Statistical language modeling merupakan teknik yang digunakan untuk membangun sebuah model yang merepresentasikan suatu bahasa secara natural. Statistical language modeling digunakan dalam aplikasi Information Retrieval, seperti speech recognition, machine translation, dan sebagainya. Hingga saat ini, metode N-Gram merupakan metode statistical language modeling yang paling lazim digunakan. Penelitian ini bertujuan untuk melakukan perbandingan antara metode N-Gram dan metode Recurrent Neural Network, khususnya pada kumpulan dokumen bahasa Indonesia. Eksperimen dilakukan menggunakan SRILM dan RNNLM toolkit. Hasil dari penelitian menunjukkan bahwa perplexity yang dihasilkan oleh Recurrent Neural Network lebih rendah daripada N-Gram menggunakan ukuran training data yang besar dan konfigurasi toolkit yang sesuai.