Investasi saham pada pasar keuangan dilakukan untuk meningkatkan aset pada masa depan. Dalam melakukan investasi harus mempertimbangkan hasil yang akan didapatkan atau biasa disebut return. Setiap investor akan berusaha mendapatkan return semaksimal mungkin dari investasi yang dilakukannya. Oleh karena itu, perlu dilakukan prediksi perubahan kenaikan atau penurunan pada pasar saham. Beberapa metode untuk membuat prediksi adalah Bayesian Network dan Algoritma Naive Bayes. Pada Tugas Akhir ini, dilakukan pemodelan jaringan sektor-sektor pasar keuangan Indonesia dengan menggunakan Bayesian Network, lalu melakukan prediksi berdasarkan kenaikan atau penurunan harga penutupan dari tiap sektor. Metode yang digunakan adalah menggunakan Algoritma Naive Bayes Diskrit dan Kontinu. Setelah itu, menentukan metode yang terbaik untuk perhitungan prediksi dengan melihat tingkat akurasi dari setiap metode dengan confusion matrix. Sektor pasar keuangan yang digunakan yaitu nilai tukar USD/IDR, IHSG, dan Obligasi. Perhitungan dilakukan berdasarkan ketergantungan antara nilai tukar USD/IDR terhadap IHSG, dan nilai tukar USD/IDR terhadap Obligasi. Metode Naive Bayes Diskrit menunjukan hasil yang lebih akurat dengan akurasi sebesar 84% untuk IHSG dan 76% untuk Obligasi. Sedangkan perhitungan dengan metode Naive Bayes Kontinu memiliki akurasi sebesar 52% untuk IHSG dan 48% untuk Obligasi. Sektor nilai tukar USD/IDR lebih mempengaruhi IHSG, karena tingkat akurasi yang diperoleh IHSG lebih tinggi dibandingkan dengan Obligasi.