INTEGRASI SISTEM AKUISISI DATA POWER METER PADA FASILITAS KAMPUS POLITEKNIK PERKAPALAN NEGERI SURABAYA DENGAN METODE LONG SHORT-TERM MEMORY(LSTM)

Kurniawan, Oktavia Rizqi (2025) INTEGRASI SISTEM AKUISISI DATA POWER METER PADA FASILITAS KAMPUS POLITEKNIK PERKAPALAN NEGERI SURABAYA DENGAN METODE LONG SHORT-TERM MEMORY(LSTM). Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0421040016 - Oktavia Rizqi Kurniawan - Integrasi Sistem Akuisisi Data Power Meter pada Fasilitas Kampus Politeknik Perkapalan Negeri Surabaya dengan Metode _i_Long Short-Term Memory__i_ (LSTM).pdf Restricted to Repository staff only Download (0B) | Request a copy

Abstract

Sistem akuisisi data menggunakan power meter dirancang untuk memantau konsumsi energi, memberikan peringatan dini terhadap kondisi abnormal, serta memprediksi pola konsumsi daya. Penelitian ini mengimplementasikan metode Long Short-Term Memory (LSTM) untuk analisis dan prediksi beban listrik, dengan tujuan meningkatkan efisiensi manajemen energi. Parameter listrik seperti tegangan, arus, dan daya diukur menggunakan power meter PM2120 melalui komunikasi Modbus RTU RS485. Data kemudian dikirimkan ke mikrokontroler ESP32 untuk diproses dan disimpan sebagai input bagi model LSTM yang dilatih dengan data historis konsumsi daya. Hasil pembacaan power meter secara real-time ditampilkan melalui Human-Machine Interface (HMI) Nextion. Sistem ini juga dilengkapi dengan tiga indikator LED, masing-masing mewakili satu fasa, yang menyala ketika arus mencapai 80% dari kapasitas maksimum, serta sebuah buzzer yang aktif apabila salah satu fasa melebihi ambang batas tersebut. Hasil pengujian menunjukkan bahwa model LSTM berhasil mencapai Root Mean Square Error (RMSE) sebesar 0,38 kW (5,32%) untuk fasa R, 0,47 kW (7,55%) untuk fasa S, dan 0,28 kW (5,39%) untuk fasa T, yang seluruhnya termasuk dalam kategori akurasi tinggi. Rata-rata latensi transmisi dari ESP32 ke HMI Nextion adalah sekitar dua sampai tiga detik, sedangkan latensi komputasi prediksi kurang dari 10 detik, sehingga menunjukkan kelayakan implementasi secara real-time. Nilai daya hasil prediksi mampu merefleksikan pola konsumsi energi dan dapat diterapkan sebagai alat bantu pengambilan keputusan dalam perencanaan konsumsi daya jangka panjang. Dengan integrasi prediksi berbasis LSTM dan monitoring real-time, sistem yang diusulkan diharapkan dapat memberikan solusi inovatif untuk pengawasan daya listrik sekaligus berkontribusi pada peningkatan efisiensi energi, khususnya pada instalasi listrik skala kecil hingga menengah.

Actions (login required)

View Item