Saham adalah tanda penyertaan atau kepemilikan seseorang atau badan dalam suatu perusahaan. Nilai
harga saham dapat diperoleh dari banyak faktor, karena banyak perubahan pada faktor tersebut, harga
saham dapat naik atau turun. Prediksi harga saham telah banyak dilakukan oleh peneliti lain dengan
tingkat akurasi yang berbeda beda. Dalam penelitian ini, akan mngembangkan sistem prediksi
menggunakan metode CNN – LSTM. Dataset tersebut berisi data saham JKSE, AALI, ABMM, AISA,
dan SMBR yang diharapkan dapat menghasilkan strategi pembelajaran terbaik dengan berbagai
eksprimen yang telah ditentukan. Hasil eksperimen menunjukkan bahwa arsitektur yang teroptimal
menggunakan fungsi aktivasi TANH, dengan jumlah neuron pada lapisan CNN yaitu 32 dan 64, jumlah
lapisan LSTM 50 dan 100, serta nilai epoch 20 dan 100.