Penelitian ini bertujuan untuk memprediksi harga emisi karbon yang cukup sulit diprediksi, dimana harganya yang memiliki volatilitas tinggi dan pola non-linear. Penelitian ini menggunakan data harga emisi karbon dari investing.com dengan jangka waktu 2 Januari 2012 hingga 31 Maret 2025. Beberapa penelitian sebelumnya menunjukan bahwa model hybrid dapat mengungguli model tunggal tetapi terlalu kompleks seperti model Prophet-LSTM-BP. Karena itu, penelitian ini mencoba penelitian baru dengan menggunakan model hybrid yang lebih sederhana, menggabungkan kelebihan model Prophet yang dapat memprediksi data linear dengan baik, dan Long Short-Term Memory (LSTM) yang dapat memprediksi data nonlinear dengan baik, serta disempurnakan dengan pendekatan residual. Penelitian ini juga dilakukan perbandingan empat model yaitu Prophet tunggal, LSTM tunggal, Hybrid Prophet-LSTM, dan Hybrid Prophet-LSTM (Residual). Kinerja setiap model diukur menggunakan metrik Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasilnya menunjukkan bahwa model terbaik adalah Hybrid Prophet-LSTM (Residual), yang pada data uji berhasil mendapatkan nilai RMSE 1.6773, MAE 1.3541, dan MAPE 1.87%. Hasil ini membuktikan bahwa menggabungkan model Prophet dan LSTM adalah strategi yang efektif untuk memprediksi data harga karbon yang rumit.