Menggunakan GPT untuk Menganalisis Data Energi IAMMETER Cloud

📘 Pendahuluan

Tutorial ini menunjukkan cara menghubungkan akun IAMMETER Cloud Anda ke ChatGPT (atau Asisten IAMMETER), mengambil data meteran energi pintar Anda melalui API terbuka IAMMETER, dan secara otomatis menghasilkan laporan optimasi energi berbasis AI.

Fitur ini berlaku untuk semua produk IAMMETER, termasuk:

🏠 WEM3080 — Monitor energi rumah satu fasa
⚙️ WEM3080T / WEM3080TD — Meteran energi tiga fasa
☀️ Sistem pemantauan PLTS

🧩 Langkah 1 — Persiapan

1️⃣ Masuk ke IAMMETER Cloud

👉 /login

2️⃣ Dapatkan Token API Anda

Setelah masuk, klik ikon profil Anda (pojok kanan atas)
Pilih “Pengaturan->Token”
Salin token Anda — tampilannya seperti ini (hanya contoh):
```
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
```

3️⃣ Hubungkan ke GPT

Di ChatGPT (atau Asisten IAMMETER), ketik:

Token API IAMMETER saya adalah xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

GPT akan terhubung ke akun IAMMETER Cloud Anda dan menampilkan semua lokasi serta meteran yang tersedia.

⚙️ Langkah 2 — Ambil Informasi Lokasi dan Meteran

GPT akan mengembalikan ringkasan seperti ini:

Nama Lokasi	Tipe	Daya Waktu Nyata	Energi Bulanan	PV Aktif
Home Energy Monitor	Satu fasa	2400 W	272 kWh	Tidak
Solar PV System	PV	–870 W	211 kWh	✅ Ya

🔎 Langkah 3 — Pilih Lokasi untuk Dianalisis

Beri tahu GPT:

Saya ingin menganalisis lokasi Home Energy Monitor

GPT akan meminta nomor seri meteran (SN) Anda. Anda dapat menemukannya di IAMMETER Cloud → Daftar Perangkat, misalnya:

70B3D5XXXXXX

📊 Langkah 4 — Jalankan Analisis Daya

GPT akan memanggil endpoint API resmi IAMMETER Cloud: 👉 Dokumentasi System API

Contoh:

GetPowerAnalysis(sn="70B3D5XXXXXX", startTime="2025-11-21", endTime="2025-11-28")

Contoh hasil:

Metrik	Nilai
Daya Rata-rata	497.2 W
Daya Maksimum	5598 W
Daya Minimum	64 W
Daya Rata-rata Siang Hari	480.8 W

🌱 Langkah 5 — Contoh Laporan Optimasi Energi AI

Berikut adalah contoh laporan efisiensi energi yang dihasilkan GPT berdasarkan data IAMMETER Cloud.

⚡ Wawasan Energi Rumah Tangga

Beban rata-rata ≈ 500 W
Beban malam hari lebih tinggi — kemungkinan dari pemanas air atau AC
Beban puncak hingga 5,6 kW — terdeteksi peristiwa konsumsi tinggi yang singkat

💡 Saran Optimasi

Kategori	Rekomendasi	Potensi Penghematan
Daya Siaga	Matikan colokan yang menganggur dengan stopkontak pintar	~8–10%
Kontrol Pemanas Air	Jadwalkan pengoperasian pada jam di luar beban puncak atau jam surya	~10–15%
Manajemen Beban Puncak	Hindari menyalakan beberapa perangkat berat secara bersamaan	~5–8%

Total potensi penghematan: ≈ 20–25% (≈ 1.700 kWh/tahun, ≈ $120–150 USD)

🧠 Langkah 6 — Integrasi Kontrol Pintar (Opsional)

Anda dapat menggabungkan data IAMMETER + wawasan AI untuk kontrol otomatis menggunakan platform terbuka:

Platform	Deskripsi
🏠 Home Assistant	Kontrol waktu nyata melalui integrasi MQTT
🧩 Node-RED	Bangun alur logika pintar (misalnya, putus daya di atas 3 kW)
☁️ ThingsBoard	Buat dasbor dan prakiraan tren
🔌 WPC3700 Wi-Fi Power Controller	Gunakan energi surplus PLTS untuk kontrol pemanas

🏁 Langkah 7 — Ringkasan

Langkah	Tindakan	Kemampuan GPT
1	Dapatkan Token API	Autentikasi pengguna
2	Hubungkan ke IAMMETER Cloud	Tampilkan lokasi dan meteran
3	Berikan SN Meteran	Identifikasi perangkat
4	Jalankan Analisis Daya	Ambil data daya
5	Hasilkan Laporan	Wawasan energi berbasis AI
6	(Opsional) Integrasikan Kontrol	Aktifkan otomasi