Perubahan cuaca yang tidak terprediksi dapat menyebabkan dampak signifikan pada sektor pertanian, terutama di wilayah lahan pertanian yang sangat bergantung pada kondisi iklim. Penelitian ini bertujuan untuk mengembangkan model prediksi cuaca berbasis metode autoregressive time series forecasting, menggunakan data historis parameter cuaca seperti suhu, curah hujan, kelembapan, dan kecepatan angin. Model prediksi cuaca yang dikembangkan menggunakan pendekatan autoregressive pada data deret waktu dengan memanfaatkan fitur lag dari data historis, yang kemudian dipelajari menggunakan model Multilayer Perceptron atau MLP sebagai algoritma pembelajaran untuk menghasilkan prediksi parameter cuaca. Model ini dirancang untuk menganalisis pola dan tren dalam data historis guna menghasilkan prediksi cuaca yang akurat. Dalam penelitian ini, data cuaca akan diperoleh dari sumber terpercaya seperti NASA atau perangkat IoT lokal, dan akan melalui proses pra-pemrosesan untuk memastikan kualitas data. Evaluasi model akan dilakukan menggunakan metrik RMSE, MSE, dan MAE untuk mengukur tingkat akurasi. Hasil prediksi yang dihasilkan diharapkan dapat mendukung pengambilan keputusan strategis dalam pengelolaan aktivitas pertanian, seperti jadwal tanam dan irigasi, sehingga meningkatkan efisiensi dan produktivitas pertanian secara keseluruhan.