Penelitian ini dilakukan untuk mengevaluasi perbandingan kinerja antara model deret waktu konvensional Autoregressive Integrated Moving Average (ARIMA) dan model berbasis deep learning Long Short-Term Memory (LSTM) dalam melakukan prediksi curah hujan bulanan di Stasiun Meteorologi Radin Inten II, Bandar Lampung. Data yang digunakan berasal dari periode 2022–2024 dan mencakup beberapa parameter klimatologi, yaitu curah hujan, suhu udara, tekanan atmosfer, serta kelembapan relatif. Prosedur penelitian mencakup tahapan pengumpulan data, prapemrosesan melalui normalisasi Min–Max, pembagian dataset menjadi data latih dan uji, pembangunan model menggunakan bahasa pemrograman Python, serta pengujian kinerja dengan metrik Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²).Berdasarkan hasil pengujian, model LSTM menunjukkan tingkat akurasi yang lebih tinggi dibandingkan dengan ARIMA, dengan nilai RMSE sebesar 19,57; MAE 12,84; MAPE 5,36%; dan R² 0,94. Adapun model ARIMA memperoleh nilai RMSE 27,45; MAE 18,73; MAPE 9,21%; dan R² 0,87. Hasil tersebut menunjukkan bahwa LSTM lebih mampu merepresentasikan hubungan nonlinier serta pola musiman pada data klimatologi wilayah tropis. Oleh karena itu, LSTM direkomendasikan sebagai pendekatan utama untuk prediksi curah hujan jangka pendek di Provinsi Lampung.