Disusun oleh: Anya Nur Defitri.

Bayangkan sebuah gedung dapat “berpikir” dan mengoptimalkan penggunaan energinya secara mandiri. Gedung ini tidak hanya akan mengatur suhu atau pencahayaan sesuai dengan kebiasaan penghuninya, tetapi juga dapat beradaptasi dengan kondisi luar dan kebutuhan energi secara real-time. Bangunan pintar merupakan komponen dasar keberlanjutan perkotaan dan SBMS merupakan salah satu teknologi baru yang menjadikan bangunan komersial cerdas (Lam et al., 2023). Di tengah meningkatnya kesadaran akan keberlanjutan dan efisiensi energi, SBMS menawarkan revolusi dalam cara kita mengelola energi di bangunan. Dengan mengintegrasikan teknologi seperti Internet of Things (IoT), kecerdasan buatan (AI), dan otomatisasi, SBMS menciptakan ekosistem bangunan yang lebih efisien dan ramah lingkungan.

Sektor bangunan menghadapi tantangan signifikan terkait konsumsi energi yang terus meningkat. Dalam dekade terakhir, penggunaan energi di sektor ini melonjak secara drastis akibat urbanisasi yang pesat, peningkatan taraf hidup, dan perubahan iklim global (Yas & Jaafer, 2020). Para praktisi, profesional, dan akademisi di industri konstruksi dan bangunan telah merumuskan pendekatan alternatif untuk mengantisipasi peningkatan permintaan energi, salah satunya melalui penerapan konsep bangunan pintar. Bangunan pintar dipandang sebagai bentuk pengembangan bangunan yang dilengkapi dengan sistem otomatis untuk memantau dan mengendalikan operasinya, memanfaatkan kemajuan teknologi sebagai upaya instrumentasi yang efisien (Parisi et al., 2021). Oleh karena itu, teknologi yang dapat mengoptimalkan penggunaan energi dalam bangunan tanpa mengurangi kenyamanan penghuninya menjadi sangat penting. SBMS merupakan solusi yang menjawab tantangan ini dengan menciptakan sistem yang pintar, efisien, dan berkelanjutan. Melalui penerapan teknologi ini, pengelolaan energi dalam bangunan dapat diubah secara signifikan, konsumsi energi dapat dikurangi, yang pada akhirnya berkontribusi pada masa depan yang lebih hijau dan berkelanjutan.

Sumber: https://www.eskanusa.id/.

Penerapan Smart Building Management System dimulai dengan penggunaan jaringan sensor pintar yang tersebar di seluruh gedung. Sensor-sensor ini mengumpulkan data penting yang diperlukan untuk memonitor kondisi lingkungan dalam bangunan. Parameter yang dipantau meliputi suhu, kelembaban, tingkat pencahayaan, dan bahkan jumlah orang yang berada di dalam ruangan. Data yang dikumpulkan ini kemudian dianalisis secara real-time untuk mengoptimalkan penggunaan sistem-sistem seperti HVAC (Heating, Ventilation, and Air Conditioning) dan pencahayaan (Ra et al., 2023).

Sistem HVAC yang terintegrasi dengan SBMS dapat menyesuaikan kondisi suhu luar ruangan dan jumlah orang yang ada di dalam ruangan. Jika ruangan tidak digunakan, sistem dapat menurunkan suhu atau mematikan pendinginan, sehingga mengurangi konsumsi energi. Begitu juga dengan pencahayaan lampu hanya dinyalakan di area yang terpakai dan akan mati secara otomatis jika tidak ada aktivitas dalam waktu tertentu. Langkah-langkah ini tidak hanya menghemat energi, tetapi juga meminimalkan pemborosan yang biasanya terjadi akibat pengaturan manual yang tidak efisien.

Teknologi machine learning memainkan peran penting dalam memaksimalkan efisiensi energi dalam SBMS. Dengan menganalisis data yang dikumpulkan oleh sensor, sistem ini dapat memprediksi pola penggunaan energi dan memberikan rekomendasi untuk pengelolaan energi yang lebih baik di masa depan. Misalnya, SBMS dapat mempelajari waktu-waktu sibuk di gedung dan memprediksi perubahan suhu yang dibutuhkan berdasarkan aktivitas penghuni atau kondisi cuaca. Dengan cara ini, sistem tidak hanya bertindak secara reaktif, tetapi juga dapat mengambil keputusan proaktif untuk menghemat energi.

Hal ini dibuktikan oleh peneliti dalam studi (Sari et al., 2023) menggunakan algoritma K-Nearest Neighbor (k-NN) untuk memprediksi tingkat penggunaan energi berdasarkan data dari sistem manajemen energi gedung. Hasilnya menunjukkan bahwa model berbasis machine learning ini mampu menganalisis pola penggunaan energi secara akurat, memungkinkan penyesuaian energi yang lebih efisien di berbagai area gedung, seperti pada Chulalongkorn University Building Energy Management System (CU-BEMS). SBMS dapat mempelajari pola aktivitas penghuni dan kondisi lingkungan untuk mengambil keputusan proaktif dalam pengelolaan suhu, pencahayaan, dan beban energi lainnya, sehingga mengurangi pemborosan. Selain itu, peneliti juga mengusulkan dashboard antarmuka berbasis machine learning yang memberikan pandangan terpadu bagi pengelola gedung untuk memperkuat efisiensi energi. Teknologi machine learning ini memungkinkan sistem untuk terus belajar dan berkembang, sehingga semakin efisien dalam penggunaan energi.

Salah satu keunggulan lain dari SBMS adalah kemampuannya untuk terintegrasi dengan smart grid. Smart grid adalah jaringan distribusi listrik yang menggunakan teknologi informasi untuk mengelola aliran listrik secara efisien dan dinamis. Dengan mengintegrasikan SBMS dengan smart grid, bangunan dapat berpartisipasi dalam program demand response (Yang et al., 2014). Program ini memungkinkan gedung untuk mengurangi konsumsi energi pada saat permintaan tinggi, misalnya saat beban listrik sedang puncak..

Permintaan listrik yang menurun atau ketika sumber energi terbarukan seperti panel surya menghasilkan lebih banyak daya, bangunan dapat “menyumbangkan” energi berlebih kembali ke jaringan listrik. Hal ini dibuktikan oleh peneliti (Nugroho Soelami et al., 2020) hasil penelitiannya menunjukkan bahwa energi yang dihasilkan oleh panel surya dapat dimanfaatkan secara optimal untuk memenuhi kebutuhan beban listrik secara langsung atau disuplai ke sistem baterai. Dengan persentase off-grid yang lebih tinggi (62,74%) dibandingkan on-grid (37,26%), sistem ini berhasil mengurangi ketergantungan pada jaringan listrik PLN, menciptakan solusi energi yang lebih mandiri.

Meskipun SBMS menawarkan potensi besar dalam efisiensi energi, terdapat beberapa tantangan signifikan dalam implementasinya. Kompleksitas integrasi sistem menjadi tantangan utama, dimana perbedaan teknologi, protokol komunikasi, dan sistem kontrol dari berbagai vendor sering menimbulkan masalah kompatibilitas dan kesulitan dalam sinkronisasi data. Tantangan berikutnya adalah aspek keamanan siber, mengingat SBMS mengelola data sensitif dan sistem operasional gedung secara real-time. Serangan siber dapat mengakibatkan gangguan serius pada operasional gedung dan kebocoran data yang dapat membahayakan keamanan dan kenyamanan penghuni gedung.

Untuk mengatasi tantangan kompleksitas integrasi sistem, pengembangan SBMS perlu menerapkan platform middleware terpadu yang dapat mengintegrasikan berbagai protokol dan perangkat. Seperti yang diterapkan pada CU-BEMS, penggunaan arsitektur berbasis IoT dengan protokol standar seperti MQTT (Message Queuing Telemetry Transport) terbukti efektif dalam menghubungkan berbagai sensor dan sistem kontrol dalam satu platform terintegrasi (Taboada-Orozco et al., 2024). Sementara itu, untuk mengatasi tantangan keamanan siber, solusi yang dapat diterapkan adalah implementasi sistem keamanan berlapis yang mencakup enkripsi end-to-end untuk transmisi data sensor, pemisahan jaringan operasional dan administratif, serta sistem deteksi intrusi berbasis AI. Penelitian (Divaneth et al., 2024) menunjukkan bahwa penggunaan blockchain untuk manajemen data SBMS dapat meningkatkan keamanan dan integritas data secara signifikan, sehingga meminimalisir risiko serangan siber pada sistem operasional gedung.

Smart Building Management System telah membuka jalan bagi pengelolaan energi yang lebih efisien dan ramah lingkungan di bangunan modern. Dengan memanfaatkan teknologi canggih seperti IoT, machine learning, dan smart grid, SBMS memungkinkan pengelolaan energi yang lebih cerdas, efisien, dan berkelanjutan. Penerapan sistem ini tidak hanya mengurangi konsumsi energi tetapi juga meningkatkan kenyamanan penghuni.

Keberhasilan implementasi SBMS di berbagai gedung atau bangunan lain yang menunjukkan bahwa teknologi ini dapat memberikan manfaat yang signifikan, baik dalam penghematan energi maupun pengurangan dampak lingkungan. Dengan semakin berkembangnya teknologi dan meningkatnya kesadaran akan keberlanjutan, SBMS diprediksi akan menjadi standar dalam industri konstruksi masa depan. Dengan demikian, SBMS bukan hanya solusi untuk efisiensi energi, tetapi juga untuk menciptakan masa depan yang lebih hijau dan berkelanjutan.

Keywords: Smart Building Management System (SBMS), Efisiensi Energi, Internet of Things (IoT), Machine Learning, Keberlanjutan.

Referensi:

Divaneth, D. R., Mapa, M. M. I. S., Konara, G., & Samarakoon, W. K. U. R. M. K. P. K. (2024). Enhancing data security in smart buildings leveraging blockchain technology. August, 435–445. https://doi.org/10.31705/wcs.2024.34

Lam, K. H., To, W. M., & Lee, P. K. C. (2023). Smart Building Management System (SBMS) for Commercial Buildings—Key Attributes and Usage Intentions from Building Professionals’ Perspective. Sustainability (Switzerland), 15(1). https://doi.org/10.3390/su15010080

Nugroho Soelami, F., Leksono, E., Nashirul Haq, I., Pradipta, J., Handre Kertha Utama, P., Fieradiella Pahrevi, A., Rahmaniah, F., & Wasesa, M. (2020). Pemodelan Manajemen Energi Microgrid pada Sistem Bangunan Cerdas. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 9(4), 414–422. https://doi.org/10.22146/jnteti.v9i4.488

Parisi, F., Fanti, M. P., & Mangini, A. M. (2021). Information and communication technologies applied to intelligent buildings: A review. Journal of Information Technology in Construction, 26(February), 458–488. https://doi.org/10.36680/j.itcon.2021.025

Ra, N., Ghosh, A., & Bhattacharjee, A. (2023). IoT-based smart energy management for solar vanadium redox flow battery powered switchable building glazing satisfying the HVAC system of EV charging stations. Energy Conversion and Management, 281(February), 116851. https://doi.org/10.1016/j.enconman.2023.116851

Sari, M., Ali Berawi, M., Zagloel, T. Y., Madyaningarum, N., Miraj, P., Pranoto, A. R., Susantono, B., & Woodhead, R. (2023). Machine Learning-Based Energy Use Prediction for the Smart Building Energy Management System. Journal of Information Technology in Construction, 28(April), 622–645. https://doi.org/10.36680/j.itcon.2023.033

Taboada-Orozco, A., Yetongnon, K., & Nicolle, C. (2024). Smart Buildings: A Comprehensive Systematic Literature Review on Data-Driven Building Management Systems. Sensors, 24(13), 1–32. https://doi.org/10.3390/s24134405

Yang, Z., Chen, Y. X., Li, Y. F., Zio, E., & Kang, R. (2014). Smart electricity meter reliability prediction based on accelerated degradation testing and modeling. International Journal of Electrical Power and Energy Systems, 56, 209–219. https://doi.org/10.1016/j.ijepes.2013.11.023

Yas, Z., & Jaafer, K. (2020). Factors influencing the spread of green building projects in the UAE. Journal of Building Engineering, 27(September 2018), 100894. https://doi.org/10.1016/j.jobe.2019.100894.