Pontianak, sebagai wilayah yang berada di garis khatulistiwa, mengalami dua kali pergantian musim setiap tahunnya, yaitu musim hujan dan musim kemarau. Perubahan iklim yang terjadi di daerah ini mempengaruhi pola curah hujan, yang berpotensi menyebabkan bencana alam seperti banjir atau kekeringan. Penelitian ini bertujuan untuk memprediksi curah hujan di Pontianak menggunakan metode Recurrent Neural Network (RNN). Data curah hujan yang digunakan adalah data historis harian dari tahun 2019 hingga 2023 dengan total data 1826. Model RNN yang dibangun mampu memprediksi pola curah hujan harian dengan akurasi yang cukup baik, di mana nilai RMSE terbaik diperoleh pada rasio 80% data latih dan 20% data uji akurasi sebesar 13,24, sedangkan nilai MAE terbaik diperoleh pada rasio 90% data latih dan 10% data uji akurasi sebesar 10,41. Hasil penelitian menunjukkan bahwa prediksi semakin baik dengan semakin panjangnya data input yang digunakan, yang ditunjukkan oleh penurunan nilai RMSE.

Pontianak, as a region located on the equator, experiences two seasons every year, namely the rainy season and the dry season. Climate changes occurring in this area affect rainfall patterns, which have the potential to cause natural disasters such as floods or drought. This research aims to predict rainfall in Pontianak using the Recurrent Neural Network (RNN) method. The rainfall data used is daily historical data from 2019 to 2023 with a total of 1826 data. The RNN model that was built was able to predict daily rainfall patterns with fairly good accuracy, where the best RMSE value was obtained at a ratio of 80% training data and 20% test data accuracy was 13,24, while the best MAE value was obtained at a ratio of 90% training data and 10% test data accuracy of 10,41. The research results show that predictions get better with the longer the input data used, which is indicated by a decrease in the RMSE value.