Sebagai bentuk akuntabilitas kepada publik, Stasiun Klimatologi XYZ, sebagai salah satu unit kerja pemerintah, memiliki kewajiban untuk menetapkan target kinerja sekaligus mengevaluasi capaian layanan informasi yang diberikan. Hasil evaluasi menunjukkan bahwa kinerja organisasi, khususnya rata-rata persentase akurasi informasi prakiraan curah hujan dasarian pada zona musim yang menjadi tanggung jawabnya, belum memenuhi target. Rata-rata persentase akurasi awal hanya mencapai 57,4% pada tahun 2022 dan 58,8% pada tahun 2023, masih berada di bawah target 70% yang telah ditetapkan organisasi. Penelitian ini bertujuan untuk mengembangkan model prediktif berbasis algoritma pembelajaran mesin guna meningkatkan akurasi prakiraan curah hujan dasarian di 16 zona musim. Dengan menerapkan lima algoritma regresi, yaitu Multiple Linear Regression (MLR), Support Vector Regression (SVR), Extra Trees Regression (ETR), Random Forest Regression (RFR), dan Decision Tree Regression (DTR), dalam dua skenario eksperimen yakni variasi variabel input (VR) dan panjang rentang data time series (TS) untuk mendapatkan model prediktif terbaik untuk masing-masing zona. Hasil penelitian menunjukkan peningkatan akurasi yang signifikan dibandingkan capaian awal. Pada skenario VR, rata-rata akurasi mencapai 72,4% pada tahun 2022 dan 69,8% pada tahun 2023. Sementara itu, pada skenario TS, rata-rata akurasi mencapai 73,1% pada tahun 2022 dan 72,6% pada tahun 2023. Algoritma MLR, SVR dan ETR menunjukkan dominasi kinerja terbaik dalam meningkatkan akurasi prediksi di sebagian besar zona, dengan MLR unggul di delapan zona, SVR di empat zona dan ETR di empat zona pada skenario eksperimen VR. Pada skenario TS algoritma SVR dan ETR cukup dominan dengan masing-masing unggul di enam dan lima zona. Penelitian ini memberikan kontribusi strategis dalam pengembangan metode prediksi berbasis pembelajaran mesin yang lebih akurat. Selain itu, model prediktif yang dihasilkan diharapkan dapat diimplementasikan secara operasional untuk mendukung peningkatan kualitas layanan informasi klimatologi di Stasiun Klimatologi XYZ, sehingga dapat lebih memenuhi kebutuhan publik dan stakeholder.