Kompleksitas gejala depresi diakui sebagai tantangan kesehatan masyarakat dunia. Karena dampaknya yang berbahaya, gejala depresi di masa remaja harus diwaspadai. Jika tidak terdeteksi dan tertangani, gejala depresi dapat secara signifikan mengurangi kualitas hidup dan berpotensi menjadi depresi berat pada masa selanjutnya. M. Amin Bakri, mahasiswa Program Doktor Ilmu Kesehatan Masyarakat FKM UI, dalam penelitiannya melakukan pengembangan model machine learning untuk memprediksi perkembangan gejala depresi dari remaja hingga memasuki usia dewasa muda, serta mengungkap faktor-faktor yang memiliki hubungan signifikan dengan perkembangan gejala depresi tersebut. Gagasan tersebut tertuang pada disertasinya yang berjudul “Model Machine Learning D’Sypmtomata untuk Memprediksi Perkembangan Gejala Depresi Remaja Indonesia” yang dipertahankan dalam sidang terbuka promosi doktor pada 5 Juli 2024 di Ruang Promosi Doktor, Gedung G FKM UI.
Gejala depresi yang menjangkiti remaja di Indonesia sudah mencapai angka yang mengkhawatirkan. Berdasarkan laporan data Riset Kesehatan Dasar (Riskesdas), menunjukkan bahwa prevalensi penduduk Indonesia yang mengalami gangguan mental emosional meningkat dari 6% pada tahun 2014 menjadi 9,8% pada tahun 2018. Salah satu tantangan promosi kesehatan jiwa dan pencegahan gejala depresi di masa mendatang adalah melakukan upaya kesehatan yang lebih efektif dengan memanfaatkan berbagai data dan informasi terkait, yang semakin banyak dan beragam. Promovendus melihat adanya urgensi untuk mengisi kesenjangan riset teoritis ataupun terapan, tentang model prediksi perkembangan gejala depresi di kalangan remaja Indonesia dengan menggunakan pendekatan machine learning.
Penelitian didesain dengan menggunakan data sekunder yang bersumber dari Indonesia Family Life Survey (IFLS). Dataset dibangun dari hasil survey tiga gelombang, yaitu tahun 2000, 2007, dan 2014. Hasil analisis menunjukkan sejumlah variabel terkait faktor sosio-demografi, kesehatan, ekonomi, psikososial, kehidupan anggota rumah tangga, dan lingkungan rumah, memiliki hubungan signifikan terhadap perkembangan gejala depresi remaja.
Model machine learning yang dikembangkan adalah gabungan dua model; Model-1, memprediksi perkembangan gejala depresi selama 7 tahun, dan Model-2 memprediksi perkembangan gejala depresi selama 14 tahun. Pada model prediksi 7 tahun, kinerja prediksi terbaik dicapai oleh AdaBoost dengan akurasi 0,93, AUC 0,72, precision 0,93, recall 1,00, dan FI-Score 0,97. Sedangkan, pada Model prediksi 14 tahun, kinerja prediksi terbaik dicapai oleh Regresi Logistik dengan akurasi 0,77, AUC 0,65, precision 0,78, recall 0,97, dan FI-Score 0,87. Model ini telah berhasil ditanam ke dalam aplikasi mobile bernama D’Symptomata yang berpotensi dikembangkan lebih lanjut untuk mendukung skrining potensi risiko perkembangan gejala depresi di kalangan remaja Indonesia. Aplikasi mobile D’Symptomata yang dibangun dari model machine learning yang dihasilkan, bekerja dengan baik dan seluruh fitur yang dibutuhkan berfungsi sebagaimana seharusnya. Pengujian aplikasi dalam hal stabilitas, performa, aksesibilitas, serta keamanan dan kepercayaan, juga menunjukkan hasil yang memuaskan. 
Berdasarkan hasil diskusi ketua sidang dari pemaparan disertasinya, promovendus Muhammad Amin Bakri dinyatakan lulus meraih gelar doktor dengan predikat Cumlaude. M. Amin Bakri tercatat sebagai lulusan doktor dalam bidang Ilmu Kesehatan Masyarakat (IKM) sebagai lulusan S3 IKM tahun 2024 ke-34, lulusan S3 IKM ke-330, dan lulusan S3 di FKM UI ke-422.
Sidang promosi doktor ini dipimpin oleh Ketua Sidang, Prof. Dr. dr. Sabarinah, M.Sc., dengan Promotor Dr. drs. Tris Eryando, M.A., dan Ko-Promotor Prof. dr. Kemal N. Siregar, S.K.M., M.A., Ph.D. Tim penguji terdiri dari Dr. dra. Rita Damayanti, MSPH., Dr. Martya Rahmaniati Makful, S.Si., M.Si.; Dr. Wahyu Septiono, S.K.M., M.I.H, CertDA.; Prof. Dr. Asep Supena, M.Psi., Dr. dr. Fidiansjah Mursjid Ahmad, Sp.KJ., M.P.H., dan Rahmadya Trias Handayanto, S.T., M.Kom., Ph.D. (DFD)
