Air minum yang aman menjadi salah satu kebutuhan yang krusial bagi manusia. Air tanah merupakan salah satu sumber utama untuk memperoleh air minum. Kualitas air dapat bervariasi berdasarkan sumber kontaminan dan waktu atau musim pada tahun tersebut, sehingga diperlukan langkah tambahan untuk memastikan kualitas air. Data penelitian diperoleh dari data historis parameter kimia pH dan konduktivitas untuk sumber air pada salah satu perusahaan Fast Moving Consumer Goods (FMCG) di Indonesia dari bulan Januari 2021 hingga Februari 2023. Data dibagi menjadi dua bagian, training set dan testing set yang kemudian digunakan untuk memprediksi kualitas sumber air menggunakan pendekatan Recurrent Neural Network (RNN) dengan arsitektur Long Short-Term Memory (LSTM) dan Gated Recurrent Units (GRU). Dari penelitian ini, didapatkan pendekatan terbaik yang dapat digunakan untuk mendapatkan akurasi tertinggi pada setiap model yang dibangun. Secara keseluruhan, pendekatan RNN dengan arsitektur LSTM dan GRU dapat digunakan untuk memprediksi kualitas sumber air dengan akurasi yang tinggi.