Bekerja sebagai Data Saintis di Bidang Kesehatan Mental

AWAL tahun 2025 ini si sulung mengabarkan bahwa ia mengawali pekerjaannya sebagai Data Saintis. Selama enam bulan ke depan, ia akan menjalani magang, istilah bagi pekerja pemula yang baru belajar bekerja.

Keinginan bekerja ini lantaran ia bermaksud ingin belajar dan tidak jenuh di sela mengerjakan Skripsi. Ibunya mewanti-wanti agar Skripsinya tidak terganggu. Ia berdalih, ia ingin mendapatkan pengalaman kerja yang relevan dengan studinya sebelum lulus.

Apakah bisa membagi waktu di sela mengerjakan Skripsi? Tanya ibunya.

InsyaAllah bisa, katanya, yakin.

Sebagai ayahnya, saya percaya dia bisa mengukur kemampuan dirinya sendiri. Pasalnya, menurut penilaian saya, selama ini dia mampu menyelesaikan tanggung jawabnya. Ketika sudah menyatakan komitmen, ia biasa menyelesaikannya dengan baik.

“Semoga Allah paring aman selamat lancar sukses dan barokah ya, Mbak,” doa saya untuknya, memberinya semangat.

Lalu, apa saja pekerjaannya sebagai Data Saintis?

Terus terang, ini yang saya tanyakan kepadanya di hari pertama bekerja. Ia lalu mengirimkan sebuah foto layar laptopnya di atas sebuah meja, berisi diagram batang. Ia tidak menjelaskan tentang apa pun selain foto itu saja, tanpa caption.

Karena tidak jelas, saya ingin bertanya lagi kepadanya tentang foto itu. Tetapi, saya urung. Saya khawatir kalau saja terus-terusan bertanya tentang apapun kepadanya, itu akan membuatnya tidak nyaman. Saya tidak ingin menjadi orangtua yang cerewet, ya kan.

Sesuai dengan apa yang sebelumnya saya informasikan kepadanya, tampaknya pekerjaan ini cocok dengan bidang yang dipelajarinya selama ini, bahkan sejak awal masuk kampus.

Pekerjaan ini terkait dengan sekumpulan data Assessment MHCU (Mental Health Check-Up) yang nantinya akan dimanfaatkan dengan Data Sains atau Data Science. Tentu, jumlah datanya cukup banyak.

Memahami MHCU dan Data Science

Pada dasarnya, proses Assessment MHCU menghasilkan data yang dari waktu ke waktu terus bertambah dan beragam. Data ini berupa jawaban dari kuesioner, skor dari skala psikologis (seperti DASS atau Depression Anxiety Stress Scale), informasi demografi, gaya hidup, dan lainnya.

Data Science adalah bidang ilmu yang menggunakan metode ilmiah, algoritma, proses, dan sistem untuk mengekstrak pengetahuan dan wawasan dari data. Ini melibatkan pengumpulan data, analisis, visualisasi, dan interpretasi untuk membantu pengambilan keputusan.

Bagaimana Data Science membantu MHCU?

Mari kita lihat bagaimana setiap tahapan pada Data Science bisa membantu Assessment MHCU:

1. Pengumpulan Data yang Terstruktur dan Terukur:

MHCU: Data dikumpulkan melalui kuesioner, skala psikologis, dan formulir informasi pribadi. Data ini, setelah dikumpulkan, memiliki format yang terstruktur dan terukur.

Data Science: Memastikan bahwa data yang dikumpulkan lengkap, akurat, dan konsisten. Ini penting untuk proses analisis selanjutnya.

2. Analisis Deskriptif untuk Memahami Populasi:

MHCU: Data dikumpulkan dari banyak individu.

Data Science: Menggunakan analisis deskriptif (misalnya, mean, median, modus, persentase, grafik) untuk memahami distribusi skor, prevalensi masalah kesehatan mental, pola demografi, dan variabel lainnya. Contohnya:

1. Berapa persentase responden yang mengalami depresi kategori sedang?
2. Apakah ada perbedaan signifikan dalam tingkat stres antara pria dan wanita?
3. Bagaimana pola tidur responden secara umum?
4. Visualisasi seperti grafik batang dan lingkaran (seperti yang kita bahas sebelumnya) adalah contoh dari penerapan analisis deskriptif.

3. Analisis Korelasi untuk Mengetahui Hubungan Antar Variabel:

MHCU: Ada berbagai variabel (misalnya, tingkat stres, pola tidur, dukungan sosial).

Data Science: Menggunakan analisis korelasi untuk mengetahui apakah ada hubungan antara variabel-variabel ini. Contohnya:

1. Apakah ada hubungan antara tingkat stres dan kualitas tidur?
2. Apakah individu dengan dukungan sosial yang lebih kuat cenderung memiliki tingkat depresi yang lebih rendah?
3. Apakah pola makan yang tidak sehat berkorelasi dengan tingkat kecemasan yang lebih tinggi?

4. Analisis Prediktif untuk Identifikasi Risiko:

MHCU: Data yang ada dapat digunakan untuk mengidentifikasi individu yang berisiko mengalami masalah kesehatan mental.

Data Science: Menggunakan machine learning untuk membuat model prediktif. Misalnya:

1. Model yang dapat memprediksi kemungkinan seseorang mengalami depresi berdasarkan data demografi, riwayat kesehatan mental, dan gaya hidup.
2. Model yang dapat memprediksi kemungkinan seseorang mengalami masalah tidur berdasarkan tingkat stres dan konsumsi kafein.
3. Model ini dapat membantu mengidentifikasi individu yang perlu perhatian lebih lanjut.

5. Segmentasi dan Pengelompokan (Clustering):

MHCU: Individu yang berbeda mungkin memiliki profil kesehatan mental yang berbeda.

Data Science: Menggunakan teknik clustering untuk mengelompokkan individu berdasarkan karakteristik kesehatan mental mereka yang serupa. Contohnya:

• Mengelompokkan individu menjadi beberapa grup, misalnya: “individu dengan tingkat depresi tinggi dan kurang dukungan sosial,” “individu dengan tingkat stres sedang dan pola tidur yang tidak teratur,” dll. Ini membantu dalam personalisasi intervensi.

6. Visualisasi Data yang Efektif:

MHCU: Data yang kompleks perlu disajikan dalam format yang mudah dipahami.

Data Science: Menggunakan visualisasi data (misalnya, grafik, dashboard) untuk menyajikan hasil analisis secara efektif. Tujuannya:

1. Memudahkan pemahaman tentang pola data.
2. Menyediakan informasi yang ringkas dan bermakna.
3. Memungkinkan stakeholder untuk membuat keputusan yang lebih baik.

7. Evaluasi dan Validasi Program Intervensi:

MHCU: Setelah intervensi diberikan, perlu dilakukan evaluasi.

Data Science: Menggunakan data dari assessment pre- dan post-intervensi untuk mengukur efektivitas program. Contohnya:

1. Apakah ada penurunan signifikan dalam tingkat depresi setelah program intervensi?
2. Apakah program intervensi efektif untuk semua kelompok usia?
3. Ini membantu dalam perbaikan program intervensi.

Analogi Sederhana:

Bayangkan Anda sedang meneliti tanaman di kebun.

MHCU: Anda mengumpulkan data tentang setiap tanaman (tinggi, jumlah daun, warna daun, kondisi tanah, dll.).

Data Science: Anda menggunakan data ini untuk:

1. Mencari tahu tanaman mana yang tumbuh paling baik (analisis deskriptif).
2. Melihat apakah ada hubungan antara jenis tanah dan pertumbuhan tanaman (analisis korelasi).
3. Memprediksi tanaman mana yang akan tumbuh dengan buruk di masa depan (analisis prediktif).
4. Mengelompokkan tanaman ke dalam kategori yang berbeda (segmentasi).
5. Membuat grafik untuk menunjukkan informasi pertumbuhan tanaman kepada teman-teman Anda (visualisasi data).

Kesimpulan:

Assessment MHCU dan Data Science adalah pasangan yang kuat. Data Science membantu kita mengambil wawasan yang lebih dalam dari data yang dikumpulkan oleh MHCU, sehingga kita bisa lebih baik memahami, mengidentifikasi, dan membantu individu yang mungkin mengalami masalah kesehatan mental.

Dengan bantuan Data Science, assessment MHCU tidak hanya menjadi alat screening, tetapi juga alat yang berpotensi untuk memberikan solusi yang lebih personal dan efektif.