Prediksi harga saham merupakan salah satu tantangan utama dalam bidang keuangan, mengingat volatilitas pasar yang tinggi dan kompleksitas pola pergerakan harga. Penelitian ini membandingkan performa dua metode berbasis deep learning, yaitu Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM), dalam memprediksi harga saham empat bank terbesar di Indonesia, yaitu Bank Mandiri, BRI, BNI, dan BCA. Evaluasi dilakukan dengan mengukur akurasi prediksi menggunakan Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model LSTM memiliki performa yang lebih baik dibandingkan RNN, dengan nilai RMSE dan MAPE yang lebih rendah. Visualisasi prediksi juga menunjukkan bahwa LSTM lebih mampu menangkap pola tren harga saham dan lebih stabil dalam menghadapi fluktuasi pasar dibandingkan RNN. Dengan demikian, LSTM lebih direkomendasikan sebagai metode prediksi harga saham karena kemampuannya dalam menangani dependensi jangka panjang dan pola data yang kompleks.
Kata kunci: Prediksi harga saham, RNN, LSTM