Teknologi sensor dan kecerdasan buatan mengubah cara bangunan modern berinteraksi dengan manusia. Jika dahulu gedung hanya berfungsi sebagai tempat bekerja, belajar, atau beristirahat, kini bangunan mulai mampu memahami apa yang dilakukan penghuninya. Lampu dapat menyala ketika seseorang memasuki ruangan, pendingin udara dapat menyesuaikan suhu berdasarkan jumlah orang yang hadir, dan sistem keamanan dapat mengenali aktivitas yang tidak biasa. Semua kemampuan tersebut lahir dari perkembangan teknologi yang memungkinkan gedung mengenali aktivitas manusia secara otomatis.

Kemampuan mengenali aktivitas manusia merupakan salah satu fondasi penting dalam pengembangan smart building atau gedung pintar. Tanpa kemampuan ini, bangunan tidak dapat mengambil keputusan secara cerdas berdasarkan kondisi yang terjadi di dalamnya. Semakin akurat sebuah sistem memahami aktivitas penghuni, semakin efisien pula bangunan dalam mengelola energi, meningkatkan kenyamanan, dan menjaga keamanan.

Baca juga artikel tentang: Arsitektur Di Era AI: Bagaimana Teknologi Membentuk Kota Yang Lebih Hijau Dan Efisien

Para peneliti terus mencari cara agar teknologi ini dapat bekerja lebih baik di berbagai kondisi nyata. Salah satu tantangan terbesar muncul ketika sistem yang sudah dilatih pada satu bangunan harus digunakan di bangunan lain yang memiliki karakteristik berbeda. Sebuah penelitian yang dipublikasikan dalam jurnal Energy and Buildings pada tahun 2026 mencoba menjawab tantangan tersebut melalui pendekatan baru yang membuat sistem pengenalan aktivitas menjadi lebih adaptif dan lebih andal.

Penelitian yang dilakukan oleh Ons Abderrahim dan rekan rekannya berfokus pada penggunaan data sensor Internet of Things atau IoT untuk mengenali aktivitas manusia di dalam smart building. Para peneliti mengembangkan pendekatan yang memungkinkan sistem tetap bekerja dengan baik meskipun menghadapi lingkungan baru yang belum pernah dikenalnya sebelumnya.

Bagi sebagian orang, istilah pengenalan aktivitas manusia mungkin terdengar rumit. Padahal konsepnya cukup sederhana. Sistem mencoba menjawab pertanyaan mengenai apa yang sedang dilakukan seseorang berdasarkan informasi yang diperoleh dari berbagai sensor. Sensor tersebut dapat berupa sensor gerak, sensor suhu, sensor pintu, sensor tekanan, atau perangkat lain yang mampu mendeteksi perubahan kondisi lingkungan.

Sebagai contoh, ketika seseorang berjalan memasuki ruangan, beberapa sensor akan mendeteksi perubahan yang terjadi secara bersamaan. Sensor gerak menangkap perpindahan posisi, sensor pintu mendeteksi bukaan pintu, dan sensor lainnya mencatat perubahan kondisi lingkungan. Dengan menggabungkan seluruh informasi tersebut, sistem dapat menyimpulkan bahwa seseorang baru saja memasuki ruangan.

Kemampuan ini memberikan manfaat yang sangat besar bagi bangunan modern. Sistem dapat mengetahui kapan sebuah ruang rapat digunakan, kapan area tertentu kosong, atau kapan terjadi aktivitas yang tidak biasa. Informasi tersebut kemudian digunakan untuk mengendalikan berbagai sistem bangunan secara otomatis.

Misalnya, ketika ruang rapat kosong, sistem dapat mematikan lampu dan pendingin udara untuk menghemat energi. Ketika penghuni mulai memasuki ruangan, sistem dapat kembali menyalakan fasilitas yang diperlukan. Pada lingkungan perkantoran berskala besar, penghematan energi yang dihasilkan dari proses otomatisasi seperti ini dapat mencapai jumlah yang signifikan.

Namun, pengembangan teknologi pengenalan aktivitas tidak semudah yang dibayangkan. Salah satu masalah utama adalah perbedaan karakteristik antarbangunan. Sensor yang digunakan pada satu gedung mungkin berbeda dengan sensor yang digunakan di gedung lain. Tata letak ruangan juga dapat memengaruhi pola data yang dihasilkan. Jumlah penghuni, kebiasaan penggunaan ruang, hingga kondisi lingkungan turut menciptakan variasi yang sangat besar.

Akibatnya, model kecerdasan buatan yang bekerja sangat baik pada satu bangunan sering kali mengalami penurunan performa ketika diterapkan pada bangunan lain. Fenomena ini dikenal sebagai pergeseran domain atau domain shift. Dalam dunia kecerdasan buatan, masalah ini menjadi salah satu hambatan terbesar dalam penerapan teknologi pada kondisi nyata.

Bayangkan seseorang yang belajar mengenali suara kendaraan hanya di jalan perkotaan yang ramai. Ketika orang tersebut pindah ke kawasan pedesaan dengan jenis kendaraan yang berbeda, kemampuannya mungkin tidak lagi seakurat sebelumnya. Komputer menghadapi tantangan yang serupa ketika harus mengenali aktivitas manusia di lingkungan yang berbeda dari data yang digunakan saat pelatihan.

Untuk mengatasi persoalan tersebut, para peneliti memanfaatkan pendekatan yang disebut Generalized Domain Adaptation atau GDA. Pendekatan ini bertujuan mengajarkan sistem agar tidak hanya menghafal pola yang ditemukan pada satu lingkungan tertentu. Sebaliknya, sistem belajar mengenali karakteristik yang bersifat umum sehingga dapat diterapkan pada berbagai lingkungan yang berbeda.

Dengan pendekatan ini, sistem tidak hanya belajar mengenali aktivitas berjalan berdasarkan satu pola sensor tertentu. Sistem juga memahami karakteristik dasar dari aktivitas berjalan yang tetap berlaku meskipun tata letak bangunan, jenis sensor, atau kondisi lingkungan berubah.

Dalam penelitian tersebut, para ilmuwan menguji tiga metode GDA modern untuk tugas pengenalan aktivitas manusia menggunakan data sensor IoT. Mereka membandingkan performa metode tersebut dengan pendekatan konvensional yang tidak memiliki kemampuan adaptasi terhadap lingkungan baru.

Grafik batang ini membandingkan nilai akurasi dan F1-score dari tiga metode pengenalan aktivitas pada bangunan pintar, menunjukkan bahwa metode SWAD-GDA memberikan performa terbaik dibandingkan ERM dan DFDG (Abderrahim, dkk. 2026).

Hasil pengujian menunjukkan bahwa metode berbasis GDA memberikan hasil yang jauh lebih baik. Salah satu metode yang dikenal sebagai SWAD berhasil mencapai nilai F1 Score sebesar 87,5 persen. Nilai ini menunjukkan bahwa sistem mampu mengenali aktivitas manusia dengan tingkat akurasi yang tinggi meskipun diterapkan pada lingkungan yang belum pernah dilihat sebelumnya.

Temuan ini memiliki arti penting bagi masa depan smart building. Selama ini, penerapan sistem pengenalan aktivitas pada bangunan baru sering memerlukan proses pelatihan ulang yang memakan waktu dan biaya. Pengelola harus mengumpulkan data baru, memberikan label pada data tersebut, lalu melatih kembali model kecerdasan buatan agar sesuai dengan kondisi bangunan yang baru.

Proses tersebut tidak hanya mahal, tetapi juga memperlambat implementasi teknologi. Dengan adanya pendekatan GDA, kebutuhan tersebut dapat dikurangi secara signifikan. Sistem dapat langsung diterapkan pada lingkungan baru tanpa harus mengumpulkan data berlabel dalam jumlah besar. Kemampuan ini membuat teknologi menjadi lebih praktis dan lebih mudah diadopsi dalam skala luas.

Selain meningkatkan efisiensi energi, teknologi pengenalan aktivitas juga membuka peluang baru dalam bidang keamanan. Sistem dapat mengenali pola aktivitas yang tidak biasa dan memberikan peringatan kepada pengelola gedung. Pada rumah sakit, sistem dapat membantu memantau pergerakan pasien. Pada fasilitas perawatan lansia, sistem dapat mendeteksi kejadian yang memerlukan perhatian segera. Bahkan pada bangunan komersial, teknologi ini dapat membantu meningkatkan pengalaman pengguna dengan menyesuaikan layanan berdasarkan pola aktivitas penghuni.

Meski menawarkan banyak manfaat, para peneliti menegaskan pentingnya memperhatikan aspek privasi dan keamanan data. Sensor yang digunakan untuk mengenali aktivitas manusia menghasilkan informasi yang sangat sensitif. Karena itu, pengelola bangunan harus memastikan bahwa data dikumpulkan secara transparan, disimpan dengan aman, dan digunakan hanya untuk tujuan yang jelas.

Penelitian ini menunjukkan bahwa masa depan smart building tidak hanya bergantung pada jumlah sensor yang dipasang atau kecanggihan perangkat yang digunakan. Kemampuan sistem untuk memahami berbagai lingkungan dan beradaptasi terhadap kondisi baru akan menjadi faktor yang semakin penting. Ketika gedung mampu mengenali aktivitas penghuninya secara akurat tanpa memerlukan penyesuaian yang rumit, bangunan benar benar mulai bertindak layaknya sistem yang cerdas.

Tujuan utama teknologi ini bukan sekadar membuat bangunan menjadi lebih otomatis. Tujuannya adalah menciptakan lingkungan yang mampu memahami kebutuhan manusia secara lebih baik. Ketika gedung dapat mengenali aktivitas penghuninya, menghemat energi secara otomatis, dan meningkatkan keamanan tanpa mengganggu kenyamanan, visi tentang smart building yang sesungguhnya semakin dekat menjadi kenyataan.

Baca juga artikel tentang: Arsitektur Front End Cerdas Untuk Aplikasi Cepat, Aman, Dan Siap Masa Depan

REFERENSI:

Abderrahim, Ons dkk. 2026. Scalable activity recognition in smart buildings via generalized domain adaptation of IoT sensor data. Energy and Buildings 351, 116692.