Para peneliti terus mendorong bangunan modern agar mampu melakukan lebih banyak hal daripada sekadar menyediakan ruang untuk bekerja, belajar, atau beristirahat. Mereka ingin menciptakan bangunan yang dapat memahami apa yang terjadi di dalamnya, mengenali kebutuhan penghuninya, dan merespons berbagai situasi secara otomatis. Visi inilah yang mendorong perkembangan smart building atau bangunan pintar dalam beberapa tahun terakhir.

Ketika mendengar istilah smart building, banyak orang langsung membayangkan gedung yang dipenuhi sensor, layar digital, dan sistem otomatis yang mengendalikan berbagai fasilitas. Gambaran tersebut memang tidak sepenuhnya salah. Namun inti dari bangunan pintar sebenarnya terletak pada kemampuannya memahami kondisi lingkungan dan perilaku manusia agar dapat mengelola sumber daya secara lebih efisien.

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

Dalam sebuah gedung perkantoran misalnya, sistem bangunan perlu mengetahui apakah sebuah ruangan sedang digunakan atau tidak. Jika ruangan kosong, lampu dan pendingin udara dapat dimatikan untuk menghemat energi. Sebaliknya, ketika ruangan mulai dipenuhi orang, sistem dapat meningkatkan ventilasi, mengatur pencahayaan, dan menjaga suhu tetap nyaman.

Untuk melakukan hal tersebut, bangunan harus mampu mengenali aktivitas manusia secara akurat. Di sinilah teknologi Internet of Things atau IoT memainkan peran penting. Sensor yang terhubung melalui jaringan IoT dapat mengumpulkan berbagai jenis informasi, mulai dari pergerakan manusia, tingkat hunian ruangan, suhu, kelembapan, hingga kualitas udara.

Data yang terkumpul kemudian dianalisis menggunakan kecerdasan buatan untuk mengenali pola tertentu. Sistem dapat mempelajari kapan orang mulai bekerja, kapan ruang rapat digunakan, kapan area tertentu menjadi ramai, atau kapan sebuah ruangan tidak lagi digunakan.

Kemampuan mengenali aktivitas manusia menjadi salah satu fondasi utama dalam pengembangan smart building masa depan. Semakin baik sistem memahami perilaku penghuni, semakin efisien pula bangunan dapat mengelola energi dan sumber dayanya.

Namun terdapat satu tantangan besar yang selama ini menghambat penerapan teknologi tersebut dalam skala luas. Setiap bangunan memiliki karakteristik yang berbeda. Tata letak ruang, jumlah sensor, jenis aktivitas penghuni, hingga kondisi lingkungan dapat sangat bervariasi antara satu gedung dan gedung lainnya.

Sebuah sistem kecerdasan buatan yang bekerja sangat baik di satu bangunan belum tentu memberikan hasil yang sama ketika dipasang di lokasi lain. Perbedaan tersebut sering kali menyebabkan penurunan akurasi pengenalan aktivitas secara signifikan.

Masalah ini menjadi perhatian utama dalam penelitian yang dipublikasikan pada tahun 2026 di jurnal Energy and Buildings. Para peneliti berupaya mencari cara agar sistem pengenalan aktivitas tetap bekerja dengan baik meskipun diterapkan pada bangunan yang belum pernah dipelajari sebelumnya.

Dalam dunia kecerdasan buatan, tantangan ini dikenal sebagai domain shift. Istilah tersebut menggambarkan kondisi ketika data yang digunakan untuk melatih sistem berbeda dengan data yang ditemui saat sistem digunakan di lingkungan nyata.

Sebagai contoh, sebuah model kecerdasan buatan mungkin dilatih menggunakan data dari gedung perkantoran di Eropa. Ketika model yang sama digunakan di gedung perkantoran di Asia dengan tata ruang, jumlah penghuni, dan pola aktivitas yang berbeda, tingkat akurasinya bisa menurun.

Selama ini banyak pengembang mengatasi masalah tersebut dengan mengumpulkan data baru dan melatih ulang sistem untuk setiap bangunan. Sayangnya, proses tersebut memerlukan waktu yang panjang, biaya yang tidak sedikit, dan tenaga ahli yang memadai.

Penelitian terbaru menawarkan pendekatan yang jauh lebih praktis melalui metode yang dikenal sebagai Generalized Domain Adaptation atau GDA. Pendekatan ini memungkinkan sistem belajar memahami pola aktivitas manusia secara lebih umum sehingga dapat beradaptasi dengan lingkungan baru tanpa memerlukan pelatihan ulang yang rumit.

Secara sederhana, metode ini mengajarkan kecerdasan buatan untuk memahami konsep aktivitas manusia, bukan sekadar menghafal pola dari satu bangunan tertentu. Dengan demikian, sistem dapat mengenali aktivitas yang sama meskipun berlangsung dalam lingkungan yang berbeda.

Untuk menguji efektivitas pendekatan tersebut, para peneliti mengevaluasi beberapa metode GDA menggunakan data sensor IoT berbentuk deret waktu. Data tersebut mencerminkan perubahan kondisi yang terjadi dari waktu ke waktu, seperti pergerakan penghuni, perubahan suhu, atau aktivitas penggunaan ruangan.

Grafik perbandingan nilai akurasi dan F1-score dari tiga metode pengenalan aktivitas pada smart building, menunjukkan bahwa metode SWAD-GDA memberikan kinerja klasifikasi terbaik dibandingkan ERM dan DFDG (Abderrahim, dkk. 2026).

Hasil pengujian menunjukkan bahwa metode berbasis GDA memberikan performa yang jauh lebih baik dibandingkan pendekatan konvensional. Salah satu metode bahkan mampu mencapai tingkat akurasi yang sangat tinggi ketika digunakan pada berbagai lingkungan yang sebelumnya tidak dikenal oleh sistem.

Temuan ini memiliki arti yang sangat penting bagi perkembangan smart building. Selama ini salah satu hambatan utama implementasi kecerdasan buatan dalam pengelolaan bangunan adalah tingginya biaya penyesuaian untuk setiap lokasi baru. Dengan pendekatan yang lebih adaptif, proses penerapan teknologi dapat menjadi jauh lebih cepat dan ekonomis.

Bayangkan sebuah perusahaan yang memiliki puluhan gedung perkantoran di berbagai kota. Jika setiap bangunan memerlukan pelatihan sistem secara terpisah, biaya implementasi akan sangat besar. Namun jika sistem mampu beradaptasi secara otomatis terhadap lingkungan baru, perusahaan dapat menerapkan teknologi tersebut dalam skala yang jauh lebih luas.

Dari perspektif smart building, manfaat yang dihasilkan tidak hanya berkaitan dengan efisiensi operasional. Kemampuan memahami aktivitas manusia juga memungkinkan bangunan memberikan pengalaman yang lebih nyaman bagi penghuninya.

Ketika sistem mengetahui bahwa sebuah ruang rapat akan digunakan dalam beberapa menit ke depan, pendingin udara dapat dinyalakan lebih awal sehingga ruangan sudah berada pada suhu yang nyaman ketika peserta rapat datang. Sistem pencahayaan juga dapat menyesuaikan intensitasnya berdasarkan aktivitas yang sedang berlangsung.

Manfaat tersebut menjadi semakin penting ketika dikaitkan dengan konsep green building. Salah satu tujuan utama bangunan hijau adalah mengurangi konsumsi energi tanpa mengorbankan kenyamanan penghuni.

Di banyak gedung modern, energi sering terbuang karena fasilitas tetap beroperasi meskipun tidak diperlukan. Lampu menyala di ruangan kosong, pendingin udara bekerja tanpa penghuni, atau ventilasi tetap berjalan pada kapasitas tinggi meskipun tingkat hunian rendah.

Dengan bantuan sensor IoT dan kecerdasan buatan, bangunan dapat menghindari pemborosan tersebut. Sistem mampu menyesuaikan penggunaan energi berdasarkan aktivitas nyata yang terjadi di dalam gedung. Semakin akurat sistem mengenali aktivitas, semakin besar pula potensi penghematan energi yang dapat dicapai.

Selain itu, data aktivitas juga dapat membantu pengelola bangunan mengambil keputusan yang lebih baik. Informasi mengenai pola penggunaan ruang dapat digunakan untuk mengoptimalkan tata letak kantor, meningkatkan kenyamanan pengguna, dan merencanakan kebutuhan fasilitas di masa depan.

Perkembangan teknologi ini menunjukkan bahwa bangunan masa depan tidak hanya akan menjadi lebih hemat energi, tetapi juga lebih responsif terhadap kebutuhan manusia. Bangunan akan mampu memahami bagaimana ruang digunakan dan menyesuaikan operasinya secara otomatis.

Penelitian mengenai pengenalan aktivitas berbasis sensor IoT dan kecerdasan buatan memperlihatkan arah baru dalam evolusi smart building. Bangunan tidak lagi berfungsi sebagai struktur pasif yang hanya menyediakan ruang bagi penghuninya. Bangunan mulai berkembang menjadi sistem cerdas yang mampu memahami lingkungan, mengenali aktivitas manusia, dan mengambil keputusan yang mendukung efisiensi energi sekaligus meningkatkan kenyamanan. Ketika teknologi ini semakin matang dan mudah diterapkan, kita akan melihat semakin banyak gedung yang bukan hanya pintar secara teknologi, tetapi juga mampu beradaptasi secara cerdas terhadap kehidupan sehari hari penggunanya.

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.