Secara tidak langsung sebuah berita juga dapat berpengaruh terhadap saham, salah satu contohnya adalah ketika adanya rumor dan sentimen pasar melalui sebuah berita. Cepatnya persebaran berita online menyulitkan untuk seseorang untuk memantau, dan menganalisis semua berita yang ada. Sehingga perlu dibuat sebuah sistem yang dapat menganalisa berbagai berita terkait saham dan mengklasifikasikan mana berita yang bernilai positif, negatif dan netral terhadap pergerakan saham. Sistem ini diharapkan dapat membantu dan memudahkan dalam memantau pergerakan saham dengan lebih efisien dan akurat, juga dapat menjadi pertimbangan dalam menentukan keputusan jual beli saham berdasarkan informasi atau fakta dari berita.
Sistem ini memanfaatkan teknologi machine learning dan natural language processing untuk menganalisa teks. Data yang dibutuhkan akan dikumpulkan melalui metode web scraping dari beberapa situs website, kemudian melalui tahap preprocessing dan diklasifikasikan menggunakan algoritma k-nearest neighbors. Untuk menguji atau mengukur akurasi dari algoritma k-nearest neighbors pada penelitian ini akan dilakukan pengujian atau evaluasi dengan menggunakan confusion matrix. Penelitian ini memperoleh nilai akurasi terbaik pada partisi 90% data training dan 10% data testing dengan akurasi 80%. Nilai K terbaik adalah K=14 dengan nilai precision adalah 82%, recall sebesar 82%, F1-score sebesar 81% dan Accuracy sebesar 81%.