Time series regression (TSR) adalah salah satu metode peramalan yang digunakan untuk menangkap pola linier suatu data runtun waktu. Namun dalam kasus-kasus di kehidupan nyata jarang sekali ditemukan data yang memiliki pola linier saja melainkan juga terdapat pola non linier di dalamnya. Model hybrid adalah gabungan antara model atau metode peramalan linier dengan non linier yang digunakan untuk menangkap pola linier serta non linier dan juga untuk meningkatkan akurasi peramalan. Salah satu metode yang sering digunakan untuk menangkap pola non linier dalam model hybrid adalah neural network (NN). Dalam penelitian ini dilakukan peramalan terhadap jumlah produksi padi di Indonesia menggunakan model TSR dan model hybrid TSR-NN. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana hasil dan akurasi dari peramalan TSR dan model hybrid TSR-NN serta perbandingan di antara keduanya. Hasil penelitian menunjukkan bahwa hasil peramalan model TSR dan model hybrid TSRNN memiliki pola musiman yang sama seperti pada tahun-tahun sebelumnya dengan puncak produksi padi diramalkan terjadi pada Bulan April yaitu sebesar 8,699 juta ton untuk model TSR dan 8,507 juta ton untuk model hybrid TSR-NN. Perbandingan model TSR dan model hybrid TSR-NN menunjukkan bahwa model hybrid TSR-NN mampu meningkatkan akurasi peramalan dari model TSR yang semula memiliki nilai mean absolute percentage error (MAPE) sebesar 8,654% menjadi 5,494%.