Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga cryptocurrency dengan mengoptimalkan penggunaan kombinasi Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) dalam model deep learning. Cryptocurrency, seperti Bitcoin dan Ethereum, memiliki volatilitas harga yang tinggi, yang mempersulit prediksi yang akurat. Metode deep learning telah terbukti efektif dalam memodelkan data deret waktu seperti harga cryptocurrency. Dalam penelitian ini, dilakukan dengan menggabungkan kekuatan LSTM dalam memahami pola jangka panjang dengan efisiensi komputasional GRU untuk mengatasi masalah overfitting dan vanishing gradient. Metodologi penelitian mencakup tahap pengumpulan data historis dari beberapa cryptocurrency teratas berdasarkan Market Cap, seperti Bitcoin, Ethereum, Binance Coin, Solana, dan XRP. Data tersebut kemudian dipreproses untuk memastikan kebersihan dan keteraturan sebelum diberikan ke model LSTM-GRU. Eksperimen dilakukan untuk menentukan parameter terbaik, termasuk jumlah neuron, learning rate, dan dropout, serta melakukan optimasi hyperparameter untuk meningkatkan performa model. Hasil dari penelitian bahwa model deep learning yang dikembangkan berhasil meningkatkan akurasi prediksi harga cryptocurrency yaitu untuk BTC-USD yang mencapai nilai R² di atas 0.99, yang bermanfaat bagi trader dan investor untuk pengambilan keputusan yang lebih tepat. Selain itu, penelitian ini juga mencakup pengembangan sebuah website interaktif yang akan menyediakan prediksi harga Cryptocurrency secara real-time berdasarkan model Deep Learning yang telah dikembangkan.