SISTEM PEMANTAUAN DAN PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE XGBOOST (EXTREME GRADIENT BOOSTING)

Pertumbuhan konsumsi energi listrik yang semakin tinggi menuntut adanya sistem
pemantauan dan prediksi konsumsi daya listrik yang efisien serta akurat. Penelitian
ini bertujuan untuk membangun dan mengembangkan sistem Smart Energy Meter
berbasis (IoT) yang mampu memantau konsumsi daya listrik secara real-time serta
melakukan prediksi beban listrik jangka pendek menggunakan algoritma XGBoost
(Extreme Gradient Boosting). Sistem dibuat dengan mikrokontroler ESP32 dan
sensor PZEM-004T, yang terkoneksi dengan platform cloud untuk penyimpanan
data dan antarmuka visual melalui LCD serta halaman website. Data konsumsi
listrik yang diperoleh digunakan sebagai dataset pelatihan model XGBoost, dengan
proses tuning hyperparameter untuk memperoleh konfigurasi model yang optimal.
Hasil pengujian dilakukan pada tiga dataset dengan rentang waktu berbeda, yaitu
18 hari, 8 bulan, dan 1 tahun. Model XGBoost menunjukkan performa yang sangat
baik dengan akurasi masing-masing sebesar 93,97%, 95,46%, dan 99,87%, serta
nilai R² tertinggi mencapai 0,9974 pada dataset berdurasi satu tahun. Hasil tersebut
menunjukkan bahwa semakin panjang rentang data pelatihan, semakin tinggi
kemampuan model untuk mengenali pola beban listrik dan menghasilkan prediksi
yang presisi. Sistem Smart Energy Meter yang dikembangkan tidak hanya mampu
melakukan pemantauan konsumsi energi secara real-time, tetapi juga mampu
memprediksi kebutuhan beban listrik jangka pendek secara akurat.
Kata kunci: IoT, Load Forecasting, Monitoring Energi, Smart Energy Meter,
XGBoost.