Indonesia, sebagai negara tropis dengan kekayaan sumber pangan seperti padi, jagung, dan kedelai, menghadapi tantangan dalam menjaga stabilitas dan ketersediaan pangan yang vital bagi penduduknya. Jagung, sebagai sumber pangan , sering mengalami fluktuatif harga karena berbagai faktor seperti curah hujan, permintaan , dan masalah impor atau kegagalan panen. Untuk mengatasi hal ini, pemerintah perlu mengembangkan metode prediksi harga jagung yang lebih canggih. Dalam penelitian ini, menggunakan Deep Learning dengan algoritma LSTM dan SVR diajukan sebagai solusi. Dengan memanfaatkan data historis dan mempertimbangkan faktor eksternal, seperti harga jagung pada periode sebelumnya, kondisi cuaca dan kebijakan pemerintah, penelitian bertujuan mengembangkan model prediksi akurat. Harapannya, metode ini dapat membantu pengambil kebijakan dan regulator dalam membuat keputusan yang lebih tepat dan efektif. Langkah-langkah optimasi model dan pemrosesan data akan diambil untuk memastikan efektivitas prediksi. Penelitian ini diharapkan memberikan kontribusi dalam pengembangan teknologi Deep Learning dalam konteks perencanaan kebijakan pertanian, khususnya dalam mengelola harga komoditas vital seperti jagung di Indonesia.