Perpustakaan Digital ITB

Pemanfaatan panel surya telah menjadi pilihan yang sangat diminati dalam menghasilkan listrik melalui energi matahari. Panel surya tipe on-grid, yang terhubung dengan jaringan listrik utama seperti yang dioperasikan oleh Perusahaan Listrik Negara (PLN), telah menjadi opsi yang efisien dalam hal biaya jika dibandingkan dengan sistem off-grid. Namun, tantangan saat ini terletak pada PLN yang belum mampu memantau data produksi listrik dan konsumsi listrik dari pengguna panel surya on-grid. Padahal, informasi semacam itu krusial untuk mengantisipasi potensi masalah seperti undervoltage atau bahkan pemadaman listrik pada segmen jaringan yang banyak dihuni oleh pengguna panel surya on-grid. Maka dari itu, sistem pemantauan yang komprehensif menjadi sangat penting. Sistem ini harus menyediakan data secara real-time untuk setiap panel surya on-grid yang terhubung ke jaringan listrik dan juga memberikan gambaran keseluruhan tentang total konsumsi energi. Karya tulis ini membahas perancangan dan implementasi sistem monitoring energi dari rooftop solar cell berbasis web. Subsistem yang dibahas pada karya tulis ini adalah subsistem database, subsistem frontend GUI, dan subsistem backend service. Subsistem database diimplementasikan dengan framework MySQL. Subsistem frontend GUI diimplementasikan menggunakan ReactJS dengan membagi interface menjadi beberapa halaman dan komponen. Subsistem backend service diimplementasikan dengan membangun REST API dengan Node.js. Hasil evaluasi menunjukkan fitur-fitur yang dibangun pada aplikasi dapat menjalankan fungsinya. Hasil pengujian spesifikasi juga menunjukkan bahwa aplikasi dapat melakukan monitoring data kelistrikan dari rooftop solar cell dan beban pelanggan setiap 5 menit. Namun, pengujian spesifikasi latensi fitur masih belum terpenuhi seluruhnya dikarenakan terdapat beberapa fitur yang latensi eksekusinya melebihi 1000 ms. Pengembangan lebih lanjut dari sistem ini dapat dilakukan dengan menambah fitur skalabilitas pada aplikasi sehingga latensi eksekusi untuk setiap fitur dapat dipastikan di bawah 1000 ms. Selain itu, dapat dikembangkan pula sistem prediksi daya berbasis machine learning dengan berdasarkan data cuaca untuk memungkinkan pengambilan tindakan yang proaktif.