Energi listrik di era modern ini mengambil peran yang sangat penting dalam kehidupan manusia. Sebagian besar peralatan rumah tangga membutuhkan energi listrik untuk beroperasi, dan peralatan ini terus bertambah setiap tahunnya seiring dengan meningkatnya kebutuhan pengguna. Konsumen energi listrik terkadang melupakan hal ini dan baru menyadari ketika tagihan listrik bulanan tiba-tiba membengkak. Anomali penggunaan listrik juga menjadi masalah serius karena terkadang peralatan listrik yang rusak atau lupa dimatikan atau bahkan pencurian listrik dapat menyebabkan kerugian besar tanpa disadari. Oleh karena itu kami membangun sebuah sistem data logger dan aplikasi web yang memiliki fitur analitik data listrik pada rumah. Kami menggunakan beberapa metode machine learning untuk melakukan prediksi penggunaan listrik, diantaranya metode LSTM (Long Short Term Memory), ARIMA (Autoregressive Ingrated Moving Average), dan CNN-LSTM. Pada data konsumsi energi listrik per jam, kami menguji model tersebut dengan data 200 jam, dan hasilnya menunjukkan bahwa skor MSE (Mean Squared Error) LSTM adalah 2094, ARIMA adalah 2015, dan CNN-LSTM 1979. CNN-LSTM memberikan skor kesalahan paling kecil, namun ARIMA dengan kompleksitas metode yang lebih sederhana mampu memberikan skor kesalahan yang relatif kecil dan mengungguli LSTM.