Prediksi konsumsi listrik di Indonesia berbasis data ekonomi dan geografi dilakukan karena perubahan kondisi dari dua unsur tersebut akan mempengaruhi kebutuhan energi listrik di Indonesia. Hal ini sejalan dengan aktivitas kehidupan masyarakat yang bergantung pada ketersediaan pasokan energi listrik. Oleh karena itu perlu adanya penyediaan pasokan energi listrik dalam jumlah yang cukup. Penelitian ini membuat model prediksi konsumsi energi listrik di Indonesia berbasis data analisis data ekonomi dan geografi menggunakan deep learning. Data yang digunakan adalah data ekonomi dan geografi yang meliputi jumlah penduduk, jumlah penduduk miskin, inflasi, produk domestik regional bruto (PDRB), distribusi listrik, dan konsumsi listrik di Indonesia dari tahun 2013-2021, dan data latitude dan longitude tiap provinsi di Indonesia. Untuk algoritma pemodelan dan prediksi digunakan metode deep learning yaitu melalui metode Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Hasil penelitian dapat memprediksi secara akurat konsumsi energi listrik baik pada metode CNN maupun LSTM. Pada konfigurasi berdasarkan provinsi, metode CNN dengan performansi terbaik dihasilkan oleh model dengan 2 hidden layer, filter 128, dan epoch 10 menghasilkan RMSE 0.000114649, sedangkan pada metode LSTM dengan 300 neuron LSTM, dropout 0.25, dan epoch 50 menghasilkan RMSE 0.000434689. Untuk konfigurasi berdasarkan tahun, metode CNN dengan performansi terbaik dihasilkan oleh model dengan 2 hidden layer, filter 128, dan epoch 50 menghasilkan RMSE 0.000035791, sedangkan pada metode LSTM dengan 600 neuron LSTM, dropout 0.25, dan epoch 100 menghasilkan RMSE 0,000145559. Prediksi konsumsi listrik menggunakan metode deep learning menunjukkan hasil yang lebih akurat dibandingkan dengan metode regresi linear. Hasil yang diperoleh metode regresi dengan konfigurasi berdasarkan provinsi yaitu 0.332157 sedangkan konfigurasi berdasarkan tahun yaitu 0,294817452.