<![CDATA[Pengelompokan perusahaan berdasarkan sektor industrimerupakan aspek penting dalam analisis investasi, namunklasifikasi yang dilakukan secara manual di Bursa EfekIndonesia (BEI) masih kurang optimal dalam memanfaatkandata laporan keuangan sebagai dasar prediksi. Oleh karenaitu, penelitian ini mengembangkan model prediksi sektorindustri berdasarkan laporan keuangan menggunakanmetode Linear Discriminant Analysis (LDA) danmembandingkannya dengan Extreme Gradient Boosting(XGBoost). Data laporan keuangan perusahaan yangterdaftar di BEI dalam rentang 2010–2022 digunakan sebagaidataset utama, dengan proses pre-processing, normalisasi,dan oversampling menggunakan Borderline-SMOTE untukmengatasi ketidakseimbangan kelas. Evaluasi modeldilakukan dengan metrik accuracy, precision, recall, dan F1-score, serta dilakukan analisis fitur menggunakanPermutation Importance untuk menentukan variabel yangpaling berpengaruh. Hasil penelitian menunjukkan bahwametode LDA memiliki akurasi 27,51%, sedangkan XGBoostmencapai 63,87%, yang menunjukkan bahwa pendekatannon-linear XGBoost lebih unggul dalam mengklasifikasikansektor industri berdasarkan laporan keuangan. Selain itu,fitur total aset, total pendapatan, dan inventaris ditemukansebagai variabel paling berpengaruh dalam prediksi.Penelitian ini memberikan kontribusi dalam pengembanganmetode otomatis untuk klasifikasi sektor industri, yang dapatdigunakan oleh investor dan analis dalam mendukungpengambilan keputusan investasi yang lebih akurat. Kata Kunci: bursa efek indonesia, linear discriminant analysis, xgboost, laporan keuangan, prediksi sektor industri]]>
