Prediksi merupakan proses memperkirakan sesuatu yang terjadi di masa depan berdasarkan data historis yang berupa data time series. Analisis dalam prediksi data time series ini menggunakan metode Long Short Term Memory (LSTM). LSTM merupakan pengembangan dari RNN, dimana LSTM mampu menyimpan informasi dalam jangka panjang. Penelitian ini bertujuan untuk memodelkan data time series dalam prediksi suhu udara di Stasiun Meteorologi Maritim Paotere Makassar. Pengujian akurasi model ini menggunakan berbagai metrik, seperti Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE), dimana model yang memiliki nilai terkecil merupakan model terbaik. Hasil penelitian menunjukkan bahwa model LSTM terbaik dalam memprediksi suhu udara berada pada pembagian data training 90% dan data testing 10% dengan jumlah neuron 50, epoch 150, dan batch size 128. Adapun akurasi suhu udara minimum berada pada nilai MAE, RMSE, dan MAPE berturut-turut sebesar 0,53; 0,67; dan 2,07%. Suhu udara maksimum nilai akurasi MAE,
RMSE dan MAPE berturut-turut sebesar 0,70; 0,90; dan 2,14%. Suhu udara rata-rata nilai akurasi MAE, RMSE, dan MAPE berturut-turut sebesar 0,50; 0,64; dan 1,75%. Hal ini menunjukkan bahwa model sangat baik untuk memprediksi suhu udara di Stasiun Meteorologi Maritim Paotere Makassar.