Prediksi cuaca adalah tantangan besar karena sifat atmosfer yang kompleks dan dinamis, di mana berbagai kondisi seperti hujan, cerah, dan mendung dipengaruhi oleh interaksi suhu, tekanan udara, dan kelembaban. Penelitian ini menggunakan model Long Short-Term Memory (LSTM), yang andal dalam menangani data waktu berurutan, untuk menganalisis pola historis dari data cuaca. Tahapan penelitian meliputi pengumpulan dan pra-pemrosesan data, pembentukan model, pelatihan, serta evaluasi performa terhadap data aktual. Hasilnya menunjukkan bahwa LSTM dapat memberikan prediksi cuaca dengan akurasi lebih tinggi dibandingkan metode konvensional, berkat kemampuannya mengenali pola berulang dalam data historis. Penelitian ini juga membuka peluang pengembangan lebih lanjut dengan integrasi variabel eksternal atau pendekatan hybrid untuk meningkatkan keandalan prediksi cuaca di masa depan.