Pada tahun 2024 Jakarta menempati peringkat ke-10 kota dengan polusi udara terbesar di dunia berdasarkan laporan tahunan IQAir. Hal itu merupakan isu lingkungan krusial yang berdampak buruk bagi kesehatan masyarakat. Untuk memitigasi risikonya, diperlukan sistem peringatan dini prediksi kualitas udara yang akurat. Penelitian ini bertujuan merancang model prediksi konsentrasi enam parameter polutan utama (PM2.5, PM10, SO2, CO, O3, dan NO2) untuk satu hari ke depan (h+1) berbasis Long Short-Term Memory (LSTM), serta mengintegrasikannya ke dalam platform website interaktif. Pengembangan sistem menggunakan metode Waterfall dengan arsitektur clientserver yang menghubungkan Laravel dan Flask REST API. Dataset historis Stasiun Pemantau Kualitas Udara (SPKU) DKI Jakarta periode 2024–2025 diolah melalui prapemrosesan data dengan interpolasi linear dan penskalaan MinMaxScaler. Hasil eksperimen menunjukkan bahwa model LSTM dengan konfigurasi 2-layer (64 dan 48 unit), dropout (0,4 dan 0,2), serta sliding window lookback 7 hari menghasilkan performa terbaik. Evaluasi model pada skala Indeks Standar Pencemar Udara (ISPU) memperoleh nilai MAE sebesar 6,3540, RMSE 9,3448, dan MAPE 22,54%. Pengujian sistem menggunakan metode black-box testing membuktikan seluruh fitur web, termasuk monitoring harian, pemantauan wilayah, dan klasifikasi ISPU, berfungsi dengan baik. Sistem ini diharapkan dapat menjadi sarana mitigasi proaktif bagi masyarakat.