<![CDATA[Saham merupakan salah satu jenis dari pasar keuangan yang paling populer belakangan ini, saham juga menunjukkan bahwa seseorang yang memiliki saham atas suatu perusahaan berarti orang tersebut memiliki beberapa bagian dari perusahaan tersebut. Investor banyak yang berinvestasi dalam pasar saham dengan tujuan untuk mendapatkan nilai return yang besar, akan tetapi ada juga beberapa investor yang masih belum yakin dengan adanya resiko dalam berinvestasi saham. Hal ini didasari karena berinvestasi atau jual beli saham membutuhkan pemahaman dan pengalaman yang cukup dalam hal analisis data. Analisis data sangat diperlukan karena pergerakan harga saham dinamis, oleh karena itu perlu adanya bantuan untuk melakukan prediksi terhadap pergerakan harga saham tersebut. Metode pemodelan yang akan digunakan yaitu menggunakan machine learning. Machine learning saat ini sudah sangat populer dan terbukti memiliki tingkat akurasi yang baik dalam pengolahan data. Dalam penelitian yang dilakukan, pemodelan data yang digunakan untuk melakukan prediksi harga saham menggunakan Long Short Term Memory (LSTM) yang merupakan salah satu jenis dari Recurrent Neural Network (RNN). Tujuan dilakukannya penelitian ini adalah untuk menghasilkan model yang cukup akurat dalam peramalan harga saham. Tahapan penelitian terdiri dari pengumpulan data saham, pra-pemrosesan data, pengolahan data, perancangan desain arsitektur LSTM, melakukan pelatihan model, dan terakhir adalah evaluasi dari model yang telah dibuat. Parameter yang digunakan dalam penelitian ini meliputi perbedaan jumlah hidden layer, neuron, dan learning rate. Hasil pengujian terbaik yaitu pada model dengan parameter 3 hidden layer 50,100,150 neuron, learning rate 0,001, dengan perhitungan nilai error menggunakan RMSE sebesar 0,0015 dan perhitunggan menggunakan MAPE sebesar 20%.]]>
