1
Politeknik Manufaktur Astra
p-ISSN 2085-8507
e-ISSN 2722-3280
TECHNOLOGIC
VOLUME 11 NOMOR 2 | DESEMBER 2020
POLITEKNIK MANUFAKTUR ASTRA
Jl. Gaya Motor Raya No. 8 Sunter II Jakarta Utara 14330
Telp. 021 651 9555, Fax. 021 651 9821
www.polman.astra.ac.id
i
Politeknik Manufaktur Astra
DEWAN REDAKSI
Technologic
Ketua Editor:
Dr. Setia Abikusna, S.T., M.T.
Dewan Editor:
Lin Prasetyani, S.T., M.T.
Rida Indah Fariani, S.Si., M.T.I
Yohanes Tri Joko Wibowo, S.T., M.T.
Mitra Bestari:
Abdi Suryadinata Telaga, Ph.D.
(Politeknik Manufaktur Astra)
Dr. Eng. Agung Premono, S.T., M.T. (Universitas Negeri Jakarta)
Harki Apri Yanto, Ph.D.
(Politeknik Manufaktur Astra)
Dr. Ir. Lukas, MAI, CISA, IPM
(Universitas Katolik Indonesia Atma Jaya)
Dr. Sirajuddin, S.T., M.T.
(Universitas Sultan Ageng Tirtayasa)
Dr. Eng. Syahril Ardi, S.T., M.T.
(Politeknik Manufaktur Astra)
Dr. Eng. Tresna Dewi, S.T., M.Eng
(Politeknik Negeri Sriwijaya)
Administrasi:
Asri Aisyah, A.md.
Kristina Hutajulu, A.md.
Kantor Editor:
Politeknik Manufaktur Astra
Jl. Gaya Motor Raya No. 8 Sunter II Jakarta Utara 14330
Telp. 021 651 9555, Fax. 021 651 9821
www.polman.astra.ac.id
ii
Politeknik Manufaktur Astra
EDITORIAL
Pembaca yang budiman,
Puji syukur kita dapat berjumpa kembali dengan Technologic Volume 11 No. 2, Edisi
Desember 2020.
Pembaca, Jurnal Technologic Edisi Desember 2020 kali ini berisi 12 manuskrip.
Atas nama Redaksi dan Editor, di tengah pandemi covid-19 yang masih belum usai, kami
do’akan semoga dalam keadaan sehat selalu, dan kami haturkan terima kasih atas
kepercayaan para peneliti dan pembaca, serta selamat menikmati dan mengambil
manfaat dari terbitan Jurnal Technologic kali ini.
iii
Politeknik Manufaktur Astra
DAFTAR ISI
ANALISA PENYEBAB TERJADINYA CACAT PECAH PADA PARTINNER TUBE Ø30MM
MENGGUNAKAN METODE DMAIC DI PT. KAYABA INDONESIA
1
Nursim, Rifqi Arif Andriawan
MEMPERCEPAT PROSES DAN MENINGKATKAN SAFETY PEMASANGAN RODA DENGAN SST
LITTLE HELPER DI BENGKEL AUTO 2000 XXX
8
Setia Abikusna, R. Achmad Haryadi
MENGURANGI WAKTU PENGERJAAN AUTOLUBE PC2000-8 DENGAN GREASE CLOGGING
DETECTOR DI PT. UT DAERAH BENGALON-SANGKULIRANG
13
Vuko A.T Manurung, Wenang Trirahardjo, Bulan Ichwan
MENINGKATKAN ACHIEVEMENT RATE PENCARIAN PARTBOOK DENGAN METODE 8 STEPS DI
PART & SERVICE DIVISION PT UNITED TRACTORS PANDU ENGINEERING
19
Nensi Yuselin, Rahmah Putri Widianti
PERENCANAAN PLTS PADA ROOF TOP GEDUNG FAKULTAS TEKNIK UNIVERSITAS
MUHAMMADIYAH JAKARTA DENGAN MENGGUNAKAN SIMULASI PROGRAM PV*SOL
26
Prian Gagani Chamdareno, Adimas Fajar Priyo Sasongko, Budiyanto
MENURUNKAN MANUAL TIME PADA MANPOWER 5 UNTUK MENURUNKAN CYCLE TIME DI
LINE ASDL 08 DENGAN CARA MODIFIKASI MESIN INSTALL SCREW HOUSING MANUAL
MENJADI SEMI AUTO DI PT AISIN INDONESIA
32
Wahyudi, Muhammad Fariz Naufal
ANALISIS GAGAL LEAK TEST PADA PRODUK CYLINDER HEAD TYPE-A HASIL PROSES LOW
PRESSURE DIE CASTING DENGAN MATERIAL AC4B DI PT. X
39
Wahyudi, Slameto Wiryolukito
PERANCANGAN HUKUM KENDALI TERBANG LINEAR PESAWAT LSA PADA MATRA
LONGITUDINAL
46
Prasetyo Ardi Probo Suseno , Ardian Rizaldi, Try Kusuma Wardana, Novita Atmasari, Yusuf Giri Wijaya, Fuad Surastyo Pranoto
PROTOTYPE ONLINE MONITORING DAN AKUISISI DATA GARDU UNTUK MENGHILANGKAN
PROSES PATROLI GERBANG TOL
51
Eka Samsul Ma’arif, Maulana Firsyah Fatahillah
PERANCANGAN AWAL FLIGHT TEST INSTRUMENTATION (FTI) UNTUK PESAWAT TERBANG
TANPA AWAK DI PUSTEKBANG LAPAN
58
iv
Politeknik Manufaktur Astra
MONITORING KWH BERBASIS SYMPTOM MANAGEMENT DAN IOT UNTUK PENGHEMATAN
LISTRIK PABRIK X
64
Yani Koerniawan, Ivan Kharisman, Helena Ledyana Saurma Silalahi
PEMBUATAN APLIKASI PEMBELAJARAN PRAKTIKUM PLC SECARA DARING MENGGUNAKAN
PLC OMRON CP1E UNTUK MENGHADAPI PANDEMI COVID-19
71
64
Politeknik Manufaktur Astra
MONITORING KWH BERBASIS SYMPTOM MANAGEMENT DAN IOT
UNTUK PENGHEMATAN LISTRIK PABRIK X
Yani Koerniawan
1, Ivan Kharisman
2, Helena Ledyana Saurma Silalahi
3Jurusan Teknik Pemeliharaan Mesin Otomotif, Akademi Komunitas Toyota Indonesia, Karawang E-mail: yani_k@toyota.co.id1, ivan.kharisman@toyota.co.id2, helena.silalahi@toyota.co.id3
Abstrak--Biaya energi untuk proses produksi mobil di pabrik X didominasi oleh listrik sebesar 60%,
sedangkan 40% sisanya dari gas dan air. Untuk menjaga keuntungan, pabrik X menetapkan target penghematan energi listrik 10% per tahun. Beberapa penelitian telah berhasil membuat sistem pengontrolan
kwh yang mampu diakses melalui internet dan tambahan fungsi notifikasi kepada pengguna melalui sms.
Tetapi fungsi notifikasi ini hanya informasi bahwa pemakain kwh melebihi standar, tanpa diketahui apa yang harus dilakukan agar kwh sesuai standar. Permasalahannya karena pengguna tidak mengetahui faktor-faktor apa saja yang mempengaruhi kwh. Hal ini menjadi menjadi permasalahan penelitian. Faktor-faktor yang mempengaruhi kwh dicari melalui parameter-parameter symptom yakni gejala-gejala pada mesin yang diamati untuk mencegah breakdown. Parameter-parameter symptom ini terindikasi mempengaruhi kwh. Tujuan dari penelitian ini adalah membuktikan apakah parameter-parameter symptom mempengaruhi kwh, dan menghitung persentase pengaruh parameter-parameter symptom terhadap aktual kwh, lalu membuktikan usaha perbaikan terhadap parameter-parameter tersebut mampu menghemat listrik 10%. Penelitian dimulai dari Maret hingga Juni 2020, dengan data kuantitatif berdasarkan parameter-parameter symptom di mesin
chiller. Pengujian data menggunakan metode regresi linier berganda dengan aplikasi SPSS (Statistical Package for the Social Sciences). Terbukti parameter-parameter symptom mempengaruhi kwh dan dapat menjadi
acuan perbaikan kwh, dengan hasil penghematan listrik 15%, melebihi target 10%.
Kata Kunci : parameter-parameter symptom, regresi linier berganda, penghematan listrik
I. PENDAHULUAN
Produksi mobil di pabrik X memerlukan energi listrik, gas dan air untuk proses press, welding, painting dan assembly. Energi listrik sangat vital, karena 60% energi produksi dari listrik. Sedangkan 40% lainnya adalah energi gas dan air. Sehingga energi listrik menjadi prioritas cost reduction dengan target 10% per tahun agar perusahaan tetap survive. Perangkat penting untuk mendukung cost reduction atau penghematan listrik adalah system monitoring kwh. Dari beberapa penelitian, system monitoring kwh mengacu kepada Supervisory Control and Data Acquisition (SCADA), seperti gambar 1 berikut.
Gambar 1. Simple Block diagram SCADA (Elsevier, 2003)
Dimana Field Device adalah perangkat sensor data kwh, kemudian PLC (Programable Logic Control) mengolah data dari field device, kemudian Main PC (main personal computer) mengolah data kwh untuk ditampilkan secara web base. System monitoring kwh hasil beberapa penelitian sebelumnya berhasil membuat data kwh diakses melalui smart phone
android dan web dengan aplikasi bernama
‘thingspeak’ (Abhiraj, 2018). Kelebihan lain adalah fungsi notifikasi jika kwh akan melebihi target, seperti notifikasi sms dan buzzer (Raden Ajeng Gusti
Ramadhianti, 2018). Meskipun fungsi-fungsi ini dapat mencegah kelebihan pemakaian kwh, tetapi pengguna belum bisa mengetahui faktor-faktor yang menyebabkan aktual pemakaian kwh naik. Rangkuman beberapa penelitian sebelumnya, dan fungsi-fungsi yang ada digambarkan pada tabel state of the art (sota) seperti tabel 1 berikut.
Tabel 1. Posisi proposal penelitian dalam state of art (Aryonurutomo, 2015)
Terlihat belum adanya fungsi analisis kwh sebagai informasi bagi pengguna tentang faktor terbesar yang mempengaruhi kwh dan menjadi prioritas improvement untuk mencapai target cost reduction 10%. Fungsi analisis ini diharapkan dapat dicari
65
Politeknik Manufaktur Astra
dengan metode symptom management. Symptom
management adalah proses pengamatan dan
pengendalian parameter pada mesin untuk mencegah kerusakan (breakdown), berupa warning signal seperti gambar 2. Parameter parameter ini juga terindikasi memiliki korelasi dengan kwh.
Gambar 2. Konsep symptom management (Miso, 2018)
Berdasarkan informasi dan gap penelitian seperti tabel 1 diatas, maka ditentukan pertanyaan penelitian:
-Apakah parameter-parameter symptom
mempengaruhi aktual kwh
-Berapa persen pengaruh parameter-parameter symptom terhadap aktual kwh
-Apakah improvement terhadap parameter-parameter tersebut dapat menghemat listrik 10%.
II. METODOLOGI PENELITIAN
Untuk mencapai tujuan penelitian, perlu ditentukan arah penelitian berdasarkan literatur yang telah ada, kemudian merencanakan metode penelitian. Berdasarkan penelitian-penelitian yang telah ada, system monitoring kwh mengacu kepada konsep Supervisory Control and Data Acquisition (SCADA), yaitu teknologi yang memberikan kemudahan bagi pengguna untuk mendapatkan data dari fasilitas-fasilitas yang berjauhan serta mengirimkan beberapa instruksi (Elsevier, 2003). Seperti terlihat pada gambar 3 berikut.
Gambar 3. Detail Block Diagram SCADA (Elsevier, 2003)
2.1 Block Diagram System Monitoring kwh
Dari block diagram di gambar 4, system monitoring kwh terdiri dari beberapa bagian dasar:
1. Sensor Arus (current sensor)
Sensor arus ACS712 yang mampu membaca arus DC maupun AC.
2. Pengolah data (microcontroller Arduino) Microcontroller adalah suatu chip atau IC (Integrated Circuit) yang bisa deprogram. 3. Main PC (Main Personal Computer)
Main PC mengolah data dari microcontroller melalui transmitter (Wi-Fi Module) menjadi data visual seperti gambar 5, untuk ditampilkan di smart phone atau web melalui Local Web Server.
Gambar 4. Block Diagram System Monitoring kwh (Abhiraj, 2018)
Gambar 5. Tampilan “Thing Speak” melalui smart phone (Abhiraj, 2018)
Gambar 6. Alternatif display melalui sms (RAG Ramadhianti, 2018)
Setiap 5 menit, “Thing Speak” menampilkan kwh kepada pengguna dari smart phone dari lokasi manapun. Tampilan pertama menunjukkan kwh kondisi 1 beban, tampilan kedua menunjukkan kwh kondisi 2 beban, dan secara otomatis memberikan
66
Politeknik Manufaktur Astra
notifikasi kepada pengguna melalui teks warna merah. Sehingga dengan keunggulan fungsi notifikasi ini, pengguna segera dapat memutuskan untuk meneruskan beban ke 2 atau tidak. Ini adalah contoh fungsi notifikasi visual melalui smart phone. Sedangkan fungsi notifikasi lainnya dapat berupa pesan suara (buzzer) atau sms seperti gambar 6. Pada dasarnya fungsi notifikasi adalah peringatan (reminder) jika pemakain kwh akan melebihi standar atau target. Informasi dari system masih terbatas pada notifikasi karena adanya penambahan beban.
2.2 Internet of Things (IoT)
Internet of Things adalah struktur yang yang menghasilkan suatu interaksi antar mesin tanpa campur tangan manusia dan tanpa dibatasi oleh jarak. Manusia hanyalah pengawas melalui smart phone seperti gambar 7.
Gambar 7. Penerapan IoT (Hambali, 2019) Contoh sederhana penerapan IoT adalah proses pengiriman data pemakaian daya kwh dari sensor pencatat kwh digital ke PC.
2.3 Tinjauan terhadap system monitoring yang ada System monitoring yang telah dihasilkan dari beberapa penelitian mengalami perkembangan pesat dengan bantuan IoT, salah satunya informasi real time melalui smart phone dan web. Termasuk tambahan fungsi notifikasi kepada pengguna. Kelebihan fungsi notifikasi ini adalah dapat memberikan informasi diawal sebelum terjadi kelebihan pemakaian kwh, tetapi pengguna belum mengetahui faktor-faktor yang menyebabkan pemakaian kwh tinggi. Sehingga pengguna tidak mendapat umpan balik (feedback) terhadap kebiasaan pemakaian selama ini. Masih diperlukan faktor analisis kwh sebagai bahan improvement untuk penghematan listrik. Perlu dilakukan penelitian untuk mengetahui faktor-faktor yang mempengaruhi kwh.
2.4 Waktu dan tempat penelitian
Penelitian dimulai dari 1 Maret 2020 hingga 30 Juni 2020. Lokasi penelitian di pabrik X, pada proses painting dan mesin chiller, dengan pertimbangan lokasi ini adalah tempat pemakaian listrik terbesar.
2.5 Metode untuk mencari faktor-faktor kwh
Metode symptom management digunakan sebagai pendekatan untuk mendapatkan parameter-parameter yang mempengaruhi kwh. Dengan dua alasan yakni parameter-parameter symptom telah rutin digunakan dalam maintenance activity untuk menganalisis kondisi mesin sebelum terjadi breakdown, dan secara teori parameter-parameter symptom tersebut terindikasi mempengaruhi kwh. Parameter-parameter tersebut dibatasi kepada: durasi, akselerasi dan temperatur mesin.
2.6 Metode analisis data
Menggunakan teknik regresi liner berganda, karena ada lebih dari satu variabel bebas yang mempengaruhi satu variabel tetap. Variabel bebas dibatasi pada tiga paremeter symptom yakni: durasi, akselerasi dan temperatur mesin. Sedangkan variabel tetap adalah daya listrik dalam kwh. Parameter pertama adalah durasi kerja mesin, kedua adalah akselerasi mesin, dan ketiga adalah temperatur mesin, contoh pengamatan parameter symptom temperatur seperti pada gambar 8.
Gambar 8. Symptom : temperatur (Miso, 2018) 2.6.1 Hubungan Symptom Parameter dan Kwh
Durasi kerja berhubungan dengan nilai energi (dw) melalui formula (Kosa Shantia, 2013):
dw = p x dt
(2.1)
dimana: dw = perubahan energi listrik (kwh) p = daya yang digunakan (kw) dt = selang waktu atau durasi (jam) Akselerasi mesin ditandai arus awal yang berhubungan dengan daya melalui formula (Maharani Putri, 2018):
P = V. I .Cos ɵ
(2.2)
dimana: V=Tegangan (Volt) I=Arus (Amphere)
Temperatur mesin rentan mengalami kenaikan yang dapat menyebabkan rugi daya, terutama pada motor kompresor. Tabel 2 berikut menunjukkan persentase penurunan kw setiap kenaikan temperatur.
Tabel 2. Korelasi temperatur dan daya (Kosa Shantia, 2013)
67
Politeknik Manufaktur Astra
2.6.2 Regresi Linier Berganda
Regresi linear berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2, … Xn) dengan variabel dependen (Y). untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen dengan rumus sebagai berikut (Fatkhan Amirul Huda, 2018):
(2.3)
Dimana:
Untuk menguji besarnya pengaruh variabel X terhadap Y, ada empat analisis sebagai berikut:
a) Analisis Determinasi (R2)
Jika R2 bernilai 0 maka tidak ada sedikitpun
presentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen, tetapi jika R2 bernilai 1 maka sumbangan pengaruh
adalah sempurna. Rumus R2 adalah:
(2.4)
Dimana:
b) Uji Koefisien Regresi Secara Bersama-sama (Uji F) Uji ini digunakan untuk mengetahui apakah variabel independen secara bersama-sama berpengaruh secara signifikan terhadap variabel dependen.
Rumus untuk mencari F hitung adalah sebagai berikut: (2.5)
Dimana:
c) Uji Koefisien Regresi Secara Parsial (Uji t) Uji ini untuk mengetahui apakah variabel independen secara parsial mempengaruhi variabel dependen.
Rumus t hitung sebagai berikut:
(2.6)
Dimana:
Kalkulasi nilai R2, uji F dan uji t dilakukan dengan
bantuan aplikasi SPSS.
d) Analisis persentase tiap variabel X melalui SE Nilai sumbangan efektif (SE) didapatkan dari persamaan sebagai berikut (Sahid Raharjo, 2014): SE (%) = Nilai Beta x Koefisien korelasi x 100% (2.7) Nilai beta didapat dari output SPSS analisis regresi dan nilai koefisien korelasi didapat dari output SPSS analisis korelasi. Nilai SE berhubungan dengan R2
melalui persamaan:
SE (x1,x2,,,xn) = R2 x 100%.
(2.8)
2.7 Perencanaan system
Perencanaan system monitoring kwh dengan metode symptom management dan aplikasi IoT, seperti gambar 9, dengan nama “Utility Energi Visualization” (UEV). Obyek penelitian adalah paint shop, di line surfacer dan mesin Chiller.
Gambar 9. Design system monitoring “UEV” dengan Symptom Management dan IoT 2.8 Proses pengambilan dan pengujian data
a) Menyiapkan sampling data kuantitatif sebanyak 30 sample, sesuai sample minimal regresi berganda. Kemudian menguji keabsahan data.
b)Pengujian data dengan regresi linier berganda (output SPSS) yang meliputi pengaruh simultan dan parsial variabel-variabel X terhadap Y.
2.9 Proses Analisis data
a) Mencari nilai persentase pengaruh masing variabel X terhadap Y, sebagai persentase faktor kwh.
68
Politeknik Manufaktur Astra
b)Menerapkan nilai persentase faktor kwh kedalamgrafik visualisasi system monitoring dan menentukan improvement terhadap faktor terbesar.
c) Mengimplementasikan ide perbaikan
(improvement)
dan mengamati kembali aktual kwh. 2.10 Kesimpulan
Setelah tahapan analisis, dilanjutkan dengan kesimpulan untuk menjawab pertanyaan penelitian.
III. HASIL DAN DISKUSI
Hasil pengujian dan analisisnya, sebagai berikut: 3.1 Sampling data kuantitatif
Sebanyak 30 data seperti tabel 3 berikut. Tabel 3. Data sample variabel X dan Y
3.2 Hasil regresi linier berganda
Nilai-nilai hasil regresi linier berganda dengan aplikasi SPSS dapat dirangkum menjadi tabel 4 berikut.
Tabel 4. Hasil regresi linier berganda
3.3 Penerapan persentase faktor kwh ke sistem Persentase pengaruh tiap faktor ini diaplikasikan ke sistem “UEV”, terlihat opening menu pada gambar 10.
Gambar 10. System monitoring Energi “UEV” Kemudian beralih ke tampilan menu area painting shop line surfacer dan sub cost center mesin Chiller, seperti gambar 11 berikut.
Gambar 11. Monitoring kwh di mesin Chiller Painting Shop (tanpa analisis faktor gap) Selanjutnya ditambahkan fungsi analisis gap kedalam grafik mengunakan nilai persentase faktor kwh yang telah didapat dari nilai SE. Seperti pada gambar 12 berikut.
Gambar 12. Monitoring kwh di mesin Chiller Painting Shop (dengan analisis faktor gap) Terlihat gap pada tanggal 6 juni sebesar 1457 kwh. Dari data ini, penyumbang persentase gap terbesar adalah faktor durasi 610 kwh (41,9 %), sehingga improvement fokus kepada pengaturan durasi.
69
Politeknik Manufaktur Astra
3.4 Improvement terhadap faktor terbesar
Prinsip dasar dari improvement ini adalah meninjau kembali waktu start mesin chiller. Dimulai sebelum improvement, dimana mesin chiller mulai start on pada jam 05.15 seperti pada gambar 13.
Gambar 13. Kondisi mesin chiller start pada jam 05.15
Kondisi sesudah improvement seperti terhihat pada gambar 14, mesin chiller mulai start jam 05.45, efektif mulai 9 juni.
Gambar 14. Kondisi mesin chiller start pada jam 05.45
3.5 Evaluasi hasil improvement
Setelah dilakukan improvement, dilakukan kembali pengamatan kwh di system monitoring dengan hasil seperti gambar 15.
Gambar 15. Aktual kwh turun (saving) sebesar 15% setelah dilakukan improvement
Terlihat pada gambar 15, di tanggal 9 juni aktual kwh mengalami penurunan dari sebelumnya tanggal 6 juni adalah 6892 kwh menjadi 5845 kwh ditanggal 9 juni, turun sebesar 1047 kwh (15%), dan terlihat trend kwh dari 9 juni sampai 30 juni relatif sama dengan kwh hasil improvement.
IV. KESIMPULAN
Kesimpulan dari penelitian ini merupakan jawaban dari pertanyaan penelitian: Parameter-parameter symptom terbukti mempengaruhi aktual kwh, baik
secara parsial maupun simultan. Dan persentase pengaruh parameter-parameter symptom terhadap aktual kwh, secara total 99.7%, sedangkan sisanya 0,3% dipengaruhi oleh faktor lain. Dan persentase masing-masing pengaruh faktor terhadap kwh: durasi (41,9%), akselerasi (29,7%) dan temperatur (28,2%). Selanjutnya Improvement yang dilakukan fokus kepada faktor yang menyumbang persentase terbesar kepada aktual kwh, dalam hal ini faktor durasi (41,9%). Dan terbukti hasil improvement berkontribusi kepada penghematan energi sebesar 15% (melebihi target 10%).
V. PUSTAKA
[1] Corina Postelnicu. (2012). Embedded Service Oriented Monitoring for the Energi Aware Factory. Tampere University of Technology. [2] Abhiraj Prashant Hiwale1. (2018). IoT Based
Smart Energi Monitoring. International Research Journal of Engineering and Technology.
[3] Temy Nusa. (2015). Sistem Monitoring Konsumsi Energi Listrik Secara Real Time Berbasis Mikrokontroler. E-journal Teknik Elektro dan Komputer, Vol 4. No. 5.
[4] Irwan Dinata. (2015). Implementasi Wireless
Monitoring Energi Listrik Berbasis Web
Database. Jurusan Teknik Elektro, Fakultas Teknik Universitas Bangka Belitung.
[5] Raden Ajeng Gusti Ramadhianti. (2018). Rancang Bangun Monitoring Energi Listrik Menggunakan SMS Berbasis Mikrokontroler. E-journal Spektrum Vol 5, No.1.
[6] Rizal Akbar. (2018). Rancang Bangun Alat Monitoring Tegangan, Arus, Daya, Kwh, Serta Estimasi Biaya Pemakaian Peralatan Listrik Pada Rumah Tangga. Jurusan Teknik Elektro Fakultas Teknologi Industri Universitas Islam Indonesia Yogyakarta.
[7] Mohammad Dwi Cahyo. (2018). Rancang Bangun Sistem Proteksi Dan Monitoring Energi Listrik Berbasis Mikrokontroler Menggunakan Visual Studio Uji Coba Diakses Di PT. Pancawana Indonesia. Cyclotron Volume 1 Nomor 2, Juli 2018.
[8] Mohammad Sirojuddin (2014). Desain Sistem Monitoring Dan Kontrol Penggunaan Energi Listrik Menggunakan Wireless Sensor Network. Prosiding Seminar Nasional Sains dan Pendidikan Sains IX, Fakultas Sains dan Matematika, UKSW Salatiga, 21 Juni 2014, Vol 5, No. 1.
[9] Rodilla Sala (2002). Programmable Monitoring Device For Electric Consumption. United States Patent No.: US 6,429,642 B1.
[10] Thomas D. Petite (2007). System And Methods For Providing Remote Monitoring Of Electricity
70
Politeknik Manufaktur Astra
Consumption For An Electric Meter. United States Patent No.: US 7,209,840 B2.
[11] Thomas Behrendt. (2012). Development of Energi Consumption Monitoring Procedure for Machine Tools. CIRP Annals, Volume 61, Issue 1, 2012, Pages 43-46.
[12] Rodenberg. (2006). Programmable Electricity Consumption Monitoring System And Method. United States Patent No.: US 7,043,380 B2. [13] Miso. (2018). Effective Preventive Maintenance
Improvement by Symptom Management.
Maintenance Jiritsuka Step 4 P.T. X
[14] Hambali. (2019). Internet Of Things (IoT). https://setjen.pu.go.id
[15] Sahid Raharjo. (2014). Tutorial SPSS www.SPSSindonesia.com
[16] Fatkhan Amirul Huda. (2018). Pengertian Dan Contoh Kasus Uji Regresi Linear Sederhana Dan Berganda. Fatkhan.Web.Id
[17] Maharani Putri. (2018). Analisis Kualitas Daya Akibat Beban Reaktansi Induktif (XL) di Industri. Journal of Electrical Technology, Vol. 3, No. 2, Juni 2018.
[18] Kosa Shantia. (2013). Analisis Pemanfaatan Energi Listrik pada Mesin-mesin Produksi Divisi Pabrikasi Di PT INKA Madiun. Jurusan Teknik Elektro Fakultas Teknik, Universitas Brawijaya. [19] Dwiky Febrian. (2016). Analisis Metode Starting
Motor Induksi Star Delta pada Air Compressor. Program Studi Teknik Elektro Departemen Teknik Elektro, Fakultas Teknik, Universitas Indonesia.
[20] Elsevier (2003). Practical SCADA for industry Linacre House, Jordan Hill, Oxford OX2 BDP 200 Wheeler Road, Burlington, MA 01803 [21] Aryonurutomo (2015). Merancang Penelitian
State of The Art