<![CDATA[Prediksi pergerakan harga saham merupakantantangan di dunia investasi karena sifatnya fluktuatif dandipengaruhi berbagai faktor. Penelitian ini menggunakan ArtificialNeural Network (ANN) untuk memprediksi pergerakan harga sahammingguan pada 19 perusahaan indeks LQ45. Data mencakup hargapenutupan mingguan (Close) dan enam indikator rasio keuangan:EPS, ROA, ROE, P/B Value, P/E Ratio, dan DER. Pergerakan hargasaham diklasifikasikan menjadi 1 (naik), 0 (stagnan), dan -1 (turun),berdasarkan tiga threshold perubahan harga (1%, 2%, 3%).Penelitian ini menerapkan Principal Component Analysis (PCA)untuk mengurangi noise dan meningkatkan performa model. Hasilmenunjukkan threshold optimal adalah 2%, dengan akurasi dan F1-Score yang lebih baik. Model berbasis data historis menunjukkanperforma terbaik dalam memprediksi pergerakan harga saham,dengan rata-rata akurasi mencapai 0,92. Sebaliknya, model yangmengintegrasikan rasio keuangan tanpa PCA memiliki akurasi lebihrendah sebesar 0,5 hingga 0,7. Hal ini menunjukkan rasio keuanganmemiliki korelasi rendah terhadap pergerakan harga saham dalamjangka pendek. Penerapan PCA pada data historis dan rasiokeuangan meningkatkan akurasi hingga setara dengan modelberbasis data historis saja. Uji statistik menunjukkan bahwa tidakterdapat perbedaan signifikan dalam akurasi dan varians antaramodel berbasis data historis dan model kombinasi dengan PCA. Kata kunci— prediksi pergerakan harga saham, artificial neuralnetwork, data historis, rasio keuangan, threshold, PCA.]]>
