Perubahan suhu harian memiliki dampak signifikan terhadap kehidupan, terutama dalam sektor kesehatan, pertanian, dan tata kota. Kota Samarinda, yang mengalami variasi suhu signifikan sepanjang tahun, membutuhkan prediksi suhu harian yang akurat untuk berbagai keperluan. Penelitian ini bertujuan untuk menerapkan model Long Short-Term Memory (LSTM) dalam memprediksi suhu harian guna meningkatkan akurasi prediksi. Data suhu harian dari 1 Januari 2021 hingga 31 Desember 2023 diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dan diolah melalui proses data preprocessing seperti data cleaning, ekstraksi fitur, dan normalisasi. Model LSTM dilatih menggunakan tiga skenario pembagian data (60:40, 70:30, dan 80:20 untuk data latih dan
validasi) serta diuji dengan Mean Absolute Percentage Error (MAPE) dan R-Squared Score untuk mengukur akurasi model. Hasil menunjukkan bahwa skenario 80% data latih dan 20% data validasi memberikan performa terbaik dengan nilai R-Squared Score sebesar 0,9843 dan MAPE 4,1034%, menunjukkan bahwa model LSTM mampu memberikan prediksi suhu harian dengan akurasi tinggi. Penelitian ini diharapkan dapat membantu masyarakat dan pihak terkait dalam pengambilan keputusan yang lebih tepat untuk menghadapi fluktuasi suhu harian di Kota Samarinda.