Transformasi digital menjadi prioritas nasional dalam mendukung implementasi industri 4.0 di Indonesia. Laboratorium Smart System sebagai mitra PIDI 4.0 perlu mengadopsi teknologi digital untuk memenuhi pilar-pilar seperti showcase center, capability center, dan engineering and AI center. Penelitian ini bertujuan merancang dan mengimplementasikan sistem Internet of Things (IoT) berbasis machine learning yang mampu memantau kondisi lingkungan, mengontrol perangkat, memprediksi konsumsi energi, serta mendeteksi anomali konsumsi energi. Sistem ini diimplementasikan dengan perangkat Weidmüller UC20-WL2000-AC yang terhubung ke Logic Panel melalui protokol Modbus TCP untuk membaca data suhu, kelembapan, konsumsi energi, dan status perangkat seperti lampu dan AC. Data ditampilkan pada dashboard berbasis Node-RED dan disimpan dalam database InfluxDB. Pengguna dapat melakukan kontrol jarak jauh terhadap lampu dan AC melalui antarmuka dashboard. Model machine learning digunakan untuk memprediksi konsumsi energi dan mendeteksi anomali menggunakan dataset dari bangunan Chamchuri 5, Universitas Chulalongkorn, Bangkok, Thailand. Hasil pengujian menunjukkan bahwa model Random Forest memberikan performa terbaik untuk prediksi konsumsi energi dengan nilai MAE sebesar 20,61, lalu MSE sebesar 1825,76 dan R2 sebesar 0,72. Sementara itu, model K-Nearest Neighbor (KNN) merupakan model terbaik dalam mendeteksi anomali berdasarkan nilai mass volume dan excess mass, yaitu 9,67 dan 0.00192. Kemudian, Weidmuller dan Logic Panel dapat saling berkomunikasi menggunakan ModbusTCP sehingga Weidmuller dapat membaca sensor, power meter, status perangkat, dan melakukan kontrol terhadap perangkat di Laboratorium dari dashboard.