Penghematan Energi dari Kontrol Pencahayaan Otomatis di Gedung Komersial: Bukti Lapangan dan Simulasi
Abstrak
Kontrol pencahayaan otomatis sering diandalkan untuk menekan pemakaian listrik gedung komersial, tetapi besar penghematan yang dilaporkan sangat beragam. Tinjauan ini membandingkan angka penghematan energi pencahayaan dari beberapa kelompok strategi, yaitu sensor okupansi, pemanfaatan cahaya siang (daylight harvesting), penyetelan personal dan institusional (tuning), serta sistem kontrol berjaringan, sekaligus menelusuri mengapa angka dari berbagai jenis kajian tidak seragam. Sumber yang ditelaah mencakup meta-analisis Lawrence Berkeley National Laboratory (LBNL) atas 240 estimasi dari 88 makalah, studi lapangan selama setahun di kantor terbuka di Kanada dengan 86 stasiun kerja, dan analisis data pemantauan sistem berjaringan dari 194 gedung di Amerika Utara. Meta-analisis memberi estimasi terbaik 24% untuk okupansi, 28% untuk daylighting, 31% untuk personal tuning, 36% untuk institutional tuning, dan 38% untuk kombinasi strategi. Studi lapangan mencatat 42 sampai 47% untuk gabungan tiga kontrol, sedangkan sistem berjaringan rata-rata mencapai 49% dengan sebaran antargedung yang sangat lebar. Perbedaan itu terutama bersumber dari definisi garis dasar, metode penentuan penghematan (simulasi atau pengukuran), sumbangan pembatasan keluaran maksimum (high-end trim), serta mutu pemrograman dan komisioning. Menurut LBNL, simulasi cenderung melebihkan penghematan daylighting. Faktor lain yang berpengaruh ialah waktu tunda sensor, pemakaian tirai, posisi ruang terhadap jendela, perilaku penghuni, dan kecakapan pengelola. Angka rata-rata layak dipakai sebagai titik awal perencanaan, tetapi estimasi proyek perlu bertumpu pada garis dasar yang jelas dan pengukuran lapangan. Tidak ada sumber yang ditelaah memuat data iklim tropis, sehingga penerapannya di Indonesia masih memerlukan verifikasi.
Kata kunci: kontrol pencahayaan; sensor okupansi; daylight harvesting; kontrol pencahayaan berjaringan; garis dasar energi; gedung komersial
Pendahuluan
Pencahayaan merupakan salah satu pemakai listrik utama di gedung komersial. Meta-analisis Lawrence Berkeley National Laboratory (LBNL) mengutip data Departemen Energi Amerika Serikat yang menempatkan pencahayaan pada kira-kira sepertiga pemakaian listrik gedung komersial, dan lebih dari separuh pada penginapan serta ritel (Williams dkk., 2011b). Penghematan dari penggantian lampu relatif mudah dihitung karena cukup membandingkan daya sebelum dan sesudah penggantian. Penghematan dari kontrol pencahayaan jauh lebih sulit diramalkan, sebab besarnya ditentukan oleh berapa lama dan seberapa dalam lampu dimatikan atau diredupkan. Hal itu bergantung pada fungsi ruang, orientasi bangunan, pantulan permukaan interior, perilaku penghuni, serta penyetelan saat instalasi dan komisioning (Williams dkk., 2011b).
Penelitian tentang penghematan kontrol pencahayaan sudah berlangsung lebih dari 30 tahun, tetapi hasilnya tersebar luas. Tinjauan-tinjauan terdahulu yang dirangkum LBNL melaporkan rentang yang sangat lebar; salah satunya, untuk sistem berbasis okupansi, berkisar dari 3% sampai 86% (Williams dkk., 2011b). Di sisi lain, adopsinya masih rendah. Menurut survei konsumsi energi gedung komersial Amerika Serikat tahun 2003, hanya 2% gedung komersial berpenerangan memiliki sensor cahaya siang dan hanya 1% memiliki sistem manajemen energi untuk pencahayaan (Williams dkk., 2011b). Laporan yang lebih baru menyebut pencahayaan terhubung jaringan baru mencakup kurang dari 1% luminer di negara itu (Wen dkk., 2020).
Tinjauan ini membahas tiga pertanyaan. Pertama, berapa persen energi pencahayaan yang benar-benar dihemat oleh tiap strategi kontrol di gedung komersial. Kedua, mengapa angka dari simulasi, uji lapangan, dan program sistem berjaringan berbeda jauh. Ketiga, faktor apa yang menentukan besar penghematan. Bahan yang ditelaah adalah meta-analisis LBNL beserta halaman ringkasannya (Williams dkk., 2011a; Williams dkk., 2011b), studi lapangan National Research Council Canada di kantor terbuka (Galasiu dkk., 2007), dan analisis data pemantauan sistem kontrol pencahayaan berjaringan untuk Northwest Energy Efficiency Alliance dan DesignLights Consortium (Wen dkk., 2020). Ketiganya mewakili tiga jenis bukti yang berbeda: sintesis literatur, pengukuran rinci di satu gedung, dan data operasional dari banyak gedung.
Strategi kontrol dan ukuran penghematan
Literatur yang ditelaah memakai istilah yang hampir sama, tetapi dengan batas makna yang perlu diperjelas. LBNL membagi strategi kontrol menjadi empat kelompok (Williams dkk., 2011b):
- Okupansi: menyesuaikan tingkat cahaya menurut ada atau tidaknya penghuni, misalnya dengan sensor okupansi, jam waktu, atau sistem manajemen energi.
- Daylighting atau daylight harvesting: meredupkan atau mematikan lampu secara otomatis ketika cahaya alami mencukupi, biasanya dengan fotosensor.
- Personal tuning: penghuni mengatur sendiri tingkat cahaya di area kerjanya, misalnya melalui peredup, sakelar nirkabel, atau antarmuka komputer.
- Institutional tuning: penyetelan tingkat cahaya oleh pengelola melalui komisioning atau kebijakan gedung. Termasuk di sini high-end trim, yaitu pembatasan keluaran maksimum luminer di bawah kapasitas penuhnya sejak pemasangan, yang juga dikenal sebagai task tuning.
Laporan DesignLights Consortium menambahkan dua istilah. Sistem kontrol pencahayaan berjaringan (networked lighting control, NLC) adalah gabungan sensor, antarmuka jaringan, dan pengendali yang dapat bertukar data digital antarluminer. Luminaire level lighting control (LLLC) adalah varian NLC yang menanamkan sensor okupansi dan sensor cahaya pada setiap luminer, sehingga pengendalian tidak lagi per zona melainkan per titik lampu (Wen dkk., 2020). Ukuran yang dipakai laporan itu adalah faktor kontrol, yaitu fraksi energi yang dihemat oleh kontrol terhadap sumber cahaya yang dikendalikannya, bernilai antara 0 dan 1. Faktor kontrol 0,49 setara dengan penghematan 49%, dan penghematan akibat penggantian lampu tidak ikut dihitung (Wen dkk., 2020).
Yang paling menentukan dalam membaca angka penghematan adalah garis dasar (baseline), yaitu kondisi pembanding yang dianggap sebagai pemakaian energi tanpa kontrol. Pembahasan selanjutnya menunjukkan bahwa ketiga sumber memakai garis dasar yang berlainan, dan perbedaan inilah yang tampaknya paling banyak menjelaskan selisih angka mereka.
Tiga jenis bukti yang ditelaah
Meta-analisis literatur
Meta-analisis LBNL menghimpun 240 estimasi penghematan dari 88 makalah dan studi kasus. Dari 88 sumber itu, 40 berupa makalah riset yang terbit di jurnal atau konferensi bertelaah, sedangkan 48 berupa laporan terbitan sendiri atau studi kasus industri (Williams dkk., 2011b). Data disusun per baris estimasi, lalu disaring bertahap untuk mengenali bias yang muncul dari perbedaan pendekatan analitis. Filter terakhir dianggap penulisnya sebagai estimasi konservatif terbaik untuk penghematan yang bisa dicapai di lapangan (Williams dkk., 2011a).
Sebelum penyaringan, rata-rata per jenis kontrol lebih tinggi, berkisar dari 30% untuk okupansi sampai 41% untuk daylighting (Williams dkk., 2011b). Data mentah itu juga memuat kasus penghematan negatif: di satu instalasi, penghuni yang sebelumnya disiplin mematikan lampu berhenti melakukannya setelah sensor okupansi dipasang. Cakupan menurut jenis gedung timpang, karena sebagian besar data berasal dari kantor dan gedung pendidikan, sementara beberapa kategori seperti jasa makanan dan bangunan keagamaan tidak terwakili sama sekali (Williams dkk., 2011b).
Studi lapangan di kantor terbuka
Studi National Research Council Canada dilakukan di lantai 8 sampai 11 sebuah gedung 12 lantai di Burnaby, British Columbia, pada lintang 49°11′ LU. Sekitar 75% luas lantai yang diteliti berupa kantor terbuka dengan bilik kerja. Luminer gantung tipe langsung-tak langsung di atas tiap bilik dilengkapi sensor okupansi, sensor cahaya siang, dan peredupan individual yang diakses melalui layar komputer penghuni. Data dikumpulkan dari 86 stasiun kerja selama setahun (Galasiu dkk., 2007). Daya pencahayaan terpasang sistem ini 42% lebih rendah daripada sistem fluoresen konvensional di lantai tetangga, sehingga penulis dapat memisahkan efek luminer yang lebih efisien dari efek kontrolnya.
Data pemantauan sistem berjaringan
Laporan DesignLights Consortium dan Northwest Energy Efficiency Alliance mengolah data pemantauan energi dari NLC di 194 gedung di Amerika Utara, dengan rata-rata 13 minggu data per gedung, mencakup produk dua belas produsen dan delapan jenis gedung (Wen dkk., 2020). Kekuatan data ini terletak pada jumlah gedung dan sifatnya yang berasal dari sistem yang benar-benar beroperasi. Kelemahannya, garis dasar tidak diukur sebelum pemasangan, melainkan disimpulkan dari data sesudah NLC terpasang, dan gedung-gedungnya tidak dipilih secara acak.
Perbandingan angka penghematan per strategi
Tabel berikut menyandingkan angka dari ketiga jenis bukti. Angka di kolom yang berbeda tidak dapat dibandingkan langsung karena garis dasarnya berlainan; tabel ini dimaksudkan untuk memperlihatkan pola, bukan peringkat.
| Strategi | Meta-analisis, filter akhir | Studi lapangan kantor terbuka | Sistem berjaringan |
|---|---|---|---|
| Okupansi | 24% | 35% bila dipasang sendiri | tidak dilaporkan terpisah |
| Daylighting | 28% | 20% bila dipasang sendiri; 16 sampai 32% bila peredupan sampai nol diizinkan | tidak dilaporkan terpisah |
| Personal tuning | 31% | 11% (peredupan individual) | tidak dilaporkan terpisah |
| Institutional tuning atau high-end trim | 36% | tidak diuji terpisah | 27% (sumbangan high-end trim) |
| Kombinasi | 38% | 42 sampai 47% | 49% (rata-rata) |
Angka kolom pertama berasal dari meta-analisis LBNL (Williams dkk., 2011a), kolom kedua dari studi lapangan Kanada (Galasiu dkk., 2007), dan kolom ketiga dari data NLC (Wen dkk., 2020).
Pola yang tampak cukup konsisten. Kombinasi beberapa strategi memberi angka tertinggi di ketiga sumber, dan angka kombinasi berada pada kisaran 38% sampai 49%. Urutan strategi tunggal lebih tidak stabil. Di meta-analisis, okupansi justru menempati urutan terendah, sedangkan di studi lapangan Kanada okupansi menjadi penyumbang terbesar. Daylighting adalah strategi yang angkanya paling berubah-ubah antarsumber.
Rincian per jenis gedung menambah gambaran. Untuk kantor, filter akhir LBNL memberi 22% untuk okupansi (n=23), 27% untuk daylighting (n=18), 35% untuk personal tuning (n=13), 36% untuk institutional tuning (n=11), dan 40% untuk kombinasi (n=24). Gedung pendidikan tercatat 18% untuk okupansi (n=5) dan 29% untuk daylighting (n=7), sementara penginapan 45% untuk okupansi dengan hanya dua data (Williams dkk., 2011b). Penulisnya sendiri mengakui bahwa setelah filter itu data tidak lagi cukup untuk memberi estimasi andal bagi sebagian besar jenis gedung.
Data NLC memperlihatkan rentang yang lebih lebar. Faktor kontrol rata-rata adalah 0,28 untuk gedung pertemuan (n=6), 0,41 untuk pendidikan (n=14), 0,52 untuk layanan kesehatan (n=2), 0,40 untuk manufaktur (n=73), 0,64 untuk kantor (n=57), 0,59 untuk restoran (n=3), 0,44 untuk ritel (n=29), dan 0,68 untuk gudang (n=10) (Wen dkk., 2020). Walau demikian, laporan itu menyimpulkan tidak ada korelasi yang jelas antara penghematan dan jenis gedung; variasi antarlokasi jauh lebih berpengaruh. Di dalam gedung kantor, ruang istirahat, lorong, serta ruang mekanikal dan elektrikal menghemat 81 sampai 86%, kantor pribadi 63%, dan kantor terbuka paling rendah, yaitu 50%. Angka kantor terbuka ini berada di dekat hasil 42 sampai 47% dari studi Kanada, meskipun metodenya berbeda.
Mengapa angka simulasi, uji lapangan, dan program berjaringan berbeda
Definisi garis dasar
Penyebab utama perbedaan adalah pilihan pembanding. Studi Kanada memakai dua garis dasar. Terhadap lampu yang sama yang menyala pada daya penuh selama jam kerja, gabungan tiga kontrol menghemat 42 sampai 47%. Terhadap sistem fluoresen konvensional di lantai tetangga, penghematan keseluruhannya menjadi 67 sampai 69% karena efek luminer yang lebih hemat ikut terhitung (Galasiu dkk., 2007). Bagian kesimpulan laporan itu menyebut angka 70%, sedikit berbeda dari abstraknya, sehingga angka yang dirujuk sebaiknya disertai keterangan bagian mana yang dikutip.
Meta-analisis LBNL tidak menyeragamkan garis dasar dari puluhan studi sumbernya. Bila satu makalah melaporkan penghematan untuk jam inti dan untuk 24 jam, hanya nilai jam inti yang dipertahankan. Bila sebuah studi menguji beberapa strategi sekaligus, angka per strategi bisa berarti bagian dari total penghematan kombinasi atau penghematan seandainya strategi itu dipasang sendiri, dan LBNL tidak mencoba menyamakannya (Williams dkk., 2011b).
Laporan NLC menyimpulkan garis dasar dari data sesudah pemasangan. Pendekatan ini menimbulkan dua bias yang berlawanan arah: penghematan yang terjadi pada jam tanpa penghuni terhapus, sehingga angka cenderung terlalu rendah, sementara kebiasaan penghuni mematikan lampu secara manual sebelum NLC dipasang tidak diperhitungkan, sehingga angka cenderung terlalu tinggi (Wen dkk., 2020). Laporan itu juga memakai dua garis dasar untuk memisahkan sumbangan strategi. High-end trim diperkirakan menyumbang 27 persen secara rata-rata dan strategi lain secara gabungan 22 persen, tetapi bila strategi lain dihitung terhadap garis dasar yang sudah dikurangi efek trim, faktor kontrolnya menjadi 0,32. Karena itu, kedua bagian tidak boleh dijumlahkan begitu saja untuk memperoleh angka total.
Simulasi versus pengukuran
Penyebab kedua adalah metode penentuan penghematan. LBNL menemukan bahwa penghematan daylighting dari instalasi nyata secara signifikan lebih rendah daripada hasil simulasi atau perhitungan (p<0,0001). Instalasi nyata mencatat 28% (n=32), sedangkan simulasi dan perhitungan mencatat 48% (n=41). Untuk okupansi, angkanya 24% (n=38) untuk instalasi nyata dan 32% (n=12) untuk simulasi (Williams dkk., 2011b). Ringkasan laporan menyatakan bahwa simulasi melebihkan rata-rata penghematan daylighting di gedung nyata sedikitnya 10% (Williams dkk., 2011a). Atas dasar itu, penulis menganjurkan agar estimasi penghematan untuk kebijakan energi tidak bersandar pada simulasi saja, melainkan disertai pengukuran lapangan atau paling tidak koreksi ke bawah terhadap hasil simulasi.
Laporan NLC juga membandingkan hasil pengukurannya dengan estimasi Departemen Energi Amerika Serikat untuk 2017 dan prakiraan 2035 yang dimuat dalam laporan Departemen Energi tahun 2019. Estimasi Departemen Energi lebih tinggi daripada hasil pengukuran untuk gedung pendidikan, layanan kesehatan, manufaktur, dan ritel. Sebaliknya, untuk kantor dan gudang angka pengukuran NLC justru lebih tinggi (Wen dkk., 2020). Laporan itu menjelaskan bahwa estimasi Departemen Energi disusun sebagai pengurangan energi berlapis dari tiap strategi kontrol yang mewakili penghematan maksimum teoretis yang dapat dicapai. Perbedaan arah antarjenis gedung ini menunjukkan kemungkinan bahwa angka teoretis dan angka terukur tidak dapat saling menggantikan.
Penghematan tidak dapat dijumlahkan
Penyebab ketiga adalah interaksi antarstrategi. Studi Kanada memberi contoh: bila sensor okupansi sendiri menghemat 40% dan sensor cahaya sendiri 20%, gabungan keduanya bukan 60%, melainkan agak lebih kecil (Galasiu dkk., 2007). Penjelasannya sederhana. Saat lampu sudah padam karena ruang kosong, tidak ada lagi energi yang bisa dihemat oleh sensor cahaya pada periode itu. Setiap strategi bekerja pada sisa energi yang ditinggalkan strategi lain. Hal ini menjelaskan mengapa angka kombinasi pada tabel di atas jauh di bawah jumlah angka strategi tunggalnya, dan mengapa perhitungan proyek yang menjumlahkan persentase per strategi cenderung terlalu optimistis.
Keterwakilan sampel
Penyebab keempat adalah cara sampel terbentuk. Data NLC tidak berasal dari pengambilan acak, sehingga laporan itu menegaskan tidak dapat ditarik inferensi statistik bagi stok gedung yang lebih luas (Wen dkk., 2020). Laporan yang sama menyebut angka 49% sebagai estimasi terbaik untuk tingkat portofolio dan mencatat kenaikan 2% dibanding studi sebelumnya pada tahun 2017, tetapi tidak dapat memastikan apakah kenaikan itu berasal dari pemrograman dan komisioning yang membaik. Di bagian ringkasan, angka yang sama disebut mirip dengan studi 2017; perbedaan penekanan ini kecil, tetapi menunjukkan bahwa selisih tersebut tidak perlu ditafsirkan sebagai tren. Studi Kanada, sebaliknya, hanya mencakup satu gedung dengan pengelola yang sangat cakap, sehingga hasilnya mungkin lebih mendekati batas atas praktik yang baik.
Faktor yang menentukan besar penghematan
Pengaturan waktu tunda sensor okupansi
Waktu tunda adalah selang antara deteksi gerakan terakhir dan saat lampu mulai diredupkan atau dimatikan. Di gedung Kanada, penghematan 30 sampai 40% dari sensor okupansi dicapai dengan jeda 12 menit sebelum peredupan bertahap dimulai, diikuti 3 menit peredupan kontinu sebelum lampu padam. Penulisnya menegaskan bahwa perubahan salah satu selang itu akan mengubah penghematan (Galasiu dkk., 2007). Data NLC menunjukkan hal yang searah: waktu tunda lima menit menghasilkan penghematan yang jauh lebih besar daripada lima belas menit (Wen dkk., 2020). Waktu tunda yang pendek menghemat lebih banyak, tetapi tampaknya tidak dapat diperpendek tanpa batas karena lampu yang padam saat penghuni masih bekerja dapat menurunkan penerimaan sistem.
Pemrograman dan komisioning
Komisioning adalah proses memastikan sistem dipasang, disetel, dan berfungsi sesuai rancangan. Laporan NLC menekankan bahwa pemrograman dan komisioning yang tepat sangat menentukan; sistem yang salah konfigurasi bisa nyaris tidak berdampak, bahkan menaikkan konsumsi energi. Di banyak lokasi dengan penghematan rendah, NLC tampaknya hanya dipakai sebagai pengatur jadwal tanpa strategi lain (Wen dkk., 2020). Sumbangan high-end trim sebesar 27 persen juga menunjukkan bahwa langkah komisioning yang sederhana, yaitu membatasi keluaran maksimum sesuai kebutuhan ruang, dapat lebih berpengaruh daripada sensor. Studi Kanada mencatat bahwa sistem di gedung itu dirawat dan dioperasikan oleh pegawai yang sangat cakap dan termotivasi, dan faktor ini kemungkinan besar ikut menentukan besarnya penghematan (Galasiu dkk., 2007).
Posisi ruang, cahaya siang, dan tirai
Penghematan daylighting sangat bergantung pada jarak dari jendela. Di gedung Kanada, sensor cahaya menghemat 17 sampai 24% di stasiun kerja tepi jendela, 9 sampai 20% di baris kedua, dan 9 sampai 16% di bagian dalam. Rata-rata penghematan sensor cahaya sekitar 10 sampai 20% karena peredupan dibatasi sampai 50% keluaran; bila peredupan sampai nol diizinkan, angkanya naik menjadi 16 sampai 32% (Galasiu dkk., 2007). Batas peredupan dengan demikian merupakan parameter desain yang berdampak nyata.
Tirai menjadi variabel yang mudah terlewat dalam simulasi. Rata-rata 55% fasad gedung Kanada tertutup tirai selama studi, dan penulisnya menilai pemakaian tirai dapat sangat memengaruhi penghematan kontrol berbasis cahaya siang (Galasiu dkk., 2007). Model simulasi yang mengandaikan jendela terbuka penuh mungkin akan melebihkan hasil, sejalan dengan temuan LBNL tentang selisih simulasi dan instalasi nyata.
Perilaku penghuni
Kontrol individual jarang dipakai. Di gedung Kanada, frekuensinya hanya 0,02 sampai 0,05 tindakan per stasiun kerja per hari. Kampanye kesadaran melalui surel malah diikuti penurunan penghematan dari kontrol individual, dari 11% pada fase kedua menjadi 5% pada fase ketiga (Galasiu dkk., 2007). Kasus penghematan negatif dalam data LBNL menunjukkan sisi lain perilaku: kehadiran kontrol otomatis dapat menggantikan kebiasaan hemat yang sebelumnya dilakukan secara manual (Williams dkk., 2011b). Kedua temuan ini menyiratkan bahwa strategi yang bergantung pada tindakan penghuni cenderung kurang dapat diandalkan dibanding strategi otomatis yang disetel dengan benar, meskipun kontrol individual tetap bernilai bagi kenyamanan. Studi Kanada mencatat kepuasan penghuni yang lebih tinggi, kemungkinan karena adanya peredupan individual, walaupun penggunaannya jarang setelah setelan awal dipilih.
Granularitas kontrol
Kontrol per luminer memberi resolusi yang lebih halus daripada kontrol per zona. Sistem NLC dengan LLLC mencatat faktor kontrol rata-rata 0,63 (n=98), sedangkan sistem tanpa LLLC 0,35 (n=96) (Wen dkk., 2020). Laporan itu sendiri mengingatkan bahwa data ini belum menyiratkan LLLC unggul secara universal atau cocok untuk semua jenis gedung, dan menganjurkan kajian lanjutan atas efek papan catur, yaitu pola terang dan gelap tidak beraturan ketika luminer di satu ruang menyala dan padam sendiri-sendiri. Selisih kedua kelompok mungkin juga dipengaruhi jenis gedung dan produsen yang tidak tersebar merata.
Implikasi bagi perencanaan dan verifikasi
Temuan di atas mengarah pada beberapa implikasi praktis. Pertama, angka rata-rata seperti 38% dari meta-analisis atau 49% dari data NLC paling tepat dipakai untuk tingkat portofolio atau program, bukan sebagai janji bagi satu gedung. Laporan NLC sendiri menafsirkan hasilnya sebagai kemungkinan penghematan kira-kira separuh energi pencahayaan di sekumpulan gedung, dengan rentang antargedung dari 0,02 sampai 0,91 dan kuartil tengah 0,35 sampai 0,69 (Wen dkk., 2020).
Kedua, setiap klaim penghematan perlu menyebut garis dasarnya secara eksplisit: daya penuh selama jam kerja, sistem lama sebelum retrofit, atau garis dasar yang disimpulkan dari data. Tanpa keterangan ini, angka 47% dan 69% dari gedung yang sama dapat tampak bertentangan padahal keduanya benar.
Ketiga, hasil simulasi untuk daylighting sebaiknya dikoreksi ke bawah dan diverifikasi dengan pengukuran setelah pemasangan, sebagaimana dianjurkan LBNL (Williams dkk., 2011b). Sistem berjaringan yang dapat melaporkan energinya sendiri mempermudah verifikasi ini, karena data operasional dapat dipakai untuk mengukur dan memverifikasi penghematan secara berkelanjutan (Wen dkk., 2020).
Keempat, kontrol juga menurunkan beban puncak. Di gedung Kanada, gabungan tiga kontrol menurunkan daya puncak harian selama jam kerja rata-rata 43 sampai 49% dibanding luminer yang sama pada daya penuh (97 W per stasiun kerja), dan 65 sampai 70% dibanding sistem konvensional (174 W per stasiun kerja). Densitas daya terpasang 5,8 W/m2 turun menjadi densitas efektif rata-rata 3 W/m2 (Galasiu dkk., 2007). Penurunan beban puncak relevan bagi perencanaan kapasitas listrik dan, pada gedung berpendingin, berpotensi mengurangi panas internal, meskipun efek termal ini tidak dianalisis dalam studi tersebut.
Kelima, anggaran proyek perlu menyediakan waktu dan keahlian untuk komisioning, termasuk penyetelan waktu tunda, batas peredupan, dan high-end trim. Bukti dari ketiga sumber menunjukkan bahwa perangkat keras yang sama dapat menghasilkan penghematan besar atau hampir nol tergantung pada penyetelannya.
Keterbatasan tinjauan
Tinjauan ini bertumpu pada tiga studi yang dimuat dalam empat dokumen, sehingga tidak dapat dianggap sebagai tinjauan sistematis. Tidak ada sumber yang ditelaah memuat data dari gedung beriklim tropis. Ketersediaan cahaya siang, kebiasaan memakai tirai, dan jam operasi gedung di Indonesia dapat berbeda jauh dari kondisi gedung yang diteliti. Standar nasional terkait konservasi energi pencahayaan juga tidak dibahas.
Sebagian besar data meta-analisis dan studi Kanada berasal dari luminer fluoresen. Data luminer LED modern hanya tersedia dari laporan NLC, dan itu pun tanpa garis dasar terukur sebelum pemasangan. Interaksi antara pengurangan panas lampu dan beban pendingin udara belum diukur oleh sumber yang ditelaah, padahal di iklim tropis interaksi ini mungkin menambah manfaat. Biaya investasi, masa balik modal, dan efek papan catur pada LLLC tidak tercakup.
Kesimpulan
Bukti yang ditelaah menunjukkan bahwa kontrol pencahayaan otomatis di gedung komersial dapat menghemat porsi energi pencahayaan yang besar, tetapi angkanya sangat bergantung pada cara penghematan itu didefinisikan dan diukur. Meta-analisis literatur memberi estimasi konservatif 24% untuk okupansi, 28% untuk daylighting, 31% untuk personal tuning, 36% untuk institutional tuning, dan 38% untuk kombinasi (Williams dkk., 2011a). Studi lapangan di kantor terbuka mencatat 42 sampai 47% untuk gabungan tiga kontrol terhadap luminer yang sama pada daya penuh (Galasiu dkk., 2007), sedangkan data dari 194 gedung dengan sistem berjaringan memberi rata-rata 49% dengan sebaran yang sangat lebar (Wen dkk., 2020).
Selisih antarsumber tampaknya terutama berasal dari garis dasar yang berbeda, kecenderungan simulasi melebihkan penghematan daylighting, sifat penghematan yang tidak dapat dijumlahkan antarstrategi, dan sampel yang tidak acak. Di tingkat gedung, besarnya penghematan dipengaruhi oleh waktu tunda sensor, batas peredupan, letak ruang terhadap jendela, pemakaian tirai, perilaku penghuni, granularitas kontrol, dan mutu pemrograman serta komisioning. High-end trim muncul sebagai penyumbang tunggal terbesar pada sistem berjaringan, yang menunjukkan kemungkinan bahwa penyetelan saat komisioning sama pentingnya dengan pemilihan sensor.
Bagi perencana dan pengelola gedung, angka rata-rata sebaiknya diperlakukan sebagai titik awal, bukan target. Estimasi proyek perlu menyebut garis dasar secara eksplisit, mengoreksi hasil simulasi, dan diverifikasi dengan pengukuran setelah pemasangan. Penelitian lapangan di gedung beriklim tropis, termasuk pengaruhnya terhadap beban pendingin, merupakan celah utama yang perlu diisi sebelum angka-angka ini dipakai dengan yakin di Indonesia.
Daftar pustaka
- Williams dkk. (2011). A Meta-Analysis of Energy Savings from Lighting Controls in Commercial Buildings. Lawrence Berkeley National Laboratory, Energy Technologies Area. https://eta-publications.lbl.gov/publications/meta-analysis-energy-savings-lighting-controls-commercial-buildings
- Williams dkk. (2011). A Meta-Analysis of Energy Savings from Lighting Controls in Commercial Buildings. Lawrence Berkeley National Laboratory (Laporan LBNL-5095E). https://eta-publications.lbl.gov/sites/default/files/a_meta-analysis_of_energy_savings_from_lighting_controls_in_commercial_buildings_lbnl-5095e.pdf
- Galasiu dkk. (2007). Energy saving lighting control systems for open-plan offices: a field study. Leukos (arsip publikasi National Research Council Canada). https://nrc-publications.canada.ca/eng/view/accepted/?id=b23dfd7d-3280-4740-b2fa-c57cd48806e9
- Wen dkk. (2020). Energy Savings from Networked Lighting Control (NLC) Systems with and without LLLC. Northwest Energy Efficiency Alliance dan DesignLights Consortium. https://designlights.org/wp-content/uploads/2021/01/Energy-Savings-From-Networked-Lighting-Controls-with-and-without-LLLC_FINAL_09242020.pdf