BRIN Kembangkan AI untuk Ukur Kebahagiaan Nakes

Liputan6.com, Jakarta - Peneliti tengah mengembangkan aplikasi untuk mengukur tingkat kebahagiaan tenaga kesehatan (Nakes) melalui analisis ekspresi wajah.

Aplikasi ini disebut MIESHappy Emotion Detection (MED) yang dirancang peneliti ahli muda Pusat Riset Kecerdasan Artifisial dan Keamanan Siber (PRKAKS) Badan Riset dan Inovasi Nasional (BRIN), Pesigrihastamadya Normakristagaluh.

“Pengembangan aplikasi ini didasarkan pada model indeks kebahagiaan SDMK (sumber daya manusia kesehatan) di puskesmas yang telah dibangun pada penelitian sebelumnya oleh Despitasari, 2022,” kata Pesi mengutip laman BRIN, Senin (6/7/2026).

Dia menerangkan, pengukuran dalam riset ini menggunakan dua pendekatan. Pertama, model statistik dengan kuesioner dan kedua facial expression recognition (FER). Model pertama berfungsi sebagai long-term variable untuk mengukur indeks kebahagiaan berdasarkan persepsi responden. Sementara model kedua berfungsi sebagai short-term variable, yaitu mengamati ekspresi wajah secara real-time saat responden mengisi kuesioner.

Melalui kombinasi kedua pendekatan tersebut, penelitian ini bertujuan memperoleh gambaran mengenai hubungan antara hasil pengukuran indeks kebahagiaan berdasarkan kuesioner dengan ekspresi wajah yang muncul selama proses pengisian.

“Dengan demikian, dapat diketahui apakah ekspresi wajah dapat menjadi indikator pendukung dalam mengukur kondisi emosional maupun tingkat kebahagiaan seseorang,” ujarnya.

Lebih lanjut, ia menguraikan facial micro-expression recognition merupakan bidang yang berfokus pada pendeteksian, pengklasifikasian, serta interpretasi gerakan wajah yang sangat singkat dan tidak disadari. Mikro ekspresi ini merefleksikan emosi yang sebenarnya karena muncul secara spontan, sulit dikendalikan, dan berlangsung dengan durasi yang sangat cepat (<0,5 detik).

Sebaliknya, makro ekspresi merupakan ekspresi wajah yang lebih mudah diamati karena berlangsung lebih lama, sekitar 0,5 hingga 10 detik. Ekspresi ini umumnya masih dapat dikontrol oleh seseorang sehingga tidak selalu mencerminkan kondisi sebenarnya.

“Inilah dasar pengembangan sistem facial emotion detection, karena sistem harus mampu mengenali perubahan ekspresi wajah secara cepat untuk mengidentifikasi emosi yang sedang dialami pengguna,” terangnya.

Pada tahap implementasi, proses pengambilan data dilakukan di beberapa lokasi yang berkaitan dengan SDMK, baik di puskesmas maupun rumah sakit. Selama proses pengambilan data, responden diminta mengisi kuesioner sambil direkam menggunakan perangkat yang telah dikembangkan.

“Data ekspresi wajah kemudian dianalisis menggunakan metode facial expression recognition,” tambahnya.

Dalam pengembangannya, sistem menggunakan DeepFace sebagai library utama untuk melakukan deteksi wajah sekaligus mampu mengenali berbagai kategori emosi, seperti senang, sedih, takut, terkejut, kesal, maupun netral.

Pesi menyampaikan bahwa ia ingin menghadirkan sistem terintegrasi berbasis multi-modalitas untuk mengukur kebahagiaan individu sebagai salah satu indikator kesehatan mental. Sebab, SDM yang sehat secara mental akan bekerja lebih produktif dan optimal, serta berkontribusi lebih baik bagi organisasi. Hasil pengukuran ini diharapkan menjadi dasar bagi pengambil kebijakan dalam meningkatkan kinerja sekaligus kesejahteraan SDM.

Selain itu, perangkat MED juga diimplementasikan menggunakan teknologi Raspberry Pi, sehingga sistem menjadi lebih ringkas, portabel, dan dapat digunakan langsung di lapangan tanpa memerlukan komputer dengan spesifikasi tinggi. Dengan implementasi tersebut, sistem MED diharapkan dapat menjadi alat bantu yang efektif untuk mendukung pengukuran kondisi emosional SDMK secara objektif, melengkapi pengukuran berbasis kuesioner, serta membuka peluang pengembangan sistem pemantauan kesejahteraan tenaga kesehatan di masa mendatang.