SMART ENERGY MONITORING: SISTEM PEMANTAUAN LISTRIK CERDAS BERBASIS IOT DAN MACHINE LEARNING DENGAN PERSONALIZED NOTIFICATION MELALUI ARSITEKTUR HYBRID DI LINGKUNGAN PENDIDIKAN

Suwarjono Suwarjono
Aulia Afriza
Yusuf Safari


DOI: https://doi.org/10.29100/jipi.v10i3.9189

Abstract


Penggunaan energi listrik di institusi pendidikan masih rentan terhadap pemborosan akibat perangkat yang dibiarkan menyala meskipun ruangan kosong. Penelitian ini merancang dan mengimplementasikan sistem pemantauan listrik cerdas berbasis Internet of Things (IoT) dan machine learning dengan dukungan arsitektur hybrid yang memadukan protokol HTTP/HTTPS dan MQTT. Data arus listrik dikirim secara periodik melalui HTTP/HTTPS ke server berbasis PHP untuk dicatat pada database dan divisualisasikan dalam dashboard, sementara MQTT digunakan untuk mengontrol relay listrik secara real-time sebagai mekanisme aktuasi. Proses analisis dilakukan dengan algoritma supervised learning dengan Decision Tree sebagai model utama dan Random Forest sebagai pembanding untuk membedakan kondisi normal dan anomali berdasarkan kombinasi sensor arus, sensor gerak dan jadwal operasional ruangan. Keunggulan utama sistem ini adalah fitur personalized notification yang mengirimkan peringatan otomatis melalui aplikasi pesan instan (WhatsApp) dan email. WhatsApp diposisikan sebagai kanal cepat untuk respons langsung, sedangkan email memberikan informasi lebih lengkap sebagai cadangan dan dokumentasi. Hasil uji coba menunjukkan bahwa sistem mampu mendeteksi anomali dengan akurasi 94,2% serta mengirimkan notifikasi dengan latensi rata-rata 3–5 detik. Penelitian ini berkontribusi pada pengembangan sistem monitoring energi yang aktif, mandiri, dan efisien di lingkungan pendidikan. Meskipun belum mengukur penghematan energi secara kuantitatif, sistem ini berpotensi besar mendorong efisiensi melalui mekanisme respons cepat terhadap kelalaian penggunaan listrik. Penelitian selanjutnya diarahkan pada pengujian dalam skala lebih luas, analisis biaya–manfaat, serta penguatan aspek keamanan sistem agar dapat direplikasi secara berkelanjutan

Keywords


IoT; Machine Learning; Smart Energy Monitoring; Personalized Notification; Arsitektur Hybrid; Lingkungan Pendidikan

Full Text:

PDF

Article Metrics :

References


F. Wibowo, S. Suheri, and P. Yugianus, “An IoT-Enabled Smart Energy Management System to Improve Energy Efficiency in University Laborato-ry”, SinkrOn, vol. 8, no. 2, pp. 1038-1046, Apr. 2024.

M. Majid, R. Rahim, and J. Nordin, “Electrical energy consumption monitoring system over internet of things,” AIP Conference Proceedings, 2024.

Patel M, Al-Ali AR, Gupta R, Al-Mashaqbeh MA. IoT and Machine Learning-Based Energy Optimization in Smart Buildings. IEEE Access. 2022;10:13245–58.

Ahmad HB, Asaad RR, Almufti SM, Hani AA, Sallow AB, Zeebaree SRM. Smart home energy saving with big data and machine learning. J Ilm Ilmu Terapan Univ Jambi. 2024;8(1):11–20.

Selvaraj R, Kuthadi VM, Baskar S. Smart building energy management and monitoring system based on artificial intelligence in smart city. Sustain Energy Technol Assess. 2023;56:103090.

Shah SFA, Iqbal M, Aziz Z, Rana TA, Khalid A, Cheah YN, Arif M. The role of machine learning and the Internet of Things in smart buildings for energy efficiency. Appl Sci. 2022;12(15):7882.

Munir MT, Ullah F, Khan MA, Rehman A, Lee MY. IoT—A Promising Solution to Energy Management in Smart Buildings: A Systematic Review, Applications, Barriers, and Future Scope. Buildings. 2024;14(11):3446.

Fanti MP, Mangini AM, Pedroncelli M, Raho D, Ukovich W. Internet of Things and Deep Learning-Enhanced Monitoring for Energy Management in Educational Buildings. IFAC-PapersOnLine. 2024;57(2):828–33.

M. B. Yusuf, L. Rosyidi, and H. Saptono, “Implementasi sistem IoT untuk monitoring konsumsi energi listrik di rumah pintar,” DBESTI: Journal of Digital Business and Technology Innovation, 2025

R. Bin Mofidul, M. M. Alam, M. H. Rahman, and Y. M. Jang, “Real-time energy data acquisition, anomaly detection, and monitoring system: Imple-mentation of a secured, robust, and integrated global IIoT infrastructure with edge and cloud AI,” Sensors, vol. 22, no. 22, p. 8980, 2022.

M. Poyyamozhi, B. Murugesan, N. Rajamanickam, M. Shorfuzzaman, and Y. Aboelmagd, “IoT—A promising solution to energy management in smart buildings: A systematic review, applications, barriers, and future scope,” Buildings, vol. 14, no. 11, p. 3446, 2024. doi: 10.3390/buildings14113446.

W.-C. Wang, N. K. A. Dwijendra, B. T. Sayed, J. R. N. Alvarez, M. Al-Bahrani, A. Alviz-Meza, et al., “Internet of Things energy consumption opti-mization in buildings: A step toward sustainability,” Sustainability, vol. 15, no. 8, p. 6475, 2023

M. T. Quasim, K. U. Nisa, M. Z. Khan, A. Shah, N. Ahmad, A. Basharat, et al., “An Internet of Things enabled machine learning model for energy theft prevention system (ETPS) in smart cities,” Journal of Cloud Computing, vol. 12, no. 158, 2023

A. Hermawansyah, Analisis Profil dan Karakteristik Pengguna Media Sosial di Indonesia. Skripsi, Universitas Islam Indonesia, Nov. 2022.

D. I. Putra and S. Ekariani, “Perancangan sensor terdistribusi untuk pendeteksi gempa bumi menggunakan protokol komunikasi MQTT,” Indonesian Journal of Computer Science, 2023.

Lin Y-C, Lee C-H, Fang Y-P, Wu H-Y, Chang Y-C. Machine learning-based real-time monitoring system for smart connected worker to improve energy efficiency. J Manuf Syst. 2021;60:611–21.

Mittal M, Saraswat M, Rani A, Goyal LM, Hans R, Iqbal R, et al. Machine Learning Techniques for Energy Efficiency and Anomaly Detection in Hybrid Wireless Sensor Networks. Energies. 2021;14(11):3125.

Dhipti A, Tiwari A, Sharma S, Mishra D. IoT-Based Energy Saving Recommendations by Classification of Energy Consumption Using Machine Learning Techniques. In: Kumar R, Mozar S, editors. ICCCE 2021. Advances in Intelligent Systems and Computing. Singapore: Springer; 2022. p. 793–804

M. Mujiono, D. A. Larasati, M. Hemansyah, and F. Fatimatuzzahra, “Deteksi anomali dalam sistem keamanan jaringan menggunakan teknik supervised machine learning,” Jurnal Esensi Infokom: Jurnal Esensi Sistem Informasi dan Sistem Komputer, 2025.

S. Yfanti, N. Sakkas, and E. Karapidakis, “An event-driven approach for changing user behaviour towards an enhanced building’s energy efficiency,” Buildings, vol. 10, no. 8, p. 136, 2020.

R. Pasupunoori, C. P., R. Katuri, D. Kumar, and M. Mahesh, “Design of real-time energy monitoring and slab based alert system for domestic applica-tion,” in Proc. Int. Conf. on Industrial Engineering and Operations Management, 2024