Peramalan harga emas di masa mendatang merupakan sebuah hal penting bagi banyak pihak. Generalized regression neural network (GRNN) merupakan salah satu jenis jaringan syaraf tiruan yang dapat digunakan untuk memprediksi harga emas. Dalam penelitian sebelumnya, GRNN digabungkan dengan teknik dekomposisi berbasis Seasonal Trend Decomposition based on Loess (STL) dan metode theta. STL digunakan untuk mendekomposisi data runut waktu menjadi komponen data musiman, tren, dan residual. Selanjutnya, setiap komponen data diramalkan menggunakan dua metode yang berbeda, yaitu GRNN untuk meramalkan komponen data musiman dan residual, sedang metode theta untuk meramalkan komponen data tren. Hasil peramalan dari ketiga komponen data tersebut selanjutnya digabungkan menggunakan jaringan syaraf tiruan propagasi balik untuk mendapatkan hasil peramalan akhir. Kinerja GRNN dipengaruhi oleh data latih yang digunakan karena ukuran jaringan yang terbentuk berbanding lurus dengan jumlah data latih. Untuk mengatasi meningkatnya ukuran jaringan seiring dengan bertambahnya data latih, proses reduksi data latih perlu dilakukan. Dalam penelitian ini, arsitektur GRNN dibangun dengan data latih yang sebelumnya direduksi dengan menggunakan algoritma genetika. Hasil pengujian menunjukkan bahwa GRNN yang dikombinasikan dengan algoritma genetika selain mampu menghasilkan peramalan dengan akurasi yang setara dengan GRNN tanpa algoritma genetika juga mampu memberikan akurasi yang lebih baik dibandingkan dengan hasil permalan menggunakan model peramalan Arima. Selain itu, kombinasi GRNN dengan algoritma genetika mampu mereduksi jumlah data latih sebesar 50% dan mampu mengurangi waktu proses peramalan sebesar 34%.