Pengenalan emosi memiliki peran krusial bagi kesehatan mental, namun terdapat keterbatasan aplikasi praktis yang teruji pada perangkat mobile sehari-hari. Teknologi deteksi emosi berbasis suara menawarkan solusi potensial untuk membantu individu mengenali kondisi emosionalnya sebagai langkah awal diagnosis. Penelitian ini bertujuan untuk mengimplementasikan metode Waterfall dalam pengembangan aplikasi deteksi emosi berbasis suara bernama "SenseVisor", serta mengintegrasikan model machine learning TensorFlow Lite ke dalam platform mobile menggunakan Kotlin dan API eksternal. Metodologi pengembangan yang digunakan adalah metode Waterfall, yang meliputi tahapan terstruktur mulai dari analisis kebutuhan melalui wawancara dengan konselor BKMK, perancangan sistem menggunakan UML, implementasi, hingga pengujian komprehensif. Hasil penelitian menunjukkan bahwa aplikasi "SenseVisor" berhasil dikembangkan secara fungsional. Pengujian White Box dan Black Box mengonfirmasi bahwa aplikasi bebas dari kesalahan kode dan seluruh fiturnya berjalan sesuai rancangan. Lebih lanjut, User Acceptance Testing (UAT) menunjukkan bahwa aplikasi diterima dengan sangat baik oleh konselor dan dinilai siap untuk digunakan dalam proses skrining emosional di lingkungan nyata. Disimpulkan bahwa metode Waterfall merupakan pendekatan yang efektif dan sistematis untuk pengembangan aplikasi ini, dan "SenseVisor" terbukti menjadi alat yang fungsional untuk mendukung diagnosis awal kondisi emosional pengguna.

Emotion recognition plays a crucial role in mental health, yet there is a limitation of practical applications tested on everyday mobile devices. Voice-based emotion detection technology offers a potential solution to help individuals recognize their emotional states as an initial diagnostic step. This research aims to implement the Waterfall method in the development of a voice-based emotion detection application named "SenseVisor", as well as to integrate a TensorFlow Lite machine learning model into a mobile platform using Kotlin and an external API. The development methodology used is the Waterfall method, which includes structured stages from requirements analysis through interviews with BKMK counselors, system design using UML, implementation, to comprehensive testing. The results show that the "SenseVisor" application was successfully developed functionally. White Box and Black Box testing confirmed that the application is free of code errors and all its features run according to design. Furthermore, User Acceptance Testing (UAT) indicated that the application was very well received by counselors and deemed ready for use in the real-world emotional screening process. It is concluded that the Waterfall method is an effective and systematic approach for the development of this application, and "SenseVisor" proves to be a functional tool to support the initial diagnosis of users' emotional conditions.