Memuat...
Daya Saat Ini
ESP32-01 · Real-time
Belum ada pembaruan
--W
Daya Aktif
Pembaruan terakhir
--
Status perangkat
--
Ringkasan Energi
Realtime
Energi Tercatat
--
kWh
Profil Tarif
--
Tarif bertingkat • R-1/TR
Estimasi Biaya Energi
--
Pemakaian bulan: -- kWh
Biaya Beban Bulanan
--
0.45 kVA × Rp11.000/kVA/bulan
Parameter Listrik
6 parameterGrafik Daya
60 titik terakhirStatus Sistem
PerangkatESP32-01
SensorPZEM-004T V4.0
Koneksi--
Update Data5 detik
Monitoring
Monitoring
Pemantauan parameter listrik secara real-time
Memuat...
Belum ada pembaruan
PerangkatESP32-01
Waktu update terakhir--
Daya Real-time
Monitoring--W
Daya Aktif
Parameter Listrik
RealtimeGrafik Daya Real-time
Buffer 60 titikRiwayat
Riwayat
Data historis konsumsi dan parameter listrik
Jumlah Data—
Rentang Data—
Daya Rata-rata—
Energi pada Rentang—
Riwayat Daya
—Data Riwayat
0 catatanBelum ada data riwayat.
| Waktu | Tegangan | Arus | Daya | Energi | Frekuensi | PF |
|---|
Pengaturan
Pengaturan
Kelola preferensi Smart Energy Monitoring
Profil Tarif
Estimasi biaya memakai profil 450 VA Pascabayar. Biaya adalah nilai turunan dari kWh, bukan target Random Forest.
450 VA Pascabayar
R-1/TR · Tarif bertingkat
- 0–30 kWh: Rp169/kWh
- >30–60 kWh: Rp360/kWh
- >60 kWh: Rp495/kWh
- Biaya beban: Rp11.000/kVA/bulan
Isi jumlah pemakaian bulan berjalan sebelum PZEM mulai merekam. Jika monitoring dimulai sejak awal periode dan PZEM mulai dari 0 kWh, biarkan 0.
Isi nilai cumulative energy_kwh PZEM saat alat mulai digunakan pada instalasi 450 VA. Baseline ini mencegah konsumsi instalasi sebelumnya ikut dihitung.
Perangkat
Nama Perangkat
ESP32-01
Sumber Data
PZEM-004T
Platform
ESP32
Database
Firebase Realtime Database
Status Perangkat
--
Akun
Email Akun
--
Tentang Sistem
Nama Sistem
Smart Energy Monitoring
Deskripsi
Monitoring konsumsi energi listrik berbasis ESP32 dan Internet of Things.
Metode Prediksi
Random Forest
Perangkat
ESP32 + PZEM-004T
Backend
Firebase Realtime Database
Status Model
Belum tersedia
Reset Preferensi
Reset pemakaian sebelum monitoring ke 0 tanpa mengubah data Firebase.
Prediksi
Prediksi
Prediksi konsumsi energi menggunakan Random Forest
ESP32-01
Belum tersedia
Prediksi Konsumsi 1 Jam Berikutnya
Prediksi Belum Tersedia
Model atau hasil prediksi belum tersedia untuk ditampilkan.
Prediksi Historis Terakhir
—
Feature Timestamp
—
Target Prediksi Historis
—
Staleness
—
Versi Model
—
RF dalam Proyeksi Bulan
—
Proyeksi Bulan Berjalan
—
Data Tidak Mencakup Awal Bulan
Sebagian konsumsi sebelum periode dataset diestimasi menggunakan rata-rata konsumsi per jam dari data aktual yang tersedia.
—
Evaluasi Model
Metrik evaluasi belum tersedia.MetrikPersistence BaselineRandom Forest
MAE——
RMSE——
R²——
—
Status Random Forest
ModelRandom Forest Regression
Research minimum—
Prediction freshness—
Data Quality—
Prediksi Belum Tersedia
Model atau hasil prediksi belum tersedia untuk ditampilkan.
Nilai kosong ditampilkan sebagai —, bukan 0.