Skripsi ini bertujuan untuk membangun sistem prediksi intensitas radiasi matahari menggunakan Deep Learning. Hasil prediksi kemudian digunakan untuk Menganalisis parameter klimatologi yang mempengaruhi intensitas radiasi matahari. Pada penelitian ini data yang digunakan dari NASA dari tahun 2002 – 2022 dengan jumlah data 123.360 baris data yang terdiri dari 18 variabel input dengan latitude, longitude, nama wilayah, tahun, dan bulan dan output intensitas radiasi matahari. Untuk melakukan prediksi intensitas solar-irradiance dilakukan uji korelasi pada variabel-variabel tersebut untuk mengetahui variabel dengan korelasi tinggi atau lebih besar dari (>0,25) sehingga diperoleh 9 variabel dari tiap kota/kabupaten di Indonesia yang kemudian akan digunakan pada tahap pemodelan. Pada tahap pemodelan deep learning terdiri atas 2 langkah utama, yaitu training data dan testing data untuk pemodelan. Pada tahap training, data yang digunakan pada model berjumlah 98.688 baris data. Data tersebut nantinya akan digunakan untuk evaluasi model menggunakan RMSE. Kemudian dilakukan uji variabel menggunakan arsitektur LSTM 1 layer LSTM, neuron LSTM (256 dan 400), batch 100, dropout 0,25, dan epoch (50, 100, dan 150). Tujuan dilakukannya pengujian tersebut untuk mengetahui arsitektur terbaik yang akan digunakan dalam testing model LSTM untuk memprediksi intensitas solar-irradiance. Pada tahap testing model, digunakan arsitektur model dari hasil uji variabel model yang terdiri atas 1 layer LSTM, neuron LSTM 400, batch 100, dropout 0,25, dan epoch 150. Tahap ini menghasilkan nilai RMSE terkecil sebesar 0.12782. Nilai ini menunjukkan tingkat akurasi pemodelan yang sangat baik untuk melakukan prediksi intensitas radiasi matahari.
Kata Kunci: Prediksi, Intensitas Radiasi Matahari, LSTM, Python