Prediksi pergerakan harga saham merupakan aspek penting dalam pengambilan keputusan investasi yang efektif, karena membantu investor memitigasi risiko dan mengoptimalkan keuntungan. Pasar saham sering kali dianggap penuh risiko dan kompleksitas, sehingga mempengaruhi minat investasi masyarakat, khususnya dalam konteks bursa Indeks Harga Saham Gabungan (IHSG) yang dipengaruhi oleh berbagai faktor eksternal, termasuk sektor energi global. Untuk mengatasi tantangan ini, penelitian ini mengusulkan penggunaan algoritma Long Short-Term Memory (LSTM), yang dikenal dengan kemampuannya dalam menangkap pola kompleks dalam data deret waktu untuk memprediksi pergerakan IHSG. Metode ini memanfaatkan mekanisme memori untuk mempertahankan informasi relevan dari waktu sebelumnya, sehingga cocok untuk analisis pasar saham yang dinamis. Prediksi yang dilakukan menggunakan data historis IHSG untuk membangun model LSTM dan indeks pasar sektor energi dunia sebagai korelasi parameter. Hasil evaluasi menunjukkan bahwa model LSTM yang dibangun memiliki kinerja sangat baik dengan Mean Squared Error (MSE) sebesar 0,0002025, Mean Absolute Error (MAE) sebesar 0,0108484, dan Root Mean Squared Error (RMSE) sebesar 0,0142313, serta R2 Score yang tinggi yakni 0,9475606 atau 95%. Prediksi menunjukkan tren harga IHSG yang relatif stabil dengan fluktuasi minor dan korelasi tinggi sebesar 0,89 sebelum prediksi dan 0,91 setelah dilakukan prediksi antara IHSG dan indeks S&P 500 Energy (GSPE), mengindikasikan bahwa terdapat pengaruh signifikan sektor energi global terhadap pergerakan IHSG.