan perangkat lunak, BRIN juga mengembangkan MED menggunakan Raspberry Pi. Penggunaan perangkat mini tersebut membuat sistem menjadi lebih ringkas, mudah dibawa, dan dapat dioperasikan langsung di lapangan tanpa membutuhkan komputer dengan spesifikasi tinggi.
Ke depan, BRIN berharap MED dapat berkembang menjadi sistem terintegrasi berbasis multi-modalitas yang mampu mendukung pemantauan kesehatan mental tenaga kesehatan secara lebih objektif. Kehadiran teknologi ini diharapkan tidak menggantikan metode survei konvensional, melainkan menjadi pelengkap yang memberikan gambaran lebih utuh mengenai kondisi emosional seseorang.
Menurut Pesi, tenaga kesehatan yang memiliki kondisi mental yang baik akan mampu bekerja lebih produktif, memberikan pelayanan yang optimal, serta berkontribusi lebih besar bagi organisasi. Karena itu, hasil pengukuran dari sistem ini diharapkan dapat menjadi bahan pertimbangan bagi para pengambil kebijakan dalam menyusun strategi peningkatan kesejahteraan sekaligus kinerja sumber daya manusia di sektor kesehatan.
Gambar atas : Ilustrasi FR / Dok. nevacloud
