Perubahan iklim sudah berdampak pada berbagai aspek kehidupan dan sektor pembangunan di Indonesia. Salah satu sektor yang sangat rentan terhadap perubahan iklim adalah sektor pertanian. Oleh karena itu, diperlukan upaya untuk mengantisipasi dampak perubahan iklim yang akan terjadi. Salah satu upaya strategis, murah dan efektif yang dapat dilakukan adalah dengan penyesuaian waktu dan pola tanam dalam bentuk kalender tanam. Tujuan dari penelitian ini adalah untuk mengimplementasikan metode Long Short-Term Memory dalam melakukan prediksi cuaca. Hasil prediksi cuaca kemudian digunakan untuk perancangan kalender tanam. Parameter cuaca yang digunakan dalam penelitian ini yaitu kelembaban, suhu dan curah hujan. Data cuaca selama 18 tahun (2000-2018) bersumber dari NASA dengan kapupaten Maros sebagai lokasi penelitian. Pemodelan LSTM dipengaruhi oleh parameter jumlah hidden layer, neuron, dropout dan jumlah maksimal epoch yang digunakan.
Hasil akhir dari penelitian ini adalah model prediksi dari masing-masing atribut cuaca dan kalender tanam yang menampilkan pola tanam berdasarkan prediksi cuaca yang ditampilkan dalam bentuk sistem informasi. Kelembaban menggunakan pemodelan 3 hidden layer dengan neuron (32,8,4), 0.4 dropout dan 10 epoch untuk menghasilkan prediksi optimal dengan akurasi 99.34%. Suhu menggunakan 4 hidden layer dengan neuron (32,16,8,4), 0.5 dropout dan 10 epoch sebagai model optimal dengan akurasi 99.83%. Sedangkan curah hujan, menggunakan 4 hidden layer, neuron (32,16,8,4), 0.3 dropout dan jumlah epoch 150 untuk menghasilkan model optimal dengan akurasi sebesar 97.94%.