Pertanian merupakan sektor penting dalam penyediaan pangan dan pemenuhan kebutuhan hidup manusia, dengan pengelolaan air irigasi yang efisien menjadi salah satu faktor utama dalam mendukung produktivitas tanaman. Salah satu tantangan yang dihadapi petani adalah kesulitan dalam memprediksi kebutuhan air yang tepat bagi tanaman, terutama dalam menghadapi perubahan iklim yang tidak dapat diprediksi. Untuk itu, penelitian ini bertujuan untuk mengimplementasikan algoritma Deep learning Long Short-Term Memory (LSTM) dalam memprediksi kondisi saluran irigasi pertanian. LSTM dipilih karena kemampuannya dalam menangani data sekuensial dan mempelajari hubungan jangka panjang antara parameter yang memengaruhi irigasi, seperti ketinggian air, debit aliran air, dan curah hujan. Sistem yang dikembangkan terintegrasi dengan teknologi Internet of Things (IoT) untuk pemantauan dan pengelolaan irigasi secara real-time melalui aplikasi berbasis smartphone. Hasil pengujian menunjukkan bahwa konfigurasi terbaik diperoleh pada batch size 32 dan epoch 100 dengan nilai Mean Absolute Error (MAE) sebesar 0.464, Mean Absolute Percentage Error (MAPE) sebesar 3.371%, serta koefisien determinasi (R²) mencapai 0.957, yang menandakan kemampuan model dalam memprediksi kondisi irigasi dengan tingkat akurasi yang baik. Hasil dari sistem ini diharapkan dapat memberikan informasi prediksi irigasi yang akurat bagi petani, sehingga mereka dapat mengambil keputusan yang lebih tepat terkait pengelolaan saluran irigasi dan mendukung keberlanjutan pertanian.