Di Pekanbaru, jumlah kendaraan meningkat dari 136 juta unit pada 2020 menjadi 142 juta unit pada 2021, menyebabkan peningkatan kebutuhan BBM. Hal ini mengakibatkan tantangan bagi industri perminyakan, termasuk PT XY. PT XY merupakan mitra distribusi BBM melalui SPBU di Pekanbaru. Permasalahan saat ini adalah keterlambatan dalam pendistribusian BBM. Keterlambatan ini sering terjadi karena pencatatan persediaan BBM masih dilakukan secara manual, mulai dari pemesanan BBM dengan melihat stok akhir BBM dan proses pencatatan BBM keluar dan masuk menggunakan excel lokal. Hal ini mengakibatkan seringnya terjadi keliru dalam memprediksi persediaan BBM. Hasil prediksi yag didapat akan ditampilkan ke dalam Dasboard agar dapat mengontrol dalam pemesanan bahan bakar minyak untuk 14 hari kedepan. Metode yang dingunakan adalah model ARIMA tanpa tuning, ARIMA tuning dan LSTM. Dari hasil Penelitian ini yang dilakukan dengan menggunakan model arima tanpa tuning rasio 60:40 ARIMA dengan error MAPE sebesar 2.06 dan RSME sebesar 179.43 tuning menggunakan rasio 60:40 dengan error MAPE sebesar 1.32 dan RSME sebesar 153.17, sedangkan LSTM menggunakan rasio 60:40 dengan rata-rata error sebesar 6,24 dan RSME sebesar 38.36. Hasil pengujian terbaik menunjukkan bahwa ARIMA tuning mimiliki kinerja yang sangat baik dengan error MAPE sebesar 1.32 dan RSME sebesar 153.17 dibandingkan dengan ARIMA tanpa tuning dan LSTM. Dashboard dirancang berbasis web dengan framework flask Python, Dashboard dibangun pada server lokal di PT XY. Tampilan hasil dashboard ini, membantu perusahaaan dalam mengambil keputusan yang tepat waktu untuk menghindari kekurangan atau kelebihan persediaan BBM 14 hari ke depan.

Kata Kunci: ARIMA, LSTM, Prediction, Time Series Bahan Bakar Minyak (BBM), Persediaan, SPBU.