<![CDATA[Dengue Hemorrhagic Fever (DHF) is an infectious disease that poses a serious public health problem in tropical regions, with its spread strongly influenced by rainfall; however, current surveillance systems remain manual and reactive, often delaying intervention. This study aims to design and implement a rainfall-based DHF case prediction system using a Long Short-Term Memory (LSTM) algorithm tailored to each sub-district. The system was developed using the Prototyping method and integrated into a web application, with Laravel as the main interface and Flask as the prediction server. Testing was conducted through model accuracy evaluation using MAE, RMSE, and MAPE metrics compared against the ARIMA model, along with Black Box Testing of system functionality. Results show that LSTM outperformed ARIMA in 9 of 11 sub-districts (81.8%), and all Black Box test scenarios ran as designed, confirming that the system can proactively support local health decision-making. Keywords: dengue hemorrhagic fever; rainfall; LSTM; prediction; web application Abstrak Demam Berdarah Dengue (DBD) merupakan penyakit menular yang menjadi permasalahan kesehatan masyarakat serius di wilayah tropis, dengan penyebaran yang sangat dipengaruhi oleh curah hujan; namun sistem surveilans yang berjalan saat ini masih bersifat manual dan reaktif sehingga intervensi sering terlambat. Penelitian ini bertujuan merancang dan mengimplementasikan sistem prediksi kasus DBD berbasis curah hujan menggunakan algoritma Long Short-Term Memory (LSTM) yang spesifik untuk masing-masing kecamatan. Sistem dikembangkan menggunakan metode Prototyping dan diintegrasikan ke dalam aplikasi web dengan arsitektur Laravel sebagai antarmuka utama dan Flask sebagai peladen prediksi. Pengujian dilakukan melalui evaluasi akurasi model menggunakan metrik MAE, RMSE, dan MAPE yang dibandingkan dengan model ARIMA, serta pengujian Black Box terhadap fungsionalitas sistem. Hasil pengujian menunjukkan LSTM unggul pada 9 dari 11 kecamatan (81,8%) dibanding ARIMA, dan seluruh skenario Black Box berjalan sesuai rancangan, mengonfirmasi bahwa sistem mampu mendukung pengambilan keputusan kesehatan secara proaktif di tingkat kecamatan.]]>
