@section('title', 'Tentang') @extends('user.layouts.index') @section('content')

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.

Healthcare facility
Healthcare facility

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

Neurology Department

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.

Surgery Department

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.

Dental Care Department

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.

Ophthalmology Department

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.

Cardiology Department

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

Tobii Eye Tracking
Python
Laravel Logo
Node.js Logo
@endsection