Brasil sebagai salah satu negara berkembang utama telah mengalami berbagai episode krisis mata uang yang secara historis berdampak signifikan terhadap stabilitas ekonomi nasional. Metode statistik tradisional seringkali belum mampu memprediksi krisis mata uang secara akurat, terutama karena kompleksitas dan dinamika hubungan antar indikator ekonomi. Penelitian ini bertujuan untuk mengembangkan model deteksi dini krisis mata uang di Brasil dengan memanfaatkan Long Short-Term Memory (LSTM) berbasis data makroekonomi bulanan periode Januari 1990 hingga Desember 2024. Penentuan kondisi krisis dilakukan terlebih dahulu dengan menghitung nilai Exchange Market Pressure (EMP) berdasarkan tiga komponen utama: perubahan nilai tukar nominal, cadangan devisa, dan suku bunga. Ambang batas krisis ditentukan berdasarkan kombinasi optimal antara nilai multiplier dan panjang rolling window yang menghasilkan tingkat deteksi krisis tertinggi dan paling sesuai dengan kejadian krisis aktual. Setiap bulan yang melampaui batas tersebut diklasifikasikan sebagai krisis. Berdasarkan identifikasi tersebut, pelabelan perfect signal dilakukan dengan memberi sinyal peringatan pada dua belas bulan sebelum krisis aktual terjadi, sehingga data siap digunakan untuk pelatihan model prediktif. Sebanyak sebelas indikator makroekonomi dianalisis, dan seleksi fitur serta hyperparameter tuning dilakukan secara simultan menggunakan metode Tree-structured Parzen Estimator. Hasil optimasi menunjukkan bahwa konfigurasi terbaik diperoleh dengan hanya dua indikator utama, yaitu money gap dan nilai tukar bilateral riil. Model akhir menunjukkan performa yang baik dengan akurasi rata-rata 77,78%, presisi 74,19%, recall 100%, dan F1-score 85,18%. Hasil prediksi untuk periode Januari hingga Desember 2025 menunjukkan bahwa Brasil tidak berada dalam kondisi menuju krisis mata uang. Temuan ini memberikan kontribusi penting bagi penguatan kapasitas prediktif dalam pengambilan kebijakan ekonomi.