Saat ini, banyak pemilik rumah tangga menerapkan konsep perkantoran rumah atau biasa disebut rumah kantor (rukan) karena fleksibilitas dan efisiensi yang ditawarkannya. Namun, kebutuhan eneri listrik penggunaan perangkat elektronik dalam perkantoran rumah terus meningkat. Banyak pemilik perkantoran rumah sulit memantau dan menganalisis pola pemakaian listrik secara mendalam, sehingga menyebabkan pemborosan energi hingga 30% dari konsumsi total. Penelitian ini bertujuan membangun sistem yang dapat mengelompokkan pemakaian listrik harian ke dalam tiga kategori: hemat, normal, dan boros. Sistem menggunakan algoritma Long Short-Term Memory (LSTM), jenis pembelajaran mesin yang mampu mempelajari pola dari data waktu sebelumnya (time series), sehingga lebih akurat mengenali kebiasaan pemakaian listrik. Berbeda dengan penelitian sebelumnya yang memakai algoritma seperti Random Forest, Decision Tree, Naïve Bayes, Artificial Neural Network, dan K-Means yang efektif dalam klasifikasi namun terbatas pada data statis, LSTM unggul dalam menganalisis deret waktu dan fluktuasi konsumsi energi. Sistem dilengkapi pemantauan langsung dan pemrosesan cepat agar informasi dapat dilihat secara real-time. Hasil pengujian menunjukkan kinerja sangat baik, dengan akurasi 94,44% pada pembagian data latih dan uji 80:20. Pengujian parameter epoch menunjukkan titik optimal di epoch ke-60 dengan akurasi 94,44%, presisi 0,8333, mean squared error (MSE) 0,0555, dan root mean squared error (RMSE) 0,2357, menandakan stabilitas dan efektivitas pembelajaran.