Pergerakan harga saham sulit untuk ditebak akan arah kelajuannya. Oleh karena itu, diperlukan metode yang dapat memodelkan pergerakan harga saham tersebut supaya mempermudah investor untuk pengambilan keputusan dalam berinvestasi. Salah satu metode yang dapat digunakan adalah pemodelan time series pergerakan harga saham dengan Deep Learning. Terlebih dahulu akan dilihat Autocorrelation Function (ACF) untuk menentukan data saham berupa stasioner atau nonstasioner. Selanjutnya, akan ditentukan beberapa parameter yang dapat mempengaruhi akurasi prediksi pergerakan harga saham. Hasil prediksi pergerakan harga saham yang baik adalah tidak terjadinya overfitting pada model dan juga memberikan hasil data prediksi yang mendekati data aktual. Hal ini dapat dilihat berdasarkan selisih yang kecil antara MSE training dan MSE testing.