Manusia menghabiskan sebagian besar hidupnya di dalam gedung, baik itu rumah, kantor, sekolah, maupun pusat perbelanjaan, sehingga rasa nyaman di dalam ruangan bukan sekadar soal kemewahan, melainkan kebutuhan dasar yang memengaruhi kesehatan, produktivitas, dan kualitas hidup. Selama ini, sistem pendingin dan pemanas ruangan bekerja dengan cara yang relatif sederhana, yaitu menjaga suhu pada angka tertentu yang dianggap nyaman untuk semua orang. Masalahnya, kenyamanan tidak pernah benar-benar sama bagi setiap individu. Ada orang yang merasa kedinginan saat orang lain merasa biasa saja, dan ada pula yang cepat merasa gerah meskipun suhu ruangan sudah sesuai standar.

Penelitian terbaru dalam bidang smart building mencoba menjawab masalah ini dengan pendekatan yang lebih cerdas dan manusiawi melalui kombinasi teknologi digital twin dan kecerdasan buatan. Pendekatan ini tidak hanya bertujuan mengatur suhu ruangan, tetapi juga memahami bagaimana manusia merasakan kenyamanan termal secara personal dan dinamis.

Baca juga artikel tentang: Menanamkan Kesadaran: Strategi Efektif Mengenalkan Bangunan Hijau ke Masyarakat

Selama puluhan tahun, perancang gedung mengandalkan model kenyamanan klasik seperti persamaan Fanger yang menghitung rasa nyaman berdasarkan suhu, kelembapan, kecepatan udara, dan aktivitas manusia. Model ini berguna, tetapi memiliki keterbatasan besar karena menganggap manusia sebagai rata-rata statistik. Padahal, preferensi termal sangat dipengaruhi oleh usia, jenis kelamin, kebiasaan, pakaian, kondisi kesehatan, bahkan suasana hati. Inilah alasan mengapa banyak gedung modern tetap terasa tidak nyaman meskipun sistem HVAC-nya sangat canggih.

Teknologi digital twin hadir sebagai solusi baru untuk mengatasi keterbatasan tersebut. Digital twin adalah replika digital dari gedung nyata yang terus diperbarui menggunakan data sensor secara real time. Di dalam dunia digital ini, kondisi suhu, aliran udara, jumlah penghuni, dan respons manusia dapat disimulasikan dengan sangat detail. Dengan kata lain, digital twin memungkinkan gedung “berpikir” dan “belajar” dari penghuninya.

Penelitian ini menggabungkan digital twin dengan deep learning, khususnya model Long Short-Term Memory atau LSTM yang dikenal mampu mempelajari pola perubahan dari waktu ke waktu. Model ini dirancang untuk membaca data sensor lingkungan sekaligus respons manusia terhadap kondisi tersebut. Dengan tambahan mekanisme attention, sistem dapat memfokuskan perhatian pada faktor-faktor yang paling berpengaruh terhadap rasa nyaman, misalnya perubahan suhu mendadak atau kepadatan penghuni di ruangan tertentu.

Data yang digunakan dalam penelitian berasal dari basis data global tentang kenyamanan termal yang dikembangkan oleh ASHRAE, sebuah lembaga internasional di bidang teknik bangunan. Basis data ini berisi ribuan catatan tentang bagaimana manusia menilai kenyamanan termal dalam berbagai kondisi. Peneliti kemudian menyederhanakan skala penilaian menjadi tiga kategori utama, yaitu tidak nyaman dingin, netral, dan tidak nyaman panas. Pendekatan ini membuat hasil analisis lebih mudah diterjemahkan ke dalam keputusan operasional sistem gedung.

Simulasi berbasis Digital Twin yang menganalisis pengaruh perubahan suhu dan kelembapan terhadap prediksi tingkat kenyamanan termal, termasuk perubahan probabilitas tiap kelas kenyamanan saat kondisi lingkungan berubah (Almadhor, dkk. 2025).

Hasil penelitian menunjukkan bahwa sistem berbasis digital twin dan deep learning mampu memprediksi kenyamanan termal dengan akurasi yang jauh lebih tinggi dibandingkan metode konvensional. Sistem ini tidak hanya tahu suhu ruangan, tetapi juga mampu memperkirakan bagaimana penghuni akan merasakan suhu tersebut beberapa saat ke depan. Dengan kemampuan prediksi ini, sistem HVAC dapat mengambil tindakan lebih awal, misalnya menyesuaikan aliran udara atau suhu sebelum penghuni merasa tidak nyaman.

Keunggulan lain dari pendekatan ini adalah efisiensi energi. Sistem pendingin dan pemanas menyumbang porsi terbesar konsumsi energi gedung. Ketika sistem bekerja berdasarkan asumsi rata-rata, energi sering terbuang untuk mendinginkan atau memanaskan ruangan secara berlebihan. Dengan pemahaman yang lebih personal tentang kenyamanan, sistem hanya menggunakan energi seperlunya. Penelitian ini menunjukkan bahwa pengelolaan kenyamanan berbasis digital twin dapat menurunkan konsumsi energi tanpa mengorbankan rasa nyaman penghuni.

Pendekatan ini juga membuka jalan bagi gedung yang benar-benar berpusat pada manusia. Alih-alih memaksa manusia menyesuaikan diri dengan gedung, gedunglah yang menyesuaikan diri dengan manusia. Bayangkan sebuah kantor yang secara otomatis menyesuaikan suhu di ruang kerja Anda berdasarkan kebiasaan pribadi, atau ruang kelas yang menjaga kenyamanan siswa agar tetap fokus belajar. Semua itu menjadi mungkin ketika teknologi mampu memahami pola perilaku manusia secara halus dan berkelanjutan.

Aspek penting lain dari penelitian ini adalah keterbukaan dan kejelasan sistem. Banyak orang merasa khawatir dengan penggunaan kecerdasan buatan karena dianggap seperti kotak hitam yang sulit dipahami. Untuk mengatasi hal ini, peneliti menggunakan teknik explainable AI yang memungkinkan manusia mengetahui alasan di balik keputusan sistem. Dengan pendekatan ini, pengelola gedung dapat memahami mengapa suhu diubah pada waktu tertentu dan bagaimana keputusan tersebut berdampak pada kenyamanan dan energi.

Tentu saja, teknologi ini masih menghadapi tantangan. Pengumpulan data kenyamanan manusia memerlukan sensor yang andal dan partisipasi pengguna. Privasi juga menjadi isu penting karena data yang dikumpulkan berkaitan langsung dengan aktivitas manusia. Namun, penelitian ini menunjukkan bahwa dengan desain sistem yang tepat dan transparan, manfaat yang diperoleh jauh lebih besar dibandingkan risikonya.

Ke depan, teknologi digital twin yang dipadukan dengan kecerdasan buatan berpotensi mengubah cara kita berinteraksi dengan bangunan. Gedung tidak lagi menjadi struktur pasif, melainkan sistem cerdas yang terus belajar, beradaptasi, dan mendukung kesejahteraan manusia. Dalam konteks perubahan iklim dan krisis energi global, pendekatan ini menawarkan jalan menuju bangunan yang lebih hemat energi sekaligus lebih ramah bagi penghuninya.

Penelitian ini menegaskan bahwa masa depan gedung pintar bukan hanya tentang teknologi yang semakin canggih, tetapi tentang bagaimana teknologi tersebut digunakan untuk memahami manusia dengan lebih baik. Ketika gedung mampu merespons kebutuhan individu secara cerdas, kita tidak hanya mendapatkan ruang yang nyaman, tetapi juga lingkungan hidup yang lebih berkelanjutan dan manusiawi.

Baca juga artikel tentang: Inovasi Arsitektur Hijau pada Rumah Susun: Membangun Hunian Vertikal Berkelanjutan di Lahan Terbatas

REFERENSI:

Almadhor, Ahmad dkk. 2025. Digital twin based deep learning framework for personalized thermal comfort prediction and energy efficient operation in smart buildings. Scientific Reports 15 (1), 24654.