Analisis Data Monitoring Tegangan, Arus, dan Energi Menggunakan Sensor PZEM004T Berbasis Telegram dan Google Sheets di PT PLN Icon Plus

Abstract

Pemantauan parameter kelistrikan seperti tegangan, arus, dan energi secara real- time menjadi aspek penting dalam upaya efisiensi energi, khususnya di lingkungan kerja seperti PT PLN Icon Plus. Penelitian ini bertujuan untuk mengembangkan sistem monitoring kelistrikan berbasis Internet of Things (IoT) dengan memanfaatkan sensor PZEM004T yang terintegrasi dengan Google Sheets sebagai media pencatatan otomatis serta Telegram untuk notifikasi real - time. Sistem ini dirancang guna meningkatkan efektivitas pemantauan dan pencatatan data kelistrikan secara digital. Metode analisis data yang digunakan meliputi normalisasi menggunakan Z-Score, pengelompokan data dengan algoritma K Means Clustering, serta evaluasi jumlah klaster optimal melalui metode Elbow. Hasil penelitian menunjukkan bahwa sistem mampu merekam dan mengelompokkan data kelistrikan secara efektif serta menampilkan informasi konsumsi energi dalam bentuk yang mudah dipantau. Temuan ini diharapkan dapat menjadi solusi dalam meningkatkan efisiensi operasional dan pengelolaan energi secara berkelanjutan.

Real - time monitoring of electrical parameters such as voltage, current, and energy is essential for improving energy efficiency, particularly in workplace environments like PT PLN Icon Plus. This study aims to develop an Internet of Things (IoT)-based electrical monitoring system using the PZEM004T sensor, integrated with Google Sheets for automatic data logging and Telegram for real - time notifications. The system is designed to enhance the effectiveness of digital monitoring and recording of electrical data. The data analysis methods used include Z-Score normalization, data clustering using the K-Means Clustering algorithm, and optimal cluster evaluation through the Elbow method. The results show that the system is capable of recording and grouping electrical data effectively, presenting energy consumption information in an easily monitored format. These findings are expected to support operational efficiency and sustainable energy management.