Penelitian ini bertujuan untuk mengembangkan sistem peramalan tenaga surya dengan memanfaatkan teknologi Internet of Things (IoT) dan algoritma Long Short Term Memory (LSTM). Energi surya sebagai sumber energi terbarukan memiliki potensi yang tinggi, namun peramalan produksi listrik tenaga surya masih menjadi tantangan karena variabilitas data yang tinggi. Pada penelitian ini, data yang akan diramalkan, seperti paparan sinar matahari, arus, dan tegangan, dikumpulkan secara real-time oleh perangkat IoT yang terdiri dari panel surya, sensor INA219, Solar Charge Controller (SOC), NodeMCU ESP8266, inverter, dan Baterai Valve Regulated (VRLA). Data yang dikumpulkan oleh perangkat IoT dianalisis menggunakan model LSTM, yang melibatkan mekanisme Forget Gate, Input Gate, dan Output gate, untuk mengelola informasi yang relevan dalam memprediksi daya surya. Keakuratan model dinilai dengan menggunakan Mean Absolute Percentage Error (MAPE), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Coefficient of Determination (R2). Hasil penelitian menunjukkan bahwa model tersebut dapat memberikan informasi yang tepat dibandingkan dengan teknik peramalan tradisional, meskipun data yang digunakan memiliki variabilitas yang tinggi. Kontribusi penelitian ini adalah untuk menganalisis penggunaan IoT dalam pengumpulan data real-time untuk peramalan tenaga surya dan untuk menyelidiki dan mengevaluasi akurasi model LSTM dengan metode pembanding SimpleRNN dalam menghadapi fluktuasi data energi surya.