CCTV AI Analytics untuk Instansi: Keunggulan, Persiapan, dan Cara Penerapannya

Jution Candra Kirana · 2026-08-04 · Teknologi

Sistem pengawasan menggunakan CCTV telah menjadi kebutuhan penting bagi instansi untuk menjaga keamanan aset, personel, fasilitas, dan area operasional.

Namun, pada banyak penerapan, rekaman CCTV masih lebih sering digunakan setelah insiden terjadi. Petugas baru memeriksa rekaman untuk mengetahui waktu, lokasi, dan kronologi kejadian setelah peluang untuk merespons secara langsung terlewat.

CCTV berbasis AI Analytics mengubah fungsi video dari sekadar arsip menjadi sumber informasi yang dapat dianalisis dan ditindaklanjuti.

Dengan bantuan teknologi seperti computer vision dan deep learning, sistem analitik video dapat mendeteksi, mengklasifikasikan, melacak, dan menghitung objek tertentu, seperti manusia dan kendaraan. Sistem juga dapat dikonfigurasi untuk menghasilkan peringatan berdasarkan zona, arah pergerakan, durasi keberadaan objek, atau kondisi tertentu.

Sebagai contoh, dokumentasi resmi AXIS Object Analytics menjelaskan bahwa analitik berbasis AI dapat digunakan untuk mendeteksi, mengklasifikasikan, melacak, dan menghitung manusia maupun kendaraan. Namun, kemampuan setiap sistem tetap bergantung pada perangkat, model, lisensi, dan konfigurasi yang digunakan.

Referensi:

Artikel ini membahas perbedaan CCTV konvensional dan CCTV AI Analytics, manfaatnya bagi instansi, persiapan yang dibutuhkan, tahapan penerapan, serta kesalahan umum yang perlu dihindari.

Apa yang Membuat CCTV AI Analytics Berbeda dari CCTV Konvensional?

Pada CCTV konvensional, kamera merekam rangkaian gambar, menampilkannya melalui monitor, dan menyimpannya ke perangkat perekam seperti DVR, NVR, atau server.

Sebagian sistem dilengkapi fitur deteksi gerakan dasar yang bekerja dengan membaca perubahan pada gambar. Perubahan tersebut belum tentu disebabkan oleh manusia atau kendaraan. Bayangan, hujan, serangga di dekat lensa, dedaunan, getaran kamera, maupun cahaya kendaraan dapat memicu peringatan yang tidak relevan.

Sistem tersebut mendeteksi adanya perubahan pada gambar, tetapi belum tentu memahami jenis objek dan konteks kejadian.

CCTV AI Analytics menggunakan algoritma analitik untuk memahami isi video secara lebih terstruktur. Bergantung pada kemampuan sistem, analitik dapat digunakan untuk:

Membedakan manusia dan kendaraan.
Mengikuti arah pergerakan objek.
Menghitung jumlah manusia atau kendaraan.
Mendeteksi objek yang memasuki zona tertentu.
Mendeteksi objek yang melewati garis virtual.
Menandai objek yang berada terlalu lama di suatu area.
Menghasilkan metadata untuk mempercepat pencarian rekaman.
Memicu peringatan berdasarkan aturan yang telah ditentukan.

Dokumentasi AXIS Object Analytics, misalnya, menyediakan skenario seperti object in area, line crossing, time in area, crossline counting, dan occupancy in area.

Referensi:

Perbandingan CCTV Konvensional dan CCTV AI Analytics

Aspek	CCTV Konvensional	CCTV AI Analytics
Fungsi utama	Merekam dan menampilkan video	Merekam, menganalisis, dan menghasilkan peringatan
Proses pemantauan	Mengandalkan pengamatan operator	Dibantu deteksi dan klasifikasi otomatis
Pencarian rekaman	Umumnya berdasarkan waktu dan kamera	Dapat dibantu metadata objek dan kejadian
Jenis peringatan	Umumnya berdasarkan perubahan gambar	Dapat berdasarkan objek, zona, arah, durasi, atau aturan tertentu
Waktu respons	Sering dilakukan setelah kejadian	Dapat dilakukan ketika kejadian masih berlangsung
Peran operator	Mengamati banyak layar	Memverifikasi alarm dan menentukan tindakan

Perbedaan utamanya bukan hanya pada kamera, tetapi pada cara video diproses dan dimanfaatkan.

Model khusus juga dapat dikembangkan untuk mengenali atribut visual tertentu, seperti jenis seragam atau kendaraan operasional. Namun, fitur seperti ini membutuhkan data pelatihan yang relevan, pengujian, kalibrasi, dan validasi pada kondisi lingkungan sebenarnya.

Keunggulan CCTV AI Analytics untuk Pengawasan Instansi

1. Deteksi Anomali dan Respons Lebih Cepat

Salah satu manfaat utama CCTV AI Analytics adalah kemampuannya menghasilkan peringatan berdasarkan aturan yang telah ditentukan.

Contoh aturan yang dapat diterapkan meliputi:

Seseorang memasuki gudang di luar jam operasional.
Kendaraan berhenti terlalu lama di area tertentu.
Orang melewati garis virtual dengan arah yang dilarang.
Terjadi pergerakan di ruangan yang seharusnya kosong.
Jumlah orang di suatu area melebihi batas tertentu.
Seseorang berada terlalu lama di zona terbatas.
Kendaraan memasuki area yang bukan jalurnya.

Ketika kondisi tersebut terdeteksi, sistem dapat mengirim notifikasi, menampilkan kamera terkait, atau menjalankan tindakan lain yang telah dikonfigurasi.

NIST pernah mendokumentasikan pengembangan analitik video untuk beberapa skenario keselamatan publik, termasuk penghitung kerumunan, perubahan latar belakang, barang yang ditinggalkan, dan kendaraan yang berada di zona larangan parkir.

Referensi:

AI membantu memberikan peringatan awal, tetapi operator tetap perlu memeriksa video dan konteks kejadian sebelum mengambil tindakan penting.

2. Mengurangi Beban Pemantauan Petugas

Memantau banyak kanal video secara terus-menerus memberikan beban perhatian yang besar kepada operator.

Semakin banyak kamera yang ditampilkan, semakin sulit bagi petugas untuk mempertahankan perhatian secara konsisten pada seluruh layar. CCTV AI Analytics dapat membantu menyaring aliran video dan mengarahkan perhatian operator kepada kamera yang mendeteksi kondisi tertentu.

Peran operator kemudian bergeser dari:

Mencari kejadian secara terus-menerus di antara banyak layar.

Menjadi:

Menerima peringatan, memverifikasi kejadian, dan menentukan tindakan.

AI tidak menggantikan petugas keamanan. Teknologi ini berfungsi sebagai alat bantu untuk memperluas jangkauan pemantauan, memprioritaskan kejadian, dan mempercepat proses verifikasi.

NIST menempatkan pengawasan manusia, evaluasi, pengukuran risiko, serta pengelolaan dampak sebagai bagian penting dari penggunaan AI yang bertanggung jawab.

Referensi:

3. Mempercepat Investigasi dan Pencarian Rekaman

Pada sistem konvensional, petugas mungkin harus memeriksa rekaman selama berjam-jam untuk menemukan satu kejadian.

CCTV AI Analytics dapat menghasilkan metadata yang menjelaskan objek dan kejadian di dalam video. Metadata tersebut dapat mencakup:

Waktu kejadian.
Lokasi kamera.
Jenis objek.
Arah pergerakan.
Durasi objek berada di suatu area.
Warna pakaian.
Warna atau jenis kendaraan.
Posisi objek.
Kecepatan atau pola pergerakan tertentu.

Ketersediaan atribut tersebut berbeda pada setiap produk dan tidak selalu tersedia di semua kamera.

Menurut dokumentasi AXIS Scene Metadata, metadata analitik dapat memuat jenis objek, atribut pakaian dan kendaraan, posisi, arah perjalanan, serta stempel waktu. Data tersebut dapat digunakan untuk penyaringan, pencarian langsung, dan investigasi rekaman.

Referensi:

Metadata membantu mempersempit pencarian, tetapi rekaman asli tetap perlu disimpan dan diperiksa untuk kebutuhan verifikasi, audit, atau pembuktian.

4. Mendukung Pencegahan Pelanggaran

Sistem dapat digunakan sebagai bagian dari mekanisme peringatan dini.

Ketika seseorang memasuki area terlarang, misalnya, sistem dapat:

Mengirim peringatan ke ruang kontrol.
Menampilkan kamera yang mendeteksi kejadian.
Mengirim notifikasi kepada petugas.
Menyimpan cuplikan peristiwa.
Mengaktifkan perangkat lain yang telah terintegrasi.
Mencatat waktu dan jenis alarm untuk evaluasi.

Pada sebagian penerapan, sistem dapat dihubungkan dengan pengeras suara untuk menyampaikan peringatan. Namun, tindakan otomatis harus dirancang secara proporsional dan tetap didukung oleh prosedur operasional yang jelas.

Operator perlu mengetahui:

Siapa yang harus merespons alarm.
Berapa batas waktu respons.
Bagaimana melakukan verifikasi.
Kapan kejadian harus dieskalasikan.
Bagaimana insiden dicatat.

5. Menyediakan Data untuk Evaluasi Operasional

Selain mendukung keamanan, analitik video dapat membantu instansi memahami penggunaan suatu area.

Contohnya:

Menghitung jumlah pengunjung.
Mengamati jam dengan kepadatan tertinggi.
Mengukur arus masuk dan keluar.
Mengidentifikasi area yang jarang digunakan.
Memantau panjang antrean.
Mengevaluasi pola penggunaan fasilitas.
Membantu menentukan penempatan petugas.

Analitik seperti crossline counting dan occupancy in area dapat digunakan untuk memperkirakan jumlah objek yang melewati garis atau berada dalam suatu zona.

Referensi:

Data operasional tetap perlu diinterpretasikan dengan hati-hati karena akurasinya dapat dipengaruhi posisi kamera, objek yang saling menutupi, pencahayaan, kepadatan, dan konfigurasi analitik.

Contoh Penerapan CCTV AI Analytics di Instansi

Gedung Perkantoran

Sistem dapat digunakan untuk:

Mendeteksi akses di luar jam operasional.
Memantau pintu darurat.
Mengawasi ruang server dan area aset penting.
Mengetahui jumlah orang di suatu zona.
Mendeteksi objek yang berada terlalu lama di area tertentu.

Gudang dan Area Logistik

Analitik dapat membantu:

Mengawasi aktivitas di luar jadwal.
Mendeteksi pergerakan di zona terbatas.
Memantau kendaraan yang berhenti terlalu lama.
Mengawasi jalur kendaraan dan pejalan kaki.
Memantau area bongkar muat.

Kampus dan Sekolah

CCTV AI Analytics dapat digunakan untuk:

Mengamati kepadatan area.
Mendeteksi akses ke zona terbatas.
Mengawasi aktivitas pada area yang seharusnya kosong.
Membantu pengelolaan pintu masuk dan area parkir.
Memberikan peringatan terhadap kondisi yang membutuhkan pemeriksaan petugas.

Rumah Sakit

Sistem dapat mendukung pemantauan:

Koridor.
Pintu akses.
Area parkir.
Area pelayanan.
Ruang dengan akses terbatas.

Penerapan di lingkungan kesehatan harus memberikan perhatian lebih terhadap privasi pasien, pembatasan akses rekaman, dan keamanan data.

Kantor Pelayanan Publik

Analitik jumlah orang dan kepadatan dapat membantu instansi mengetahui kapan antrean mulai meningkat sehingga kapasitas pelayanan dapat disesuaikan.

Area Industri

Sistem dapat membantu:

Memantau zona keselamatan.
Mengawasi jalur kendaraan.
Mendeteksi akses ke area terbatas.
Memantau aktivitas di sekitar mesin.
Mendeteksi dugaan pelanggaran aturan keselamatan jika fitur yang dibutuhkan tersedia.

Hal yang Perlu Disiapkan Sebelum Memasang CCTV AI Analytics

1. Audit Area dan Tujuan Pengawasan

Jangan memulai proyek dengan pertanyaan:

Kamera apa yang harus dibeli?

Mulailah dengan pertanyaan:

Kejadian apa yang ingin dideteksi dan tindakan apa yang harus dilakukan?

Setiap area memiliki risiko dan kebutuhan yang berbeda.

Area	Contoh kebutuhan pengawasan
Area parkir	Kendaraan berhenti terlalu lama atau memasuki zona tertentu
Ruang server	Akses di luar jadwal atau keberadaan orang yang tidak berwenang
Gudang	Pergerakan pada jam nonoperasional
Pintu darurat	Pintu dibuka atau dilewati tanpa prosedur
Lobi pelayanan	Kepadatan dan antrean
Area terbatas	Orang memasuki atau bertahan terlalu lama di dalam zona
Jalur kendaraan	Kendaraan bergerak ke arah yang dilarang

Audit menjadi dasar untuk menentukan:

Posisi kamera.
Jumlah kamera.
Jenis analitik.
Kebutuhan penyimpanan.
Kapasitas jaringan.
Alur notifikasi.
Prosedur respons.

2. Kualitas dan Posisi Kamera

Resolusi tinggi tidak otomatis menjamin analitik bekerja dengan baik.

Kinerja analitik juga dipengaruhi oleh:

Posisi kamera.
Sudut pandang.
Jarak objek.
Ukuran objek pada gambar.
Kondisi pencahayaan.
Kontras antara objek dan latar.
Bayangan.
Cuaca.
Getaran kamera.
Kondisi lensa.
Objek yang saling menutupi.

Axis Communications menjelaskan bahwa penempatan kamera, kondisi cahaya, kontras, dan kualitas gambar dapat memengaruhi performa aplikasi video analytics.

Referensi:

Survei sebaiknya dilakukan pada kondisi siang dan malam karena performa kamera dapat berubah ketika pencahayaan menurun.

3. Arsitektur Pemrosesan AI

Analisis video dapat dilakukan melalui beberapa pendekatan.

AI di Kamera atau Edge Analytics

Pemrosesan dilakukan langsung pada kamera atau perangkat yang berada dekat dengan sumber video.

Keunggulan:

Mengurangi kebutuhan mengirim seluruh video ke server analitik.
Pemrosesan dilakukan dekat dengan sumber data.
Dapat mengurangi beban server pusat.
Respons dapat dihasilkan dengan cepat.

Keterbatasan:

Harga perangkat dapat lebih tinggi.
Kapasitas komputasi setiap kamera terbatas.
Kompatibilitas fitur berbeda pada setiap perangkat.
Pengelolaan banyak perangkat memerlukan perencanaan.

AI di Server Lokal

Video dari beberapa kamera dikirim ke server lokal yang menjalankan perangkat lunak analitik.

Keunggulan:

Dapat digunakan bersama sebagian kamera yang sudah tersedia.
Model dan aturan dapat dikelola secara terpusat.
Kapasitas dapat ditingkatkan melalui server.
Data dapat tetap berada di lingkungan internal.

Keterbatasan:

Membutuhkan perangkat keras yang memadai.
Membutuhkan jaringan internal yang stabil.
Ketergantungan pada server pusat lebih tinggi.
Memerlukan pemeliharaan, pendinginan, dan sumber daya listrik.

Pemrosesan Berbasis Cloud

Video atau data analitik dikirim ke layanan komputasi awan.

Keunggulan:

Infrastruktur relatif fleksibel.
Dapat diakses dari beberapa lokasi.
Kapasitas lebih mudah disesuaikan.
Pengelolaan perangkat lunak dapat lebih terpusat.

Keterbatasan:

Membutuhkan koneksi internet yang stabil.
Perlu memperhitungkan biaya transfer dan penyimpanan.
Terdapat pertimbangan tambahan mengenai lokasi dan keamanan data.
Ketergantungan kepada penyedia layanan perlu dievaluasi.

Instansi juga dapat menggunakan arsitektur hibrida. Sebagai contoh, klasifikasi awal dilakukan di kamera, sedangkan penyimpanan dan manajemen peringatan dilakukan melalui server lokal.

4. Kapasitas Jaringan dan Penyimpanan

Kebutuhan jaringan dan penyimpanan dipengaruhi oleh:

Jumlah kamera.
Resolusi.
Frame rate.
Metode kompresi.
Tingkat aktivitas pada area.
Durasi penyimpanan.
Perekaman terus-menerus atau berbasis kejadian.
Kebutuhan rekaman cadangan.
Metadata analitik.
Kebutuhan akses dari luar lokasi.

Instansi perlu menentukan masa penyimpanan berdasarkan kebutuhan operasional, kebijakan internal, risiko keamanan, dan ketentuan hukum yang berlaku.

Menyimpan seluruh rekaman tanpa batas waktu bukan praktik yang ideal karena meningkatkan biaya, risiko kebocoran, dan beban pengelolaan data.

5. Regulasi dan Pelindungan Data Pribadi

Rekaman CCTV dapat memuat wajah, aktivitas, lokasi, waktu keberadaan, serta informasi lain yang dapat dikaitkan dengan seseorang.

Apabila informasi tersebut dapat digunakan untuk mengidentifikasi individu, pengelolaannya perlu memperhatikan ketentuan pelindungan data pribadi.

Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi mengatur antara lain:

Jenis data pribadi.
Hak subjek data pribadi.
Pemrosesan data pribadi.
Kewajiban pengendali data pribadi.
Kewajiban prosesor data pribadi.
Keamanan data.
Pencegahan akses yang tidak sah.
Penghapusan dan pemusnahan data.
Penanganan kegagalan pelindungan data pribadi.

Referensi resmi:

Instansi perlu menyiapkan tata kelola yang setidaknya mencakup:

Tujuan pengawasan yang jelas.
Dasar pemrosesan yang sesuai.
Informasi bahwa suatu area berada dalam pengawasan CCTV.
Pembatasan akses rekaman.
Masa penyimpanan yang ditentukan.
Autentikasi pengguna.
Catatan akses atau audit trail.
Prosedur pengunduhan dan distribusi rekaman.
Mekanisme penghapusan data.
Prosedur penanganan insiden keamanan.
Evaluasi risiko untuk fitur sensitif.

Artikel ini bukan nasihat hukum. Penentuan dasar pemrosesan dan kewajiban instansi perlu disesuaikan dengan tujuan, jenis organisasi, kategori data, dan konteks penerapannya.

6. Perhatian Khusus untuk Pengenalan Wajah

Pengenalan wajah berbeda dari deteksi manusia.

Deteksi manusia hanya menentukan bahwa objek pada gambar termasuk kategori manusia. Pengenalan wajah berupaya menghubungkan citra wajah dengan identitas tertentu.

Karena risikonya lebih tinggi, penggunaan pengenalan wajah perlu melalui kajian terhadap:

Kebutuhan dan tujuan.
Dasar hukum.
Proporsionalitas.
Keamanan data biometrik.
Risiko kesalahan identifikasi.
Pembatasan akses.
Masa penyimpanan.
Prosedur keberatan dan koreksi.
Pengawasan manusia.
Penggunaan data di luar tujuan awal.

Pengenalan wajah tidak wajib untuk menerapkan CCTV AI Analytics. Fungsi seperti deteksi zona, klasifikasi manusia dan kendaraan, penghitung objek, arah pergerakan, atau durasi keberadaan dapat berjalan tanpa mengetahui identitas individu.

Langkah Praktis Menerapkan CCTV AI Analytics

1. Tentukan Tujuan dan Indikator Keberhasilan

Tujuan harus spesifik dan dapat diukur.

Contohnya:

Mengurangi waktu respons insiden dari lima menit menjadi dua menit.
Mengurangi pelanggaran akses ke area terbatas.
Mempercepat pencarian rekaman.
Mengurangi jumlah alarm yang tidak relevan.
Mengetahui waktu kepadatan area pelayanan.
Mempercepat verifikasi kendaraan pada area tertentu.

Tanpa indikator yang jelas, instansi akan sulit menentukan apakah implementasi memberikan manfaat.

2. Lakukan Survei Lokasi

Survei perlu memperhatikan:

Arah cahaya.
Kondisi pada malam hari.
Sudut pandang kamera.
Jarak terhadap objek.
Titik buta.
Sumber daya listrik.
Kondisi jaringan.
Risiko cuaca.
Potensi getaran.
Ketinggian pemasangan.
Area yang benar-benar membutuhkan analitik.

Resolusi tinggi tidak akan memberikan hasil maksimal jika posisi kamera tidak sesuai dengan kebutuhan deteksi.

3. Pilih Perangkat Sesuai Kebutuhan

Tidak semua kamera harus memiliki fitur AI di dalam perangkat.

Beberapa kamera lama dapat dipertimbangkan untuk tetap digunakan dan dihubungkan ke server analitik, selama kualitas gambar dan kompatibilitasnya memadai.

Evaluasi kamera lama berdasarkan:

Resolusi.
Kualitas sensor.
Kompresi video.
Frame rate.
Posisi.
Kondisi lensa.
Jarak objek.
Kemampuan pada kondisi minim cahaya.
Protokol dan kompatibilitas sistem.

Gunakan kamera dengan edge analytics pada titik yang membutuhkan pemrosesan lokal atau respons lebih cepat.

4. Buat Zona dan Aturan Deteksi

Konfigurasikan aturan berdasarkan kebutuhan setiap area.

Aturan dapat mencakup:

Garis virtual.
Zona masuk dan keluar.
Zona terlarang.
Jadwal aktif.
Jenis objek.
Arah pergerakan.
Durasi keberadaan objek.
Ukuran minimum objek.
Tingkat sensitivitas.
Tindakan setelah alarm muncul.

Aturan untuk area parkir tentu berbeda dari aturan ruang server, gudang, atau lobi pelayanan.

5. Jalankan Proyek Percontohan

Jangan langsung memasang sistem pada seluruh area.

Mulailah dengan satu atau dua kebutuhan prioritas, misalnya:

Mendeteksi orang yang memasuki gudang di luar jam operasional.

Proyek percontohan membantu menguji:

Akurasi deteksi.
Jumlah alarm palsu.
Beban jaringan.
Kebutuhan penyimpanan.
Kecepatan notifikasi.
Kesiapan petugas.
Efektivitas SOP.
Kesesuaian teknologi dengan kondisi lapangan.

Setelah hasilnya dapat diukur, sistem dapat diperluas secara bertahap.

6. Uji dan Kalibrasi

Lakukan pengujian pada berbagai kondisi:

Siang hari.
Malam hari.
Cuaca cerah.
Kondisi hujan.
Area ramai.
Area sepi.
Arah pergerakan yang berbeda.
Jenis pakaian yang berbeda.
Jenis kendaraan yang berbeda.
Objek yang tertutup sebagian.

Catat:

Deteksi yang benar.
Alarm palsu.
Kejadian yang tidak terdeteksi.
Waktu respons sistem.
Waktu respons petugas.

Hasil tersebut menjadi dasar untuk memperbaiki posisi kamera, zona, sensitivitas, jadwal, dan aturan analitik.

7. Latih Petugas dan Susun SOP

Operator perlu memahami:

Arti setiap jenis alarm.
Cara membuka dan memeriksa cuplikan.
Cara membedakan alarm nyata dan alarm palsu.
Pihak yang harus dihubungi.
Batas waktu respons.
Prosedur eskalasi.
Cara mencatat kejadian.
Aturan akses rekaman.
Aturan pengunduhan atau distribusi rekaman.
Prosedur ketika sistem tidak berfungsi.

Teknologi yang baik tidak akan efektif apabila alarm tidak memiliki alur tindak lanjut yang jelas.

8. Evaluasi dan Perbarui Sistem

Kondisi area dapat berubah karena:

Perubahan tata letak.
Pembangunan fasilitas baru.
Pertumbuhan pohon.
Perubahan pencahayaan.
Perpindahan furnitur.
Perubahan jalur kendaraan.
Penambahan akses baru.
Perubahan prosedur operasional.

Evaluasi berkala perlu meninjau:

Akurasi deteksi.
Jumlah alarm palsu.
Kejadian yang terlewat.
Waktu respons.
Kondisi kamera.
Kapasitas penyimpanan.
Kinerja jaringan.
Efektivitas SOP.
Hak akses pengguna.
Kepatuhan terhadap kebijakan data.

Kesalahan Umum yang Harus Dihindari

Memasang Kamera Tanpa Peta Risiko

Jumlah kamera yang banyak tidak otomatis menghasilkan pengawasan yang efektif.

Mulailah dengan mengidentifikasi:

Aset yang dilindungi.
Ancaman yang mungkin terjadi.
Area kritis.
Waktu dengan risiko tinggi.
Tindakan yang harus dilakukan ketika alarm muncul.

Menggunakan Satu Jenis Kamera untuk Semua Area

Kamera dalam ruangan, kamera luar ruangan, kamera untuk area minim cahaya, kamera termal, dan kamera untuk menangkap detail kendaraan memiliki karakteristik berbeda.

Pemilihan perangkat harus mengikuti kondisi dan tujuan pengawasan.

Mengabaikan Pencahayaan

Gambar yang terlalu gelap, terlalu terang, terkena cahaya dari belakang, atau memiliki kontras rendah dapat menurunkan performa analitik.

Perbaikannya dapat berupa:

Mengubah posisi kamera.
Menambah pencahayaan.
Mengatur eksposur.
Mengurangi sumber cahaya yang menyilaukan.
Memilih sensor yang sesuai.
Menggunakan konfigurasi berbeda untuk siang dan malam.

Tidak Mengelola Alarm Palsu

Alarm yang terlalu sering salah dapat menimbulkan alarm fatigue. Operator menjadi terbiasa menerima notifikasi dan berisiko mengabaikan kejadian penting.

Alarm palsu dapat dikurangi melalui:

Pembatasan zona.
Filter jenis objek.
Filter ukuran objek.
Batas durasi.
Penjadwalan aturan.
Kalibrasi sensitivitas.
Perbaikan posisi kamera.
Konfigurasi berbeda untuk siang dan malam.

Dokumentasi AXIS Object Analytics menjelaskan bahwa aturan dan filter dapat digunakan untuk menentukan objek serta kondisi yang harus memicu alarm.

Referensi:

Menganggap AI Selalu Benar

Tidak ada sistem AI yang selalu akurat.

Performa dapat dipengaruhi oleh:

Kualitas video.
Pencahayaan.
Kabut dan hujan.
Objek yang tertutup.
Kerumunan.
Getaran kamera.
Kondisi yang berbeda dari data pelatihan.
Konfigurasi yang tidak tepat.

Alarm AI harus diverifikasi sebelum digunakan sebagai dasar untuk tindakan yang berdampak besar.

Menganggap AI Menggantikan Manusia

AI membantu mendeteksi, menyaring, dan memprioritaskan kejadian.

Petugas tetap dibutuhkan untuk:

Memahami konteks.
Memverifikasi alarm.
Menilai tingkat risiko.
Berkomunikasi dengan pihak terkait.
Menentukan tindakan.
Mempertanggungjawabkan keputusan.

Tidak Menyiapkan SOP Respons

Peringatan yang akurat tidak memberikan manfaat apabila tidak ada petugas yang bertanggung jawab menindaklanjutinya.

Setiap alarm perlu memiliki:

Pemilik atau petugas penanggung jawab.
Batas waktu respons.
Prosedur verifikasi.
Jalur eskalasi.
Prosedur pencatatan.
Tindakan ketika alarm tidak direspons.

Menyimpan Data Tanpa Kontrol Akses

Rekaman CCTV tidak seharusnya dapat diakses oleh semua orang.

Terapkan:

Hak akses berdasarkan peran.
Autentikasi yang kuat.
Catatan aktivitas pengguna.
Enkripsi jika diperlukan.
Kebijakan pengunduhan rekaman.
Pembatasan distribusi.
Batas masa penyimpanan.
Prosedur penghapusan data.
Peninjauan hak akses secara berkala.

Kesimpulan

CCTV AI Analytics membantu instansi mengubah sistem pengawasan dari perangkat yang hanya merekam menjadi sistem yang dapat menganalisis, memberikan peringatan, dan mendukung pengambilan keputusan.

Manfaatnya dapat mencakup:

Respons insiden yang lebih cepat.
Beban pemantauan petugas yang lebih ringan.
Pencarian rekaman yang lebih efisien.
Pencegahan akses dan aktivitas yang tidak sesuai.
Data pendukung untuk evaluasi operasional.
Pemantauan zona dan kondisi tertentu secara otomatis.

Namun, manfaat tersebut tidak muncul hanya karena membeli perangkat berlabel AI.

Keberhasilan penerapannya ditentukan oleh:

Tujuan yang jelas.
Posisi kamera yang tepat.
Kualitas infrastruktur.
Konfigurasi analitik.
Pengujian dan kalibrasi.
Pelatihan petugas.
SOP respons.
Tata kelola data.
Evaluasi secara berkala.

CCTV AI Analytics sebaiknya diposisikan sebagai alat bantu pengambilan keputusan, bukan sebagai pengganti penilaian manusia.

FAQ

Apakah CCTV AI Analytics dapat menggunakan kamera lama?

Sebagian sistem dapat menambahkan kemampuan analitik melalui server, NVR, atau perangkat pemrosesan tambahan.

Hasilnya tetap bergantung pada:

Resolusi.
Kualitas sensor.
Kompresi video.
Frame rate.
Posisi kamera.
Jarak objek.
Kondisi pencahayaan.
Kompatibilitas perangkat.

Lakukan audit sebelum mengganti seluruh kamera untuk menentukan perangkat yang masih dapat digunakan.

Bagaimana cara mengurangi peringatan palsu?

Peringatan palsu dapat dikurangi dengan:

Mempersempit zona deteksi.
Menentukan jenis objek.
Mengatur ukuran minimum objek.
Menyesuaikan sensitivitas.
Mengatur batas durasi.
Membuat jadwal aktif.
Memperbaiki pencahayaan.
Memastikan kamera tidak bergetar.
Melakukan pengujian pada kondisi siang dan malam.

Apakah rekaman harus disimpan di cloud?

Tidak.

Rekaman dapat disimpan melalui:

Kamera.
DVR atau NVR.
Server internal.
Pusat data.
Penyimpanan cloud.
Kombinasi beberapa metode.

Pilihan penyimpanan perlu disesuaikan dengan kapasitas, keamanan, konektivitas, kebutuhan akses, biaya, dan kebijakan data instansi.

Apakah CCTV AI Analytics dapat menggantikan petugas keamanan?

Tidak.

Sistem membantu mendeteksi dan memprioritaskan kejadian. Petugas tetap diperlukan untuk memeriksa konteks, memverifikasi alarm, menentukan tingkat risiko, dan mengambil tindakan.

Apakah pengenalan wajah wajib digunakan?

Tidak.

Banyak fungsi analitik dapat berjalan tanpa mengidentifikasi seseorang, seperti:

Deteksi manusia dan kendaraan.
Penghitung objek.
Deteksi zona.
Garis virtual.
Arah pergerakan.
Durasi keberadaan.
Pemantauan kepadatan.

Apakah setiap kamera harus memiliki fitur AI?

Tidak.

Instansi dapat menggunakan:

AI di dalam kamera.
Server analitik lokal.
Pemrosesan cloud.
Perangkat tambahan.
Arsitektur hibrida.

Pemilihan arsitektur harus disesuaikan dengan kebutuhan, anggaran, kondisi jaringan, keamanan data, dan kemampuan perangkat yang tersedia.

Referensi

Axis Communications. AXIS Object Analytics.
https://www.axis.com/products/axis-object-analytics
Axis Communications. AXIS Object Analytics User Manual.
https://help.axis.com/en-us/axis-object-analytics
Axis Communications. AXIS Object Analytics API.
https://developer.axis.com/vapix/applications/axis-object-analytics-api/
Axis Communications. AXIS Object Analytics Counting Data.
https://www.axis.com/for-developers/axis-object-analytics-counting-data
Axis Communications. AXIS Scene Metadata.
https://www.axis.com/products/axis-scene-metadata
Axis Communications. Unlocking the Power of Scene Metadata.
https://whitepapers.axis.com/en-us/unlocking-the-power-of-scene-metadata
Axis Communications. Consuming AXIS Scene Metadata.
https://www.axis.com/for-developers/scene-metadata-integration
Axis Communications. AXIS Forensic Search for Genetec.
https://www.axis.com/products/axis-forensic-search-for-genetec
Axis Communications. Object Detection and Recognition.
https://www.axis.com/solutions/object-detection-and-recognition
Axis Communications. People and Vehicle Counting Solutions.
https://www.axis.com/solutions/people-and-vehicle-counting
Axis Communications. What Factors Should You Consider for Optimal Video Analytics Performance?
https://newsroom.axis.com/blog/video-analytics-performance
Axis Communications. Understand Video Analytics Optimization.
https://www.axis.com/learning/academy/elearning/understand-video-analytics-optimization
National Institute of Standards and Technology. Video Analytics.
https://www.nist.gov/video-analytics
National Institute of Standards and Technology. Multi-tiered Video Analytics for Abnormality Detection and Alerting.
https://www.nist.gov/ctl/pscr/multi-tiered-video-analytics-abnormality-detection-and-alerting
National Institute of Standards and Technology. Real-Time Video Analytics for Situation Awareness.
https://www.nist.gov/ctl/pscr/real-time-video-analytics-situation-awareness-0
National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework.
https://www.nist.gov/itl/ai-risk-management-framework
National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework 1.0.
https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10
Badan Pemeriksa Keuangan Republik Indonesia. Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi.
https://peraturan.bpk.go.id/Details/229798/uu-no-27-tahun-2022
Badan Pemeriksa Keuangan Republik Indonesia. Dokumen PDF Undang-Undang Nomor 27 Tahun 2022.
https://peraturan.bpk.go.id/Download/224884/UU%20Nomor%2027%20Tahun%202022.pdf