Rancang Bangun Sistem Pemantauan Listrik Berbasis IoT Menggunakan PZEM-004T dengan Pemutusan Beban Nonprioritas secara Otomatis

Abstract

Penelitian ini merancang dan mengimplementasikan sistem berbasis IoT untuk pemantauan total arus listrik dan proteksi otomatis pada instalansi rumah tangga. Sistem dibuat menggunakan mikrokontroler NodeMCU ESP32 dan modul sensor PZEM-004T untuk mengukur tegangan, daya, arus, energi, frekuensi, power factor dengan data yang dikirimkan ke Firebase Realtime Database setiap 2 detik dan divisualisasikan melalui dashboard berbasis Reactjs. Pengujian akurasi pengukuran menunjukkan rata-rata persentase error sebesar 0,17% untuk tegangan dan 3,44% untuk arus. Mekanisme proteksi otomatis diwujudkan melalui empat modul relay dengan sistem load shedding berbasis prioritas, di mana urutan pelepasan beban ditentukan dari profil daya startup masing-masing beban, dengan waktu respons sistem sebesar 4–6 detik untuk mencegah pemicuan palsu akibat inrush current. Data yang diperoleh selanjutnya dianalisis menggunakan algoritma HDBSCAN untuk mengelompokkan data berdasarkan besar daya serta membersihkan noise secara otomatis, dengan hasil validasi silhouette score sebesar 0,80 yang mengindikasikan pemisahan kluster yang baik.

This research focuses on designs and implements an IoT-based system for monitoring residential electrical power consumption and providing automatic protection for household installations. The system is built using a NodeMCU ESP32 microcontroller and PZEM-004T sensor module to measure voltage, power, current, energy, frequency, and power factor, with data transmitted to Firebase Realtime Database every 2 seconds and visualized through a ReactJS-based web dashboard. Measurement accuracy testing shows an average error of 0.17% for voltage and 3.44% for current measurements. Automatic protection is implemented using four relay modules with a priority-based smart load shedding mechanism, where the load disconnection sequence is determined by the startup power profile of each load, with a system response time of 4–6 seconds to prevent false triggering from inrush current. The collected data is further analyzed using the HDBSCAN algorithm to cluster data based on power consumption levels and automatically filter noise, achieving a silhouette score of 0.80, indicating well-defined cluster separation.