Investasi saham selama ini memiliki resiko kerugian yang sangat besar dikarenakan pergerakan harga saham sangat tidak menentu, dalam meminimalkan resiko kerugian diperlukan pengetahuan dalam membaca pergerakan harga saham. Dengan perkembangan teknologi kecerdasan buatan dan pemrosesan perdiksisaat ini, pergerakan harga saham dapat di identifikasi dengan cara otomatis secara perhitungan matematis yang sangat kompleks. Perhitungan ini adalah Deep Learning yang merupakan salah satu teknologi kecerdasan buatan yang memiliki akurasi pengenalan yang tinggi dengan data yang banyak. Penelitihan ini menggunakan teknik Deep learning, Recurrent Neural Networks (RNN) modul pemrosesan Long-Short Term Memory (LSTM) untuk melakukan prediksi harga saham. Fitur yang digunakan dalam pemrosesan prediksi yaitu Data harga penutupan saham (harga closing) PT Semen Indonesia (Persero) Tbk, dari tanggal (09/01/2014) sampai (09/01/2020), sebanyak 1500 data. Dengan adanya gerbang - gerbang didalam metode Neural Network algoritma LSTM ini dapat menyeleksi data yang perlu diingat ataupun dilupakan dalam proses perhitungannya. Berdasarkan hasil prediksi harga saham menghasilkan keakuratan yang sangat bagus dengan 100 proses pelatihan dari 13 proses uji coba dengan berbagai nilai parameter learning rate yang berbeda - beda dan mendapatkan rata-rata akurasi 94,92 %. Dan yang menghasilkan hasil terbaik adalah skenario ke tiga dengan parameter epoch 50, learning rate 0.2 dan menghasilkan MSE 0.51 dan MAPE 0.38%, akurasinya 99.62%

Investment in shares so far has a very large risk of loss due stock price movements are very erratic, in minimizing the risk of loss knowledge is needed in reading stock price movements. With the development of artificial intelligence technology and processing of current checks, movements stock prices can be identified by automated mathematical calculations which is very complex. This calculation is Deep Learning which is wrong one artificial intelligence technology that has high recognition accuracy with a lot of data. This research uses Deep learning technique, Recurrent Neural Networks (RNN) Long-Short Term Memory (LSTM) processing modules for predict stock prices. The features used in prediction processing are Data of the closing price of shares (closing price) of PT Semen Indonesia (Persero) Tbk, from date (01/09/2014) to (09/01/2020), as many as 1500 data. With the gate - The gate in the Neural Network method of this LSTM algorithm can select data that needs to be remembered or forgotten in the calculation process. Based on the results stock price predictions produce very good accuracy with 100 processes training of 13 trial processes with various learning rate parameter values - vary and get an average accuracy of 94.92%. And that produces results the best is the third scenario with epoch 50 parameters, learning rate 0.2 and yield MSE 0.51 and MAPE 0.38%, accuracy 99.62%