About
Penjelasan tentang sistem Deteksi Kecemasan Melalui Gerakan Mata
Introduction
Anxiety Detection System merupakan sistem berbasis web yang dirancang untuk membantu proses asesmen tingkat kecemasan selama sesi konsultasi psikologis. Sistem ini memanfaatkan teknologi eye tracking untuk menganalisis pergerakan pupil mata dan mengolahnya menggunakan metode machine learning.
Background
Gangguan kecemasan merupakan salah satu kondisi kesehatan mental yang banyak dialami oleh berbagai kelompok usia. Proses asesmen kecemasan umumnya dilakukan melalui observasi dan wawancara oleh tenaga profesional. Oleh karena itu, penelitian ini mengembangkan sistem berbasis teknologi yang dapat membantu memberikan data objektif berupa analisis pergerakan mata selama sesi konsultasi.
Purpose of The System
Eye Movement Monitoring
Memantau pergerakan mata dan pola fokus pengguna selama proses asesmen berlangsung.
Anxiety Estimation
Menganalisis tingkat kecemasan berdasarkan data visual menggunakan model machine learning.
Decision Support
Membantu tenaga profesional dalam proses evaluasi kondisi psikologis pengguna.
Real-Time Visualization
Menampilkan hasil analisis dan aktivitas visual pengguna secara real-time pada dashboard.
How The System Works
Eye Tracking Capture
Kamera atau eye tracker menangkap koordinat dan pergerakan pupil pengguna.
Data Processing
Data gaze dan pergerakan mata diproses menjadi fitur analisis.
Machine Learning Classification
Model machine learning melakukan klasifikasi tingkat kecemasan berdasarkan pola visual.
Result Visualization
Hasil estimasi kecemasan ditampilkan dalam bentuk dashboard dan visualisasi data.
System Architecture
Facial Expression Analysis
Kamera digunakan untuk menangkap ekspresi wajah dan pergerakan pengguna selama proses asesmen berlangsung. Data visual ini digunakan sebagai sumber analisis tambahan untuk membantu model machine learning dalam mengestimasi tingkat kecemasan pengguna.
Face Detection
Sistem mendeteksi area wajah pengguna secara real-time selama asesmen berlangsung.
Eye Movement Tracking
Pergerakan mata dan titik fokus pengguna dianalisis untuk memperoleh pola visual.
Emotion Observation
Ekspresi wajah digunakan sebagai indikator tambahan dalam analisis kecemasan.
AI Classification
Model machine learning melakukan estimasi tingkat kecemasan berdasarkan data visual pengguna.
Eye Tracking Analysis
Sistem melakukan analisis pergerakan mata pengguna menggunakan teknologi eye tracking untuk memperoleh pola perhatian visual selama proses asesmen. Data gaze yang diperoleh digunakan sebagai fitur utama dalam proses estimasi tingkat kecemasan berbasis machine learning.
Gaze Tracking
Sistem melacak arah pandangan dan titik fokus mata pengguna secara real-time.
Fixation Analysis
Durasi fokus pengguna pada area tertentu dianalisis untuk mendeteksi pola perhatian visual.
Heatmap Visualization
Pergerakan mata divisualisasikan dalam bentuk heatmap untuk melihat distribusi perhatian pengguna.
AI-Based Classification
Model machine learning mengklasifikasikan tingkat kecemasan berdasarkan pola gaze pengguna.
Result Visualization
Sistem menampilkan hasil analisis eye tracking dan estimasi kecemasan dalam bentuk visualisasi data interaktif secara real-time. Dashboard digunakan untuk membantu proses observasi, evaluasi, dan interpretasi hasil analisis pengguna.
Heatmap Analytics
Visualisasi heatmap digunakan untuk melihat distribusi perhatian visual pengguna pada layar.
Real-Time Monitoring
Sistem memantau aktivitas pengguna dan data eye tracking secara langsung selama asesmen berlangsung.
Anxiety Prediction
Model machine learning menghasilkan estimasi tingkat kecemasan berdasarkan pola visual pengguna.
Interactive Dashboard
Seluruh hasil analisis divisualisasikan melalui dashboard interaktif yang mudah dipahami.
Behavioral Analysis
Sistem menganalisis pola perilaku visual pengguna berdasarkan pergerakan mata, fokus perhatian, dan ekspresi wajah untuk membantu proses estimasi tingkat kecemasan secara lebih akurat.
Attention Analysis
Sistem mengevaluasi fokus dan perhatian visual pengguna selama proses asesmen berlangsung.
Facial Behavior
Ekspresi wajah dianalisis untuk membantu mendeteksi perubahan perilaku emosional pengguna.
Pattern Recognition
Model AI mengenali pola visual tertentu yang berkaitan dengan tingkat kecemasan pengguna.
AI Assessment
Machine learning menghasilkan estimasi tingkat kecemasan berdasarkan kombinasi data visual pengguna.
Core Technologies
Sistem dibangun menggunakan kombinasi teknologi eye tracking, machine learning, dan visualisasi data real-time untuk mendukung proses analisis kecemasan secara interaktif dan akurat.
Eye Tracking Device
Perangkat eye tracker digunakan untuk menangkap koordinat dan pergerakan mata pengguna secara real-time.
Machine Learning
Model AI menganalisis pola visual pengguna untuk menghasilkan estimasi tingkat kecemasan.
Real-Time Communication
Teknologi WebSocket digunakan untuk mengirim data monitoring secara langsung dan responsif.
Interactive Dashboard
Dashboard interaktif menampilkan visualisasi data, heatmap, dan hasil analisis AI secara real-time.
Technologies Used
Beberapa teknologi yang dipakai pada sistem ini
