Ketidakstabilan harga komoditas pangan merupakan tantangan krusial bagi ketahanan pangan dan perencanaan ekonomi di Provinsi Aceh. Penelitian ini bertujuan untuk memprediksi fluktuasi harga tiga komoditas yaitu beras medium, cabai merah keriting, dan bawang merah dengan menggunakan pendekatan deep learning berbasis Long Short-Term Memory (LSTM) dan model hybrid LSTM+Gated Recurrent Unit (LSTM+GRU). Data yang digunakan berupa harga historis bulanan dari Januari 2021 hingga Desember 2024 yang diperoleh dari Badan Pangan Nasional. Hasil menunjukkan bahwa model LSTM unggul dalam memprediksi harga beras medium yang stabil, sedangkan model LSTM+GRU lebih adaptif dalam menangani komoditas dengan volatilitas tinggi seperti bawang merah dan cabai merah keriting. Pendekatan early stopping terbukti efektif dalam menjaga kestabilan pelatihan model dan mencegah overfitting terutama pada data yang relatif konstan. Performa model terbaik bergantung pada kombinasi arsitektur dan strategi pelatihan yang disesuaikan dengan dinamika harga tiap komoditas. Hasil prediksi dari model terbaik dapat dimanfaatkan sebagai dasar strategis dalam perencanaan distribusi pangan, identifikasi peluang usaha, serta penyusunan kebijakan berbasis data. Penelitian ini menegaskan bahwa penerapan machine learning khususnya model deep learning, memiliki potensi signifikan tidak hanya dalam aspek teknis prediksi, tetapi juga sebagai alat pendukung pengambilan keputusan dalam sektor agribisnis.