Sektor logam dan pertambangan merupakan sektor yang sangat berisiko dan memiliki volatilitas yang lebih besar daripada perusahaan blue-chip tradisional. Tingginya tingkat utang dan menurunnya price-earning ratio memiliki implikasi buruk untuk investasi pada sektor ini. Sifat tidak stabil dan perilaku pasar saham yang kompleks membuat proses prediksi atau peramalan menjadi sangat sulit. Banyak penelitian yang mengevaluasi analisis sentimen media sosial dan dampak berita terhadap pergerakan harga saham. Namun belum ada literatur khusus yang mengkaji dampak pemberitaan terhadap sektor logam dan pertambangan. Dikombinasikan dengan harga komoditas yang dapat memprediksi pergerakan harga saham, makalah ini mengusulkan model klasifikasi pergerakan harga saham berdasarkan data berita keuangan, harga saham historis dan data komoditas. Analisis sentimen digunakan untuk memprediksi sentimen berita keuangan. Analisis sentimen akurasi tertinggi yang diamati adalah dari K-Nearest Neighbor Algorithm. Kemudian, hasil analisis sentimen yang dikombinasikan dengan harga saham historis, dan data komoditas untuk mengklasifikasikan pergerakan harga saham. Hasil tertinggi dari model ini dalam hal akurasi dicapai oleh Algoritma KNN pada skenario teknik oversampling dengan akurasi 75% dalam periode tiga hari. Hasil tersebut lebih tinggi dibandingkan penggunaan fitur analisis sentiment saja. Hal ini mengimplikasikan bahwa penggunaan data komoditas dapat membantu dalam melakukan klasifikasi pergerakan saham. Dengan begitu, investor atau trader terbantu dalam membuat keputusan diwaktu yang tepat dan berpotensi mengurangi kerugian investasi dengan adanya model ini. Kemudian penambahan dan kombinasi fitur dapat dilakukan agar model dapat memberikan hasil yang lebih bervariasi.