Dalam era industri 4.0, teknologi pengawasan video (video surveillance) telah berevolusi dari sekadar alat perekam pasif menjadi sistem cerdas yang mampu menganalisis data secara waktu nyata. Di sektor ritel dan keamanan modern, terdapat kebutuhan mendesak untuk tidak hanya mendeteksi keberadaan orang, tetapi juga memahami konteks yang lebih dalam melalui analisis atribut biometrik dan fisik, seperti deteksi emosi wajah (facial expression recognition) untuk mengukur kepuasan pelanggan dan analisis atribut busana (fashion attribute analysis) untuk memahami tren demografi. Namun, implementasi sistem analisis video cerdas ini menghadapi tantangan teknis yang signifikan, terutama terkait keterbatasan sumber daya perangkat keras di sisi edge. Perangkat Single Board Computer (SBC) seperti Raspberry Pi 4, yang sering dipilih karena efisiensi biaya dan energi untuk menangkap video dari kamera CCTV via protokol RTSP (Real-Time Streaming Protocol), memiliki keterbatasan komputasi yang membuatnya tidak mampu menjalankan model Deep Learning yang kompleks secara simultan dengan performa yang memadai. Pemaksaan beban kerja inferensi berat pada perangkat ini sering kali mengakibatkan frame rate yang rendah dan overheating, yang menghambat kegunaan sistem dalam skenario dunia nyata. Solusi yang umum diambil dalam kegiatan pengembangan sistem ini adalah arsitektur Hybrid Edge-to-Cloud, di mana beban komputasi berat dialihkan ke server cloud yang memiliki sumber daya lebih besar, seperti Google Cloud Platform (GCP) Compute Engine. Namun, pendekatan ini memunculkan tantangan baru berupa latensi jaringan. Penggunaan protokol standar HTTP untuk pengiriman stream video sering kali tidak efisien karena model komunikasi request-response yang memiliki overhead tinggi pada setiap pengiriman frame, serta sifatnya yang half-duplex. Hal ini menyebabkan jeda waktu yang signifikan antara kejadian nyata dan hasil analisis yang diterima kembali oleh pengguna. Berdasarkan permasalahan tersebut, kegiatan praktik kerja ini berfokus pada pengembangan dan implementasi solusi menggunakan protokol WebSocket. WebSocket menawarkan saluran komunikasi full-duplex yang persisten, memungkinkan Raspberry Pi 4 untuk mengirimkan aliran frame video secara terus-menerus ke server GCP dan menerima metadata hasil inferensi (seperti bounding box dan label emosi/fashion) secara instan dalam satu koneksi yang sama. Penerapan teknologi ini diharapkan dapat mengatasi masalah latensi dan bandwidth, sehingga memungkinkan terciptanya sistem pemantauan cerdas yang responsif dan akurat.