The need for electricity from year to year is increasingly influential because there are also more and more users and various kinds of electronic equipment ranging from household electronics, office equipment, industry and so on. So it is necessary to have a policy in using electricity so that the electricity demand does not become greater than the electricity supply. Electrical energy cannot be stored for a long time and must always be channeled, therefore the electrical energy provider must provide electrical energy correctly, usually a prediction system for electricity use is needed by utilizing historical data on previous electricity usage. The Long Short – Term Memory (LSTM) method is a data storage system method that can predict, remember and delete irrelevant data and information that has been stored for a long time. In this study, the accuracy level with test data is 85% and test data is 15% with a good number of values, namely 5 for hidden neurons. Then the results of the test data obtained are 0.3131888210773468 for optimal epochs there are 85 following Test Score 32.39151065051555. the following train score data is 190.56 and testing data is 94.98959221, the last result on the batch size is 80.00357210256024 and the result on the test score is 6400.571549169555.

Kebutuhan akan listrik dari tahun ke tahun semakin berpengaruh besar karna pengguna juga semakin banyak dan berbagai macam peralatan elektronik mulai alat elektronik rumah tangga, alat-alat kantor, industri dan lain sebagainya. Sehingga perlu kebijakan dalam menggunakan listrik agar kebutuhan listrik tidak menjadi lebih besar dari
persediaan listrik. Energi listrik yang tidak dapat disimpan dalam waktu yang lama dan harus selalu tersalurkan oleh karena itu penyedia energi listrik harus menyediakan energi listrik dengan tepat, biasanya diperlukan sebuah sistem prediksi terhadap penggunaan listrik dengan memanfaatkan data historis penggunaan listrik sebelumnya. Metode Long
Short – Term Memory (LSTM) merupakan metode sistem penyimpanan data yang dapat memprediksi, Mengingat serta menghapus data yang sudah tidak relavan serta informasi yang telah disimpan dalam jangka waktu panjang. Pada penelitian ini mendapatkan tingkat akurasi dengan data pengujian 85% dan data test 15% dengan jumlah nilai yang baik yaitu 5 pada neuron hidden. Maka didapat hasil data pengujian 0.3131888210773468 untuk optimal pada epochs ada 85 berikut Test Score 32.39151065051555. data train score berikut 190.56 dan data testing 94.98959221 terakhir hasil pada batch size yaitu 80.00357210256024 dan hasil pada test score 6400.571549169555.