Penelitian ini mengkaji prakiraan polusi udara dengan memanfaatkan stasiun cuaca terintegrasi berbasis IoT dan metode Bidirectional Long Short-Term Memory (BiLSTM). Stasiun cuaca tersebut dilengkapi dengan beberapa sensor, termasuk DHT11, BMP280, dan MQ-135, untuk mengukur suhu, kelembapan, tekanan udara, dan kualitas udara. Data sensor digunakan untuk memperkirakan tingkat polusi udara. Bidirectional Long Short-Term Memory (BiLSTM) ad|alah perkemb|ang|an d|ari model Long ShortTerm Memory (LSTM) dim|ana terdapat du|a layer yang prosesnya saling berkebalik|an arah. Model BiLSTM dipilih k|aren|a kem|ampu|annya d|al|am mengen|ali pola tingkat polusi udara sec|ara efektif. Hasil evaluasi menunjukkan bahwa model BiLSTM m|ampu menghasilkan prediksi deng|an akurasi tinggi, yang diukur menggunakan metrik Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan Koefisien Determinasi (R2). Prediksi yang dihasilkan hampir identik dengan data asli, menunjukkan kesalahan prediksi yang kecil dan akurasi yang baik. Penelitian ini menyarankan pengembangan lebih lanjut dalam perluasan lokasi stasiun cuaca, penggunaan data yang lebih banyak, serta pengembangan aplikasi untuk menampilkan prediksi polusi udara secara real- time kepada masyarakat.