Permintaan produk di Toko Kayrabeauty yang meningkat membutuhkan peramalan penjualan harian yang akurat untuk manajemen stok yang optimal. Penggunaan metode Long Short-Term Memory (LSTM) diusulkan untuk meramalkan penjualan harian berdasarkan data historis, membantu toko mengurangi risiko kekurangan atau kelebihan stok. Hasil penelitian menunjukkan bahwa sistem peramalan ini mampu memramalkan penjualan hari berikutnya dengan tingkat kesalahan yang rendah. Pada skenario dengan 25 lapisan, Skintific 5x Ceramide Moisturizer dan Wardah UV Shield SPF 30 menunjukkan performa terbaik, dengan nilai MAE terendah dalam skenario harian, mingguan, dan bulanan, mengindikasikan keunggulan kedua produk ini pada konfigurasi lapisan yang lebih rendah. Pada skenario dengan 75 lapisan, The Originote Hyalucera Moisturizer tampil unggul di semua skenario temporal, menunjukkan bahwa produk ini lebih optimal pada konfigurasi lapisan yang lebih tinggi. Sedangkan pada skenario dengan 100 lapisan, Azarine Sunscreen Gel SPF 45 menunjukkan performa terbaik, menegaskan keunggulannya pada konfigurasi lapisan yang paling tinggi. Peramalan ini ditampilkan pada sistem informasi website Kayrabeauty, memudahkan manajemen persediaan dan strategi pemasaran.
Kata kunci : Peramalan Penjualan, Manajemen Stok, LSTM, Aplikasi Website.