Teknologi informasi memfasilitasi pengelolaan stok dan persediaan produk secara efisien, yang krusial bagi bisnis ritel dan e-commerce. Pengelolaan inventaris yang tepat memastikan keberlanjutan bisnis dan kepuasan pelanggan. Penelitian ini bertujuan untuk memprediksi penjualan produk berdasarkan data historis menggunakan algoritma Long Short-Term Memory (LSTM). Metode penelitian ini meliputi pengumpulan data historis penjualan, pemodelan menggunakan algoritma LSTM, dan evaluasi performa model. Data diolah menggunakan teknik deep learning untuk mengidentifikasi pola-pola penjualan. Algoritma LSTM dipilih karena kemampuannya dalam memproses data time-series dengan ketergantungan temporal. Hasil penelitian menunjukkan bahwa model LSTM dapat memprediksi penjualan dengan akurasi yang cukup tinggi, sehingga membantu dalam pengambilan keputusan terkait persediaan produk. Model ini juga mengurangi risiko kesalahan dalam perencanaan produksi dan distribusi. Kesimpulannya, penerapan LSTM dalam peramalan penjualan terbukti meningkatkan efisiensi operasional dan mendukung pertumbuhan bisnis yang berkelanjutan di era digital.