Tujuan dari penelitian ini adalah untuk menganalisis kemampuan model Long Short Term Memory (LSTM) dalam membantu menentukan waktu yang tepat untuk menjual emas, berdasarkan prediksi pergerakan harga dan membandingkan performa model LSTM dengan metode prophet dalam konteks pengambilan keputusan investasi emas. Dataset harga emas 5 tahun terakhir akan dimodelkan dengan menggunakan Prophet dan LSTM dengan menggunakan Tuning Parameter untuk menemukan parameter terbaik sehingga didapatkan model prediksi terbaik untuk memprediksi harga emas. Tahapan penelitian yang dilakukan antara lain pengumpulan data, pre-processing data, bangun model dan evaluasi model. Model dibangun dengan menggunakan bahasa pemograman Phyton dan algoritma LSTM dan Prophet. Evaluasi model menggunakan hasil perhitungan uji koefisien determinasi dan MAPE. Penelitian ini berhasil mengevaluasi beberapa model prediksi untuk harga emas harian yaitu Prophet, LST, dan Hybrid LSTM-Prophet. Hasil analisis menunjukan bahwa model Prophet pada skenario 6 memberikan kinerja terbaik dengan akurasi sangat tinggi (MAPE 0,21%; R20,99). Model LSTM juga menunjukan akurasi yang sangat baik (MAPE 0%; R2 0,96), sementara model hybrid LSTM-Prophet meskipun kinerjanya baik (R2 0,94) namun tidak melampaui kinerja model individu terbaik. Secara keseluruhan, semua model mampu menangkap tren jangka panjang, pola musiman mingguan dan tahunan, serta dampak harga sebelumnya pada pergerakan harga emas yang mengindikasikan bahwa harga emas stabil atau akan sedikit meningkat di masa depan.