Penelitian ini mengembangkan portofolio alfa berbasis machine learning dengan bukti empiris dari pasar saham Indonesia. Studi ini bertujuan untuk menyusun portofolio saham optimal yang mampu mengungguli kinerja pasar melalui pendekatan inovatif yang menggabungkan prediksi harga saham menggunakan Long Short-Term Memory (LSTM), pengelompokan saham berdasarkan karakteristik harga menggunakan algoritma clustering, serta optimasi portofolio menggunakan Genetic Algorithm. Penelitian ini memanfaatkan data saham historis dari 60 emiten pada periode 2023-2024 sebagai sampel. Hasil simulasi menunjukkan bahwa portofolio yang dihasilkan secara signifikan mampu meningkatkan Sharpe Ratio dan menurunkan risiko yang diukur dengan Value at Risk (VaR) dibandingkan dengan portofolio acuan pasar. Pendekatan ini juga mengintegrasikan simulasi Monte Carlo untuk menguji kinerja portofolio dalam tujuh skenario risiko. Secara keseluruhan, penelitian ini menunjukkan bahwa penggabungan teknik machine learning dalam prediksi, clustering, dan optimasi portofolio dapat menghasilkan portofolio yang lebih unggul dibandingkan indeks pasar konvensional dan produk reksadana saham di Indonesia.