<![CDATA[Peningkatan partisipasi investor muda terutama dari Generasi Z dan Milenial menciptakan kebutuhan mendesak untuk menggunakan metode prediksi yang lebih akurat guna meminimalkan risiko investasi. Penelitian ini bertujuan untuk mengembangkan model prediksi harga saham pada sektor Fast-Moving Consumer Goods (FMCG) di Indonesia dengan memanfaatkan algoritma Gated Recurrent Unit (GRU) yang dioptimalkan menggunakan teknik Bayesian Optimization. Metode penelitian ini dimulai dengan pembagian data saham PT Hanjaya Mandala Sampoerna Tbk (HMSP) dari tahun 2019 hingga 2025, yang dibagi menjadi data train (60%), data validation (20%), dan data test (20%). Selanjutnya, dilakukan preprocessing data berupa normalisasi dan sequencing untuk mempersiapkan data. Model GRU yang diterapkan diuji dengan menggunakan metrik evaluasi seperti Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE), yang menghasilkan akurasi prediksi yang tinggi dengan RMSE 17.07, MAE 11.50, dan MAPE 1.48%. Penelitian ini menunjukkan bahwa penerapan Bayesian Optimization dapat memberikan efektivitas pemilihan hyperparameter menghasilkan model yang lebih presisi dalam memprediksi harga saham FMCG di Indonesia dan memberikan panduan yang lebih andal bagi investor dalam pengambilan keputusan investasi]]>
