Beberapa penelitian mengenai smart lighting telah mengusulkan kendali lampu berdasarkan activity recognition yang akurat, namun dengan solusi yang mahal. Di sisi lain, beberapa penelitian telah menerapkan bentuk-bentuk lain dari activity recognition-based smart lighting dengan menggunakan passive infrared (PIR) sensor yang terjangkau, namun dengan kinerja yang terbatas. Terdapat research opportunity untuk suatu solusi novel yang terjangkau namun akurat dan juga terbukti meningkatkan user comfort. Tujuan dari disertasi ini adalah menemukan solusi novel yang terjangkau dan akurat kemudian mengevaluasi keterkaitan kinerja solusi novel tersebut dengan user comfort. Pertama, diusulkan penerapan metode yang novel bernama classification integrated moving average (CIMA) yang dapat meningkatkan akurasi activity recognition pada smart lighting menggunakan sensor PIR yang secara relative lebih low-price dari solusi state-of-the-art (SoTA). Kemudian menerapkan arsitektur novel EdgeSL, yaitu arsitektur edge computing pada smart lighting memanfaatkan distilled KNN (DistilKNN) untuk processing time yang optimum. Terakhir, membuktikan bahwa metode novel yang telah diusulkan dapat meningkatkan user comfort. Hal ini adalah dengan memanfaatkan technology acceptance model (TAM). Penelitian disertasi ini memperlihatkan bahwa CIMA lebih baik dari penelitian SoTA lain. Kemudian disertasi ini membuktikan bahwa user comfort dapat diukur dengan TAM. Uji Wilcoxon memperlihatkan perbedaan signifikan pada TAM yang dibuat untuk dua perangkat: perangkat smart lighting tanpa CIMA dan dengan CIMA. Hal tersebut memperlihatkan bahwa AI dengan CIMA adalah signifikan penting dalam user comfort pada smart lighting.