Azzam Khairan Agustus 3, 2025 0 Comments

Integrasi Filtering Cerdas pada Sistem CCTV Berbasis AI dan IoT

Tantangan Sistem CCTV Modern

Sistem CCTV tradisional merekam video secara terus-menerus tanpa memilih peristiwa penting. Namun, seiring bertambahnya jumlah kamera dan volume data, pendekatan ini menjadi tidak efisien. Oleh karena itu, kamera berbasis AI dan sistem Video Management System (VMS) modern mulai menerapkan integrasi filtering event cerdas—tidak hanya untuk menghemat storage, tetapi juga untuk mempercepat respons dan meningkatkan akurasi notifikasi.

Integrasi Filtering

Agar sistem bekerja secara optimal, kita harus memastikan bahwa filtering tidak berdiri sendiri. Sebaliknya, filtering perlu terintegrasi secara menyeluruh dalam arsitektur CCTV, mulai dari kamera hingga sistem backend, bahkan hingga ke perangkat pengguna seperti ponsel atau dashboard SOC.

Arsitektur Integrasi Filtering yang Efisien

1. Edge Filtering pada Kamera

Kamera modern yang menggunakan chip AI (seperti Ambarella, HiSilicon, dan Qualcomm Vision) kini dapat memfilter objek dan gerakan secara lokal:

Sistem mendeteksi manusia, kendaraan, dan hewan secara real-time.
Kamera menyaring berdasarkan zona (misalnya area terlarang vs area publik).
Pengguna dapat menetapkan ambang waktu untuk mendeteksi objek diam atau bergerak.

Keunggulan edge filtering meliputi:

Kamera langsung mengurangi beban jaringan dan server.
Sistem hanya mentransfer data yang benar-benar penting.
Kamera merespons secara lokal, misalnya dengan mengaktifkan sirine otomatis.

2. Filtering Lanjutan di VMS/Server

Server atau VMS menerima dan menyaring ulang data dari kamera dengan logika yang lebih kompleks:

Sistem mengkorelasikan data dari berbagai kamera.
VMS menganalisis pola kejadian berdasarkan waktu.
Administrator mengintegrasikan sistem ini dengan access control, alarm sensor, atau perangkat IoT lainnya.

VMS biasanya menyediakan rule engine yang memungkinkan logika seperti:

“Jika sistem mendeteksi manusia + malam hari + akses ditolak di pintu A → kirim alert prioritas tinggi.”

3. Filtering Kontekstual pada Middleware

Selanjutnya, middleware yang berada antara server dan user interface dapat menyaring dan mengelola prioritas:

Sistem memilah alert berdasarkan peran pengguna (operator vs manajer).
Middleware menyesuaikan filtering berdasarkan waktu (misalnya jam kerja vs non-jam kerja).
Jika pengguna mengabaikan alert dalam waktu tertentu, sistem akan mengeksekusi logika eskalasi ke level lebih tinggi.

Biasanya, sistem ini mengirim notifikasi otomatis melalui API ke Telegram, WhatsApp, email, atau SMS.

4. Filtering pada Endpoint (User Side)

Filtering juga berperan penting di sisi klien (SOC dashboard atau aplikasi HP):

Sistem hanya menampilkan alert prioritas tinggi kepada operator.
Pengguna dapat memfilter berdasarkan lokasi atau grup kamera.
Perangkat endpoint menyimpan riwayat tindakan sebagai referensi dan keperluan audit.

Format Integrasi yang Ideal

Komponen	Peran Filtering	Contoh Integrasi
Kamera	Edge filtering	Kamera hanya mendeteksi manusia di Zona A
Server/VMS	Korelasi & rule logic	Dua kamera mendeteksi secara berurutan = sistem kirim alarm
Middleware	Eskalasi otomatis	Jika operator tidak merespons dalam 60s = middleware kirim ke HP manajer
UI Client	Visual filtering	UI hanya menampilkan alert dengan level medium ke atas

Keuntungan Integrasi Filtering

Sistem mempercepat respons karena hanya alert penting yang ditampilkan.
Administrator dapat menghemat bandwidth karena kamera hanya mengirim data penting.
Server hanya menyimpan footage saat terjadi peristiwa krusial.
Perusahaan mendapatkan fleksibilitas tinggi dalam menyesuaikan alur kerja keamanan.

Studi Kasus Nyata

🔹 Pusat Data Nasional (IDC)
Teknisi menggunakan kamera edge AI + VMS cerdas. Sistem hanya menyimpan footage jika kamera mendeteksi manusia di luar jam kerja. Kemudian, sistem mengirim alert melalui API ke Telegram dengan fitur eskalasi otomatis jika operator tidak merespons.

🔹 Perumahan Pintar (Smart Cluster)
Warga mengandalkan filtering berbasis sensor gerak (PIR) untuk mengaktifkan kamera. Sistem hanya mengirim notifikasi ke penghuni jika kamera mendeteksi orang asing (belum dikenali oleh face recognition). Sirine akan menyala otomatis jika sistem mengenali ancaman.

Kesimpulan

Integrasi filtering yang baik tidak bisa dianggap sebagai fitur tambahan; sistem membutuhkan fondasi filtering untuk menghasilkan performa yang responsif, hemat, dan andal. Dengan menyebarkan filtering ke semua komponen sistem—kamera, server, middleware, hingga klien—organisasi mampu:

Menyaring alarm palsu secara drastis
Merespons insiden lebih cepat
Menyesuaikan sistem keamanan dengan kebutuhan real-time

Lebih lanjut, integrasi ini menjadi semakin krusial seiring berkembangnya AI dan IoT. Jika sistem keamanan masih mengabaikan filtering, maka sistem itu akan tertinggal dan menyulitkan operasional jangka panjang.