Prediksi kunjungan wisatawan Taman Nasional Gunung Merbabu
(TNGMb) perlu dilakukan untul pengendalian jumlah pengunjung dan menjaga
kelestarian taman nasional. Gabungan metode antara time series forecasting (TSF)
dan deep learning telah menjadi alternatif baru untuk melakukan prediksi. Studi
kasus ini dilakukan untuk mengimplementasi gabungan dari beberapa macam
metode antara TSF dan Long-Short Term Memory (LSTM) untuk memprediksi
kunjungan pada TNGMb. Pada studi kasus ini, terdapat 18 skenario pemodelan
sebagai objek penelitian untuk menentukan model terbaik, dengan memanfaatkan
data jumlah kunjungan wisatawan di TNGMb mulai dari tahun 2013 sampai dengan
tahun 2018. Hasil prediksi menunjukkan pemodelan dengan menerapkan metode lag
time dapat meningkatakan kemampuan model untuk menangkap pola pada data
deret waktu. Besar nilai kesalahan diukur menggunakan root mean square error
(RMSE), dengan nilai terkecil sebesar 3,7 pada arsitektur LSTM, menggunakan
tujuh lag sebagai feature dan satu lag sebagai label