IMPLEMENTASI SMART LIGHTING SYSTEM BERBASIS INTERNET OF THINGS DENGAN ANALISIS MACHINE LEARNING UNTUK EFISIENSI ENERGI BANGUNAN SKALA KECIL

Azzahrah, Aisyah Salsabila (2026) IMPLEMENTASI SMART LIGHTING SYSTEM BERBASIS INTERNET OF THINGS DENGAN ANALISIS MACHINE LEARNING UNTUK EFISIENSI ENERGI BANGUNAN SKALA KECIL. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (1MB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (182kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (263kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (590kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (846kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (148kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (234kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Konsumsi energi listrik pada sektor bangunan terus meningkat, dengan sistem pencahayaan menjadi salah satu penyumbang utama pemborosan energi akibat kebiasaan lampu tetap menyala meskipun ruangan kosong atau cahaya alami sudah mencukupi. Penelitian ini merancang dan mengimplementasikan Smart Lighting System berbasis Internet of Things (IoT) yang diintegrasikan dengan analisis Machine Learning untuk meningkatkan efisiensi energi pada bangunan skala kecil. Sistem menggunakan mikrokontroler ESP32 sebagai pusat kendali yang terhubung dengan sensor LDR untuk mengukur intensitas cahaya dan sensor PZEM-004T untuk mengukur parameter konsumsi listrik secara real-time. Data sensor dikirimkan melalui protokol MQTT menuju platform GoLite IoT sebagai media monitoring dan kontrol jarak jauh. Evaluasi tingkat efisiensi energi dilakukan menggunakan tiga algoritma klasifikasi Machine Learning, yaitu Support Vector Machine (SVM), Random Forest, dan Extreme Gradient Boosting (XGBoost), untuk menentukan model dengan performa klasifikasi terbaik dalam mengidentifikasi status "Efisien" dan "Tidak Efisien" pada data log sensor. Pengujian dilakukan dengan membandingkan konsumsi daya pada dua skenario, yaitu sistem kontrol manual dan sistem kontrol otomatis berbasis IoT, menggunakan pengukuran langsung dari sensor PZEM-004T. Hasil penelitian menunjukkan bahwa algoritma XGBoost memberikan performa klasifikasi terbaik dengan akurasi sebesar 95,08%, presisi 94,50%, recall 91,50%, dan F1-Score 93,00%. Penerapan sistem otomatisasi berbasis IoT berhasil menekan konsumsi energi secara signifikan dibandingkan sistem manual, dengan tingkat efisiensi energi mencapai 79% dari total observasi selama periode pengujian. Penelitian ini membuktikan bahwa integrasi IoT dan Machine Learning mampu menjadi solusi praktis dalam meningkatkan efisiensi energi pencahayaan pada bangunan skala kecil, sekaligus tetap mempertahankan kenyamanan pencahayaan bagi pengguna. Kata kunci: IoT, Machine Learning, Smart Lighting System, Efisiensi Energi, Konsumsi Daya

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	IoT, Machine Learning, Smart Lighting System, Efisiensi Energi, Konsumsi Daya
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	06 Sep 2026 03:39
Last Modified:	06 Sep 2026 03:39
URI:	http://eprints.polsri.ac.id/id/eprint/26348

Actions (login required)

View Item