Pandemi COVID-19 tahun 2019 menimbulkan krisis global, termasuk di Indonesia, yang mengganggu stabilitas keuangan perusahaan dan memicu financial distress di berbagai sektor. Kondisi ini menyoroti pentingnya prediksi financial distress untuk membantu perusahaan mencegah kebangkrutan dan melindungi investor dari risiko investasi. Penelitian ini bertujuan untuk membandingkan akurasi dua model algoritma machine learning, yaitu Random Forest dan Naïve Bayes, dalam memprediksi financial distress perusahaan sektor industri di Indonesia yang terdaftar di Bursa Efek Indonesia periode 2019–2023. Dataset yang digunakan terdiri dari 190 perusahaan, dengan variabel keuangan. Model diuji menggunakan confusion matrix dan evaluation matrix seperti akurasi, presisi, sensitivitas, spesifisitas, dan F1-Score. Hasil penelitian menunjukkan bahwa Random Forest memiliki akurasi sebesar 93%, presisi sebesar 93%, sensitivitas sebesar 93%, dan F1-Score sebesar 92%, yang lebih unggul dibandingkan Naïve Bayes dengan akurasi sebesar 80%, presisi sebesar 77%, sensitivitas sebesar 80%, dan F1-Score sebesar 76%. Penelitian ini menyimpulkan bahwa model Random Forest lebih efektif dalam memprediksi financial distress dibandingkan Naïve Bayes. Penelitian ini memberikan kontribusi yang signifikan sebagai alat peringatan dini untuk mencegah kebangkrutan perusahaan, memberikan manfaat strategis bagi manajemen, investor, kreditor, dan regulator.
Kata Kunci— financial distress, sektor industri, naïve bayes, random forest