Curah hujan merupakan jumlah air dalam milimeter yang jatuh pada permukaan datar selama periode tertentu. Tingkat variabilitas curah hujan yang tinggi di Indonesia mendorong perlunya pengembangan teknologi untuk memprediksi curah hujan. Salah satu metode yang umum digunakan untuk prediksi curah hujan adalah metode Boosting, namun metode boosting memiliki kelemahan yaitu sensitif terhadap noise. Berdasarkan masalah tersebut, maka penelitian ini mengajukan metode LightGBM dan XGBoost dengan menerapkan metode Singular Spectrum Analysis (SSA) sebagai data decomposition dalam melakukan prediksi curah hujan. Dataset yang digunnakan berasal dari sensor curah hujan di Universitas Lambung Mangkurat dengan jumlah data sebanyak 6624 data. Hasil penelitian ini menunjukan bahwa metode XGBoost yang dikombinasikan dengan SSA menghasilkan RMSE, MAE, dan R2 berturut-turut sebesar 0.0056971936, 0.0034495675, dana 0.8278182711. Sedangkan LightGBM yang dikombinasikan dengan SSA menghasilkan RMSE, MAE, dan R2 berturut-turut sebesar 0.0115858097, 0.0042129124, dan 0.2879378609. Hasil tersebut membuktikan bahwa performa XGBoost yang dikombinasikan dengan SSA lebih baik dibandingkan LightGBM yang dikombinasikan dengan SSA dengan penurunan RMSE, MAE, dan peningkatan R2 secara berutut-turut sebesar 0.0058886161, 0.0007633449, dan 0.5398804102.