Smart Power Monitoring dan Deteksi Anomali Kelistrikan Tiga Fasa Berbasis Machine Learning pada Industri merupakan inovasi sistem pemantauan dan deteksi anomali kelistrikan yang dirancang untuk mendukung pengawasan kondisi distribusi tenaga listrik tiga fasa pada lingkungan industri. Inovasi ini dikembangkan untuk mengatasi keterbatasan pemeriksaan kelistrikan secara manual yang belum memungkinkan pencatatan parameter secara berkelanjutan dan identifikasi penyimpangan pola operasi secara otomatis.
Sistem menggunakan tiga modul sensor PZEM-004T V3.0 untuk mengukur parameter kelistrikan pada masing-masing fasa R, S, dan T, meliputi tegangan, arus, daya aktif, faktor daya, frekuensi, dan energi listrik. Pemrosesan data dilakukan menggunakan dua mikrokontroler ESP32-S3 dengan pembagian fungsi. ESP32-S3 pertama bertugas melakukan akuisisi dan validasi data pengukuran, sedangkan ESP32-S3 kedua menjalankan pengolahan fitur dan deteksi anomali secara lokal. Kedua perangkat dirancang berkomunikasi melalui protokol ESP-NOW.
Keunggulan utama inovasi ini terletak pada penerapan algoritma Machine Learning Isolation Forest yang dapat mengidentifikasi pola kelistrikan tidak biasa berdasarkan hubungan sejumlah parameter secara bersamaan. Sistem menerapkan pendekatan feature engineering melalui tiga konfigurasi, yaitu fitur pengukuran langsung (raw features), fitur turunan hubungan antar-fasa (derived features), dan fitur perubahan berdasarkan waktu (temporal features). Pendekatan tersebut digunakan untuk mengevaluasi kemampuan deteksi terhadap karakteristik kelistrikan yang berbeda.
Proses pelatihan model dilakukan menggunakan Python, sedangkan inferensi dirancang berjalan langsung pada ESP32-S3 dengan pendekatan edge machine learning. Dengan demikian, proses identifikasi anomali tidak harus bergantung pada server eksternal. Sistem menghasilkan skor anomali (anomaly score) dan klasifikasi kondisi normal atau anomali yang dapat dikirim melalui jaringan Wi-Fi untuk disimpan dan divisualisasikan pada dashboard berbasis web. Proses pembuatan selesai digarap pada 3 Oktober 2026 dengan total waktu pembuatan 10 hari dan jumlah pengeluaran sejumlah Rp. 2.000.000,-. Karya inovasi tersebut diketuai oleh Vania Rapita Augesta bersama Irfan Ashari dan Muhammad Syauqi Azis Fikri Amrulloh sebagai anggota.
Inovasi ini diarahkan untuk diterapkan pada Sub Distribution Panel (SDP) Line 14 PT Roda Pasifik Mandiri sebagai sarana pemantauan kelistrikan dan pendukung kegiatan pemeliharaan. Melalui sistem ini, operator diharapkan dapat memperoleh informasi historis pengukuran, memantau perubahan kondisi kelistrikan, dan mengenali indikasi penyimpangan secara lebih dini untuk ditindaklanjuti melalui pemeriksaan teknis.
Pengembangan inovasi ini diharapkan dapat meningkatkan ketersediaan informasi kondisi kelistrikan, mendukung penerapan pemeliharaan berbasis data, dan menjadi alternatif sistem pemantauan cerdas yang memanfaatkan teknologi Internet of Things (IoT), machine learning, serta perangkat komputasi tertanam dengan biaya yang relatif terjangkau. Sistem berfungsi sebagai alat pemantauan dan pendeteksi indikasi anomali, bukan sebagai pengganti perangkat proteksi kelistrikan maupun alat diagnosis gangguan fisik secara langsung. Karya inovasi tersebut juga ikut tampil pada pameran EXPO Capstone pada 11 November 2026 di gedung E11 Fakultas Teknik UNNES.
