<![CDATA[Curah hujan merupakan salah satu parameter meteorologi yang memiliki peran penting dalam berbagai sektor, seperti pertanian, pengelolaan sumber daya air, dan mitigasi bencana hidrometeorologi. Namun, karakteristik data curah hujan yang bersifat nonlinier dan dipengaruhi oleh berbagai faktor atmosfer menjadikan proses prediksi curah hujan sebagai permasalahan yang kompleks. Penelitian ini bertujuan untuk mengembangkan model prediksi curah hujan harian di Kabupaten Aceh Utara menggunakan pendekatan hybrid dengan mengombinasikan algoritma Long Short-Term Memory dan Extreme Gradient Boosting. Penelitian ini membandingkan empat model, yaitu LSTM, XGBoost, kombinasi LSTM-XGBoost, dan kombinasi XGBoost-LSTM. Data yang digunakan berupa data meteorologi harian Kabupaten Aceh Utara periode Januari 2005 hingga Juni 2026. Hasil penelitian menunjukkan bahwa pendekatan hybrid mampu meningkatkan performa prediksi dibandingkan dengan model tunggal. Hasil terbaik ditunjukkan oleh model kombinasi LSTM-XGBoost dengan nilai akurasi sebesar 0,971, presisi sebesar 0,979, recall sebesar 0,991 dan F1-score sebesar 0,985. Sedangkan untuk evaluasi regresi, model LSTM-XGBoost menghasilkan nilai RMSE sebesar 17,672, MAE sebesar 7,694, dan NSE sebesar 0,213. Temuan ini menunjukkan bahwa penggabungan kemampuan LSTM dalam mempelajari pola temporal dan kemampuan XGBoost dalam memodelkan hubungan nonlinier mampu meningkatkan performa prediksi curah hujan harian. Meskipun nilai NSE yang diperoleh masih menunjukkan ruang untuk peningkatan, pendekatan hybrid terbukti lebih efektif dibandingkan dengan penggunaan model tunggal pada data curah hujan Kabupaten Aceh Utara.]]>
