Investasi emas memang menarik karena potensinya sebagai lindung nilai, namun investor perlu menyadari bahwa harga emas sangat volatil. Penelitian ini bertujuan melakukan analisis time series univariate dan time series multivariate dengan menambahkan variabel tambahan pergerakan harga minyak dan harga perak pada peramalan harga emas. Gated Recurrent Unit (GRU) merupakan salah satu metode peramalan time series berbasis deep learning yang mampu menangani masalah data yang bersifat non‑linear terutama pada data yang memiliki volatilitas yang tinggi. Sama seperti metode deep learning lainnya GRU memiliki arsitektur yang terdiri dari parameter bobot dan bias yang akan dikalikan dengan nilai input xt. Penentuan nilai optimal dari parameter di setiap iterasi tersebut akan menggunakan bantuan algoritma optimasi Nesterov‑Accelerated Adaptive Moment Estimation (Nadam). Hasil penelitian ini menunjukan bahwa model terbaik dari GRU Univariate dengan konfigurasi hyperparameter 3 layer GRU, 1 layer output, 64 unit, 64 bacth size, dan 100 epoch dengan nilai Mean Square Eror (MSE) sebesar 1, 27 × 10−4. Sementara GRU multivariate dengan konfigurasi hyperparameter 3 layer GRU, 1 layer output, 64 unit, 32 bacth size, dan 200 epoch dengan nilai MSE sebesar 1, 37 × 10−4.Evaluasi hasil prediksi menunjukan nilai Mean Absolute Percentage Eror (MAPE) sebesar 1, 107% untuk GRU Univariate dan 3, 045% untuk GRU multivariate. Artinya, GRU dengan optimasi Nadam memiliki tingkat akurasi prediksi yang tinggi baik menggunakan model univariate dan multivariate. Kata Kunci: Peramalan, Harga Emas Dunia, GRU, Nadam