Pernikahan merupakan peristiwa kependudukan yang diakui legalitasnya jika pasangan telah terdaftar dan memiliki dokumen resmi yang membuktikan keabsahannya. Dalam sepuluh tahun terakhir, angka pernikahan di Indonesia mengalami penurunan sebesar 28,63%, yang dapat berpotensi meningkatkan kasus pergaulan bebas, perselingkuhan, dan perceraian. Penelitian ini bertujuan untuk memprediksi tren angka pernikahan di Indonesia menggunakan metode Recurrent Neural Network (RNN). Data yang digunakan diperoleh dari laporan Statistik Indonesia yang diterbitkan oleh Badan Pusat Statistik (BPS) untuk periode 2014-2023, mencakup variabel tahun, provinsi, nikah, dan talak/cerai. Model RNN dikembangkan dengan rasio pembagian data latih sebesar 80% dan data uji sebesar 20%. Model ini terdiri dari dua block RNN dengan masing-masing 50 neuron, satu lapisan Dense dengan 2 neuron, dan menggunakan algoritma optimasi Adam. Pelatihan model dilakukan selama 25 epoch. Evaluasi model menunjukkan hasil yang baik dengan nilai Mean Squared Error (MSE) sebesar 0.0001745541 dan Root Mean Squared Error (RMSE) sebesar 0.0132118928. Hasil penelitian ini diharapkan dapat membantu pemerintah dalam memprediksi tren pernikahan di masa depan dan merespons perubahan yang terjadi dengan lebih cepat.

Marriage is a civil event that is recognized as legal if the couple is registered and has official documents proving its validity. In the last ten years, the marriage rate in Indonesia has decreased by 28.63%, which can potentially increase cases of promiscuity, infidelity, and divorce. This study aims to predict the trend of marriage rates in Indonesia using the Recurrent Neural Network (RNN) method. The data used was obtained from the Statistics Indonesia report published by the Central Statistics Agency (BPS) for the period 2014 2023, including variables of year, province, marriage, and divorce. The RNN model was developed with a training data sharing ratio of 80% and test data of 20%. The model consists of two block RNNs with 50 neurons each, one Dense layer with 2 neurons, and uses Adam's optimization algorithm. Model training was conducted for 25 epochs. Model evaluation shows good results with a Mean Squared Error (MSE) value of 0.0001745541 and Root Mean Squared Error (RMSE) of 0.0132118928. The results of this study are expected to help the government in predicting future marriage trends and responding to changes that occur more quickly.