Prediksi harga saham menjadi masalah utama bagi para investor dan saham analis. Beberapa peniliti berpendapat bahwa harga saham dapat diprediksi dengan beberapa model, selama model tersebut dapat memberikan akurasi yang tinggi. Model yang paling umum digunakan untuk memprediksi data time series adalah model ARIMA dan ANN. Pada penelitian sebelumnya telah melakukan analisis perbandingan model antara ARIMA, LSTM dan GRU menggunakan dataset Web Traffic, pada penelitian tersebut hasil akurasi tertinggi didapati oleh model LSTM dan GRU, sedangkan untuk model ARIMA nilai akurasinya masih rendah. Namun penelitian tersebut masih memiliki beberapa kekurangan yaitu tidak menggunakan hyperparameter dan fungsi auto_arima, dimana hal itu menyebabkan kinerja model tidak dalam kondisi maksimal. Oleh karena itu pada penelitian ini penulis akan membandingkan kinerja dari model ARIMA, Long Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dengan menggunakan hyperparameter dan fungsi auto_arima dan alat ukur yang digunakan untuk menghitung tingkat akurasi adalah Mean Square Error (MSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Berdasarkan Target MAPE (Lewis, 1982) hasil prediksi dari model ARIMA, LSTM, dan GRU memperoleh akurasi Sangat Akurat yaitu (