Saham merupakan faktor penting bagi sebuah perusahaan maupun investor. Saat ini sudah ada beberapa metode yang diterapkan untuk memprediksi saham terutama closing value, namun dari keseluruhan metode tersebut penulis melihat bahwa variabel input cukup kompleks, selain itu tidak ada yang menjamin akurasi yang cukup baik. Untuk memprediksi hal yang substansial seperti closing value, tercatat bahwa metode Jaringan Syaraf Tiruan dengan input variabel closing value mempunyai akurasi kurang baik. Menggunakan akurasi tersebut, sangat besar kemungkinan investor mengalami kerugian dalam transaksi.
Penulis menggunakan Neuro Fuzzy Function Approximator (NEFPROX). NEFPROX merupakan pengembangan dari Neuro-Fuzzy yang merupakan gabungan dari Jaringan Syaraf Tiruan dan Logika Fuzzy. Function Approximator atau pendekatan fungsi dapat didefinisikan dari pasangan data input dan output yang dilatihkan, fungsi kontinyu untuk memetakan pasangan data tersebut dapat diketahui. Metode ini mampu membuat arsitektur sistem fuzzy yang optimal yang telah dilatih menggunakan Jaringan Syaraf Tiruan dengan memanfaatkan pergeseran fungsi keanggotaan.
Hasil dari penelitian ini menunjukkan bahwa NEFPROX dengan menggunakan satu tipe data input dapat memberikan akurasi lebih baik daripada Jaringan Syaraf Tiruan yang juga memiliki satu tipe data input, hal ini dapat dilihat dari hasil analisa yang menujukkan bahwa NEFPROX dapat menghasilkan MAPE yang baik yaitu 2.5919%.