Recently, the performance of LSTMs in analyzing rainfall-runoff has been outperforming physically based models in hydrology. However, data quality is still important to further improve performance of LSTM. In this study, we applied the Integration of Event Identification & Exponential Smoothing (IE2S) method to remove fluctuation of inflow which is still estimated by Simple Water Balance method. Then, preprocessed inflow was trained using LSTM and this approach proved improvement of reliability and variability for hourly inflow prediction. This research presents not only new deep learning methods, but also data-centric research is critical to improve performance of deep learning as an example of rainfall-runoff analysis.