Harga cabai merah keriting merupakan komoditas pangan strategis yang sering mengalami fluktuasi sehingga sulit diprediksi, dan kondisi ini berdampak pada pendapatan petani, aktivitas perdagangan, serta kestabilan pasokan di pasar. Penelitian ini menerapkan metode Autoregressive Integrated Moving Average (ARIMA) dan Gated Recurrent Unit (GRU) untuk memprediksi harga cabai merah keriting di Kota Lhokseumawe, serta membandingkan tingkat akurasi kedua metode tersebut. Data yang digunakan adalah data historis harga harian (Senin–Jumat) periode Januari 2023 hingga Maret 2026 yang diperoleh dari PIHPS Nasional, dengan total 845 data. Pada metode ARIMA, pemodelan dilakukan melalui uji stasioneritas, differencing, analisis ACF dan PACF, serta estimasi parameter hingga diperoleh model terbaik ARIMA (1,1,1). Pada metode GRU, pemodelan dilakukan melalui normalisasi data menggunakan MinMax Scaler, pembentukan sequence, pelatihan model dengan arsitektur dua layer GRU, dan prediksi menggunakan data testing. Evaluasi model menggunakan metrik Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model ARIMA (1,1,1) menghasilkan MAE sebesar 18.799 dan MAPE sebesar 32,11%, sedangkan model GRU dengan batch size 32 dan epoch 100 menghasilkan MAE sebesar 4.661 dan MAPE sebesar 7,81%. Metode GRU terbukti memiliki akurasi yang lebih baik dibandingkan ARIMA karena menghasilkan nilai error yang lebih kecil. Selain itu, penelitian ini berhasil membangun dashboard berbasis web menggunakan Python dan Flask untuk menampilkan data harga, grafik tren, serta hasil prediksi kedua metode.