Reksadana merupakan sebuah wadah yang dapat dipergunakan untuk menampung dana dari masyarakat yang nantinya akan disalurkan bagi pemiliki dari perusahaan. Kemudahan dari investasi yang dilakukan pada harga saham tidak terlepas dari pada kemudahan dalam memperoleh informasinya. Harga saham yang sangat digemari oleh masyarakat yaitu harga saham terhadap Bank baik itu milik Swasta ataupun milik Pemerintah. Namun, meskipun bank sangat dekat dan digemari bagi pemain pasar modal tidak menutup kemungkinan terjadi penuruan harga saham. Permasalahan tersebut bukanlah permasalahan yang bisa dianggap sepele dan diabaikan, jika terus menerus mengalami kerugian dari pasar modal tentu akan menimbulkan ketidakpercayaan atau kurangnya minat bagi masyarakat untuk ikut serta dalam berinvestasi pada perusahaan. Prediksi untuk harga saham haruslah dilakukan dengan baik dan benar serta mendapatkan hasil yang akurat, maka dari itu perlu dipergunakan sebuah teknik ataupun cara khusus untuk membantu melakukan proses prediksi hingga didapatkan hasil dengan tingkat akurasi yang baik. Proses prediksi yang diharapkan sejalan dengan konsep pada data mining. Proses penerapan klastering untuk prediksi juga dinilai sangatlah cocok, hal tersebut dikarenakan pada harga saham tidak terdapat kelas yang dituju dari setiap datanya. Algoritma K-Means dan Algoritma K-Medoids merupakan bagian dari klaster data mining untuk dipergunakan melakukan prediksi berdasarkan dengan pembentukan klaster. Tujuan dilakukan perbandingan untuk mendapatkan hasil yang lebih dipercaya, dimana hasil tersebut dapat dilihat dari kinerja algoritma yang lebih baik. Proses pengukuran kinerja pada algoritma K-Means dan K-Medoids nantinya akan dinilai berdasarkan dengan Davies Bouldin Index (DBI). Hasil dari penelitian menunjukan bahwasannya hasil kinerja dari algoritma K-Means lebih baik dibandingkan dengan algoritma K-Medoids. Hal ini dibuktikan dengan nilai DBI yang didapatkan dari algoritma K-Means tidak lebih dari 0,6 sedangkan pada algoritma K-Medoids nilai DBI yang didapatkan sampai dengan angka 5,822. Secara keseluruahn setiap data saham meiliki klaster optimal berdasarkan dengan proses klasterisasi dengan algoritma K-Means. Adapun hasil klaster optimal pada data saham BMRI klaster optimal berada pada K=4 dengan nilai DBI 0,501. Pada data saham BBNI klaster optimal berada pada K=4 dengan nilai DBI 0,500. Pada data saham BBCA klaster optimal berada pada K=3 dengan nilai DBI 0,441. Pada data saham BNGA klaster optimal berada pada K=2 dengan nilai DBI 0,263. Pada data saham BDMN klaster optimal berada pada K=2 dengan nilai DBI 0,028 dan pada data saham MEGA klaster optimal berada pada K=4 dengan nilai DBI 0,353.