Di suatu rumah, penggunaan air conditioner (AC) terkadang tidak sesuai dengan kebutuhan, seperti AC tetap menyala tanpa aktifitas di ruangan atau adanya perangkat elektronik dengan daya tinggi seperti pompa air dan AC menyala bersamaan di rumah dengan kapasitas daya terbatas. Penelitian ini mengembangkan sistem prediksi status perangkat elektronik yang terhubung smart plug seperti AC. Smart plug memungkinkan pengendalian elektronik secara jarak jauh yang menghasilkan status elektronik secara near real-time. Data yang dihasilkan smart plug dipadukan data sensor lainnya seperti sensor suhu, sensor kelembapan, sensor gerak, smart power meter, dan smart plug yang terhubung dengan elektronik lainnya seperti pompa air. Data ini di proses dengan pendekatan big data menggunakan platform Node-RED untuk mengelola data secara near real-time, kemudian dataset disimpan pada MongoDB Cloud Atlas. Dataset yang dihasilkan memenuhi kriteria big data yaitu volume, variety dan velocity. Analisis data dilakukan dengan lima algoritma klasifkasi yaitu ANN, SVM, KNN, Random Forest dan Decision Tree. Hasil analisis menunjukkan bahwa random forest menangani kompleksitas data dengan baik pada dataset ini dibandingkan dengan algoritma lain. Selain itu, hasil evaluasi Random Forest pada akurasi presisi, recall, F1-score dan AUX memiliki hasil yang paling terbaik dibandingkan dengan algoritma lainnya. Random Forest diimplementasikan dalam dashboard monitoring menggunakan Rubix ML pada framework Laravel. Dashboard dapat menunjukkan informasi near real-time data tentang penggunaan energi, status elektronik AC, dan estimasi biaya listrik. Prediksi yang dihasilkan pada dashboard berhasil diujikan dan divalidasi melaui pengujian langsung terhadap smart plug bersama pengguna.

Kata Kunci
Prediksi Status AC, Smart plug, Big Data, Klasifkasi, Dashboard