Kalau kamu pernah mikir kenapa tagihan listrik gedung-gedung perkantoran bisa bikin kantong jebol, jawabannya simpel: gedung butuh banyak energi. Menurut data, bangunan nyatanya makan sekitar 36% energi dunia dan nyumbang hampir 40% emisi CO₂. Gede banget kan? Nah, salah satu biang keroknya adalah perilaku penghuni gedung yang susah banget diprediksi. Kadang ramai, kadang kosong. Lampu dan AC tetap nyala padahal nggak ada orang. Sayang energi banget!

Gambar 1. Ilustrasi sederhana bagaimana sensor lingkungan mendeteksi CO₂, suhu, kelembaban, dan kebisingan untuk memprediksi jumlah orang di ruangan. Gambar ini dihasilkan oleh OpenAI ChatGPT

Makanya, ada penelitian seru yang coba bikin cara cerdas buat deteksi berapa banyak orang yang lagi ada di dalam ruangan. Tujuannya biar lampu, AC, atau peralatan lain bisa nyala atau mati sesuai kebutuhan. Bedanya, teknologi ini nggak pakai kamera atau sensor gerak yang kadang bikin orang risih. Yang dipakai justru sensor lingkungan dalam ruangan. Sensornya cuma “mengintip” data kayak suhu, CO₂, kelembaban, kebisingan, sampai partikel debu. Data ini cukup buat nebak ada orang atau nggak.

Metodenya dibagi jadi dua tahap. Pertama, prediksi deret waktu alias ramalan pola data dari sensor pakai model canggih namanya LSTM (Long Short-Term Memory). Kenapa LSTM? Karena model ini jago banget “mengingat” pola data yang berubah-ubah seiring waktu. Hasil uji cobanya mantap, akurasi prediksinya bisa sampai 95%!

Tahap kedua, hasil prediksi tadi dipakai buat menentukan jumlah orang yang sebenarnya ada di ruangan. Nah, di tahap ini, peneliti nyobain beberapa algoritma pembelajaran mesin alias machine learning—kayak SVM, Random Forest, Decision Tree, MLP, k-NN, sampai ANN. Tapi masalahnya, data jumlah orang ini nggak seimbang. Kadang ruangan sering kosong, datanya jadi timpang. Biar data nggak timpang, dipakailah SMOTE, semacam trik “menggandakan” data biar algoritma nggak bingung. Hasilnya? Akurasi langsung naik tajam. Algoritma Random Forest (RF) dan k-NN jadi andalan karena hasilnya paling stabil di semua kondisi.

Buat apa sih semua ini? Kalau teknologi ini diterapin ke gedung pintar, manajemen gedung bisa atur lampu, AC, atau sistem lain berdasarkan jumlah orang asli di dalam. Jadi nggak ada lagi lampu nyala pas ruangan kosong. Kedepannya, framework kece ini bisa dikembangin lagi. Misalnya dengan nyoba metode oversampling lain selain SMOTE atau langsung dihubungkan ke sistem HVAC dan lampu otomatis. Kalau berhasil, bisa jadi langkah besar buat bikin gedung lebih hemat energi dan lebih ramah lingkungan.

 

 

Catatan: Artikel ini adalah rangkuman dari makalah Two-Stages Occupancy Number Detection Based on Indoor Environment Attributes By Utilizing Machine Learning Algorithm karya Marchelina, J. E., Chou, S. Y., Vincent, F. Y., Dewabharata, A., Sugiarto, V. C., & Karijadi, I, yang dipresentasikan di International Conference on Fuzzy Theory and Its Applications (iFUZZY) 2019.

URL: https://ieeexplore.ieee.org/abstract/document/9066241/