SKRIPSI DIGITAL
Sistem Prediksi Penggunaan Daya Listrik Air Conditioner Berbasis IOT dan Machine Learning dengan Analisis Rasio Efisiensi Energi = Electric Power Consumption Prediction System for Air Conditioners Based on Internet of Things and Machine Learning with Energy Efficiency Ratio Analysis
Afif Ramzy Badrani dan Rizki Shaumi Abiq, “Sistem Prediksi Penggunaan Daya Listrik Air Conditioner Berbasis IoT dan Machine Learning dengan Analisis Rasio Efisiensi Energi”, Skripsi S.Tr Program Studi Teknologi Rekayasa Komputer, Jurusan Elektro, Politeknik Negeri Semarang, di bawah bimbingan Dr. Ir. Kurnianingsih, S.T., M.T. dan Kuwat Santoso , S.T., M.Kom. Agustus 2025
Konsumsi energi pada sektor bangunan, khususnya dari pendingin ruangan (AC), merupakan tantangan efisiensi energi yang signifikan. Sistem monitoring dan prediksi yang ada seringkali tidak terintegrasi atau tidak memberikan analisis efisiensi secara real-time. Penelitian ini bertujuan merancang, mengimplementasikan, dan memvalidasi sebuah sistem terintegrasi untuk memprediksi konsumsi daya listrik AC serta menganalisis Rasio Efisiensi Energi (EER) secara real-time. Metodologi yang digunakan menggabungkan perangkat keras Internet of Things (IoT) berbasis ESP8266, sensor PZEM-004T, dan DHT22 untuk akuisisi data. Data deret waktu yang dihasilkan digunakan untuk melatih model prediksi multi-horizon menggunakan Long Short-Term Memory (LSTM), yang kinerjanya dibandingkan dengan Gated Recurrent Unit (GRU) dan Autoregressive Integrated Moving Average (ARIMA). Sistem ini juga dilengkapi platform visualisasi (Web dan Mobile) untuk menampilkan prediksi dan peringkat EER sesuai standar nasional. Hasil penelitian menunjukkan bahwa model LSTM memberikan kinerja prediktif terbaik dengan Mean Absolute Percentage Error (MAPE) sebesar 10,20%, secara signifikan mengungguli GRU (14,13%) dan ARIMA (27,95%). Uji Quality of Service (QoS) pada transmisi data IoT menunjukkan keandalan tinggi dengan packet loss 0% dan delay rata-rata 49,64 ms. Sistem berhasil menghitung EER secara dinamis dan mendapatkan tingkat kepuasan pengguna "Sangat Puas" (83,74%). Kesimpulannya, sistem terintegrasi yang diusulkan terbukti efektif dan andal dalam memprediksi konsumsi daya AC dan memberikan wawasan efisiensi energi yang dapat ditindaklanjuti oleh pengguna, menjembatani kesenjangan antara monitoring pasif dan manajemen energi proaktif.
Kata kunci: IoT, Machine Learning, LSTM, Air Conditioner, Energy Efficiency Ratio, Prediksi Energi, ESP8266
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah