Efisiensi energi listrik merupakan salah satu faktor penting dalam smart greenhouse. Pemakaian perangkat listrik berpengaruh pada biaya operasional greenhouse. Pada smart greenhouse hidroponik melon menggunakan berbagai perangkat otomatisasi seperti exhaust fan, humidifier dan sistem IoT. Perangkat tersebut beroperasi sesuai kebutuhan tanaman dan kondisi mikroklimat ruangan. Penggunaan sensor IoT menyebabkan pola konsumsi listrik yang bersifat dinamis dan berubah mengikuti kondisi lingkungan. Penelitian ini bertujuan mengembangkan model prediksi konsumsi energi listrik pada smart greenhouse hidroponik Melon berbasis Internet of Things menggunakan algoritma Multivariate Long Short-Term Memory (LSTM). Parameter iklim mikro yang digunakan berupa temperatur dan kelembapan sebagai variabel prediktor. Data konsumsi energi listrik beserta parameter iklim mikro direkam setiap satu jam selama periode Agustus hingga Oktober 2025 sehingga diperoleh sebanyak 1.560 data deret waktu (time-series). Tahapan penelitian meliputi akuisisi data, praproses, optimasi hyperparameter LSTM menggunakan beberapa skenario konfigurasi (lookback window, rasio data latih-uji, jumlah layer, dan jumlah neuron), serta evaluasi model menggunakan RMSE dan koefisien determinasi (R2). Hasil penelitian menunjukkan bahwa Konfigurasi terbaik diperoleh pada model stacked Multivariate LSTM dengan lookback window 24 jam, rasio data latih 80%, dua lapisan LSTM, dan 32 neuron mampu memprediksi pola konsumsi energi listrik dengan tingkat kesalahan yang rendah. Model terbaik ini menghasilkan nilai MSE sebesar 0,00033 dan RMSE sebesar 0,0182 kWh dengan koefisien determinasi sebesar 91,68%. Hasil tersebut menunjukkan bahwa model yang dikembangkan memiliki potensi untuk mendukung perencanaan kebutuhan energi dan pengambilan keputusan dalam pengelolaan energi pada smart greenhouse berbasis IoT.