<![CDATA[Abstrak Dalam tugas akhir ini alat pendukung keputusan perdagangan menggunakan computational efficient functional link artificial neural network (CEFLANN) dengan extreme learning machine (ELM) dan seperangkat aturan diusulkan untuk membangkitkan keputusan perdagangan yang lebih baik. Disini masalah prediksi keputusan perdagangan saham diartikulasikan sebagai masalah klasifikasi dengan tiga nilai kelas yaitu sinyal beli, tahan dan jual. Jaringan CEFLANN dengan ELM digunakan sebagai alat bantu keputusan perdagangan dengan menghasilkan sinyal perdagangan dari nilai 0 sampai 1 dengan menganalisa hubungan non linier antara beberapa indikator teknis yang biasa digunakan. Selanjutnya keluaran sinyal perdagangan digunakan untuk melihat tren dan menghasilkan keputusan perdagangan berdasarkan tren menggunakan beberapa aturan perdagangan. Pendekatan yang digunakan untuk menghitung keuntungan dari titik keputusan perdagangan saham melewati machine learning CEFLANN dengan ELM dan aturan analisis. Kata Kunci: CEFlANN, FEB, ELM, prediksi, profit Abstract In this thesis a trading support decision using computational efficient functional link artificial neural network (CEFLANN) with extreme learning machine (ELM) and set of rules proposed to generate better the trading decision. Here the problem of stock trading decision prediction is articulated as a classification problem with three class values representing the buy, hold and sell signals. CEFLANN with ELM networks used as decision support system to produce trading signal value from 0 to 1 by analysing the nonlinear relationship between few popular technical indicators. Further the output trading signal are used to track tren and produce trading decision based on trend using some trading rules. The approach has used to calculate profit from trading decision point through CEFLANN with ELM machine learning and analysis rules. Keywords: CEFLANN, FEB, ELM, prediction, profit]]>
