Data runtun waktu merupakan kumpulan hasil pengamatan terurut waktu atas suatu karakteristik kuantitatif dari satu atau beberapa kejadian pada suatu periode waktu tertentu. Untuk mempelajari pola yang ada dalam suatu data runtun waktu berbagai metode prediksi telah dikembangkan oleh para peneliti. Salah satunya adalah algoritma Long Short-Term Memory (LSTM) yang merupakan salah satu algoritma populer Deep Learning dalam menyelesaikan tugas-tugas regresi. Dalam penelitian ini, kami bertujuan untuk menerapkan algoritma LSTM dengan arsitektur yang lebih sederhana untuk menyelesaikan berbagai permasalahan regresi dalam domain analisis data runtun waktu.