<![CDATA[Prediksi suhu maksimum merupakan hal yang penting dalam kajian meteorologi karena berpengaruh terhadap berbagai sektor, seperti pertanian, kesehatan masyarakat, manajemen energi, dan perencanaan wilayah. Wilayah Ciputat menjadi lokasi yang relevan untuk studi prediksi iklim lokal, karena pernah sebagai wilayah dengan suhu ekstrem sebesar 37,2 °C pada 17 April 2023. Penelitian ini bertujuan untuk membandingkan kinerja model Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dalam memprediksi suhu maksimum harian di wilayah Ciputat serta menentukan model dengan performa terbaik. Data yang digunakan meliputi suhu maksimum harian, curah hujan, kelembapan, dan tekanan udara periode 2009–2025 yang diperoleh dari BMKG Wilayah II Ciputat, sehingga merepresentasikan variabilitas musiman dan pola iklim tropis jangka panjang. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Coefficient of Determination (R²), dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan model LSTM dengan performa yang lebih baik dalam memprediksi suhu maksimum dibandingkan model GRU berdasarkan nilai MAE, RMSE, R² dan MAPE. Hasil penelitian ini diharapkan dapat mendukung pengembangan metode prediksi suhu berbasis deep learning yang lebih akurat serta menjadi referensi dalam pengambilan keputusan terkait mitigasi risiko iklim. Kata Kunci: Prediksi suhu maksimum, LSTM, GRU, Deep learning, Ciputat.]]>
