INTRUSION DETECTION SYSTEM INTERNET OF THINGS PADA SISTEM PEMANTAUAN PEMAKAIAN ENERGI LISTRIK BERBASIS MACHINE LEARNING

Sabian Annaya Havid, - (2024) INTRUSION DETECTION SYSTEM INTERNET OF THINGS PADA SISTEM PEMANTAUAN PEMAKAIAN ENERGI LISTRIK BERBASIS MACHINE LEARNING. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_2005021_Title.pdf Download (489kB)
	Text S_KOM_2005021_Chapter1.pdf Download (206kB)
	Text S_KOM_2005021_Chapter2.pdf Restricted to Staf Perpustakaan Download (273kB) | Request a copy
	Text S_KOM_2005021_Chapter3.pdf Download (254kB)
	Text S_KOM_2005021_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB) | Request a copy
	Text S_KOM_2005021_Chapter5.pdf Download (165kB)

Abstract

Pemakaian energi listrik yang tidak terkontrol dapat beresiko terhadap kerugian terutama dari segi biaya sehingga diperlukan sebuah sistem pemantauan pemakaian energi listrik berbasis Internet of Things (IoT) yang memungkinkan pengguna melakukan pemantauan dan pengontrolan terhadap pemakaian listrik mereka dengan lebih mudah dan terpadu. Pembangunan sistem pemantauan pemakaian energi listrik berbasis IoT ini menggunakan Micro Controller Unit (MCU) Arduino ESP32 Devkit V1, modul sensor listrik PZEM-004T v.3.0, dan mechanical switch relay. Hasil pembacaan dari sistem dapat dilihat pada frontend aplikasi berbasis web dan modul LCD pada sistem kontroler. Untuk mendapatkan efisiensi pemakaian listrik tersebut diperlukan Intrusion Decetion System (IDS) untuk memberikan label terhadap pemakaian listrik normal dan anomali. Model IDS memanfaatkan Machine Learning dengan pola proses pelabelan sebagai praproses menggunakan algoritma unsupervised learning Isolation Forest dan proses klasifikasi menggunakan algoritma supervised learning Random Forest dengan status ‘Anomali’ untuk pemakaian tidak wajar dan Normal. Evaluasi model IDS terhadap dataset yang telah melalui fase labeling memberikan hasil yang cukup baik dengan nilai akurasi sebesar 99.63 persen. Atas hasil evaluasi yang baik tersebut, telah dilakukan pengujian terhadap model dengan memberikan tiga skenario pemakaian listrik yaitu ketika sensor mendeteksi nilai not a number (NAN), nilai normal, dan nilai tinggi. Pengujian memberikan hasil yang cukup baik karena IDS berhasil memprediksi label yang sesuai dengan skenario yang diberikan. Uncontrolled use of electrical energy may result in losses, especially in terms of costs, A Internet of Things (IoT) based electrical usage monitoring system is required to monitor the use of electrical energy so that it could allows users to monitor and control their electricity usage more easily and in an integrated manner. The development of this IoT-based electrical usage monitoring system utilizes Arduino ESP32 Devkit V1 Micro Controller Unit (MCU), PZEM-004T v.3.0 electrical sensor module, and Mechanical Switch Relay. The reading results from the system can be seen on the frontend of the web-based application and the LCD module on the controller system. To obtain the efficiency of electricity usage, a Intrusion Detection System (IDS) is required to label normal and anomaly such as unusual electricity usage. The labeling model utilizes Machine Learning with a labeling process pattern as a preprocess using the Isolation Forest unsupervised learning algorithm and the classification process using the Random Forest supervised learning algorithm with the status 'Anomaly' for unreasonable, and Normal usage. Evaluation of the IDS model on the dataset that has gone through labeling phase gives quite good results with an accuracy value of 99.63 percent. Based on the good evaluation results, testing has been carried out on the model by providing three scenarios of electricity usage, namely when the sensor detects NAN values, normal values, and high values. The test gave quite good results because the labeling system managed to predict the label that matches the given scenario.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?hl=en&user=8fwAX_sAAAAJ ID SINTA Dosen Pembimbing: Eddy Prasetyo Nugroho: 5990993 Muhamad Nursalman: 6143456
Uncontrolled Keywords:	Pemakaian energi listrik, Internet of Things, Intrusion Detection System, Machine Learning, Evaluasi Model. Electrical energy usage, Internet of Things, Intrusion Detection System, Machine Learning, Model Evaluation.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Sabian Annaya Havid
Date Deposited:	11 Sep 2024 09:02
Last Modified:	11 Sep 2024 09:02
URI:	http://repository.upi.edu/id/eprint/124212

Actions (login required)

View Item