RANCANG BANGUN SISTEM MONITORING DAN KLASIFIKASI BEBAN LISTRIK RUMAH TANGGA BERBASIS MIKROKONTROLER DENGAN METODE K- NEAREST NEIGHBOR

Winata, Fahreza Ragil (2024) RANCANG BANGUN SISTEM MONITORING DAN KLASIFIKASI BEBAN LISTRIK RUMAH TANGGA BERBASIS MIKROKONTROLER DENGAN METODE K- NEAREST NEIGHBOR. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0419040020 - Fahreza Ragil Winata - Rancang Bangun Sistem Monitoring dan Klasifikasi Beban Listrik Rumah Tangga Berbasis Mikrokontroler dengan Metode _i_K-Nearest Neighbor__i_.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Seiring dengan meningkatnya konsumsi energi di sektor rumah tangga, kebutuhan untuk sistem yang dapat memantau dan mengelola beban listrik dengan efisien semakin mendesak. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem monitoring dan klasifikasi beban listrik berbasis mikrokontroler dengan menggunakan metode K-Nearest Neighbor (KNN). Sistem ini dirancang untuk mengumpulkan data secara akurat mengenai penggunaan listrik dengan memanfaatkan sensor tegangan dan arus, serta mengolah data tersebut untuk mengidentifikasi berbagai jenis beban listrik. Metode penelitian mencakup pemilihan sensor yang tepat, pengolahan data menggunakan algoritma KNN, dan pengembangan antarmuka pengguna yang menampilkan informasi secara jelas dan informatif. Pengujian sistem dengan Metode K-Nearest Neighbor menghasilkan tingkat akurasi 100 persen untuk 4 dari 6 kelas beban yang diuji (kipas dan lampu, kipas dan charger laptop, lampu dan charger laptop serta charger laptop dan hair dryer). Akurasi 70 persen untuk 2 kelas beban lainnya (lampu & hair dryer dan kipas & hair dryer) .Rata-rata hasil akurasi klasifikasi adalah 90 persen, dengan ketidakakuratan disebabkan oleh jumlah data latih yang terbatas dan kemiripan fitur pada beberapa kelas beban. Untuk Biaya pemakaian listrik per beban menunjukkan charger laptop memiliki biaya tertinggi sebesar Rp 862,57/hari (8 jam/hari) dan lampu baca memiliki biaya terendah sebesar Rp 123,03/hari (8 jam/hari) . Sementara untuk per kelas beban menunjukkan kombinasi kipas angin dan charger laptop memiliki biaya tertinggi sebesar Rp 605,69/hari (8 jam/hari) dan kelas beban charger laptop dan hair dryer memiliki biaya terendah sebesar Rp 187,43. Kesimpulan dari penelitian ini adalah bahwa sistem yang dikembangkan dapat memantau dan mengklasifikasikan beban listrik dengan efektif, namun perlu dilakukan peningkatan pada jumlah data latih serta eksplorasi metode klasifikasi lain untuk meningkatkan akurasi. Sistem ini memberikan kontribusi penting dalam pengelolaan energi listrik rumah tangga, dan hasil penelitian ini membuka peluang untuk pengembangan lebih lanjut dalam teknologi monitoring energi

Actions (login required)

View Item