Depresi antenatal merupakan gangguan kesehatan mental serius yang dialami oleh ibu hamil, dengan prevalensi global antara 15% hingga 65%. Di Indonesia, angka kejadian cukup tinggi, terutama di daerah pinggiran kota yang memiliki keterbatasan akses layanan kesehatan dan masih kuatnya stigma sosial terhadap isu mental. Kondisi ini sering kali tidak terdeteksi, padahal berisiko menimbulkan dampak jangka panjang bagi ibu dan janin. Untuk menjawab tantangan tersebut, dikembangkan aplikasi SEHATI sebagai alat deteksi dini depresi antenatal. Aplikasi ini dibangun dengan pendekatan Extreme Programming (XP) dan mengintegrasikan algoritma Support Vector Machine (SVM) untuk memprediksi risiko depresi berdasarkan data gejala yang dikumpulkan melalui kuesioner. Evaluasi kinerja model dilakukan menggunakan confusion matrix dan 5-Fold Cross Validation, sedangkan aspek penerimaan pengguna diuji melalui User Acceptance Testing (UAT) yang melibatkan ibu hamil dan bidan. Hasil penelitian menunjukkan bahwa aplikasi SEHATI berhasil dikembangkan dengan fitur utama berupa prediksi depresi, dasbor pemantauan bidan, dan fitur pendukung lainnya. Model SVM menunjukkan performa klasifikasi yang sangat baik dengan akurasi mencapai 97% dan rata-rata akurasi cross-validation sebesar 0,964. Selain itu, UAT menghasilkan skor kepuasan pengguna 95% dan 98%, yang mengindikasikan tingkat penerimaan yang tinggi. Temuan ini menunjukkan bahwa SEHATI berpotensi menjadi solusi praktis dan adaptif untuk deteksi dini depresi antenatal, khususnya di wilayah dengan keterbatasan layanan kesehatan.