Building Energy Managements System (BEMS) adalah sistem yang dirancang untuk memantau, mengendalikan, dan mengelola penggunaan energi di dalam bangunan. Seiring majunya teknologi komputasi, BEMS kini tidak hanya melakukan pemantauan dan pengendalian jarak jauh. Namun, bisa turut andil membantu memberikan informasi untuk pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan model data analitik untuk memprediksi konsumsi energi listrik jangka pendek dan mengintegrasikannya pada platform web BEMS di Laboratorium Internet of Things UNS. Penelitian ini diawali dengan merancang data logger untuk pengambilan data energi dan menyimpannya di basis data. Data kemudian dianalisis dan dimodelkan untuk memprediksi konsumsi energi listrik selama 7 hari ke depan menggunakan algoritma berbasis pembelajaran mesin, yaitu long short-term memory (LSTM). Tahap terakhir ialah mengintegrasikan model prediksi ke internet agar pemodelan dapat dilakukan secara otomatis di cloud dan hasil prediksi tertampil pada platform web BEMS. Hasil dari penelitian ini berhasil merancang data logger, model prediksi, mengintegrasikannya dengan web BEMS, dan melakukan pemodelan serta prediksi ulang secara otomatis setiap minggu. Khusus untuk model prediksi dilakukan evaluasi menggunakan metrik akurasi mean absolute percentage error (MAPE). Hasil pengujian menunjukkan model yang dibangun berhasil memberikan prediksi yang cukup akurat dengan nilai MAPE 12,78%. Setelah diintegrasikan ke internet, model membutuhkan waktu 33,16 detik untuk membuat model dan 6,16 detik untuk membuat prediksi konsumsi energi. Pengembangan lebih lanjut dapat dilakukan dengan menambahkan variabel pengaruh pada dataset berpotensi dapat meningkatkan keandalan model terutama untuk menghadapi data dengan pola konsumsi energi yang belum dikenal sebelumnya. Implementasi sistem ini diharapkan dapat membantu dalam pengambilan keputusan yang lebih baik terkait pengelolaan energi, mengurangi biaya operasional, dan mendukung keberlanjutan lingkungan.