---
title: MindCheck
emoji: 🧠
colorFrom: indigo
colorTo: purple
sdk: docker
pinned: false
---
# 🧠 MindCheck

**MindCheck** adalah aplikasi web *full-stack* berbasis kecerdasan buatan (AI) yang dirancang untuk melakukan *screening* kesehatan mental (depresi) menggunakan standar kuisioner **PHQ-8** secara interaktif. 

Alih-alih menyuruh pengguna mengisi formulir pilihan ganda yang kaku, MindCheck mensimulasikan sebuah **wawancara virtual**. Pengguna dapat mengetik jawaban secara bebas dan bercerita. Model *Deep Learning* di balik aplikasi ini akan menganalisa transkrip teks tersebut (baik secara semantik maupun dari ekstraksi fitur linguistik) untuk memprediksi skor keparahan depresi.

---

## 📊 Dataset: DAIC-WOZ
Model AI pada MindCheck dilatih menggunakan **DAIC-WOZ Database** (Distress Analysis Interview Corpus - Wizard of Oz). 
Dataset ini dirilis oleh *Institute for Creative Technologies, University of Southern California (USC)*. Dataset DAIC-WOZ berisi rekaman audio, video, dan transkrip wawancara klinis ekstensif antara agen virtual (Ellie) dan pasien, lengkap dengan label skor kejiwaan PHQ-8. 

MindCheck memanfaatkan data **transkrip teks** dari DAIC-WOZ untuk melatih model `MPNetMultiOutputRegressor` agar mampu memahami pola bahasa, rasio sentimen negatif, dan penggunaan *filler words* dari orang yang mengalami gejala depresi.

---

## 🚀 Fitur Utama
* **Conversational Interface:** Wawancara 8 langkah berbasis pertanyaan terbuka.
* **AI-Powered Analysis:** Analisis teks mendalam menggunakan arsitektur MPNet dari *Hugging Face* yang di-*finetune* secara kustom.
* **Instant Dashboard:** Hasil prediksi langsung diakumulasi menjadi skor PHQ-8, kategori keparahan (Minimal hingga Severe), serta statistik deteksi kata negatif.
* **Privacy First:** Semua pemrosesan data (jika tidak menggunakan cloud backend) terjadi secara anonim. History disimpan di `localStorage` perangkat pengguna.
* **Graceful Fallback:** Jika server AI mati atau tidak bisa dijangkau, sistem otomatis beralih menggunakan algoritma *Keyword & Sentiment Matching* lokal yang tertanam di frontend.

---

## 🛠️ Cara Penggunaan & Instalasi

Untuk menjalankan MindCheck di komputermu sendiri (baik untuk *development* atau penggunaan langsung), ikuti langkah-langkah berikut:

### 1. Request Dataset DAIC-WOZ (Opsional)
Jika kamu ingin melatih ulang (retrain) atau melihat data aslinya:
1. Kunjungi website resmi [DAIC-WOZ (USC ICT)](http://dcapswoz.ict.usc.edu/).
2. Tanda tangani *Data Use Agreement* (EULA) yang disediakan untuk keperluan riset non-komersial.
3. Setelah disetujui, kamu akan diberikan akses link repositori untuk mendownload dataset aslinya.

### 2. Clone Repositori
Tarik repositori proyek MindCheck ini ke komputer lokalmu:
```bash
git clone <url-repositori-ini>
cd NLP_AOL
```

### 3. Menjalankan Backend API (Model AI)
Backend menggunakan Python dan Flask untuk melakukan inferensi model PyTorch.

1. Buka terminal baru dan masuk ke folder `backend`:
   ```bash
   cd backend
   ```
2. Buat *Virtual Environment* (VENV) agar package tidak bentrok:
   ```bash
   # Di macOS/Linux
   python3 -m venv venv
   source venv/bin/activate
   
   # Di Windows
   python -m venv venv
   venv\Scripts\activate
   ```
3. Install dependencies:
   ```bash
   pip install -r requirements.txt
   ```
4. Jalankan server Flask (secara default akan berjalan di `http://127.0.0.1:8000`):
   ```bash
   python app.py
   ```
   *(Catatan: Saat dijalankan pertama kali, aplikasi akan mendownload base-model tokenizer MPNet dari Hugging Face ke cache komputermu).*

### 4. Menjalankan Frontend Web (Next.js)
Frontend ini adalah tampilan antarmuka (UI) dari MindCheck.

1. Buka terminal baru (biarkan terminal backend tetap menyala) dan masuk ke folder `mindcheck-web`:
   ```bash
   cd mindcheck-web
   ```
2. Install dependencies dari Node.js:
   ```bash
   npm install
   ```
3. Jalankan server *Development* Next.js:
   ```bash
   npm run dev
   ```
4. Buka browser dan kunjungi: **`http://localhost:3000`**

---

## 📁 Struktur Aplikasi
Untuk melihat penjelasan sangat mendetail mengenai setiap folder, direktori, dan bagaimana file-file ini saling terhubung, silakan baca **[`blueprint.md`](blueprint.md)**.