Kota Pekanbaru, sebagai pusat kegiatan pemerintahan, pendidikan, perdagangan, dan industri, menghadapi tantangan terkait perubahan iklim tropis, termasuk fluktuasi curah hujan yang mempengaruhi bencana seperti kebakaran hutan, banjir, dan longsor. Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) mencatat peningkatan curah hujan yang dapat memicu bencana hidrometeorologi di wilayah ini. Untuk mengatasi masalah ini, penelitian ini mengusulkan model prediksi curah hujan dasarian menggunakan pendekatan deep learning dengan menggabungkan Principal Component Analysis (PCA) dan Long Short-Term Memory (LSTM). Data iklim historis Pekanbaru dari 2018 hingga 2023 berupa time series digunakan sebagai input model. PCA digunakan untuk mengurangi dimensi data, sementara LSTM menangkap pola temporal untuk prediksi. Hasil penelitian menunjukkan model PCA-LSTM memberikan kinerja lebih baik dibandingkan LSTM tunggal dengan nilai kesalahan (error) RMSE sebesar 5.97, MAE sebesar 3.74, MAPE sebesar 0.10% dan R-squared sebesar 0.94. Kombinasi PCA-LSTM ini mampu mengidentifikasi fitur-fitur yang paling relavan seperti suhu, kelembapan, dan kecepatan angin, dengan varians kumulatif sebesar 87% memiliki kontribusi yang signifikan dalam menjelaskan variabilitas curah hujan dan mampu menangkap pola musiman curah hujan, sehingga dapat membantu mitigasi bencana hidrologi di Pekanbaru.