Memuat...
Lokasi: —
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
--
Konsumsi bulan berjalan: -- kWh
Biaya Beban Bulanan
--
0.45 kVA × Rp11.000/kVA/bulan
Estimasi Total Biaya
--
Energi + Beban
Perhitungan konsumsi berdasarkan selisih counter PZEM selama periode monitoring bulan berjalan.
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
LokasiTidak diketahui
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 | Lokasi | 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.
Lokasi Perangkat Saat Ini
Lokasi digunakan untuk memberi konteks pada data pengukuran baru. Mengubah lokasi akan memulai sesi pengukuran baru.
Lokasi Aktif
Tidak diketahui
Sesi Aktif
—
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
Perhitungan Random Forest
Ambil data riwayat Firebase, lakukan preprocessing, lalu jalankan prediksi menggunakan model Random Forest yang aktif. Tombol ini tidak melakukan retraining.
Siap melakukan perhitungan.
Prediksi Konsumsi 1 Jam Berikutnya
Prediksi Belum Tersedia
Model atau hasil prediksi belum tersedia untuk ditampilkan.
Prediksi Historis Terakhir
—
Status Konsumsi
—
Batas historis: —
Lokasi Data Prediksi
—
Feature Timestamp
—
Waktu data yang digunakan sebagai input model.
Target Prediksi
—
Jam yang diprediksi oleh model, yaitu 1 jam setelah feature timestamp.
Jarak Data Fitur ke Data Mentah Terakhir
—
Selisih waktu antara feature lengkap terakhir yang dapat digunakan model dan pembacaan mentah terakhir yang tersedia.
Waktu perhitungan
—
Umur Data terhadap Waktu Sekarang
—
Selisih antara waktu data yang digunakan dan waktu saat perhitungan dilakukan.
Versi Model
—
Prediksi RF Digunakan
—
Menunjukkan apakah prediksi Random Forest 1 jam ikut diperhitungkan dalam proyeksi bulan berjalan.
Proyeksi Bulan Berjalan
—Proyeksi ini memperkirakan total konsumsi sampai akhir bulan dari data konsumsi yang tersedia. Prediksi Random Forest 1 jam hanya digunakan jika hasilnya masih memenuhi syarat data yang cukup terkini.
Estimasi Data Awal Bulan
Data monitoring tidak tersedia sejak awal bulan. Konsumsi pada periode sebelum data mulai tercatat diestimasi menggunakan rata-rata konsumsi per jam dari data aktual yang tersedia. Angka ini estimasi, bukan prediksi Random Forest dan bukan pengukuran aktual.
—
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.