Gedung pintar semakin banyak dibangun di seluruh dunia. Gedung ini tidak hanya berdiri sebagai bangunan fisik, tetapi juga dipenuhi sensor dan sistem cerdas yang mampu merespons aktivitas manusia di dalamnya. Salah satu kemampuan penting dari gedung pintar adalah mengetahui berapa banyak orang yang berada di suatu ruangan serta aktivitas apa yang sedang mereka lakukan. Informasi ini membantu sistem mengatur lampu, pendingin ruangan, keamanan, hingga konsumsi energi secara otomatis.

Masalahnya, melatih sistem agar mampu memahami perilaku manusia bukanlah tugas yang mudah. Sistem kecerdasan buatan perlu belajar dari banyak data terlebih dahulu. Data ini biasanya harus ditandai secara manual, misalnya memberi label bahwa seseorang sedang duduk, berjalan, bekerja, atau ruangan dalam keadaan kosong. Proses pelabelan ini membutuhkan waktu lama, mahal, dan memerlukan tenaga manusia yang terlatih. Selain itu, setiap gedung memiliki kondisi yang berbeda mulai dari tata ruang, jumlah sensor, hingga perilaku penghuninya. Artinya, model yang dilatih di satu gedung belum tentu langsung cocok digunakan di gedung lain.

Baca juga artikel tentang: Mengintip Teknologi Bangunan Hijau Tercanggih di Dunia Tahun 2025

Disinilah teknologi yang dibahas dalam penelitian tahun 2025 ini memainkan peran penting. Para peneliti mengembangkan metode kecerdasan buatan yang mampu belajar dari data tanpa perlu banyak campur tangan manusia. Pendekatan ini dikenal sebagai unsupervised domain adaptation. Istilah ini merujuk pada kemampuan sistem untuk beradaptasi dari satu lingkungan ke lingkungan lain tanpa membutuhkan data berlabel dari tempat baru tersebut.

Bayangkan sistem sudah dilatih di sebuah kantor. Ketika dipindahkan ke rumah sakit, sistem tetap harus bisa memahami jumlah orang dan aktivitas di sana, meski tidak ada data yang diberi label di rumah sakit tersebut. Masalah ini dikenal sebagai perbedaan domain. Sistem perlu belajar agar ciri ciri yang dipelajarinya tidak hanya berlaku di satu lokasi, tetapi juga dapat digunakan di berbagai jenis bangunan.

Para peneliti kemudian menciptakan model baru yang dirancang khusus untuk mengatasi perbedaan domain ini. Salah satunya bernama ATDOC DDC. Nama ini memang terdengar teknis, tetapi idenya sederhana. Model ini berusaha mencari pola yang bersifat umum, tidak hanya khas untuk satu gedung saja. Sistem belajar dari sumber data awal, kemudian menyesuaikan diri dengan lingkungan baru tanpa memerlukan label baru.

Selain itu, ada juga pendekatan lain yang disebut Virtual Adversarial Domain Adaptation atau VADA. Model ini bekerja dengan cara melatih sistem untuk tidak mudah tertipu oleh perbedaan lingkungan. Sistem dilatih menggunakan dua jenis data, yaitu dari sumber awal dan dari lingkungan baru. Sebuah komponen dalam sistem bertugas membedakan data dari kedua lingkungan ini. Di saat yang sama, model utama justru dilatih untuk membuat ciri ciri data terlihat serupa, sehingga sistem akhirnya mampu bekerja baik di kedua tempat.

Para peneliti juga menggunakan konsep yang disebut Wasserstein Discrepancy. Metode ini mengukur seberapa jauh perbedaan data antara dua lingkungan. Jika jaraknya besar, sistem akan memperbarui diri agar perbedaan tersebut semakin kecil. Tujuannya supaya model tetap stabil meski digunakan di tempat baru.

Selain itu ada pendekatan yang dinamakan Adaptive Feature Norm. Metode ini membantu menyesuaikan fitur atau ciri yang dipelajari oleh model agar tetap dapat dipindahkan ke domain lain. Dengan bahasa sederhana, sistem diajak untuk tidak terlalu terikat pada ciri ciri khas satu gedung saja, tetapi lebih fokus pada pola yang universal.

Tidak hanya berhenti pada sisi teknis, para peneliti juga menguji seberapa kuat model ini terhadap gangguan. Dalam dunia nyata, terkadang terdapat data yang salah atau bahkan dimanipulasi. Hal ini disebut data poisoning. Mereka memasukkan data yang keliru untuk melihat apakah sistem tetap bisa bekerja dengan baik. Hasil pengujian menunjukkan bahwa metode yang dikembangkan cukup tangguh menghadapi gangguan tersebut.

Keuntungan terbesar dari penelitian ini adalah sistem dapat memperkirakan jumlah orang di dalam ruangan dan mengenali jenis aktivitas tanpa harus selalu bergantung pada data yang diberi label secara manual. Hal ini menghemat waktu, biaya, dan tenaga. Teknologi ini juga memungkinkan penerapan yang lebih cepat pada berbagai jenis gedung, mulai dari kampus, kantor, rumah sakit, pusat perbelanjaan, hingga gedung hunian.

Mengapa kemampuan ini begitu penting? Karena banyak fungsi gedung pintar bergantung pada informasi tentang kehadiran dan aktivitas manusia. Sistem pendingin ruangan bisa menurunkan suhu jika ruangan penuh. Lampu bisa mati otomatis saat ruangan kosong. Sistem keamanan bisa memberi peringatan jika ada gerakan mencurigakan di area yang seharusnya kosong. Bahkan sistem evakuasi darurat dapat lebih efektif jika mengetahui lokasi dan jumlah orang di dalam gedung.

Dari sisi lingkungan, teknologi ini membantu penghematan energi. Gedung merupakan salah satu konsumen energi terbesar di dunia. Jika energi digunakan lebih tepat sasaran berdasarkan aktivitas penghuni, maka konsumsi energi dapat ditekan tanpa mengurangi kenyamanan. Dengan kata lain, teknologi ini berkontribusi terhadap keberlanjutan.

Namun tentu masih ada tantangan. Penggunaan sensor dalam jumlah besar memunculkan pertanyaan tentang privasi. Data tentang keberadaan dan aktivitas manusia harus dilindungi dengan baik. Sistem juga harus dirancang agar tidak menyalahgunakan informasi tersebut. Ini berarti teknologi perlu berjalan seiring dengan kebijakan etika dan perlindungan data.

Penelitian ini menunjukkan bahwa masa depan gedung pintar tidak hanya bergantung pada perangkat keras seperti sensor dan kamera. Kecerdasan buatan memainkan peran yang jauh lebih besar. Sistem tidak hanya mengumpulkan data, tetapi juga belajar, beradaptasi, dan meningkatkan performa seiring waktu. Tanpa perlu repot memberi label pada setiap data baru, gedung pintar dapat berkembang lebih cepat dan lebih efisien.

Teknologi ini membawa kita selangkah lebih dekat pada konsep gedung yang benar benar memahami penghuninya. Gedung yang mampu mendeteksi, menyesuaikan diri, dan merespons dengan cerdas. Bukan hanya untuk kenyamanan, tetapi juga untuk keamanan, efisiensi, dan keberlanjutan lingkungan. Dunia arsitektur modern kini tidak lagi sebatas merancang bentuk bangunan. Dunia ini kini juga merancang kecerdasan yang hidup di dalamnya.

Baca juga artikel tentang: Focus Group Discussion Lintas Sektor Bahas Teknologi Prefabrikasi untuk Percepatan Hunian Layak dan Hijau di Indonesia

REFERENSI:

Dridi, Jawher dkk. 2025. Unsupervised domain adaptation with source data for estimating occupancy and recognizing activities in smart buildings. IEEE Transactions on Artificial Intelligence.