Ketersediaan air bagi tanaman sangat dipengaruhi oleh evapotranspirasi yang menentukan debit air irigasi. Dengan menghitung evapotranspirasi, petani dapat lebih akurat menentukan kebutuhan air tanaman dan menyesuaikan irigasi untuk mencegah kekurangan air. Penelitian ini bertujuan menentukan evapotranspirasi potensial (ETp) untuk kebutuhan irigasi di Kota Manado menggunakan metode Romanenko berdasarkan data suhu dan kelembaban dari Stasiun BMKG. Selain itu, model Long Short-Term Memory (LSTM) digunakan untuk memprediksi ETp dan mengevaluasi kinerjanya dengan pengujian MSE, RMSE, dan R². Hasil penelitian menunjukkan bahwa evapotranspirasi tertinggi terjadi pada bulan Agustus 2023 sebesar 246.600, di mana kebutuhan air tanaman meningkat signifikan, sehingga sistem irigasi harus disesuaikan untuk memberikan air tambahan. Sebaliknya, evapotranspirasi terendah terjadi pada bulan Januari 2023 sebesar 8.503, yang menunjukkan kebutuhan air tanaman lebih rendah, sehingga irigasi harus dikurangi untuk mencegah over-irrigation dan menghemat air. Pengujian model LSTM menunjukkan kinerja yang sangat baik dengan nilai MSE sebesar 0,000004, nilai RMSE sebesar 0,002104, dan nilai R² sebesar 0,99936, yang menunjukkan bahwa model ini mampu memprediksi nilai evapotranspirasi dengan tingkat kesalahan yang sangat rendah dan mampu menjelaskan sebagian besar variabilitas dalam data.

The availability of water for plants is greatly influenced by evapotranspiration, which determines the irrigation water flow. By calculating evapotranspiration, farmers can more accurately determine plant water needs and adjust irrigation to prevent water shortages. This study aims to determine the potential evapotranspiration (ETp) for irrigation needs in Manado City using the Romanenko method based on temperature and humidity data from the BMKG Station. Additionally, the Long Short-Term Memory (LSTM) model is used to predict ETp and evaluate its performance through MSE, RMSE, and R² testing. The results show that the highest evapotranspiration occurred in August 2023 at 246.600, where plant water needs significantly increased, necessitating adjustments in the irrigation system to provide additional water. Conversely, the lowest evapotranspiration occurred in January 2023 at 8.503, indicating lower plant water needs, so irrigation should be reduced to prevent over-irrigation and conserve water. The LSTM model testing showed excellent performance with an MSE of 0,000004, nilai RMSE 0,002104, and R² sebesar 0,99936, indicating that this model can predict evapotranspiration values with very low error and explain most of the variability in the data.