Implementasi Sistem Disagregasi Beban Listrik Rumah Tangga Berbasis IoT Menggunakan Metode Sensor Hibrida

Abstract

Masalah utama dalam manajemen energi rumah tangga adalah kesulitan mengidentifikasi sumber penggunaan biaya karena data konsumsi listrik masih bersifat agregat. Proyek ini mengimplementasikan sistem Non-Intrusive Load Monitoring (NILM) berbasis Internet of Things (IoT) dengan metode sensor hibrida yang mengintegrasikan sensor PZEM-004T sebagai ground truth dan lima channel sensor SCT-013-010. Sistem dibangun menggunakan Arduino Uno R4 Minima untuk akuisisi data arus berkecepatan tinggi dan ESP32-S3 sebagai gateway IoT. Hasil pengujian selama 63 hari menunjukkan bahwa setelah dilakukan optimasi melalui individual current calibration, sensor PZEM-004T memiliki tingkat akurasi sangat tinggi dengan MAPE daya sebesar 0,08%. Sistem berhasil melakukan disagregasi energi untuk 29 perangkat aktif dengan penurunan MAPE daya sensor SCT secara drastis dari 9,30% menjadi 0,21%. Melalui pemantauan real-time via bot Telegram dan Web Dashboard, sistem memberikan transparansi rincian biaya yang sinkron dengan nominal pembelian token PLN prabayar. Proyek ini menghasilkan alat bantu pemantauan finansial mandiri yang mampu memprediksi sisa waktu pemakaian token secara presisi berdasarkan penggunaan riil setiap peralatan rumah tangga.

The core issue in household energy management is the difficulty in identifying cost sources due to the aggregate nature of electricity consumption data. This project implemented an IoT-based Non-Intrusive Load Monitoring (NILM) system using a hybrid sensor method that integrates a PZEM-004T sensor as ground truth and five-channel SCT-013-010 sensors. The system was built using an Arduino Uno R4 Minima for high-speed current data acquisition and an ESP32-S3 as the IoT gateway. Results from 63 days of testing showed that after optimization through individual current calibration, the PZEM-004T sensor achieved very high accuracy with a power MAPE of 0.08%. The system successfully performed energy disaggregation for 29 active devices, with a significant reduction in the SCT sensor's power MAPE from 9.30% to 0.21%. Through real-time monitoring via a bot Telegram and Web Dashboard, the system provides transparent cost breakdowns synchronized with prepaid PLN token purchases. This project delivers an independent financial monitoring tool capable of precisely predicting remaining token usage time based on the real-time consumption of each household appliance.