Prediksi pasar saham merupakan topik yang banyak dibahas di berbagai bidang. Banyak penelitian, terutama di bidang teknologi informasi, telah menggunakan algoritma pembelajaran mesin untuk meningkatkan akurasi prediksi pasar saham. Penelitian ini bertujuan untuk menilai efektivitas prediksi kinerja pasar saham dengan menggabungkan sentimen media sosial Twitter dengan data historis. Selain itu, penelitian ini menggunakan algoritma LSTM untuk melatih model prediksi harga saham masing masing bank. Model ini dilatih dengan dataset yang mencakup harga saham historis bank dan nilai sentimen dari postingan media sosial Twitter. Hasil evaluasi performa model dengan data historis paling baik dimiliki oleh model prediksi Bank BRI yaitu memiliki nilai R-square dan RMSE sebesar 0.76 dan 69.47. Selain itu, model prediksi Bank BRI juga memiliki model yang paling baik apabila terdapat tambahan fitur sentimen yaitu memiliki nilai R-square dan RMSE sebesar 0.75 dan 70.51. Kedua model tersebut kemudian diuji beda dengan menggunakan paired t-test, dan hasil pengujian tersebut menghasilkan nilai t yang kurang dari tingkat signifikansi (0.05), sehingga mengindikasikan bahwa populasi distribusi model yang berbeda. Hal ini juga memberikan bukti yang cukup kuat bahwa populasi model prediksi yang menggunakan tambahan sentiment feature tidak berpengaruh signifikan dalam model prediksi.