The agricultural production sector plays an important role in meeting the needs of the Indonesian economy. Because agricultural production is the main source of staple food for Indonesian people. The daily needs of the community cannot be separated from agricultural production, including curly red chili. Curly red chili is a plant that is
categorized as a fruit and a member of the Capsiun genus. The fruit can be classified as either a vegetable or a spice, depending on how it is used. As a spice, curly red chili is not only a raw material, but also a raw material for today's industry. Per capita demand in Indonesia for curly red chili fluctuates from year to year. Consumption of curly red chilies increases every year along with the increasing population of Indonesia. Fluctuations and increases in the price of curly red chili can cause losses. One solution to overcome this problem is to make a price forecast that can predict the potential increase in the price of red chili. The method used in this study is the Recurrent Neural Network (RNN) method. Then a test is carried out, namely the data training process using the RNN algorithm, then predictions of the price of red curly chili for the next 24 months are carried out. so that the MAPE value is 11.05 with a test accuracy rate of 88.95%.

Sektor produksi pertanian memegang peranan penting dalam memenuhi kebutuhan ekonomi Indonesia. Karena produksi pertanian merupakan sumber utama makanan pokok masyarakat Indonesia. Kebutuhan sehari-hari masyarakat tidak terlepas dari produksi pertanian, termasuk cabai merah keriting. Cabai merah keriting merupakan tumbuhan yang dikatagorikan sebagai buah dan tumbuhan anggota Genus Capsiun. Buahnya dapat digolongkan juga sebagai sayuran maupun bumbu, tergantung bagaimana pemanfaatannya. Sebagai bumbu, cabai merah keriting tidak hanya bahan baku, tetapi juga bahan baku untuk industri saat ini. Permintaan per kapita di Indonesia untuk Cabai merah keriting berfluktuasi dari tahun ke tahun. Konsumsi Cabai merah keriting meningkat setiap tahun seiring dengan bertambahnya jumlah penduduk Indonesia. Fluktuasi dan kenaikan harga cabai merah keriting dapat menimbulkan kerugian. Salah satu solusi untuk mengatasi masalah ini adalah dengan membuat perkiraan harga yang dapat memprediksi potensi kenaikan harga Cabai merah. Metode yang digunakan pada penelitian ini adalah metode Recurrent Neural Network (RNN). Kemudian dilakukan pengujian yaitu proses pelatihan data menggunakan algoritma RNN, kemudian dilakukan prediksi harga cabai keriting merah untuk 24 bulan kedepan. sehingga didapatkan nilai MAPE 11,05 dengan tingkat akurasi pengujian sebesar 88,95%.