<![CDATA[Harga penutupan saham pada sektor komoditas agribisnis merupakan salah satu indikator yang penting bagi para investor, karena memiliki pergerakan yang fluktuatif dan dipengaruhi oleh berbagai faktor ekonomi. Pola data harga saham cenderung berubah-ubah menyebabkan proses peramalan menjadi sebuah tantangan, terutama pada data saham harian. Penelitian ini bertujuan untuk membandingkan kinerja metode AutoRegressive Integrated Moving Average(ARIMA) dan Long Short Term Memory(LSTM) dalam meramalkan harga penutupan saham PT. XYZ. Data yang digunakan yaitu data sekunder harian harga penutupan saham PT. XYZ periode Januari 2020 hingga Desember 2025, yang diperoleh dari laman investing.com. Metode ARIMA digunakan untuk mennangkap pola linier pada data deret waktu, sedangkan LSTM digunakan untuk menangkap pola nonlinier yang kompleks. Tahapan penelitian meliputi pembagian data pelatihan dan data pengujian, pembentukan model ARIMA dan LSTM, perbandingan prediksi antar dua metode, serta evaluasi kinerja setiap metode menggunakan nilai Root Mean Square Error(RMSE) dan Mean Absolute Percentage Error(MAPE). Hasil penelitian menunjukkan bahwa kedua metode mampu memprediksi harga penutupan saham PT. XYZ dengan baik, namun metode ARIMA memberikan hasil yang lebih akurat dibandingkan metode LSTM. Hal ini ditunjukkan oleh nilai RMSE dan nilai MAPE dari ARIMA yang lebih kecil daripada LSTM, yaitu sebesar 0,1044 untuk nilai RMSE dan 1,63% untuk nilai MAPE nya, sehingga metode ARIMA lebih efektif untuk digunakan dalam peramalan harga penutupan saham harian PT. XYZ. Kata Kunci: Peramalan saham; Deret waktu; ARIMA; LSTM]]>
