ABSTRAK
Indonesia sebagai negara yang berada di sepanjang garis khatulistiwa menghadapi
tantangan besar akibat iklim tropisnya yang rentan terhadap cuaca. Salah satu
dampak yang signifikan adalah perubahan intesitas curah hujan yang dapat
menyebabkan banjir dan longsor, terutama di wilayah seperti Kecamatan Cisarua,
Kabupaten Bogor yang memiliki banyak lereng. Penting untuk memiliki sistem
prediksi curah hujan yang akurat guna mengurangi risiko dan dampak dari bencana
banjir dan longsor. Dalam penelitian ini, metode deep learning, khususnya
arsitektur Long Short-Term Memory (LSTM) digunakan. LSTM adalah jenis
arsitektur Recurrent Neural Network (RNN) yang mampu menangani data
sequential, seperti data curah hujan yang bersifat time series. Penelitian ini mampu
menghasilkan model dengan nilai akurasi yang stabil dengan Root Mean Square
Error (RMSE) sebesar 0.17040735483169556 dan memperoleh hasil prediksi
selama 7 hari ke depan. Penelitian ini dapat digunakan untuk membantu
mengantisipasi perubahan cuaca ekstrem yang dapat mengakibatkan banjir dan
longsor di wilayah Kecamatan Cisarua.
Kata Kunci: Prediksi, Curah Hujan, RNN, LSTM, RMSE.