Manajemen termal dan energi merupakan tantangan utama dalam pengoperasian data center, mengingat konsumsi energi yang signifikan dan dampaknya terhadap ekonomi, lingkungan, dan kinerja. Peningkatan efisiensi energi data center, bahkan dalam skala kecil, dapat menghasilkan penghematan biaya dan pengurangan emisi karbon yang besar. Penelitian ini mengusulkan penerapan konsep Digital Twin, yang menggabungkan sistem fisik nyata, representasi virtual, dan interkoneksi data, untuk mengatasi tantangan manajemen termal secara prediktif. Tujuan utama penelitian ini adalah mengembangkan teknik Digital Twin untuk membuat prediksi beban termal pada sistem HVAC data center, menggunakan model berbasis data dan algoritma pembelajaran mesin seperti XGBoost dan LSTM. Model prediksi ini akan diintegrasikan ke dalam representasi digital data center, memungkinkan simulasi, pemantauan, dan kontrol yang lebih efektif. Penelitian ini juga bertujuan untuk menganalisis heat balance berdasarkan prediksi beban termal untuk meningkatkan kinerja pendinginan data center.