Pengelolaan limbah Fly Ash dan Bottom Ash (FABA) di Pembangkit Listrik Tenaga Uap (PLTU) PT PLN (Persero) berpotensi sebagai sumber pendapatan tambahan di luar penjualan listrik, namun nilainya sering berfluktuasi, sehingga menyulitkan perencanaan. Penelitian ini bertujuan meramalkan pendapatan FABA, membandingkan metode ARIMA dan Long Short-Term Memory (LSTM), serta menentukan model terbaik untuk integrasi ke sistem MAPP. Data transaksi FABA dari Januari 2022 hingga September 2025 digunakan dengan pendekatan peramalan bergulir pada data asli dan yang dihaluskan via Gaussian smoothing. Evaluasi model menggunakan MAE, RMSE, dan MAPE. Pada data asli, ARIMA(0,1,0) menghasilkan MAE 338,990608 juta Rupiah, RMSE 405,603628 juta Rupiah, MAPE 44,505369%, sementara LSTM: MAE 220,062 juta Rupiah, RMSE 350,062 juta Rupiah, MAPE 18,66%. Setelah smoothing, ARIMA(1,1,1) unggul dengan MAE 69,88, RMSE 85,48, MAPE 8,80%, versus LSTM MAE 154,821 juta Rupiah, RMSE 173,1 juta Rupiah, MAPE 18,26%. Kesimpulannya, ARIMA dengan Gaussian smoothing paling efektif, mendukung pengambilan keputusan strategis PLN dan perencanaan pendapatan FABA yang lebih baik.