Peningkatan harga saham merupakan salah satu indikator kesuksesan suatu perusahaan. Harga penutupan saham (closing price) merupakan harga saham yang muncul saat bursa tutup. Closing price saham ini sangat penting karena mampu dijadikan sebagai acuan untuk harga saham dikeesokan harinya sehingga pada umunya sering digunakan oleh investor untuk memprediksi harga saham pada periode berikutnya. Data harga saham termasuk dalam kategori financial time series yang terbentuk dari proses nonlinear yang dinamis. Variabilitas dalam tipe data ini sangat tinggi sehingga metode peramalan linear tidak disarankan dalam memodelkan. Penelitian ini bertujuan untuk menganalisis dan membandingkan metode peramalan berbasis jaringan saraf tiruan neural network autoregression (NNAR) yang baik digunakan untuk data nonlinear dengan metode klasik double exponential smoothing Holt (DESH) yang baik untuk peramalan pola trend yang diterapkan pada data closing price saham PT. Telkom Indonesia. Model NNAR memberikan performa hasil yang lebih baik dibandingkan model DESH, dengan parameter model NNAR(1,1) tanpa transformasi Box-Cox dan nilai evaluasi eror root mean square error (RMSE),  mean absolute percentage error (MAPE), serta mean percentage error (MPE) secara berturut-turut 3,119; 5,420%; dan -0,499% untuk data training dan 2,147; 2,994%; dan 0,316% untuk data testing. Nilai MAPE yang kurang dari 10% dan RMSE rendah yang mendekati nol menunjukkan bahwa model peramalan memiliki keakuratan yang tinggi. Selain itu, nilai MPE yang mendekati nol menunjukkan bahwa peramalan tidak bias.