Dastin Aryo Atmanto, - (2024) DESAIN DAN IMPLEMENTASI ALAT MONITORING DAN PREDIKSI KONSUMSI ENERGI LISTRIK BERBASIS INTERNET OF THINGS MENGGUNAKAN DEEP LEARNING. S1 thesis, Universitas Pendidikan Indonesia.
![]() |
Text
S_TEKOM_2008869_Title.pdf Download (549kB) |
![]() |
Text
S_TEKOM_2008869_Chapter1.pdf Download (99kB) |
![]() |
Text
S_TEKOM_2008869_Chapter2.pdf Restricted to Staf Perpustakaan Download (114kB) |
![]() |
Text
S_TEKOM_2008869_Chapter3.pdf Download (960kB) |
![]() |
Text
S_TEKOM_2008869_Chapter4.pdf Restricted to Staf Perpustakaan Download (3MB) |
![]() |
Text
S_TEKOM_2008869_Chapter5.pdf Download (34kB) |
![]() |
Text
S_TEKOM_2008869_Appendix.pdf Restricted to Staf Perpustakaan Download (959kB) |
Abstract
Saat ini informasi terkait penggunaan daya listrik masih terbatas pada data yang diperoleh dari alat kWh Meter konvensional hanya berupa informasi umum mengenai total konsumsi energi, namun keterbatasannya dalam memberikan detail informasi yang memadai menjadi kendala. Hal ini menciptakan tantangan dalam pengelolaan energi listrik secara berkelanjutan. Salah satu dampaknya adalah kurangnya efektivitas waktu pemakaian energi dan kurangnya kesadaran masyarakat terhadap pentingnya penghematan energi listrik. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem monitoring dan prediksi konsumsi energi listrik berbasis IoT guna memberikan informasi terkait penggunaan listrik secara real-time kepada pengguna berbasis aplikasi web. Selain itu, dalam penelitian ini dikembangkan sistem fuzzy logic menggunakan model Mamdani yang bertujuan untuk memprediksi penggunaan listrik harian dan algoritma peramalan menggunakan LSTM yang bertujuan untuk memprediksi kisaran biaya konsumsi listrik. Metode pengembangan sistem pada penelitian ini menggunakan metode prototipe yang bertujuan untuk menggambarkan sistem yang akan dibangun. Berdasarkan hasil pengujian, sistem memiliki persentase error terhadap pembacaan sensor pada tegangan dan arus masing-masing sebesar 2,72% dan 3,59%. Kemudian, fuzzy logic yang dikembangkan sudah sesuai dengan selisih error berdasarkan perbandingan dengan MATLAB sebesar 0,91%. Selain itu, pada model LSTM yang dilatih hasil evaluasi matrik MSE, MAE, RMSE, dan MAPE masing-masing sebesar 0,00663, 0,06128, 0,08142, dan 0,10794. Dengan demikian, sistem yang dirancang diharapkan dapat meningkatkan efisiensi penggunaan energi listrik di masyarakat luas serta membantu pengguna dalam mengambil keputusan dan merencanakan penggunaan energi listrik secara lebih bijak. ----------- Currently, information related to the use of electric power is still limited to data obtained from conventional kWh meters in the form of only general information about total energy consumption, but its limitations in providing sufficient detailed information are an obstacle. This creates challenges in the sustainable management of electrical energy. One of the impacts is the lack of effectiveness of energy usage time and the lack of public awareness of the importance of saving electrical energy. Therefore, this research aims to develop an IoT-based electric energy consumption monitoring and prediction system to provide real-time electricity usage-related information to web application-based users. In addition, this research developed a fuzzy logic system using the Mamdani model which aims to predict daily electricity usage and a forecasting algorithm using LSTM which aims to predict the range of electricity consumption costs. The system development method in this research uses the prototype method which aims to describe the system to be built. Based on the test results, the system has a percentage error against sensor readings on voltage and current of 2.72% and 3.59%, respectively. Then, the fuzzy logic developed is in accordance with the difference in error based on comparison with MATLAB of 0.91%. In addition, in the LSTM model trained the MSE, MAE, RMSE, and MAPE matrix evaluation results are 0.00663, 0.06128, 0.08142, and 0.10794, respectively. Thus, the designed system is expected to increase the efficiency of electrical energy use in the wider community and help users in making decisions and planning the use of electrical energy more wisely
Item Type: | Thesis (S1) |
---|---|
Additional Information: | https://scholar.google.com/citations?user=6HzRA8UAAAAJ&hl=id |
Uncontrolled Keywords: | Monitoring Energi Listrik; Fuzzy Logic; LSTM; Firebase; IoT; FreeRTOS. |
Subjects: | L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) |
Divisions: | UPI Kampus cibiru > S1 Teknik Komputer |
Depositing User: | Dastin Aryo Atmanto |
Date Deposited: | 23 Aug 2024 04:12 |
Last Modified: | 23 Aug 2024 04:12 |
URI: | http://repository.upi.edu/id/eprint/120101 |
Actions (login required)
![]() |
View Item |