Rancang Bangun Sistem Monitoring dan Kontrol Listrik Berbasis IoT dengan Prediksi Tagihan Menggunakan LSTM

Abstract

Peningkatan konsumsi listrik rumah tangga yang tidak diiringi dengan kesadaran efisiensi energi berpotensi menyebabkan pemborosan energi dan meningkatnya tagihan listrik bulanan. Data Kementerian ESDM menunjukkan bahwa konsumsi listrik per kapita di Indonesia pada tahun 2023 mencapai 1.337 kWh/kapita, meningkat sebesar 13,98% dibandingkan tahun sebelumnya. Sementara itu, sistem konvensional belum mampu menyediakan pemantauan real-time, kontrol perangkat, dan prediksi konsumsi secara terintegrasi. Penelitian ini bertujuan merancang dan mengimplementasikan sistem monitoring, kontrol, dan prediksi energi listrik rumah tangga berbasis IoT dan model LSTM untuk meningkatkan efisiensi energi dan perencanaan keuangan pengguna. Sistem dibangun dengan dua node ESP32 dan sensor PZEM-004T untuk mengukur parameter listrik. Data dikirim real-time ke Firebase dan ditampilkan via aplikasi Ionic. Model LSTM dilatih menggunakan data historis konsumsi listrik 2022–2025. Pengujian meliputi validasi akurasi sensor, kontrol relay, serta evaluasi model dengan metrik MAE, RMSE, dan MAPE. Hasil pengujian menunjukkan akurasi pengukuran tegangan sebesar 99,85% (error 0,15%), daya sebesar 97,74% (error 2,26%), dan arus dengan error rata-rata 14,20% yang meningkat pada beban tinggi. Model LSTM menghasilkan MAPE sebesar 17,89%, mengungguli metode baseline (MAPE 20,59%). Pada studi kasus November 2025, prediksi konsumsi listrik sebesar 340,96 kWh dengan error relatif 12,71% terhadap konsumsi aktual (302,50 kWh). Fitur kontrol berjalan dengan delay 0,5–1 detik dan tingkat keberhasilan 100%. Sistem ini berhasil menyediakan pemantauan real-time, kontrol jarak jauh, dan prediksi konsumsi energi yang lebih akurat. Implementasinya mendukung pengelolaan energi rumah tangga yang efisien dan terencana. Untuk akurasi lebih tinggi, disarankan penambahan dataset dan optimasi model secara berkala.