Investasi memegang peranan penting dalam melawan inflasi dan mendorong pertumbuhan ekonomi. Di antara berbagai instrumen investasi, saham menawarkan potensi keuntungan yang tinggi, tetapi memerlukan analisis yang cermat untuk meminimalkan risiko dan memaksimalkan keuntungan. Penelitian ini berfokus pada prediksi harga penutupan yang disesuaikan (Adj Close) dari saham PT Mitra Energi Persada Tbk (KOPI.JK), sebuah perusahaan energi yang terdaftar di Bursa Efek Indonesia (BEI), menggunakan teknik regresi machine learning, karena data historis yang mengalami fluktuasi signifikan. Dengan membandingkan Linear Regression dan Polynomial Regression yang dilengkapi dengan pengoptimalan regularisasi Ridge dan Least Absolute Shrinkage and Selection Operator (LASSO). Penelitian ini bertujuan untuk mengidentifikasi model yang paling efektif dalam memprediksi harga saham. Hasil analisis menunjukkan bahwa fitur Low dan High memiliki korelasi yang paling kuat dengan harga Adj Close, sementara Volume memiliki korelasi terendah. Polynomial Regression dengan degree=3 dan pengoptimalan regularisasi Ridge memberikan performa terbaik. Hasil evaluasi mencapai Mean Square Error (MSE) 122.9618, Root Mean Squared Error (RMSE) 11.0888, dan R-squared (R²) 0.9883. Pada pengoptimalan model menggunakan LASSO cenderung mengurangi relevansi fitur sehingga memberikan performa yang lebih buruk