<![CDATA[Permasalahan kesehatan mental pada mahasiswa terus meningkat seiring bertambahnya beban akademik dan tekanan sosial. Namun, keterbatasan layanan psikologis dan tingginya stigma membuat mahasiswa sering menunda atau menghindari pencarian bantuan profesional. Penelitian ini bertujuan mengembangkan sebuah platform skrining kesehatan mental berbasis Artificial Intelligence (AI) yang mampu menganalisis teks secara otomatis untuk mengidentifikasi tingkat stres, kecemasan, dan depresi pada mahasiswa. Metode Rapid Application Development (RAD) digunakan untuk mempercepat proses perancangan sistem serta memungkinkan penyesuaian prototipe secara iteratif. Novelty penelitian ini terletak pada integrasi model IndoBERT Lite sebagai mesin klasifikasi psikologis berbasis teks yang dilatih dan dievaluasi menggunakan data berlabel berdasarkan instrumen Depression Anxiety Stress Scales (DASS-21) serta melibatkan validasi dan masukan dari pakar di bidang kesehatan mental. Evaluasi performa menunjukkan bahwa model mencapai nilai Macro ROC-AUC sebesar 0,69, dengan performa terbaik pada klasifikasi depresi (ROC-AUC 0,86), yang menandakan kemampuan model yang memadai dalam mendukung skrining awal kesehatan mental. Pendekatan ini memberikan alternatif skrining yang lebih cepat, ringan, dan mudah dioperasikan dibandingkan metode asesmen tradisional yang memerlukan kehadiran profesional secara langsung. Evaluasi usability dilakukan menggunakan System Usability Scale (SUS) dengan melibatkan tujuh evaluator dari kalangan mahasiswa dan pakar IT. Sistem memperoleh skor rata-rata 89 yang termasuk dalam kategori excellent, menunjukkan tingkat kemudahan penggunaan dan pengalaman pengguna yang sangat baik. Hasil penelitian menunjukkan bahwa platform ini berpotensi menjadi alat pendukung skrining kesehatan mental yang efektif, serta berperan sebagai jembatan awal yang membantu mahasiswa mengakses layanan psikologis secara lebih terstruktur dan tidak mengintimidasi.]]>
