Pergerakan harga saham sulit diprediksi dan dapat berubah seiring waktu. Analisis teknikal diperlukan untuk menentukan waktu dan perusahaan yang tepat dalam investasi saham akan tetapi sebagai trader pemula akan mengalami kesulitan dalam menganalisa saham. Maka penelitian ini mengembangkan metode prediksi harga saham yang efektif dengan menggunakan model Long Short-Term Memory (LSTM) yang dikombinasikan dengan analisis teknikal. Prediksi harga saham yang akurat sangat penting dalam pengambilan keputusan investasi yang baik, kombinasi antara LSTM dan analisis teknikal dapat memberikan pendekatan yang kuat dalam menghadapi tantangan tersebut. Evaluasi kinerja model dilakukan dengan membandingkan hasil prediksi LSTM dengan harga saham aktual pada periode waktu yang tidak termasuk dalam data training. Hasil evaluasi prediksi harga saham dengan metode LSTM dan analisis teknikal memperoleh nilai RMSE sebesar 136.7 untuk harga Open, 126.5 untuk harga Close, 317.9 untuk harga High, 178.0 untuk harga Low, dan 189.6 untuk harga Adj.Close lebih baik dibanding dengan metode LSTM tanpa analisis teknikal. Sedangkan dengan metode LSTM mendapatkan hasil akurasi lebih baik dibandingkan dengan SVR dan KNN dari 5 dataset yang berbeda dengan nilai RMSE 65.21 untuk LSTM, 313.56 untuk SVR, 72.44 untuk KNN dan nilai R2 0.9919 untuk LSTM, 0.81 untuk SVR, 0.990 untuk KNN. Hasil dari model tersebut diimplementasikan kedalam sistem berbasis web yang menggunakan framework laravel dan database mysql.