Material penangkap karbon (carbon capture storage/CCS) merupakan bahan yang cukup penting dalam kehidupan saat ini. Material tersebut berfungsi menyerap gas radikal bebas yang mengandung unsur karbon, yang selama ini kita kenali sebagai polutan udara. Salah satu material CCS yang banyak diteliti adalah Zeolitic Imidazolate Frameworks (ZIF). ZIF merupakan senyawa organologam yang terdiri atas ion logam dan ligan organik imidazolat. ZIF dipilih karena memiliki luas permukaan dan volume pori yang besar, sehingga memiliki kapasitas dan selektivitas penyerapan gas yang tinggi. Pada penelitian ini dilakukan prediksi terhadap kelas dari berbagai jenis adsorben ZIF, terutama karakteristik kemampuan adsorpsinya. Hal ini dilakukan dengan memanfaatkan pembelajaran mesin atau deep learning, seperti Artificial Neural Network (ANN) dan Recurrent Neural Network (RNN). Kami akan melakukan analisis terhadap parameter yang digunakan pada model ANN maupun RNN, guna mendapatkan hasil berupa matriks evaluasi yang terdiri atas akurasi/accuracy, presisi/precision, rasio positif sejati/recall, dan F1-Score. Kemudian hasil evaluasi ANN dan RNN akan dibandingkan untuk menentukan model mana yang paling optimal dalam memprediksi sifat-sifat adsorben secara akurat, sehingga performa adsorpsi karbondioksida dapat dimaksimalkan.