Abstrak
Efisiensi daya listrik pada fasilitas publik institusi pendidikan menuntut pengawasan real-time. Riset ini merancang node sensor cerdas dengan klasifikasi lokal (Edge Inference) berbasis ESP32. Pengujian membuktikan sistem memangkas beban transmisi data hingga 68% dengan akurasi anomali beban 94.2%.
Latar Belakang & Masalah
- Audit beban listrik terdistribusi per gedung belum termonitor secara kontinu.
- Ketergantungan server terpusat (Cloud) rentan bottleneck saat latensi jaringan tinggi.
- Dibutuhkan arsitektur edge computing berbiaya terjangkau bagi operasional kampus.
Metodologi & Visualisasi
Arsitektur menggabungkan akuisisi sinyal sensorik AC, inferensi model di mikrokontroler, dan visualisasi interaktif seperti pada ilustrasi berikut:
Hasil & Pembahasan
| Parameter Uji | Standar Cloud | Edge-AI |
|---|---|---|
| Latensi Respon | 1,240 ms | 380 ms |
| Penggunaan Kuota | 15.2 MB/jam | 2.1 MB/jam |
| Akurasi Anomali | 88.5% | 94.2% |
Pengolahan analitik di sisi edge berhasil mereduksi transmisi ke server hingga 86.1% dan meminimalisir delay peringatan dini saat terjadi korsleting atau ketidakseimbangan beban fasa.
Kesimpulan
Penerapan node sensor cerdas berbasis Edge-AI terbukti efektif, hemat kuota internet, dan akurat untuk audit daya terdesentralisasi di lingkungan Universitas Lampung dalam menyokong agenda Smart Green Campus.
Ucapan Terima Kasih
Didanai oleh DIPA LPPM Universitas Lampung T.A. 2026 skema Penelitian Terapan.