Pengelolaan sampah merupakan tantangan utama yang dihadapi oleh banyak daerah di Indonesia, termasuk Kabupaten Semarang. Peramalan volume sampah yang terangkut menjadi strategi penting dalam mendukung perencanaan infrastruktur, alokasi sumber daya, dan optimalisasi sistem pengelolaan sampah. Penelitian ini bertujuan untuk membandingkan performa tiga pendekatan peramalan, yaitu Seasonal Autoregressive Integrated Moving Average (SARIMA), Long Short-Term Memory (LSTM), dan model hibrida SARIMA-LSTM. Data yang digunakan adalah data bulanan volume sampah terangkut di Kabupaten Semarang dari Januari 2010 hingga Desember 2024, yang dibagi menjadi data latih (2010–2022) dan data uji (2023–2024). Model SARIMA terbaik adalah SARIMA(1,1,1)(2,1,0)₁₂ dengan nilai MAPE sebesar 6,36% (training) dan 5,88% (testing). Model LSTM dengan parameter optimal menghasilkan MAPE sebesar 6,65% (training) dan 7,47% (testing). Sementara itu, model hibrida SARIMA-LSTM yang menggabungkan residu SARIMA sebagai input LSTM menunjukkan performa terbaik dengan MAPE sebesar 6,34% (training) dan 5,87% (testing). Hasil penelitian ini menunjukkan bahwa model hibrida SARIMA-LSTM mampu meningkatkan akurasi peramalan dibandingkan metode tunggal, sehingga dapat menjadi pendekatan yang lebih efektif dalam mendukung pengelolaan sampah di Kabupaten Semarang.