Pentingnya prediksi curah hujan pada bidang – bidang yang membutuhkan prediksi curah hujan seperti dalam bidang pertanian, transportasi dan industri. Dalam bidang pertanian, curah hujan dipengaruhi oleh factor cuaca yang dijadikan sebagai salah satu pertimbangan dalam penentuan kecocokan jenis tanaman yang akan dibudidayakan. Besarnya curah hujan yang terjadi tidak dapat ditentukan secara pasti, namun dapat diprediksi atau diperkirakan. Prediksi curah hujan dilakukan menggunakan time series data pada data curah hujan dari data BMKG Perkembangan deep learning untuk peramalan time series pada penelitian penelitian sangatlah pesat dengan diketahui bahwa deep learning dalam kasus kasus yang berbeda mampu menghasilkan akurasi diatas 85%, dan mempunyai hasil yang paling baik. Penelitian ini mengusulkan metode Long Short Term Memory (LSTM) yang merupakan bagian dari Deep Learning untuk prediksi data time series. Menggunakan beberapa atribut sebagai data acuan yang meliputi, temperatur minimum, temperatur maksimum, curah hujan, lamanya penyinaran matahari, kelembapan rata – rata, dan kecepatan angin rata – rata. Dataset dibagi menjadi 85% data training dan 15% data testing. Dalam ujicoba prediksi curah hujan pada penelitian ini dilakukan dengan menggunakan metode LSTM, GRU dan RNN, dari ketiga percobaan metode tersebut didapatkan hasil akurasi terbaik dari metode LSTM yaitu dengan nilai MSE 0.321, MAE 0.385, dan R2 0.596. Selanjutnya, setelah dilakukan prediksi maka dilakukan klasifikasi menjadi empat kelas yaitu tidak hujan, hujan rendah, hujan sedang dan hujan tinggi. Dari hasil klasifikasi tersebut diketahui penggunaan ketiga metode tersebut menghasilkan akurasi terbesar 97% yaitu pada metode LSTM, kinerja dari LSTM menunjukkan hasil yang maksimal, hal ini membuktikan bahwa pada metode LSTM mampu memprediksi data time series. Metode ini diharapkan dapat dijadikan alat bantu yang dapat membantu peneliti selanjutnya dalam memprediksi suatu data time series.