Penelitian ini dilakukan untuk mengimplementasikan algoritma Long Short-Term Memory (LSTM) dalam memprediksi penjualan produk kecantikan di PT Jakarta Duty Free dengan memanfaatkan data historis dari tahun 2020 hingga 2024. Pemilihan metode LSTM didasarkan pada kemampuannya dalam mengolah data deret waktu yang bersifat kompleks dan non-linear, sekaligus unggul dalam mendeteksi pola musiman serta tren jangka panjang. Pembangunan model dilakukan menggunakan tiga skema pembagian data, yakni 60:40, 70:30, dan 80:20, guna menilai dampak variasi proporsi data latih terhadap tingkat akurasi prediksi. Evaluasi kinerja model dilakukan dengan membandingkan hasil prediksi terhadap data aktual tahun 2024 menggunakan dua indikator utama, yaitu Mean Absolute Percentage Error (MAPE) dan Mean Squared Error (MSE). Hasil pengujian memperlihatkan bahwa skema 80:20 menghasilkan performa paling optimal dengan nilai MAPE sebesar 8,32% dan MSE sebesar 2.464.948.283.320.267.776. Temuan ini menunjukkan bahwa algoritma LSTM layak digunakan untuk peramalan penjualan produk kecantikan, serta dapat dijadikan sebagai acuan dalam perencanaan stok dan strategi pemasaran di industri ritel.

This research aims to implement the Long Short-Term Memory (LSTM) algorithm to forecast beauty product sales at PT Jakarta Duty Free using historical data from 2020 to 2024. LSTM was chosen due to its capability to process complex and non-linear time series data, as well as its effectiveness in identifying seasonal patterns and long-term trends. The model was developed under three data split scenarios—60:40, 70:30, and 80:20—to examine the impact of different training data proportions on prediction accuracy. The model’s performance was evaluated by comparing the forecast results with the actual 2024 sales data using two main metrics: Mean Absolute Percentage Error (MAPE) and Mean Squared Error (MSE). The findings indicate that the 80:20 split achieved the best performance, with a MAPE of 8.32% and an MSE of 2,464,948,283,320,267,776. These results demonstrate that LSTM is a reliable method for forecasting beauty product sales and can serve as a valuable tool for inventory planning and marketing strategy in the retail industry.