Menjadi Arsitek dari Energi: Inovasi Teknologi IoT, LSTM, Dan PID dalam Efisiensi Energi Pada Green Building Menuju Indonesia Emas 2045

📖 ࣪ Banyaknya pembaca: 31

Ditulis oleh Andreas Kevin

Dalam beberapa dekade terakhir, dunia menghadapi tantangan global akibat perubahan iklim dan krisis energi. Pemanfaatan energi berkepanjangan tersebut memberikan dampak negatif. Penggunaan berkepanjangan bahan bakar fosil menyebabkan polusi udara. Berdasarkan data Amnesty Internasional, penggunaan bahan bakar fosil ini mengakibatkan kematian 1,2 juta pada tahun 2020 dan penyebab kematian tersebut berasal dari pembakaran dan pemrosesan yang melepaskan polutan udara beracun (Amnesty International, 2023). Konsumsi energi besar juga menjadi satu masalah yang harus diatasi. Berdasarkan data dari ruangenergi.com 2017 hingga 2021, sektor industri dan konstruksi merupakan sektor pertama yang mengonsumsi energi paling besar.

                                                                                 Gambar 1 Data Penggunaan Energi 2017-2022
                                                                                 (Sumber: https://www.ruangenergi.com)

  

Data penggunaan energi terbesar pada sektor industri dan konstruksi menjadikan suatu tantangan besar yang harus ditilik oleh pemerintah terutama dalam upaya tercapainya Indonesia Emas 2045. Indonesia Emas 2045 tidak lepas dari pemerataan ekonomi hingga pembangunan yang merata dan berkelanjutan. Semua konsep ini tentu memperhatikan aspek lingkungan. Tidak dapat dipungkiri, bahwa hingga pada tahun 2022, Indonesia merupakan negara dengan urutan ke 8 sebagai negara penyumbang emisi gas rumah kaca terbesar dan penyumbang terbesar emisi gas tersebut adalah dari sektor energi.

                                                                               Gambar 2 Data Emisi Gas Rumah Kaca 2022
                                                                               (Sumber: https://jikalahari.or.id)

  Kurangnya waspada atas permasalahan ini akan menyebabkan dampak buruk bagi Indonesia di masa mendatang. Rusaknya lingkungan, meningkatnya panas bumi, hingga penyakit bagi masyarakat merupakan efek dari gas karbon tersebut. Merupakan tantangan baru bagi masyarakat yang harus berani bertransformasi dalam upaya pengurangan gas tersebut terutama dalam sektor industri hingga rumah tangga.

Penerapan green building merupakan suatu upaya dalam mengurangi pembangunan berkelanjutan yang memberikan dampak atas lingkungan. Sementara itu, penerapan smart building perlu diterapkan seiring dengan green building untuk menghasilkan energi yang optimum untuk efisiensi dan kenyamanan pengguna. Konsep green building dan smart building tidak dapat dilepaskan, hal ini dikarenakan pada konsep green building perlunya teknologi yang cerdas. Indonesia merupakan negara yang memiliki sumber daya terbarukan berlimpah yang dapat menggantikan energi fosil (Reza, 2023). Dampak positif tersebut ternyata tidak berjalan dengan baik, pada penerapannya juga terdapat tentangan seperti ketergantungan terhadap cuaca yang menyebabkan energi terbarukan tersebut tidak tersedia sepanjang waktu dan keterbatasan penyimpanan energi yang terbatas sehingga berbanding jauh dengan kebutuhan energi tersebut.

  Dalam rangka pencapaian visi misi Indonesia Emas 2045, perlu kombinasi penerapan Internet of Things (IoT) dan penerapan beberapa teknologi seperti deep learning yang berupa Long Short-Term Memory (LSTM) dan teknologi PID (Proportional-Integral-Derivative) dengan upaya untuk meningkatkan efisiensi energi, menghemat sumber daya, hingga menjaga ketahanan energi. Teknologi yang diterapkan akan mendukung penggunaan sumber daya terbarukan tersebut dalam upaya menyesuaikan berdasarkan kebutuhan nyata sehingga memperpanjang umur penyimpanan energi tersebut. Penerapan AI dalam energi terbarukan dapat meningkatkan efisiensi dan keandalan dari sumber energi tersebut hingga mengoptimalkan operasional secara berkelanjutan dan efisien (Pohan, 2023).

  IoT memiliki peran strategis dalam menciptakan bangunan yang cerdas berdasarkan energi terbarukan. Melalui sensor dan penerapan kecerdasan buatan di dalamnya, IoT memungkinkan semua perangkat dalam ruangan, seperti lampu, AC, hingga komputer untuk dapat dikendalikan secara otomatis. Data yang diperoleh dari sensor IoT ini memberikan informasi berupa data yang kemudian akan dianalisis menggunakan teknologi deep learning, khususnya LSTM untuk mengenali pola penggunaan energi dan memprediksi di masa mendatang.

  LSTM merupakan algoritma dengan arsitektur Recurrent Neural Network (RNN) yang dapat mengatasi masalah yang berkaitan dengan deep learning LSTM bekerja dengan mempelajari data dalam rangkaian waktu yang panjang. Dalam konteks bangunan cerdas, LSTM mempelajari kebiasaan penghuni dan pola penggunaan energi dari waktu ke waktu yang memungkinkan sistem bekerja di masa mendatang berdasarkan kebutuhan yang sebenarnya. LSTM memiliki kemampuan prediksi yang lebih unggul dibandingkan dengan teknologi lainnya dikarenakan LSTM dapat menyimpan informasi dalam jangka yang sangat panjang. Informasi jangka panjang yang disimpan tersebut akan digunakan kembali untuk perhitungan di tahap selanjutnya (Cahyani et al., 2023).

Kemampuan LSTM dalam memprediksi penggunaan energi akan diterapkan bersama dengan IoT pada smart building. Penggunaan LSTM untuk prediksi energi sebelumnya telah diterapkan dalam penelitian untuk prediksi penggunaan energi listrik di Kabupaten Kebumen 2023 yang memberikan hasil yang sangat memuaskan (Fikriaziz et al., 2024). Penggunaan teknik serupa akan diterapkan dalam mendukung green building. Sistem LSTM yang mendeteksi penggunaan energi yang meningkat pada waktu mendatang, maka sistem akan melakukan penghematan energi yang otomatis dilakukan sehingga akan memenuhi penggunaan energi yang tinggi di masa selanjutnya, sehingga pada penggunaan energi dapat menghasilkan grafik yang stabil. LSTM dirancang bersama dengan IoT untuk kemampuan dalam memberi peringatan hingga melakukan tindakan otomatis, seperti mematikan lampu atau perangkat yang tidak diperlukan di jam tertentu berdasarkan prediksi yang telah dilakukan. Hal ini dilakukan untuk upaya smart building dan green building yang menghemat umur penyimpanan teknologi.

  LSTM yang telah dirancang tidak langsung ditujukan ke IoT yang langsung mengakses perangkat-perangkat. LSTM juga disatukan dengan teknologi PID Controller dan kemudian dihubungkan ke perangkat. PID Controller penting dalam menjaga produktivitas kantor dengan menjaga seperti suhu ruangan. Dalam hal ini, penelitian atas penerapan LSTM sukses dalam prediksi atas suhu, kelembapan, dan ISPU (Khumaidi et al., 2020). LSTM yang menerima data input dari IoT yang dipasang, akan melakukan prediksi suhu di masa mendatang. Sistem PID Controller menggunakan prediksi suhu dari LSTM sebagai setpoint (nilai target) sehingga PID Controller akan mengatur kecepatan kipas dan sistem pendingin atau perangkat tertentu yang telah disesuaikan hingga mencapai setpoint yang telah ditentukan.

Pemanfaatan energi terbarukan dalam mendukung green building memiliki beberapa tantangan. Satu dari beberapa tantangan tersebut adalah ketergantungan panel surya pada cuaca. Penerapan panel surya sebagai satu contoh dari energi terbarukan dapat dilakukan secara maksimal jika matahari ada dalam kondisi terik, sedangkan penerapan tersebut kurang maksimal apabila cuaca mendung sehingga penyerapan cahaya matahari berkurang (Amelia Widyastuti et al., 2024).

Integrasi IoT, LSTM, dan PID Controller memberikan solusi atas semua tantangan tersebut. Berdasarkan proses yang telah dijabarkan sebelumnya, sistem IoT mengumpulkan data secara berkala yang dapat berupa suhu, cuaca, hingga penggunaan energi pada lingkungan tersebut. Algoritma LSTM akan melakukan analisis atas data-data yang telah diperoleh kemudian menghasilkan suatu prediksi cuaca dan kebutuhan energi mendatang. Sistem akan menentukan setpoints atas prediksi tersebut, kemudian PID Controller akan membantu proses dengan mencapai target yang tepat tanpa berlebihan atau kurang. Semua proses yang telah dibangun tersebut dapat dilakukan ilustrasi sebagai berikut:

Gambar 3 Rancangan Diagram Alir Sistem Berjalan

  Penggunaan teknologi IoT, LSTM, dan PID Controller dalam green building dan smart building akan memberikan efek jangka panjang bagi masyarakat. Penggunaan energi terbarukan yang didukung dengan perangkat-perangkat yang mendukung akan menciptakan konsumsi energi yang efisien. Ikut sertanya masyarakat dalam mendukung program ini juga telah memberi berkontribusi dalam mengurangi emisi karbon. Suatu opini yang salah bahwa perlu biaya yang sangat besar untuk pemanfaatan energi terbarukan. Penggunaan teknologi LSTM hingga PID Controller tidak memakan biaya yang sangat besar karena sistem tersebut telah mengurangi biaya operasional dalam jangka panjang dengan tindakan menghindari pemborosan dalam penggunaan barang elektronik.

  Kerja sama pemerintah dengan sektor swasta sangat penting dalam percepatan adopsi teknologi ini. Sektor swasta dapat memberikan dukungan berupa investasi hingga riset teknologi yang disempurnakan untuk penyimpanan energi. Edukasi masyarakat juga sangat penting dapat mempercepat perubahan gaya hidup ke arah green building dan smart building. Dalam menciptakan teknologi yang tepat dan efisiensi energi terbarukan tersebut, perlu penelitian pengembangan yang dilakukan terus menerus. Prediksi Indonesia dalam menjadi negara dengan ekonomi terkuat haruslah dapat tercipta dengan baik terutama dalam efisiensi ekonomi dalam halnya smart building dan green building. Penerapan teknologi tersebut merupakan upaya mendorong Indonesia dalam menghadapi krisis energi global yang merupakan satu visi pada Indonesia Emas 2045. Bersama dengan upaya mencapai Indonesia Emas 2045 dan negara ekonomi terbesar ke-4 di dunia pada 2050, Indonesia diharapkan mampu menjadi negara yang mandiri terutama dalam hal pemanfaatan teknologi yang ramah lingkungan. Pembangunan infrastruktur yang efisien dan ramah lingkungan berdampak penting dalam meningkatkan kualitas hidup masyarakat. Pada masa mendatang, inovasi ini diharapkan menjadi fondasi penting dalam menciptakan bangsa yang tidak hanya maju dan berdaya saing, tetapi juga tangguh dalam menghadapi tantangan global.

.

DAFTAR PUSTAKA

Amelia Widyastuti, E., Riantiarna, R., Kurniawati, W. & PGRI Yogyakarta, U. (2024). Efektivitas Panel Surya Sebagai Cadangan Pengganti Energi Listrik Skala Rumahan. Jurnal Ilmu Teknik, 1(2), 256–260. https://doi.org/10.62017/tektonik

Amnesty International. (2023). Bahan Bakar Fosil: Buruk bagi iklim, titik. Amnesty.Org. https://www.amnesty.org/en/latest/campaigns/2023/11/fossil-fuels-bad-for-the-climate-bad-full-stop/

Cahyani, J., Mujahidin, S. & Fiqar, T. P. (2023). Implementasi Metode Long Short Term Memory (LSTM) untuk Memprediksi Harga Bahan Pokok Nasional. Jurnal Sistem Dan Teknologi Informasi (JustIN), 11(2), 346. https://doi.org/10.26418/justin.v11i2.57395

Fikriaziz, J., Estri, M. N., Maryani, S. & Sihwaningrum, I. (2024). Metode Long Short-Term Memory Untuk Memprediksi Konsumsi Energi Listrik Di Kabupaten Kebumen Tahun 2023. 2024(Senada), 823–831.

Fitria, N. (2024). Indonesia Penyumbang Emisi Gas Rumah Kaca Terbesar ke-8 di Dunia. https://jikalahari.or.id/kabar/klipingberita/indonesia-penyumbang-emisi-gas-rumah-kaca-terbesar-ke-8-di-dunia/

Khumaidi, A., Raafi’udin, R. & Solihin, I. P. (2020). Pengujian Algoritma Long Short Term Memory untuk Prediksi Kualitas Udara dan Suhu Kota Bandung. Jurnal Telematika, 15(1), 13–18. https://doi.org/10.61769/telematika.v15i1.340

Pohan, M. A. R. (2023). Kajian Literatur Pemanfaatan Kecerdasan Buatan dalam Merespons Prioritas Pembangunan Kota Bandung. Jurnal Teknologi Dan Komunikasi Pemerintahan, 5(2), 250–273. https://doi.org/10.33701/jtkp.v5i2.3620

Reza, M. (2023). Menelaah Rendahnya Pemanfaatan Teknologi Energi Terbarukan di Indonesia. https://transisienergi.id/menelaah-rendahnya-pemanfaatan-teknologi-energi-terbarukan-di-indonesia/

Qorib, M. (2023). Cek Data Neraca Energi Indonesia, Ada Apa Sih?. https://www.ruangenergi.com/cek-data-neraca-energi-indonesia-ada-apa-sih/

.

Centre for Development of Smart and Green Building (CeDSGreeB) didirikan untuk memfasilitasi pencapaian target pengurangan emisi gas rumah kaca (GRK) di sektor bangunan melalui berbagai kegiatan pengembangan, pendidikan, dan pelatihan. Selain itu, CeDSGreeB secara aktif memberikan masukan untuk pengembangan kebijakan yang mendorong dekarbonisasi di sektor bangunan, khususnya di daerah tropis.

Seberapa bermanfaat artikel ini?

Klik pada bintang untuk memberi rating!

Rata-rata bintang 5 / 5. Jumlah orang yang telah memberi rating: 1

Belum ada voting sejauh ini! Jadilah yang pertama memberi rating pada artikel ini.

Leave A Comment