Analisis transaksi akuntansi keuangan sangat penting untuk memperoleh wawasan yang dapat meningkatkan kinerja bisnis, mengurangi biaya melalui identifikasi metode yang lebih efisien, serta meningkatkan profitabilitas dan kesehatan f inansial perusahaan. Penelitian ini bertujuan untuk mengeksplorasi prediksi pendapatan perusahaan dengan menganalisis data akuntansi keuangan seperti Debt to Equity, Laba per Saham, dan Laba Margin Bersih. Penelitian ini relevan karena memberikan wawasan yang dapat membantu manajer dan pemilik bisnis dalam pengambilan keputusan berbasis data yang lebih akurat, yang pada gilirannya dapat meningkatkan efisiensi operasional dan kesuksesan finansial jangka panjang. Penelitian ini mengadopsi pendekatan Exploratory Data Analysis (EDA) dan menerapkan metode Decision Tree (DT) serta Support Vector Regression (SVR) untuk memodelkan prediksi pendapatan berdasarkan variabel-variabel keuangan, termasuk ekuitas, aset, laba bersih, dan kewajiban. Data yang digunakan dalam penelitian ini diperoleh dari perusahaan-perusahaan Indonesia yang terdaftar di Bursa Efek Indonesia (BEI) pada periode 2008 hingga 2023. Hasil analisis menunjukkan bahwa model Decision Tree memiliki nilai R² sebesar 0,86, lebih tinggi dibandingkan dengan model Support Vector Regression yang menghasilkan nilai R² sebesar 0,77. Dengan demikian, penelitian ini menemukan bahwa model Decision Tree lebih efektif dalam memprediksi pendapatan perusahaan dengan tingkat akurasi mencapai 86%.
