<![CDATA[Penelitian ini bertujuan untuk mengevaluasi dan membandingkan performa model Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dalam memprediksi harga saham harian pada sektor telekomunikasi Indonesia, sebuah sektor yang memiliki karakteristik volatilitas fluktuatif dan dipengaruhi oleh dinamika pasar jangka pendek. Dua emiten yang dianalisis adalah GHON dan EXCL dengan rentang data dua tahun yang diambil dari platform Investing.com. Proses penelitian mencakup tahapan preprocessing, normalisasi menggunakan MinMaxScaler, pembentukan sliding window sepanjang 30 hari, serta pembagian data secara kronologis menjadi data latih, validasi, dan uji. Optimasi hyperparameter dilakukan menggunakan KerasTuner dengan pendekatan Random Search untuk memperoleh konfigurasi terbaik bagi masing-masing model. Evaluasi performa menggunakan tiga metrik utama yakni Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil eksperimen menunjukkan bahwa GRU memberikan performa yang lebih unggul pada saham EXCL yang memiliki volatilitas tinggi, ditunjukkan oleh nilai RMSE, MAE, dan MAPE yang lebih rendah dibandingkan LSTM. Sebaliknya, pada saham GHON yang lebih stabil, kedua model menghasilkan performa yang relatif sebanding. Temuan ini menegaskan bahwa efektivitas model sangat dipengaruhi oleh karakteristik data, di mana GRU lebih adaptif pada pola harga yang dinamis, sedangkan LSTM tetap kompetitif pada pola yang lebih konsisten. Secara keseluruhan, GRU dapat direkomendasikan sebagai model yang lebih efisien dan akurat untuk prediksi harga saham pada lingkungan pasar yang berfluktuasi tinggi.]]>
