Penggunaan alat elektronik secara bersamaan membuat konsumsi energi listrik sulit termonitoring dengan baik disetiap unit industri, hal tersebut terjadi akibat sulitnya mengidentifikasi jumlah konsumsi energi listrik di setiap peralatan yang ada dalam 1 unit kerja. Tugas akhir ini muncul sebagai bentuk solusi untuk mengidentifikasi konsumsi daya melalui pengenalan karakteristik setiap jenis beban dan mengelompokannya kedalam 1 unit kerja dengan unit kerja yang lain. Hal ini memudahkan pengguna energi listrik untuk memonitoring penggunaan daya listrik berdasarkan data hasil klasifikasi setiap unitnya serta dapat memberikan informasi tentang intensitas penggunaan alat tersebut yang diamati melalui daya yang di konsumsi pada setiap peralatan elektronik. Dengan menggunakan sumber AC, beban linier dan non-linier dalam 1 unit kerja dapat di monitoring dengan sensor arus dan tegangan. Untuk dapat membedakan macam-macam beban yang terhubung, digunakan proses alih bentuk sinyal berdomain waktu menuju sinyal berdomain frekuensi menggunakan Fast Fourier Transform sehingga muncul komponen harmonisa yang menjadi karakteristik tiap kelompok beban. Karakteristik dilatih ke algoritma Jaringan Syaraf Artificial Neural Network oleh matlab untuk menghasilkan pemodelan memungkinkan untuk mengidentifikasi 1 Unit beban kerja yang ditentukan kelompoknya oleh pemodelan tersebut. Hasil dari pemodelan JST (jaringan syaraf tiruan) berupa validasi identifikasi kelompok beban dari target 1 hingga 8, dengan error terkecil 0.0084% saat menggunakan jumlah neuron sebanyak 15.