Perusahaan Umum Daerah Air Minum (PDAM) berperan penting dalam penyediaan air bersih bagi masyarakat, sehingga diperlukan prediksi kebutuhan air yang akurat untuk mendukung distribusi yang optimal dan berkelanjutan. Penelitian ini bertujuan membangun model prediksi penggunaan air bersih dengan algoritma Long Short-Term Memory (LSTM), salah satu jenis Recurrent Neural Network (RNN) yang efektif dalam menganalisis data deret waktu. Data yang digunakan berupa catatan historis jumlah pelanggan dan volume pemakaian air bersih dari 15 wilayah layanan PDAM Kabupaten Kendal periode 2020–2025. Tahapan penelitian mencakup pra-pemrosesan data, perancangan dan pelatihan model, evaluasi performa, serta implementasi ke dalam sistem berbasis web menggunakan Streamlit. Hasil evaluasi menunjukkan bahwa model LSTM mampu menghasilkan prediksi dengan tingkat akurasi tinggi, ditunjukkan oleh nilai Mean Absolute Percentage Error (MAPE) rata-rata 3–5% pada pemakaian air dan kurang dari 2% pada jumlah pelanggan, serta nilai Root Mean Squared Error (RMSE) yang relatif rendah. Implementasi berbasis web memungkinkan PDAM melakukan analisis prediksi secara interaktif dan mendukung perencanaan distribusi air yang lebih efisien.
Kata Kunci: LSTM, prediksi, PDAM, penggunaan air bersih, deret waktu.