@section('title', 'Tentang') @extends('user.layouts.index') @section('content')
Penjelasan tentang sistem Deteksi Kecemasan Melalui Gerakan Mata
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.
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.
Memantau pergerakan mata dan pola fokus pengguna selama proses asesmen berlangsung.
Menganalisis tingkat kecemasan berdasarkan data visual menggunakan model machine learning.
Membantu tenaga profesional dalam proses evaluasi kondisi psikologis pengguna.
Menampilkan hasil analisis dan aktivitas visual pengguna secara real-time pada dashboard.
Kamera atau eye tracker menangkap koordinat dan pergerakan pupil pengguna.
Data gaze dan pergerakan mata diproses menjadi fitur analisis.
Model machine learning melakukan klasifikasi tingkat kecemasan berdasarkan pola visual.
Hasil estimasi kecemasan ditampilkan dalam bentuk dashboard dan visualisasi data.
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.
Sistem mendeteksi area wajah pengguna secara real-time selama asesmen berlangsung.
Pergerakan mata dan titik fokus pengguna dianalisis untuk memperoleh pola visual.
Ekspresi wajah digunakan sebagai indikator tambahan dalam analisis kecemasan.
Model machine learning melakukan estimasi tingkat kecemasan berdasarkan data visual pengguna.
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.
Sistem melacak arah pandangan dan titik fokus mata pengguna secara real-time.
Durasi fokus pengguna pada area tertentu dianalisis untuk mendeteksi pola perhatian visual.
Pergerakan mata divisualisasikan dalam bentuk heatmap untuk melihat distribusi perhatian pengguna.
Model machine learning mengklasifikasikan tingkat kecemasan berdasarkan pola gaze pengguna.
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.
Visualisasi heatmap digunakan untuk melihat distribusi perhatian visual pengguna pada layar.
Sistem memantau aktivitas pengguna dan data eye tracking secara langsung selama asesmen berlangsung.
Model machine learning menghasilkan estimasi tingkat kecemasan berdasarkan pola visual pengguna.
Seluruh hasil analisis divisualisasikan melalui dashboard interaktif yang mudah dipahami.
Sistem menganalisis pola perilaku visual pengguna berdasarkan pergerakan mata, fokus perhatian, dan ekspresi wajah untuk membantu proses estimasi tingkat kecemasan secara lebih akurat.
Sistem mengevaluasi fokus dan perhatian visual pengguna selama proses asesmen berlangsung.
Ekspresi wajah dianalisis untuk membantu mendeteksi perubahan perilaku emosional pengguna.
Model AI mengenali pola visual tertentu yang berkaitan dengan tingkat kecemasan pengguna.
Machine learning menghasilkan estimasi tingkat kecemasan berdasarkan kombinasi data visual pengguna.
Sistem dibangun menggunakan kombinasi teknologi eye tracking, machine learning, dan visualisasi data real-time untuk mendukung proses analisis kecemasan secara interaktif dan akurat.
Perangkat eye tracker digunakan untuk menangkap koordinat dan pergerakan mata pengguna secara real-time.
Model AI menganalisis pola visual pengguna untuk menghasilkan estimasi tingkat kecemasan.
Teknologi WebSocket digunakan untuk mengirim data monitoring secara langsung dan responsif.
Dashboard interaktif menampilkan visualisasi data, heatmap, dan hasil analisis AI secara real-time.
Beberapa teknologi yang dipakai pada sistem ini