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.