Clustering analysis merupakan metode analisis yang bertujuan mengelompokkan objek berdasarkan kesamaan karakteristiknya. Time series clustering merupakan pengembangan dari metode tersebut yang mengelompokkan data deret waktu berdasarkan kemiripan pola perubahannya sehingga setiap klaster merepresentasikan pola temporal yang serupa. Salah satu penerapannya diterapkan sebagai tahap pra-pemodelan dalam peramalan harga saham. Dengan banyaknya jumlah emiten, pendekatan ini memungkinkan peramalan dilakukan pada tingkat klaster sehingga lebih efisien dibandingkan pemodelan secara individual pada masing-masing saham. Oleh karena itu, penelitian ini menerapkan time series clustering dengan merepresentasikan setiap deret waktu menggunakan parameter Autoregressive orde satu sebagai input dalam algoritma K-Error, kemudian melakukan peramalan harga saham pada tingkat klaster untuk periode mendatang menggunakan LSTM. Hasil penelitian menunjukkan jumlah klaster optimal adalah sebanyak tiga dengan Klaster 1 memiliki harga yang relatif tinggi dan rentang pergerakan lebar, Klaster 2 memiliki harga yang menengah ke bawah dan pergerakan sempit, serta Klaster 3 didominasi oleh harga rendah dan pergerakan stabil dengan satu emiten berharga sangat tinggi. Kemudian, evaluasi peramalan menggunakan MAPE menunjukkan nilai pada data training dan testing seluruh klaster berada di bawah 10%, yang mengindikasikan kemampuan peramalan sangat baik. Hasil peramalan juga menunjukkan pola yang konsisten dengan karakteristik historis masing-masing klaster.