Seiring dengan perkembangan teknologi, analisis saham yang semula dilakukan oleh manusia mulai ditinggalkan dan beralih kepada penggunaan sistem cerdas yang mampu memprediksi saham secara teknis dengan tingkat akurasi yang baik. Salah satu metode yang digunakan oleh sistem cerdas untuk memprediksi harga saham adalah dengan menggunakan artificial neural network yang akan mempelajari data di masa lampau dan melakukan prediksi harga untuk waktu yang akan datang. Penelitian ini melibatkan 2 metode artificial neural network untuk memprediksi harga saham yaitu Self Organizing Map Kohonen dan Backpropagation Network. Kedua metode tersebut digabungkan untuk dapat menghasilkan tingkat akurasi dan jumlah iterasi yang baik untuk memprediksi dua jenis saham yaitu saham dengan harga yang relatif stabil dan saham dengan harga yang fluktuatif. Adapun clustering saham yang dilakukan dengan menggunakan Self Organizing Map Kohonen untuk mengelompokan saham berdasarkan trend dengan hasil yang dapat digunakan sebagai bahan pertimbangan untuk melakukan transaksi di bursa saham. Penelitian ini membuktikan bahwa penggunaan Self Organizing Map Kohonen untuk menentukan bobot awal pada Backpropagation Network akan mengurangi jumlah iterasi dan meningkatkan tingkat akurasi. Pada INDF tingkat akurasi akan menjadi 98,31% dari 98,07% pada Backpropagation Network saja. Pada ANTM akan menjadi 98,72% dari 81,81% pada Backpropagation Network saja. Penggunaan data prediksi secara berkelanjutan akan mengurangi tingkat akurasi. Pada INDF akan menjadi 95,91% untuk prediksi jangka menengah (24 minggu) dari 98,31% pada prediksi 1 minggu ke depan, sedangkan ANTM akan menjadi 95,49% dari 98,72% untuk memprediksi 1 minggu ke depan.