Industri manufaktur merupakan sektor dengan konsumsi energi terbesar, sehingga efisiensi energi menjadi aspek penting dalam meningkatkan produktivitas dan menekan biaya operasional. Penelitian ini merancang sistem monitoring penggunaan energi listrik secara real-time pada mesin produksi AS07 di PT. Filtrona Manufacturing Indonesia menggunakan pendekatan Internet of Things (IoT) dan analitik prediktif berbasis Deep Learning. Sistem yang dikembangkan terdiri dari perangkat keras data logger berbasis ESP32 yang terhubung dengan power meter EasyLogic PM2200, serta perangkat lunak berbasis web yang menampilkan data konsumsi energi dan hasil prediksi. Empat model deep learning diuji untuk melakukan prediksi dan deteksi anomali, yaitu LSTM-AE, CNN, CNN-LSTM, dan CNN-BiLSTM. Hasil pengujian menunjukkan bahwa model CNN-BiLSTM univariate memiliki performa terbaik dengan tingkat akurasi prediksi paling tinggi. Mekanisme deteksi anomali dengan control chart ±3 standar deviasi efektif dalam mengidentifikasi deviasi konsumsi energi yang signifikan.. Sistem ini tidak hanya membantu dalam pemantauan konsumsi energi, tetapi juga berperan dalam mendeteksi potensi abnormal mesin secara dini.