REAL - TIME MONITORING PENCATATAN AKTIVITAS PERALATAN LISTRIK DI PPNS MENGGUNAKAN METODE "TRANSIENT FEATURE ANALYSIS DAN BACKPROPAGATION NEURAL NETWORK" BERBASIS ANDROID

Real-Time Monitoring Recording of Electrical Activity in PPNS using "Transient Feature Analysis and Backpropagation Neural Network Method Using Android Based

Puji Hadi Atmoko (6910040013)


Abstrak

ABSTRAK Untuk meningkatkan efisiensi penggunaan listrik dan memudahkan memonitoring aktivitas peralatan listrik yang ada di PPNS, maka pada Tugas Akhir ini dibuat suatu sistem Monitoring Pencatatan Aktivitas Peralatan Listrik menggunakan Metode ?Transient Feature Analysis dan Backpropagation Neural Network? Berbasis Android. Komponen peralatan yang digunakan dalam desain sistem monitoring pada tugas akhir ini yaitu sensor arus ACS712, mikrokontroler, interface serial DKU-5, software Visual Basic 6.0, software Matlab, database MySQL dan mobilephone android. Sensor arus sebagai alat untuk membaca besar konsumsi arus pada peralatan listrik, interface serial untuk media komunikasi dari mikrokontroler ke komputer, software Visual Basic 6.0 untuk mengolah dan menampilkan data, database MySQL sebagai media penyimpanan data. Prinsip kerja dari sistem tersebut yaitu membaca besar konsumsi arus transient peralatan listrik di tiap ruangan oleh sensor arus. Setelah itu besaran arus tersebut diubah oleh mikrokontroler menjadi data digital. Data digital itulah yang akan diolah di komputer dengan menggunakan software Visual Basic 6.0 dan hasilnya akan ditampilkan secara real-time. Hasil tersebut akan disimpan di database dan bisa diakses lewat web menggunakan handphone android. Untuk membedakan konsumsi arus tiap peralatan listrik yaitu menggunakan metode transient feature analyses dan backpropagation neural network dengan menggunakan software matlab untuk proses trainingnya. Pembacaan sensor arus ACS712 dibandingkan dengan AVO meter mempunyai rata ? rata nilai error ? 0.07 ampere. Dari beberapa kali percobaan penggunaan metode bacpropagation neural network mempunyai tingkat sensitivitas yang lebih baik dalam mengidentifikasi peralatan listrik dengan rata ? rata nilai error untuk mencapai targetnya ? 0.001%. Kata kunci : Sensor Arus ACS712, Transient Feature Analysis, Backpropagation Neural Network, Visual Basic 6.0, Web, Android, Matlab


Abstract

ABSTRACT To improve the efficiency of electricity use and facilitate monitoring the electrical activity of the existing equipment in the PPNS, so in this final project created a system of Electrical Activity Monitoring Recording using Methods "Transient Feature Analysis and Back Propagation Neural Network" Based on Android. Items of equipment that are used in the design of the monitoring system in this thesis is ACS712 current sensor, microcontroller, serial interface DKU-5, Visual Basic 6.0 software, the software Matlab, MySQL database and the android mobilephone. Current sensor as a tool for large read current consumption of the electrical equipment, the serial interface for media communication from the microcontroller to the computer, Visual Basic 6.0 software to process and display the data, the MySQL database as data storage media. The working principle of the system is reading a large transient current consumption of electrical appliances in each room by the current sensor. After that amount of current is changed by the microcontroller into digital data. Digital data that will be processed on the computer using Visual Basic 6.0 software and the results are displayed in real-time. The results will be stored in a database and can be accessed via the web using android phone. To distinguish the current consumption of each electrical equipment that is using a transient method analyzes the feature and backpropagation neural network using matlab software for his training process. ACS712 current sensor readings compared to AVO meters have the average value of error ? 0:07 amperes. From several experiments using the neural network method has the level bacpropagation better sensitivity in identifying electrical equipment with - average error to achieve the target value ? 0.001%. Keywords: Flow Sensor ACS712, Transient Feature Analysis, Backpropagation Neural Network, Visual Basic 6.0, Web, Android, Matlab


Detil Peneliti

Dosen Pembimbing 1 :M. Syaiin
Dosen Pembimbing 2 : Isa Rachman

Program Studi : D4 - TEKNIK OTOMASI
Angkatan : 2010


Untuk mendapatkan versi full dari dokumen penelitian ini, Anda dapat melihat koleksi Buku Tugas Akhir di Perpustakaan Politeknik Perkapalan Negeri Surabaya pada jam kerja. Atau Anda dapat menghubungi penulis secara personal.