Rancang bangun perangkat identifikasi phantom load menggunakan analisis harmonik arus dan edge ai

Rahmansyah, Fachri (2026) Rancang bangun perangkat identifikasi phantom load menggunakan analisis harmonik arus dan edge ai. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (253kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (276kB) | Preview
Preview	Text (SK BEBAS PLAGIARISME) Sk bebas plagiasi.pdf Download (494kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (211kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (320kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (414kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (262kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (593kB) | Request a copy
	Text (BAB VI) 10_bab6.pdf Restricted to Registered users only Download (196kB) | Request a copy
	Text (DAFTAR PUSTAKA) 11_daftarpustaka.pdf Restricted to Registered users only Download (200kB) | Request a copy
	Text (LAMPIRAN) 12_lampiran.pdf Restricted to Repository staff only Download (647kB) | Request a copy

Abstract

Phantom load merupakan konsumsi daya listrik tersembunyi yang terjadi ketika perangkat elektronik berada dalam kondisi tidak digunakan secara aktif, namun masih terhubung ke sumber listrik. Kondisi ini sulit disadari oleh pengguna dan berpotensi menimbulkan pemborosan energi listrik dalam jangka panjang. Penelitian ini bertujuan untuk merancang dan membangun perangkat identifikasi phantom load berbasis mikrokontroler ESP32-S3 dengan memanfaatkan analisis harmonik arus dan pendekatan Edge Artificial Intelligence. Sistem dikembangkan menggunakan konsep Non-Intrusive Load Monitoring (NILM) dengan satu sensor arus non-invasif SCT-013-000 yang dipasang pada satu titik pengukuran. Sinyal arus yang diperoleh diproses menggunakan Fast Fourier Transform (FFT) untuk mengekstraksi komponen harmonik arus sebagai fitur masukan sistem, yang selanjutnya diklasifikasikan menggunakan model Artificial Neural Network (ANN) yang diimplementasikan langsung pada perangkat tertanam untuk melakukan klasifikasi secara real-time. Pengujian sistem dilakukan pada beberapa perangkat elektronik rumah tangga dengan skenario pengujian single device dan multi-device. Hasil pengujian menunjukkan bahwa sistem mampu mengidentifikasi kondisi perangkat dan mendeteksi indikasi phantom load, terutama pada perangkat dengan karakteristik konsumsi daya yang fluktuatif, meskipun masih terdapat keterbatasan dalam membedakan beberapa kondisi perangkat dengan pola konsumsi daya yang saling berdekatan. Secara keseluruhan, penelitian ini menunjukkan bahwa pendekatan analisis harmonik arus berbasis Edge AI dengan satu sensor arus non-invasif berpotensi digunakan sebagai solusi sederhana dan berbiaya rendah untuk pemantauan phantom load pada skala rumah tangga.

Actions (login required)

View Item