PNCPNC

InfotekmesinInfotekmesin

Kurangnya informasi yang mendetail tentang konsumsi daya listrik harian pada setiap perangkat elektronik dapat menghambat perhitungan biaya konsumsi energi listrik secara akurat. Hal ini dapat mempengaruhi akurasi dan kemudahan dalam mengakses data konsumsi listrik. Penelitian ini bertujuan untuk mengembangkan sistem pembacaan daya listrik menggunakan sensor PZEM-004T serta sistem pemantauan daya listrik dan biaya penggunaan listrik melalui Google Spreadsheet. Sistem ini dirancang untuk mengukur arus, tegangan, daya, dan biaya listrik dengan tingkat akurasi yang tinggi. Hasil pengujian menunjukkan bahwa sistem pembacaan meter kWh dapat mengukur daya listrik menggunakan sensor PZEM-004T dengan tingkat akurasi tegangan (volt) sebesar 99,805%, arus (ampere) 89,71%, dan daya (watt) 99,98% pada setiap pengujian. Data dari sistem monitoring sensor serta perhitungan biaya dapat ditampilkan secara efektif di Google Spreadsheet, yang berfungsi dengan baik untuk mengukur dan menampilkan data arus, tegangan, daya, dan tagihan listrik.

Sistem pembacaan kWh meter dapat membaca daya listrik pada kWh meter menggunakan sensor PZEM-004T dengan nilai akurasi tegangan (volt) 99,805%, arus (ampere) 89,71%, dan daya (watt) 99,98% pada setiap pengujian.Hasil data sistem monitoring sensor dan perhitungan biaya dapat ditampilkan pada Google Spreadsheet yang berfungsi secara efektif dalam mengukur dan menampilkan data arus, tegangan daya dan tagihan.

Penelitian selanjutnya dapat mengeksplorasi integrasi sistem monitoring ini dengan platform Internet of Things lainnya untuk menambahkan fungsi peringatan real‑time ketika konsumsi daya melebihi batas tertentu, sehingga pengguna dapat segera mengambil tindakan penghematan. Selain itu, studi komparatif pada skala komunitas rumah tangga multi‑unit dapat dilakukan untuk mengevaluasi efektivitas pengumpulan data terpusat melalui Google Spreadsheet serta analisis pola konsumsi energi secara kolektif, yang dapat memberikan wawasan kebijakan energi lokal. Selanjutnya, pengembangan algoritma machine learning untuk klasifikasi beban listrik berdasarkan data arus dan tegangan dapat meningkatkan akurasi estimasi konsumsi per alat, sekaligus memungkinkan prediksi beban masa depan dan optimasi tarif listrik. Penelitian ini juga dapat mempertimbangkan penambahan sensor yang lebih akurat atau kalibrasi otomatis untuk memperbaiki kesalahan pengukuran pada arus rendah, guna meningkatkan keandalan sistem dalam berbagai kondisi beban.

  1. Design of IoT-Based Analog kWh Meter Monitoring | Protek : Jurnal Ilmiah Teknik Elektro. design iot based... ejournal.unkhair.ac.id/index.php/protk/article/view/5571Design of IoT Based Analog kWh Meter Monitoring Protek Jurnal Ilmiah Teknik Elektro design iot based ejournal unkhair ac index php protk article view 5571
  2. Monitoring Konsumsi Daya Listrik Menggunakan Google Spreadsheet | Infotekmesin. monitoring konsumsi daya... doi.org/10.35970/infotekmesin.v16i1.2523Monitoring Konsumsi Daya Listrik Menggunakan Google Spreadsheet Infotekmesin monitoring konsumsi daya doi 10 35970 infotekmesin v16i1 2523
Read online
File size420.41 KB
Pages7
DMCAReport

Related /

ads-block-test