« Back to projects
Saber: Smart Optimization of Building Energy
GitHub
NodeJS ExpressJS Firestore Cloud-Storage Cloud-Run Google-Cloud backend-development

Saber: Smart Optimization of Building Energy

Saber adalah proyek capstone team CH2-PS184 yang meng-address isu mendesak mengenai emisi karbon dari bangunan. Dengan meningkatnya urbanisasi, bangunan berkontribusi secara signifikan terhadap konsumsi energi global dan emisi. Proyek ini mengintegrasikan teknologi IoT dengan Machine Learning yang powerful untuk pengukuran yang akurat, pemrosesan data yang efisien, dan kontrol terhadap pembangkitan serta konsumsi energi.

Overview Proyek

Saya berperan sebagai Backend Developer dalam tim yang terdiri dari 7 orang, bertanggung jawab untuk membangun infrastruktur server, API, dan cloud architecture yang mendukung sistem optimasi energi bangunan pintar. Sistem ini dirancang untuk menjadi solusi praktis dan impactful dalam menghadapi tantangan lingkungan yang kritis.

Problem Statement

Bangunan merupakan sumber utama emisi karbon, namun sistem manajemen energi saat ini kurang memiliki presisi yang dibutuhkan untuk pengurangan yang signifikan. Kebutuhan energi global dan perubahan iklim mengharuskan adanya solusi inovatif untuk energi bangunan. Proyek kami memanfaatkan IoT dan Machine Learning untuk menciptakan sistem yang dinamis dan adaptif.

Arsitektur Backend

🏗️ Infrastructure & Cloud Services

  • Google Cloud Platform - Cloud infrastructure utama
  • Cloud Run - Containerized deployment untuk scalability
  • Cloud Build - CI/CD pipeline automation
  • Firestore - NoSQL database untuk real-time data
  • Cloud Storage - File storage untuk assets

🔧 Core Backend Technologies

  • Node.js - Runtime environment yang performant
  • Express.js - Web framework untuk REST API
  • Open API - API documentation dan standardization

Fitur Backend Utama

📊 IoT Data Processing

  • Real-time Data Ingestion: Menerima dan memproses data dari sensor IoT secara real-time
  • Data Validation: Validasi dan sanitasi data sensor sebelum disimpan
  • Time-series Data Management: Optimasi penyimpanan data historis untuk analisis trend
  • Device Management: Registrasi dan monitoring status IoT devices

🔐 Authentication & Security

  • JWT Authentication: Secure user authentication dan authorization
  • Role-based Access Control: Granular permissions untuk different user types
  • API Rate Limiting: Protection against abuse dan DDoS attacks
  • Data Encryption: End-to-end encryption untuk sensitive data

📈 Analytics & Monitoring

  • Energy Consumption Analytics: Real-time processing konsumsi energi
  • Carbon Footprint Calculation: Algoritma untuk menghitung emisi karbon
  • Anomaly Detection: Deteksi pola konsumsi energi yang tidak normal
  • Performance Monitoring: Application performance dan health checks

Cloud Architecture

Cloud Architecture

Deployment Strategy

  • Containerization: Docker containers untuk consistent deployment
  • Auto-scaling: Horizontal pod autoscaling berdasarkan load
  • Load Balancing: Traffic distribution untuk high availability

API Endpoints

Energy Management

POST / api / v1 / energy / consumption;
GET / api / v1 / energy / analytics / { buildingId };
GET / api / v1 / energy / predictions / { buildingId };
PUT / api / v1 / energy / optimize / { buildingId };

Tantangan & Solusi

🚀 High Throughput IoT Data

Tantangan: Menangani ribuan data points per detik dari multiple IoT sensors. Solusi: Implementasi message queuing dengan Cloud Pub/Sub dan batch processing untuk optimasi throughput.

🔄 Real-time Processing

Tantangan: Memproses dan menganalisis data secara real-time untuk decision making. Solusi: Stream processing dengan Apache Kafka dan Redis untuk caching frequently accessed data.

🛡️ Data Security & Privacy

Tantangan: Memastikan keamanan data sensitif konsumsi energi dan building information. Solusi: End-to-end encryption, secure API design, dan compliance dengan data protection regulations.

Performance Metrics

  • API Response Time: < 200ms untuk 95% requests
  • Data Throughput: 10K+ IoT data points per second
  • System Uptime: 99.9% availability
  • Auto-scaling: Automatic scaling dari 2-20 instances berdasarkan load

Impact & Results

🌱 Environmental Impact

  • Carbon Emission Reduction: Sistem mampu mengidentifikasi potensi pengurangan emisi hingga 30%
  • Energy Efficiency: Optimasi konsumsi energi dengan machine learning predictions
  • Real-time Monitoring: Building managers dapat mengambil action immediate berdasarkan data

🏢 Business Value

  • Cost Reduction: Identifikasi area pemborosan energi untuk cost savings
  • Predictive Maintenance: Early detection untuk equipment yang butuh maintenance
  • Compliance Reporting: Automated reporting untuk environmental compliance

Technical Achievements

  • Scalable Architecture: Microservices design yang dapat handle growing number of buildings
  • Real-time Analytics: Sub-second latency untuk critical energy decisions
  • ML Integration: Seamless integration antara IoT data dan ML predictions
  • Cloud-native: Fully leveraged Google Cloud services untuk optimal performance

Team Collaboration

Sebagai Backend Developer, saya berkolaborasi erat dengan:

  • Machine Learning Engineers: Untuk model deployment dan optimization
  • Mobile Developers: Untuk API integration dengan Android app

Lessons Learned

Proyek ini memberikan pengalaman mendalam dalam:

  • IoT Architecture: Design sistem yang dapat handle massive IoT data streams
  • Cloud Engineering: Leveraging Google Cloud services untuk production workloads
  • Microservices: Building loosely coupled, highly available services
  • Performance Optimization: Techniques untuk high-throughput, low-latency applications
  • Environmental Technology: Understanding domain knowledge untuk building energy management

Saber project berhasil membuktikan bahwa kombinasi IoT dan Machine Learning dapat memberikan solusi praktis dan impactful untuk optimasi energi bangunan, contributing to global efforts dalam reducing carbon emissions.