Kekeringan telah menjadi menjadi isu global dalam beberapa tahun terakhir akibat perubahan iklim. Kekeringan hidrologi yang ditandai dengan fenomena berkurangnya aliran sungai serta penurunan muka air dapat memberikan dampak negatif pada kegiatan pengelolaan sumber daya air terutama pada pemenuhan kebutuhan air untuk kehidupan masyarakat sehari-hari. DAS Pemali mengalami bencana kekeringan di musim kemarau setiap tahunnya. Kekeringan pada DAS Pemali lebih sering terjadi akibat adanya perubahan iklim maupun pola penggunaan air yang semakin meningkat.Upaya mitigasi sebagai wujud pengurangan kerentanan bencana dilakukan dengan melakukan pemantauan kekeringan hidrologi secara efektif salah satunya prediksi kekeringan di masa mendatang. IKH pada DAS Pemali dihitung menggunakan Metode Ambang Batas berdasarkan data debit hasil simulasi metode NRECA dengan menggunakan data curah hujan dan klimatologi selama 20 tahun terakhir (2004 -2023). Prediksi kekeringan pada DAS Pemali berbasis machine learning menggunakan pemodelan ANN secara time series untuk mendapatkan nilai IKH periode 5 tahun kedepan (2024 – 2028). Hasil prediksi IKH kemudian dipetakan secara spasial untuk dapat diketahui potensi kekeringan yang terjadi. Pemodelan prediksi kekeringan dengan ANN memberikan akurasi yang baik dengan nilai performance assessment yaitu MAE = 0.01, R = 0.90, R2 = 0.81, NSE = 0.81, dan RMSE = 0.02. Hasil pemodelan prediksi IKH menunjukkan bahwa DAS Pemali mengalami kondisi kering setiap tahun pada musim kemarau. Durasi kekeringan terpanjang terjadi pada tahun 2024 sedangkan nilai IKH terendah serta jumlah defisit terbesar terjadi pada tahun 2026. Prediksi IKH di DAS Pemali dapat memberikan informasi dalam menentukan efektivitas program yang akan dilaksanakan dan menjadi bahan kebijakan untuk meningkatkan keberhasilan pengelolaan sumber daya air.