Penggunaan AI dalam Analisis Perilaku Digital untuk Prediksi Gangguan Mental

Abstract

ABSTRAK

Perkembangan teknologi digital menyebabkan meningkatnya penggunaan smartphone dan media sosial yang menghasilkan jejak digital dalam jumlah besar. Jejak digital tersebut dapat mencerminkan pola aktivitas, interaksi sosial, penggunaan bahasa, serta perubahan perilaku individu. Dalam bidang kesehatan mental, artificial intelligence (AI) berpotensi digunakan untuk menganalisis perilaku digital sebagai indikator awal gangguan mental, seperti depresi, kecemasan, gangguan bipolar, psikosis, dan risiko bunuh diri. Tinjauan pustaka ini bertujuan untuk mengkaji penggunaan AI dalam analisis perilaku digital untuk prediksi gangguan mental, termasuk jenis data yang digunakan, metode analisis, temuan penelitian terdahulu, kelebihan, keterbatasan, serta isu etik dalam penerapannya. Penulisan ini menggunakan metode tinjauan pustaka dengan menelaah berbagai artikel ilmiah yang relevan mengenai AI, digital phenotyping, machine learning, natural language processing, perilaku digital, dan prediksi gangguan mental. Hasil kajian menunjukkan bahwa perilaku digital, baik berupa data aktif maupun pasif, dapat digunakan sebagai indikator kesehatan mental. Data aktif meliputi laporan suasana hati, kuesioner psikologis, dan jurnal emosi, sedangkan data pasif mencakup pola penggunaan smartphone, mobilitas, aktivitas media sosial, pola tidur, serta bahasa dalam komunikasi daring. AI melalui machine learning, deep learning, dan natural language processing mampu mengidentifikasi pola perilaku digital yang berhubungan dengan gangguan mental. Model multimodal yang menggabungkan data teks, sensor smartphone, aktivitas digital, dan pola temporal cenderung memiliki kemampuan prediksi yang lebih baik dibandingkan model yang hanya menggunakan satu jenis data. AI memiliki potensi besar dalam mendukung deteksi dini, prediksi risiko, dan pemantauan gangguan mental secara objektif, cepat, dan berkelanjutan. Namun, penerapannya masih menghadapi tantangan berupa keterbatasan validitas klinis, interpretabilitas model, bias algoritma, serta isu privasi dan keamanan data. Oleh karena itu, AI sebaiknya digunakan sebagai alat bantu yang tetap dikombinasikan dengan penilaian profesional tenaga kesehatan.

ABSTRACT

Advances in digital technology have led to increased use of smartphones and social media, generating vast amounts of digital traces. These digital traces can reflect patterns of activity, social interactions, language use, and changes in individual behavior. In the field of mental health, artificial intelligence (AI) has the potential to be used to analyze digital behavior as an early indicator of mental disorders, such as depression, anxiety, bipolar disorder, psychosis, and suicide risk. This literature review aims to examine the use of AI in the analysis of digital behavior for the prediction of mental disorders, including the types of data used, analytical methods, findings from previous research, advantages, limitations, and ethical issues in its application. This paper employs a literature review method by examining various relevant scientific articles on AI, digital phenotyping, machine learning, natural language processing, digital behavior, and the prediction of mental disorders. The results of the study indicate that digital behavior, whether in the form of active or passive data, can be used as an indicator of mental health. Active data includes mood reports, psychological questionnaires, and emotion journals, while passive data encompasses smartphone usage patterns, mobility, social media activity, sleep patterns, and language in online communication. Through machine learning, deep learning, and natural language processing, AI is capable of identifying digital behavioral patterns associated with mental disorders. Multimodal models that combine text data, smartphone sensor data, digital activity, and temporal patterns tend to have better predictive capabilities than models that use only a single type of data. AI has great potential to support the early detection, risk prediction, and monitoring of mental disorders in an objective, rapid, and continuous manner. However, its implementation still faces challenges in the form of limitations in clinical validity, model interpretability, algorithmic bias, as well as privacy and data security issues. Therefore, AI should be used as a tool that is still combined with professional assessment by healthcare workers.