SISTEM MONITORING ENERGI LISTRIK KOMERSIAL SECARA REAL-TIME BERBASIS IOT MENGGUNAKAN LONG SHORT-TERM MEMORY

Peningkatan konsumsi energi listrik pada sektor komersial membutuhkan sistem monitoring dan prediksi yang akurat untuk mendukung efisiensi energi. Penelitian ini mengembangkan sistem monitoring energi listrik berbasis Internet of Things (IoT) yang terintegrasi dengan model prediksi menggunakan Long Short-Term Memory (LSTM). Sistem menggunakan sensor PZEM-004T, Current Transformer (CT), dan mikrokontroler ESP32 untuk mengukur tegangan, arus, dan daya secara real-time, dengan pengiriman data ke platform Blynk Cloud untuk visualisasi monitoring dan penyimpanan ke Google Sheets sebagai dataset historis berbentuk time-series dengan interval ±1 menit. Dataset yang diperoleh sebanyak 6918 data digunakan dalam pemodelan multivariate time series dengan pembagian data training, validation, dan testing. Hasil evaluasi menunjukkan bahwa model menghasilkan prediksi yang akurat dengan nilai Mean Absolute Error (MAE) sebesar 5.3927, Root Mean Square Error (RMSE) sebesar 11.1233, dan Mean Absolute Percentage Error (MAPE) sebesar 3.827%, dengan tingkat akurasi mencapai 96.173%. Sistem yang dikembangkan mampu melakukan monitoring secara real-time sekaligus prediksi konsumsi energi secara efektif, sehingga berpotensi mendukung pengelolaan energi listrik yang lebih efisien pada sektor komersial.