Peramalan harga saham merupakan salah satu topik yang penting dalam dunia keuangan, terutama bagi investor yang ingin memaksimalkan keuntungan dan meminimalkan risiko. Penelitian ini bertujuan untuk membandingkan kinerja dua machine learning, yaitu Recurrent Neural Network (RNN) dan Extreme Learning Machine (ELM) dalam meramalkan harga saham Bank Central Asia (BBCA). RNN dan ELM dipilih karena kemampuannya dalam menangani data time series. Data yang digunakan dalam penelitian ini adalah data harga saham harian BBCA selama periode tertentu. Penelitian ini melibatkan beberapa tahap, yaitu pengumpulan data, pra-pemrosesan data, pelatihan model, dan perhitungan nilai akurasi. Perhitungan nilai akurasi dievaluasi menggunakan Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa ELM memiliki kinerja yang lebih baik dibandingkan RNN dalam hal akurasi peramalan harga saham BBCA. RNN menunjukkan nilai MSE dan MAPE yang lebih rendah dibandingkan dengan RNN, yang mengindikasikan bahwa ELM mampu melakukan peramalan dengan tingkat kesalahan yang lebih kecil. Kesimpulan dari penelitian ini adalah bahwa ELM lebih unggul dalam peramalan saham BBCA dari segi akurasi dibandingkan dengan RNN. Oleh karena itu, ELM merupakan metode yang direkomendasikan untuk peramalan saham dalam konteks ini.