Kekerasan terhadap perempuan dan anak menjadi masalah sosial yang signifikan di Indonesia, termasuk di Kota Banjarmasin. Data yang tersedia melalui Kementerian Pemberdayaan Perempuan dan Anak menunjukkan fluktuasi kasus kekerasan di wilayah tersebut. Penelitian ini bertujuan untuk memprediksi jumlah kasus kekerasan terhadap perempuan dan anak di Kota Banjarmasin dengan menggunakan teknik deep learning, khususnya arsitektur Recurrent Neural Network (RNNs) seperti LSTM, Bi-LSTM, GRU, dan Bi-GRU. Data yang digunakan dalam penelitian ini terbatas hanya menggunakan data time series univariate sebanyak 96 baris data, sedangkan deep learning merupakan model yang memerlukan data yang banyak untuk menghasilkan performa model yang optimal. Oleh karena itu, TimeGAN diimplementasikan dalam penelitian ini sebagai teknik untuk melakukan augmentasi data time series guna membentuk data sintetis yang digunakan sebagai data tambahan untuk melatih model prediksi deep learning. Penelitian ini menggunakan data time series kasus kekerasan dari Januari 2016 hingga Desember 2023 dan memprediksi jumlah kasus untuk satu bulan ke depan. Hasil penelitian menunjukkan bahwa TimeGAN berhasil menghasilkan data sintetis dengan nilai discriminative score terbaik sebesar 0.285714, meskipun dengan jumlah data yang terbatas. Model Bi-LSTM yang tidak menggunakan data sintetis memberikan hasil terbaik tanpa augmentasi data dengan nilai RMSE 6.4970, MAE 5.1510, dan R² -0.0002. Sedangkan model Bi-GRU dengan data sintetis hasil time series augmentation menunjukkan hasil terbaik dengan RMSE 2.4926, MAE 2.0869, dan R² 0.9471. Berdasarkan penelitian ini TimeGAN mampu meningkatkan performa model deep learning untuk memprediksi jumlah kasus kekerasan terhadap perempuan dan anak secara signifikan.