Penggunaan AI dalam Analisis Perilaku Digital untuk Prediksi Gangguan Mental
The Use of AI in Digital Behavior Analysis for Predicting Mental Disorders
Abstract
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.
References
Aprilisa Arum Sari, & Permatasari, H. (2025). Prediksi Risiko Kesehatan Mental Berdasarkan Pola Penggunaan Perangkat Digital Menggunakan Algoritma Logistic Regression. Prosiding Seminar Nasional Amikom Surakarta, 3, 151–161.
Arya, T. (2025). Digital Behavior and Mental Health Prediction Through Explainable AI. Preprints.
Bufano, P., Laurino, M., Said, S., Tognetti, A., & Menicucci, D. (2023). Digital phenotyping for monitoring mental disorders: Systematic Review. Journal of Medical Internet Research, 25.
Choudhary, S., Thomas, N., Ellenberger, J., Srinivasan, G., & Cohen, R. (2022). A machine learning approach for detecting digital behavioral patterns of depression using nonintrusive smartphone data (complementary path to patient health questionnaire-9 assessment): Prospective observational study. Journal of Medical Internet Research.
D’Alfonso, S. (2020). AI in mental health. Current Opinion in Psychology, 36, 112–117.
Dehbozorgi, R., Zangeneh, S., Khoosab, E., Hafezi Nia, D., Hanif, H. R., Samian, P., Yousefi, M., Haj Hashemi, F., Vakili, M., Jamalimoghadam, N., & Lohsarebi, F. (2025). The application of artificial intelligence in the field of mental health: A systematic review. BMC Psychiatry, 25, 132.
Kadirvelu, P. B., Bellido Bel, M. T., Freccero, A., Di Simplico, P. M., Nicholls, D., & Faisal, A. A. (2026). Digital phenotyping for adolescent mental health: Feasibility study using machine learning to predict mental health risk from active and passive smartphone data. Journal of Medical Internet Research.
Kerz, E., Zanwar, S., Qiao, Y., & Wiechmann, D. (2023). Toward explainable AI (XAI) for mental health detection based on language behavior. Frontiers in Psychiatry, 14, 1219479.
Linardon, J., Chen, K., Gajjar, S., Eadara, A., Wang, S., Flathers, M., Burns, J., & Torous, J. (2025). Smartphone digital phenotyping in mental health disorders: A review of raw sensors utilized, machine learning processing pipelines, and derived behavioral features. Psychiatry Research, 348, 116483.
Mansoor, M. A., & Ansari, K. H. (2024). Early detection of mental health crises through artificial-intelligence-powered social media analysis: A prospective observational study. Journal of Personalized Medicine, 14(9), 958.
Ren, W., Xue, X., Liu, L., & Huang, J. (2025). AI applications in depression detection and diagnosis: Bibliometric and visual analysis of trends and future directions. Journal of Medical Internet Research.
Tutun, S., Johnson, M. E., Ahmed, A., Albizri, A., Irgil, S., Yesilkaya, I., Ucar, E. N., Sengun, T., & Harfouche, A. (2023). An AI-based decision support system for predicting mental health disorders. Information Systems Frontiers, 25, 1261–1276.
