<![CDATA[Prediksi harga saham merupakan aspek krusial dalam pengambilan keputusan investasi, khususnya pada sektor Consumer Non-Cyclicals yang memiliki karakteristik permintaan relatif stabil. Namun, hubungan antara rasio fundamental dan harga saham sering bersifat non-linear sehingga sulit dimodelkan menggunakan pendekatan statistik konvensional. Penelitian ini bertujuan untuk membangun model prediksi harga saham berbasis algoritma Random Forest Regression dengan mengintegrasikan rasio fundamental dan fitur turunan hasil feature engineering pada sektor Consumer Non-Cyclicals di Bursa Efek Indonesia. Penelitian menggunakan data sekunder berupa laporan keuangan dan harga saham kuartalan perusahaan sektor Consumer Non-Cyclicals periode 2022–2024. Variabel independen meliputi EPS, Book Value, DER, ROA, ROE, dan NPM, serta fitur turunan seperti PER, PBV, interaksi rasio, harga lag, dan perubahan harga. Pemodelan dilakukan menggunakan Random Forest Regression dengan pembagian data TimeSeriesSplit. Evaluasi model menggunakan MAE, RMSE, dan R², serta interpretasi model dilakukan melalui Feature Importance dan SHAP. Hasil penelitian menunjukkan bahwa model Random Forest Regression memiliki kinerja prediksi yang baik dan mampu menangkap pola non-linear antara variabel fundamental dan harga saham. Fitur Harga_Lag1, ROE, PER, dan interaksi DER_ROA menjadi variabel paling berpengaruh dalam menentukan harga saham. Model yang dikembangkan efektif sebagai alat bantu prediksi harga saham berbasis fundamental dan berpotensi mendukung pengambilan keputusan investasi yang lebih akurat dan berbasis data.]]>
