Energi listrik merupakan kebutuhan vital yang terus meningkat setiap tahunnya seiring dengan pertumbuhan penduduk, perkembangan ekonomi, dan kemajuan teknologi. PT PLN (Persero) UP3 Makassar Selatan sebagai penyedia utama listrik di wilayah Makassar Selatan menghadapi tantangan dalam menjaga keseimbangan pasokan dan permintaan akibat ketidakpastian pola konsumsi pelanggan di tiap rayon. Oleh karena itu, diperlukan pendekatan prediktif berbasis data yang mampu mengenali tren historis dan pola musiman secara lebih akurat.Penelitian ini bertujuan untuk memprediksi konsumsi energi listrik pada enam rayon di bawah UP3 Makassar Selatan menggunakan metode Long Short-Term Memory (LSTM) dengan data historis Januari 2021 hingga Desember 2024. Penelitian ini menerapkan kerangka kerja CRISP-DM yang mencakup tahapan pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Evaluasi model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE), Root Mean Square Error (RMSE), Mean Absolute Error (MAE), serta tingkat akurasi model.Hasil penelitian menunjukkan bahwa model LSTM mampu merepresentasikan pola konsumsi energi listrik dengan baik, dengan nilai MAPE antara 5,19% hingga 9,70% dan tingkat akurasi di atas 90% pada seluruh rayon. Analisis perbandingan dengan data aktual konsumsi energi PLN Januari–Juli 2025 memperlihatkan bahwa model cukup akurat dalam menggambarkan tren jangka panjang, meskipun masih kurang responsif terhadap lonjakan konsumsi yang mendadak, khususnya pada rayon dengan tingkat konsumsi tinggi. Temuan ini menunjukkan potensi penerapan LSTM sebagai alat pendukung perencanaan kapasitas pembangkitan dan distribusi listrik yang lebih efisien, presisi, dan adaptif di wilayah Makassar Selatan.

Electricity is an essential resource that continues to increase annually due to population growth, economic development, and technological advancement. PT PLN (Persero) UP3 Makassar Selatan, as the main electricity provider in the South Makassar region, faces challenges in maintaining supply-demand balance caused by the uncertainty of consumption patterns across service areas. Therefore, a predictive approach capable of recognizing historical trends and seasonal patterns more accurately is required. This study aims to predict electricity consumption in six service areas under UP3 Makassar Selatan using the Long Short-Term Memory (LSTM) method with historical data from January 2021 to December 2024. The research adopts the CRISP-DM framework, covering data understanding, preparation, modeling, evaluation, and deployment. Model performance was evaluated using Mean Absolute Percentage Error (MAPE), Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and model accuracy. The results show that the LSTM model successfully represented electricity consumption patterns, achieving MAPE values ranging from 5.19% to 9.70% with prediction accuracy above 90% across all service areas. A comparative analysis with actual PLN consumption data from January to July 2025 indicates that the model effectively captured long-term trends but was less responsive to sudden consumption spikes, especially in high demand areas. These findings highlight the potential of LSTM as a decision-support tool for power generation and distribution planning in a more efficient, precise, and adaptive manner in the South Makassar region.