Perancangan Dan Implementasi Aplikasi Mobile Stress Detection App Menggunakan Google Cloud
Keywords:
Stress Detection, Frontend, Backend, Google Cloud, Mobile AppsAbstract
Stress Detection App adalah aplikasi yang menggunakan pembelajaran mesin untuk mengenali wajah dan menganalisis tingkat stres melalui survei singkat. Aplikasi ini memungkinkan pengguna untuk mencatat suasana hati harian, mengisi survei, dan menerima tip serta trik untuk mengelola tingkat stres. Dengan fokus pada tiga tingkat stres: rendah, sedang, dan tinggi, aplikasi ini bertujuan untuk membantu pengguna yang mengalami stres dan mencegah dampak negatif yang mungkin timbul.
Metodologi penelitian yang digunakan melibatkan penggunaan Google App Engine untuk backend, Google Cloud Datastore untuk manajemen database, serta TensorFlow untuk pelatihan model pembelajaran mesin. Pengembangan frontend aplikasi dilakukan menggunakan Figma untuk desain antarmuka pengguna yang responsif dan menarik.
Hasil dari penelitian ini mencakup pengembangan frontend dan backend aplikasi, termasuk pembuatan desain awal menggunakan Figma, training data untuk analisis wajah, pembuatan server dengan Node.js dan Express.js, serta pengujian menggunakan Expresso.
Dengan adanya Stress Detection App, diharapkan pengguna dapat lebih memahami tingkat stres mereka dan mengelolanya dengan lebih efektif, sehingga dapat menghindari kemungkinan terburuk yang dapat terjadi akibat stres berlebih
References
Azhar Maulana, C. J. (2023). Pengembangan Aplikasi Mobile Phone AI Berbahasa Indonesia untuk Dukungan Emosional. Journal of Information System and Technology (JOINT
Swanto Situmorang, W. S. (2024). Aplikasi Konsultasi Mental Health Berbasis Android (Studi Kasus UTY). SISFOTENIKA, Vol. 14 No. 1.
Boege, Dkk. (2024). Mental Health Monitoring For Young People Through Mood Tracking Mobile Apps. JMIR Research Protocol.
Al-Atwi, Dkk. (2023) Stress Monitoring Using Machine Learning, IoT And Cloud Computing. Sensors, 23(21): 8875.
Caldeira, Dkk. (2018). Mobile Apps For Mood Tracking : An Analysis Of Features And Usability. PMC.
Giannakakis, DKK. ( 2025). Stress Detection Indentifying Relevant Facial Action Units. ScienceDirect.
Jaramillo-Quintanar, Dkk. (2024). Automatic Segmentation Of Facial Regions Of Interest And Stress Detection Using Machine Learning . Sensors, 24(1):152
