Pasar modal memiliki peran signifikan dalam perekonomian Indonesia, namun fluktuasi harga saham yang tinggi sering menjadi tantangan bagi investor ritel. Penelitian ini bertujuan membandingkan kinerja algoritma pembelajaran mesin dan kecerdasan buatan untuk prediksi harga saham, dengan studi kasus pada IHSG. Model yang digunakan meliputi Long Short-Term Memory (LSTM), Convolutional Neural Network (CNN), ARIMA, serta ChatGPT sebagai model Generative AI. Data historis saham dianalisis menggunakan pendekatan analisis deret waktu berbasis framework CRISP-DM, dengan metrik evaluasi seperti RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa model LSTM memberikan akurasi tertinggi dalam memprediksi harga saham dengan nilai RMSE sebesar 15,83, MAE sebesar 13,57, dan MAPE sebesar 0,9155%, dibandingkan dengan CNN (RMSE: 29,33, MAE: 24,06, MAPE: 1,6304%), ARIMA (RMSE: 36,20, MAE: 28,00, MAPE: 1,8772%), dan ChatGPT (RMSE: 24,41, MAE: 18,08, MAPE: 1,2242%). Model LSTM terbukti andal dalam memprediksi tren pergerakan harga saham, sementara ChatGPT menawarkan kemudahan penggunaan dan hasil yang kompetitif, menjadikannya alternatif yang praktis bagi investor ritel. Temuan ini diharapkan dapat memberikan kontribusi pada pengembangan teknologi prediksi harga saham berbasis data serta mendukung investor ritel dalam pengambilan keputusan investasi yang lebih akurat.