Implementasi Sistem IoT untuk Pemantauan Biaya Konsumsi Energi Listrik dengan Integrasi Slack Berbasis Orange Pi

Abstract

SELSI LIZTIA HARAHAP. Implementasi Sistem IoT untuk Pemantauan Biaya Konsumsi Energi Listrik dengan Integrasi Slack Berbasis Orange Pi. Dibimbing oleh SETYANTO TRI WAHYUDI

Konsumsi energi listrik sektor rumah tangga di Indonesia terus mengalami peningkatan setiap tahun, namun sebagian besar pengguna masih mengandalkan meteran konvensional yang tidak menyediakan informasi konsumsi secara real-time sehingga sering sekali pengguna tidak dapat memantau pola pemakaian harian dan penggunaan daya yang melebihi batas aman secara tepat waktu. Proyek ini bertujuan untuk merancang sebuah sistem pemantauan biaya konsumsi energi listrik berbasis Internet of Things (IoT). Sistem dibangun menggunakan sensor PZEM-004T yang terhubung ke Orange Pi Zero3. Data parameter kelistrikan akan dikirimkan ke Node-RED selanjutnya disimpan di database InfluxDB, dan divisualisasikan melalui dashboard Grafana secara lokal. Sistem juga mengintegrasikan platform Slack sebagai media notifikasi utama dan Telegram sebagai kanal redundan, yang secara otomatis mengirimkan peringatan apabila konsumsi daya melebihi ambang batas 800 Watt serta laporan prediksi biaya listrik secara berkala. Sistem prediksi menggunakan metode Single Exponential Smoothing (SES) dengan parameter a = 0,2 yang dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) dan Mean Absolute Deviation (MAD). Hasil pengujian menunjukkan bahwa prediksi SES menghasilkan MAPE sebesar 26,14% pada skenario 10 hari, 24,18% pada skenario 14 hari, dan 18,02% pada skenario 31 hari dengan kategori memadai. Tren penurunan MAPE pada ketiga skenario membuktikan bahwa penambahan data historis meningkatkan akurasi prediksi SES. Kata kunci: iot, listrik, orange-pi, pemantauan, slack.

SELSI LIZTIA HARAHAP. Implementation of an IoT System for Monitoring Electricity Consumption Costs with Slack Integration Based on Orange Pi. Supervised by SETYANTO TRI WAHYUDI

Household electricity consumption in Indonesia has increased consistently every year. However, most users still rely on conventional meters that do not provide real-time consumption information, making it difficult to monitor daily usage patterns and detect excessive power consumption in a timely manner. This project aims to design an Internet of Things (IoT)-based electricity consumption cost monitoring system. The system was developed using a PZEM-004T sensor connected to an Orange Pi Zero3. Electrical parameter data are transmitted to Node-RED, subsequently stored in an InfluxDB database, and visualized through a local Grafana dashboard. The system also integrates Slack as the primary notification platform and Telegram as a redundant channel, automatically sending alerts when power consumption exceeds 800 Watts and delivering periodic electricity cost prediction reports. The prediction system employs the Single Exponential Smoothing (SES) method with a parameter of a = 0.2, evaluated using Mean Absolute Percentage Error (MAPE) and Mean Absolute Deviation (MAD). Results show that SES prediction yielded MAPE values of 26,14% for the 10 days scenario, 24,18% for the 14 days scenario, and 18.02% for the 31 days scenario, all categorized as reasonably accurate. The consistent downward trend in MAPE across the three scenarios confirms that the accumulation of additional historical data improves SES prediction accuracy. Keywords: electricity, iot, monitoring, orange-pi, slack.