Abstract: Lighting in an office is an important aspect which can certainly support the performance of its use. Especially in artificial lighting, it is not uncommon if the design system does not adapt to natural daylight, of course it is not effective, and has a negative impact and causes losses periodically. Therefore, it is important to know the effectiveness of using artificial lighting in a room. In this analysis process, one method that can be used is machine learning. By using CU-BEMS based data, which is obtained from environmental sensor data and electricity consumption. This data was taken over a period of 18 months, consisting of several readings from equipment installed in each room. And from this data it is used to select the required quantities so that they can suit your needs. After that, the XGBoost algorithm can be applied and the approach process carried out produces very good accuracy. This can be proven from the results of the resulting evaluation matrix, such as the R-Squared value of 0.99, the RMSE (Root Mean Square Error) is 0.028. Then, in the data testing process, high accuracy was also obtained, for R-Squared of 0.99 and RMSE (Root Mean Square Error) of 0.092. After the training and testing process has obtained very good results, we proceed to the process of analyzing the effectiveness of artificial lighting by entering certain input values, to produce information about the effectiveness of artificial lighting in certain rooms, accompanied by the level of confidence or accuracy of each prediction result.Keyword: Artificial Lighting, Sensor data and electricity consumption, Machine Learning, XGBooAbstrak: Pencahayaan pada kantor merupakan salah satu aspek penting yang tentu dapat menunjang kinerja penggunaannya. Khususnya dalam pencahayaan buatan, tidak jarang jika sistem perancangannya tidak menyesuaikan akan pencahayaan alami siang hari, tentulah tidak efektif, dan berdampak negative dan memberikan kerugian secara berkala. Oleh karena itu, penting untuk mengetahui keefektifan dari penggunaan pencahayaan buatan pada suatu ruangan. Dalam proses analisis ini salah satu metode yang dapat digunakan adalah dengan menggunakan machine learning. Dengan menggunakan data berbasis CU-BEMS, yang diperoleh dari data sensor lingkungan dan konsumsi listrik. Data ini diambil dalam kurun waktu selama 18 bulan, yang terdiri beberapa hasil pembacaan alat yang terpasang di tiap ruangan. Dan dari data tersebut digunakan untuk menyeleksi besaran yang diperlukan sehingga dapat sesuai dengan kebutuhan. Setelah itu, maka penerapan algoritma XGBoost dapat dilakukan dan dari proses pendekatan yang dilakukan, menghasilkan akurasi yang sangat baik. Hal ini dapat dibuktikan dari hasil matrik evaluasi yang dihasilkan seperti nilai R-Squared sebesar 0.99, besar RMSE (Root Mean Square Error) yaitu 0.028. Kemudian pada proses pengujian data juga diperoleh akurasi yang tinggi, untuk R-Squared sebesar 0.99 dan RMSE (Root Mean Square Error) 0.092. Setelah proses pelatihan dan pengujian didapatkan hasil yang sangat baik, maka dilanjutkan ke proses analisis keefektifan pencahayaan buatan dengan mengisikan nilai inputan tertentu, untuk menghasilkan informasi mengenai keefektifan dari pencahayaan buatan pada ruangan tertentu dengan disertai tingkat kepercayaan atau keakurasian dari setiap hasil prediksinya.Kata Kunci: Pencahayaan Buatan, Data sensor dan konsumsi listrik, Machine Learning, XGBoost.