Untuk melakukan investasi atau jual beli di bursa saham memerlukan pemahaman dibidang analisis data. Pergerakan kurva pada pasar saham sangat dinamis, sehingga memerlukan pemodelan data untuk melakukan prediksi harga saham agar mendapatkan harga dengan tingkat akurasi yang tinggi. Salah satu langkah untuk mencapai hal tersebut dapat menggunakan sistem prediksi berbasis machine learning. Terdapat beberapa algoritma yang dapat digunakan untuk memprediksi nilai saham , salah satunya yaitu algoritma Long-Short Term Memory (LSTM). Pada penelitian ini bertujuan untuk membandingkan beberapa model optimasi yaitu model optimasi Adam, SGD dan RMSprop untuk menganalisis tingkat keakuratan algoritma LSTM dalam melakukan prediksi data harga saham serta melakukan analisis pada banyaknya epochs dalam pembentukan model yang optimal. Hasil penelitian kami menunjukkan bahwa algoritma LSTM memiliki tingkat prediksi yang baik dengan ditunjukkan pada nilai Mean Absolute Percentage Error (MAPE) serta model data yang di dapatkan pada variasi nilai epochs. Model optimasi Adam, menunjukkan bahwa semakin tinggi nilai epoch, maka semakin rendah nilai loss. Semakin rendah nilai loss, semakin tinggi tingkat akurasi prediksi data saham yang dihasilkan. Model Optimasi Adam juga menjadi model dengan nilai akurasi paling tinggi yaitu 98,45%.