Saham merupakan instrumen investasi yang umum digunakan, yang mewakili kepemilikan di suatu perusahaan, dan menawarkan peluang bagi investor untuk mendapatkan keuntungan melalui apresiasi nilai saham serta pembagian dividen. Sebagai salah satu aset keuangan utama, saham juga dipengaruhi oleh berbagai faktor eksternal, seperti kondisi ekonomi, kebijakan pemerintah, dan sentimen pasar. Semua faktor ini memainkan peran penting dalam menentukan pergerakan harga saham. Studi ini mengintegrasikan analisis sentimen dengan algoritma XGBoost untuk memprediksi harga saham IHSG. Dengan memanfaatkan data saham historis dan sentimen yang berasal dari berita keuangan, studi ini mengevaluasi dampak integrasi data sentimen terhadap akurasi prediksi. Tiga jenis pengembalian (absolut, relatif, dan logaritmik) dan lima skenario sentimen digunakan untuk menilai kontribusi fitur sentimen terhadap model prediksi. Hasilnya menunjukkan bahwa integrasi sentimen secara konsisten meningkatkan kinerja prediktif model dibandingkan dengan hanya menggunakan data historis. Di antara skenario yang diuji, Skenario 2, 4, dan 5 menunjukkan kinerja terbaik, dengan nilai RMSE sebesar 0,009163 dan nilai MAE sebesar 0,007432, dengan menggunakan tipe pengembalian logaritmik. Temuan ini menunjukkan bahwa menggabungkan fitur sentimen ke dalam model prediktif dapat meningkatkan akurasi prediksi harga saham dan menyoroti potensi Pemrosesan Bahasa Alami (NLP) dan Model Bahasa Besar (LLM) dalam analisis pasar saham.