Manajemen portofolio saham adalah tugas kompleks yang melibatkan pengelolaan sekumpulan aset saham untuk mencapai tujuan investasi dengan memaksimalkan keuntungan yang dihasilkan dan meminimalkan risiko dalam proses perdagangan. Portfolio Optimization Problem POP adalah masalah yang terkenal di bidang keuangan dan investasi, di mana tujuannya adalah untuk memilih kombinasi optimal aset keuangan saham dalam portofolio yang memberikan tingkat pengembalian tertinggi dengan tingkat risiko yang dapat diterima. Akan menjadi tantangan bagi investor untuk mencapai tingkat pengembalian yang tinggi dengan risiko investasi yang rendah dalam situasi ini. Penelitian ini mengusulkan sebuah model baru untuk menyelesaikan Portfolio Optimization Problem dengan menggunakan Deep Reinforcement Learning DRL yang efektif untuk mengelola portofolio saham untuk memaksimalkan hasil investasi. Model ini akan menggunakan algoritma Deep Reinforcement Learning DRL yang dapat menskalakan masalah yang sebelumnya sulit untuk diselesaikan. Dengan menggunakan interaksi dengan lingkungan dan umpan balik berupa reward atau punishment, model ini akan dapat mengidentifikasi saham yang paling menguntungkan untuk dibeli dan dijual pada waktu yang tepat. Model dalam penelitian ini telah diuji dan berhasil mendapatkan tingkat pengembalian akumulatif sebesar 76,923. Dengan adanya model ini, investor dapat mengambil keputusan investasi yang lebih baik berdasarkan analisis yang lebih mendalam, penggunaan data historis dan indikator teknikal, serta kemampuan model untuk beradaptasi dengan kondisi pasar yang terus berubah. Dengan demikian, penelitian ini dapat memberikan manfaat yang signifikan bagi investor dalam meningkatkan kinerja investasinya dan mencapai hasil yang lebih optimal dalam investasi saham.