Penelitian ini bertujuan untuk menganalisis dan memprediksi harga
penutupan saham PT. Gojek Tokopedia menggunakan model Long Short-Term
Memory (LSTM), dengan latar belakang volatilitas tinggi di pasar saham dan
kebutuhan untuk memprediksi harga guna mendukung keputusan investasi. Data
penelitian diambil dari Yahoo Finance mencakup periode dua tahun dari 11 April
2022 hingga 18 Juli 2024. Tahapan penelitian meliputi pengumpulan data,
Preprocessing menggunakan MinMaxScaler, pembagian data menjadi 80% untuk
pelatihan dan 20% untuk pengujian, penerapan model LSTM dengan fungsi aktivasi
Tanh, Sigmoid, dan ReLU, serta evaluasi kinerja model menggunakan MSE dan
RMSE. Hasilnya menunjukkan bahwa fungsi aktivasi Tanh memberikan performa
terbaik dengan MSE 17.668 dan RMSE 4.203, sementara fungsi Sigmoid
menunjukkan performa terendah dengan MSE 114.554 dan RMSE 10.703. Fungsi
ReLU memberikan hasil yang lebih baik daripada Sigmoid, namun masih di bawah
Tanh, dengan MSE 37.726 dan RMSE 6.142. Kesimpulannya, model LSTM
dengan fungsi aktivasi Tanh sangat efektif dalam memprediksi harga penutupan
saham PT. Gojek Tokopedia. Temuan ini memberikan kontribusi penting dalam
prediksi saham menggunakan model LSTM, walaupun terdapat keterbatasan
seperti tidak adanya penggunaan data eksternal.
Kata kunci: LSTM, prediksi saham, fungsi aktivasi, MSE, RMSE.