Hidup di kawasan perkotaan yang padat aktivitas sering kali menghadirkan tantangan tersendiri, terutama dalam hal menjaga ketertiban dan keamanan lingkungan. Seiring dengan laju pertumbuhan penduduk dan mobilitas masyarakat yang semakin tinggi, potensi terjadinya pelanggaran ketertiban umum—mulai dari parkir liar yang memicu kemacetan parah, pembuangan sampah sembarangan, kerumunan yang berpotensi memicu konflik, hingga tindak vandalisme—semakin sulit untuk diawasi hanya dengan mengandalkan tenaga manusia. Patroli aparat keamanan atau petugas ketertiban masyarakat memiliki keterbatasan ruang dan waktu. Di sinilah teknologi harus hadir, tidak lagi hanya sekadar sebagai alat perekam pasif, tetapi sebagai “mata” dan “otak” cerdas yang proaktif.

Mari kita ambil contoh sederhana yang sering kita temui sehari-hari. Sebuah mobil yang berhenti sebentar di bahu jalan raya yang sempit mungkin awalnya terlihat sepele. Namun, dalam waktu kurang dari lima menit, antrean kendaraan di belakangnya bisa mengular panjang, memicu bunyi klakson bersahutan, dan akhirnya berujung pada kemacetan total yang merugikan banyak pihak. Atau contoh lain, tumpukan sampah liar di sudut jalan yang awalnya hanya satu kantong plastik kecil, namun karena dibiarkan tanpa teguran, keesokan harinya bisa berubah menjadi gunungan sampah yang mengganggu kenyamanan publik. Masalah-masalah seperti ini membesar bukan karena tidak ada aturan, melainkan karena lambatnya respons penanganan. Hal ini terjadi karena petugas tidak mungkin berada di setiap sudut jalan setiap saat. Dibutuhkan sebuah “asisten digital” yang tidak pernah berkedip untuk memantau titik-titik rawan tersebut.

Selama ini, kita sudah sangat familiar dengan keberadaan Closed-Circuit Television (CCTV) di berbagai sudut kota. Namun, mari kita telaah kembali bagaimana perangkat tersebut bekerja. Mayoritas CCTV yang terpasang saat ini bersifat reaktif. Artinya, perangkat tersebut hanya merekam kejadian dan baru akan ditinjau kembali rekamannya ketika sebuah insiden telah terjadi. Paradigma pemantauan pasif seperti ini tentu sudah tidak lagi relevan jika kita ingin mewujudkan lingkungan kota yang benar-benar cerdas (smart city) dan aman. Dibutuhkan sebuah lompatan inovasi untuk mengubah fungsi kamera pengawas dari sekadar “perekam sejarah” menjadi “pendeteksi dini” yang mampu mencegah membesarnya sebuah pelanggaran

Berangkat dari kegelisahan tersebut, tim kami di Program Kreativitas Mahasiswa (PKM) merancang sebuah inovasi bertajuk “Sistem Terintegrasi AI-CCTV dan Sensor IoT sebagai Pendeteksi Dini Pelanggaran Ketertiban Masyarakat”.

Secara konsep, sistem yang sedang kami kembangkan ini mengawinkan dua pilar teknologi utama, yaitu Artificial Intelligence (AI) dan Internet of Things (IoT). Pada pilar pertama, kami menyuntikkan kecerdasan buatan, spesifiknya Computer Vision, ke dalam sistem jaringan CCTV. Dengan algoritma ini, kamera tidak hanya menangkap gambar, tetapi juga “memahami” apa yang sedang terjadi di dalam frame. Sistem dilatih untuk mengenali pola-pola spesifik yang dikategorikan sebagai anomali atau pelanggaran ketertiban. Misalnya, sistem dapat mendeteksi jika ada kendaraan yang berhenti terlalu lama di area larangan parkir, atau mengidentifikasi pergerakan massa dalam jumlah besar yang berkumpul di satu titik pada jam-jam rawan, yang bisa menjadi indikasi awal terjadinya tawuran atau keributan.

Sementara itu, pada pilar kedua, integrasi dengan jaringan sensor IoT bertindak sebagai pelengkap data sensorik yang tidak bisa ditangkap oleh kamera. Sensor-sensor pendukung seperti sensor suara (untuk mendeteksi desibel tingkat tinggi seperti teriakan, suara pecahan kaca, atau ledakan) dan sensor gerak ditempatkan di titik-titik blind spot. Ketika AI pada CCTV mendeteksi kejanggalan visual yang divalidasi oleh lonjakan data dari sensor IoT, sistem akan secara otomatis dan real-time mengirimkan sinyal peringatan (alert) ke dasbor pusat komando atau perangkat seluler milik petugas keamanan setempat.

Dalam pengembangan sebuah purwarupa inovasi teknologi, sangat penting untuk memiliki batasan ruang lingkup yang jelas dan terukur. Tentu, sistem pemantauan cerdas seperti ini idealnya dapat diterapkan di seluruh penjuru kota atau bahkan di berbagai daerah lain secara luas. Namun, secara metodologi pengembangan sistem, uji coba harus difokuskan pada satu area spesifik terlebih dahulu. Oleh karena itu, Kecamatan Lengkong kami tetapkan sebagai lokus utama. Penggunaan nama Kecamatan Lengkong pada penelitian kami bukanlah tanpa alasan; wilayah ini menjadi titik nol pelaksanaan eksperimen. Dengan menguji coba sistem di satu daerah secara intensif, kami dapat memvalidasi akurasi deteksi algoritma, mengevaluasi ketahanan sensor terhadap cuaca atau kondisi pencahayaan yang berubah-ubah, serta menyempurnakan alur komunikasi data sebelum gagasan ini siap untuk direplikasi ke skala yang lebih masif.

Gimana Sih Cara Kerjanya?

Biar lebih gampang dibayangin, anggap saja sistem ini kayak satpam virtual yang nggak pernah ngantuk dan siap siaga 24/7. Kalau CCTV biasa cuma pasrah merekam orang buang sampah sembarangan atau parkir liar buat ditonton besoknya, sistem AI-CCTV yang kami tawarkan ini beda level. Kamera ini sudah “disekolahkan” alias di-training menggunakan kumpulan data agar bisa membedakan mana aktivitas warga yang normal, dan mana yang berpotensi melanggar aturan.

Begitu si AI menangkap ada sesuatu yang aneh—misalnya ada gerombolan kendaraan yang nongkrong terlalu lama di area larangan parkir dan mulai bikin macet jalanan—sistem nggak akan diam saja. AI ini bakal langsung cross-check dengan data dari sensor IoT yang dipasang di sekitar lokasi. Misalnya, kalau sensor suara mendeteksi ada kebisingan tingkat tinggi yang nggak wajar atau sensor gerak menangkap aktivitas masif, sistem akan langsung mengambil kesimpulan bahwa ada anomali.

Lebih jauh lagi, proses training atau pelatihan AI ini bukanlah hal yang instan. Kami harus menyuapi sistem ini dengan ribuan kumpulan data (dataset) visual berupa gambar dan video dari berbagai skenario lalu lintas dan aktivitas masyarakat. AI diajarkan untuk mengenali bounding box atau batasan objek—mana yang merupakan kendaraan roda dua, roda empat, gerobak pedagang, hingga pejalan kaki.

Di sisi lain, sensor IoT yang kami gunakan bertugas sebagai “telinga” dan “kulit” bagi sistem ini. Sensor-sensor tersebut saling berkomunikasi melalui jaringan nirkabel. Jadi, ketika pandangan kamera CCTV terhalang oleh cuaca buruk, kabut tebal, atau minimnya pencahayaan di malam hari, sensor IoT tetap bisa memberikan pasokan data pendukung. Kombinasi antara data visual dari AI dan data lingkungan dari sensor inilah yang membuat tingkat akurasi deteksi sistem kami jauh melampaui sistem pengawasan biasa.

Boom! Dalam hitungan detik, sistem secara otomatis mengirimkan notifikasi peringatan (alert) langsung ke perangkat atau aplikasi petugas keamanan terdekat. Jadi, alih-alih datang saat jalanan sudah telanjur macet total atau keributan sudah membesar, petugas bisa langsung meluncur ke lokasi untuk melakukan tindakan preventif. Pencegahan jauh lebih baik daripada sekadar merekam kejadian, kan?

Sisi Kewirausahaan: Bukan Cuma Keren, Tapi Punya Nilai Jual

Karena tulisan ini juga menjadi bagian dari perjalanan belajar di mata kuliah Kewirausahaan, kita wajib banget membedah proyek ini dari kacamata bisnis. Mungkin ada yang bertanya-tanya, “Ini kan proyek sosial untuk ketertiban masyarakat, emangnya bisa dijadiin ladang bisnis?” Jawabannya: Sangat bisa!

Di era modern di mana banyak pemerintah daerah sedang berlomba-lomba mewujudkan Smart City, inovasi seperti ini punya potensi pasar Business to Government (B2G) yang sangat menjanjikan. Bayangkan berapa banyak anggaran daerah atau kepolisian yang bisa dihemat. Daripada harus mengerahkan banyak personel untuk berpatroli keliling kota atau membayar operator untuk menatap layar monitor CCTV selama berjam-jam, sistem ini menawarkan efisiensi waktu, tenaga, dan biaya operasional yang luar biasa. Petugas hanya perlu bergerak ketika ada notifikasi dari sistem.

Tidak hanya untuk pemerintah, sistem deteksi dini ini juga punya prospek Business to Business (B2B) yang cerah. Pengelola kawasan mandiri, seperti perumahan elit, kawasan industri, atau manajemen mal, pasti membutuhkan sistem keamanan terpadu yang efisien. Dari segi model bisnis, ke depannya produk ini bisa ditawarkan dalam bentuk layanan perangkat lunak atau Software as a Service (SaaS) secara berlangganan bulanan untuk sistem deteksinya, atau bisa juga dijual secara bundling lengkap dengan instalasi perangkat keras (CCTV dan sensor IoT) di lapangan.

Lebih kerennya lagi, kami membayangkan bentuk akhir dari produk ini adalah sebuah aplikasi atau dashboard interaktif yang sangat user-friendly. Klien (baik itu pemerintah daerah maupun swasta) tidak perlu repot memikirkan kode pemrograman yang rumit. Mereka cukup membuka layar monitor atau aplikasi di smartphone, dan sistem akan menampilkan peta interaktif wilayah mereka dengan titik-titik indikator merah jika terdeteksi ada potensi pelanggaran. Dengan pendekatan antarmuka yang visual dan mudah dipahami ini, nilai jual produk (value proposition) akan meningkat drastis. Kami tidak hanya menjual perangkat keras atau software, tetapi kami menjual “rasa aman” dan “efisiensi” yang sangat dibutuhkan di era serba cepat ini.

Kesimpulan: Langkah Kecil untuk Dampak yang Besar

Pada akhirnya, mengandalkan tenaga manusia 100% untuk mengawasi ketertiban kota yang terus berkembang adalah hal yang mustahil. CCTV konvensional memang membantu, namun sifatnya yang hanya merekam kejadian pasca-insiden belum cukup untuk menciptakan lingkungan yang benar-benar aman dan tertib.

Melalui gagasan “Sistem Terintegrasi AI-CCTV dan Sensor IoT”, kami dari tim PKM-KC berusaha menawarkan sebuah transisi dari sistem pengawasan yang pasif-reaktif menjadi aktif-preventif. Dengan mengandalkan kecerdasan buatan (Computer Vision) untuk mendeteksi anomali secara visual, yang kemudian divalidasi oleh kepekaan sensor IoT di lapangan, pencegahan pelanggaran ketertiban masyarakat bisa dilakukan secara real-time.

Tentu, sebuah sistem keamanan cerdas idealnya bisa digunakan di lebih banyak daerah; semakin luas jangkauannya, tentu semakin bagus dampaknya bagi masyarakat. Kami pun sangat setuju dengan visi tersebut. Namun, dalam proses riset dan pengembangan inovasi, kita harus realistis dan metodis. Mengingat sistem ini masih dalam tahap purwarupa eksperimental, memaksakan implementasi skala luas sejak awal justru berisiko tinggi. Kami harus mendengarkan arahan dan evaluasi teknis; uji coba sistem ini mutlak harus difokuskan dan dimatangkan di satu daerah terlebih dahulu.

Oleh karena itu, nama “Lengkong” tetap menjadi elemen krusial yang harus kami cantumkan dan pertahankan sebagai fokus. Di sanalah kami akan benar-benar terjun melakukan percobaan di lapangan. Kecamatan Lengkong menawarkan demografi dan dinamika jalanan yang sangat kompleks—mulai dari sentra kuliner, area perkantoran, hingga pemukiman padat. Ini menjadikannya “laboratorium hidup” yang sangat sempurna untuk menguji ketahanan alat (hardware) kami terhadap cuaca, serta mengevaluasi seberapa cepat sistem mengirimkan notifikasi tanpa delay di tengah hiruk-pikuk kota yang nyata.

Muhammad Faishal Rahmani
Mahasiswa Universitas Komputer Indonesia (UNIKOM)
Program PKM-KC

Referensi :

[1] A. Bochkovskiy, C.-Y. Wang, and H.-Y. M. Liao, “YOLOv4: Optimal Speed and Accuracy of Object Detection,” arXiv preprint arXiv:2004.10934, Apr. 2020.
[2] L. Luo, H. Qin, X. Song, M. Wang, H. Qiu, and Z. Zhou, “Wireless Acoustic Sensor Networks for Urban Noise Environmental Monitoring and Event Classification,” IEEE Internet of Things Journal, vol. 7, no. 8, pp. 6211-6225, Apr. 2020.
[3] N. Senel, G. Elger, K. Kefferpütz, and K. Doycheva, “Multi-Sensor Data Fusion for Real-Time Multi-Object Tracking,” Processes, vol. 11, no. 2, p. 501, Feb. 2023.