Tingginya konsumsi energi listrik rumah tangga tanpa pemantauan yang efektif menyebabkan pemborosan energi dan lonjakan tagihan listrik yang tidak terduga. Penelitian ini bertujuan merancang sistem prediksi biaya listrik bulanan berbasis algoritma Long Short-Term Memory (LSTM) menggunakan data real-time perangkat elektronik. Metode penelitian menggunakan sensor smartplug untuk merekam konsumsi daya per menit, platform Node-RED sebagai interface dan pengelola data, serta model LSTM untuk analisis pola penggunaan energi historis. Data konsumsi diolah dan dilatih menggunakan LSTM dengan optimasi parameter epoch untuk menghasilkan prediksi tagihan bulanan yang akurat. Hasil pengujian menunjukkan model LSTM optimal pada 40 epoch dengan tingkat akurasi 94.5% (error 5.5%), nilai RMSE 19.537,10 dan MAE 18.690,79. Sistem berhasil mengintegrasikan prediksi real-time dengan dashboard Node-RED yang dilengkapi fitur one-click prediction dan visualisasi grafik histori prediksi. Kesimpulan penelitian menunjukkan bahwa sistem prediksi berbasis LSTM dapat membantu pengguna memantau konsumsi listrik secara proaktif, mengoptimalkan efisiensi energi, dan mengurangi biaya tagihan listrik, sehingga mendukung implementasi teknologi AI untuk penghematan energi rumah tangga.