| dc.description.abstract | Pemantauan konsumsi energi listrik di Laboratorium Teknik Elektro Universitas Islam
Indonesia selama ini hanya bersandar pada tagihan bulanan gedung, sehingga tidak tersedia data
konsumsi per fasa maupun riwayat pola beban yang dapat dijadikan acuan (baseline). Tugas
akhir ini merancang dan mengimplementasikan sistem smart energy meter yang dapat membaca
parameter kelistrikan tiga fasa pada MCCB Laboratorium Elektronika secara non-intrusive.
Sistem menggunakan tiga modul PZEM-004T dengan sensor arus current transformer (CT) tipe
clamp, satu modul untuk tiap fasa R, S, dan T, yang dibaca oleh mikrokontroler ESP32. Data
dikirim melalui jaringan WiFi kampus ke Firebase Realtime Database dan ditampilkan pada
dashboard web LabWatt dengan pembaruan setiap 3 detik. Karena kapasitas Firebase pada paket
gratis terbatas, data historis disimpan pada spreadsheet melalui fitur Apps Script yang mencuplik
nilai setiap 3 menit, sehingga fungsi pemantauan sesaat dan pencatatan historis berjalan pada
resolusi yang berbeda. Validasi akurasi dilakukan dengan membandingkan pembacaan sistem
terhadap clamp meter satu fasa pada dua kondisi beban, yaitu saat praktikum berlangsung dan
saat kondisi normal.
Hasil pengujian menunjukkan pembacaan tegangan sangat akurat pada seluruh fasa dan
kondisi, dengan rata-rata error 0,28% (fasa R), 0,26% (fasa S), dan 0,14% (fasa T), serta error
maksimum pada satu titik sebesar 1,67%. Seluruh nilai tersebut berada di bawah toleransi 5%
yang ditetapkan. Pembacaan arus menunjukkan error yang berbanding terbalik dengan besar
arus, yaitu 0,94% pada fasa T dan 3,76% pada fasa S saat praktikum, namun meningkat hingga
sekitar 60% pada kondisi arus sangat kecil. Pola ini konsisten dengan keterbatasan CT berating
100 A pada arus di bawah rentang kerjanya sebagaimana prinsip pada IEC 61869-2, dan bukan
merupakan kegagalan sistem. Selama pengujian ditemukan dua hal yang menyempurnakan
rancangan awal, yaitu penyesuaian konfigurasi dari satu menjadi dua unit ESP32 demi kestabilan
pengiriman data, serta kemampuan pemulihan otomatis (self-recovery) sistem setelah gangguan
perekaman selama sekitar 1,5 jam. Sistem berhasil merekam kurva beban harian laboratorium
sebagai baseline konsumsi energi, sehingga tujuan tugas akhir tercapai. | en_US |