Uang M1 merupakan bentuk uang beredar paling likuid karena seluruh komponennya (kartal dan giral) dapat langsung digunakan untuk transaksi harian serta mencerminkan dinamika konsumsi masyarakat. Peramalan uang M1 diperlukan untuk mengantisipasi fluktuasinya yang dapat memengaruhi stabilitas harga dan inflasi. Penelitian ini bertujuan untuk membandingkan hasil peramalan uang M1 dengan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Support Vector Regression (SVR). Data Uang M1 dibagi menjadi dua, yaitu 80?ta training dari bulan Januari 2010 hingga bulan Februari 2021 dan 20?ta testing dari bulan Maret 2021 hingga bulan Desember 2023. Pemodelan SARIMA dan SVR dilakukan terpisah yang kemudian model terbaik dipilih berdasarkan Mean Absolute Percentage Error (MAPE) terkecil. Hasil penelitian didapatkan model SARIMA terbaik adalah SARIMA (1,1,0)(1,1,0)₁₂ dengan MAPE sebesar 2,250%, sedangkan model SVR terbaik menggunakan kernel linear dengan hyperparameter optimalnya C=100; ε=0,001; dan γ=0,001 menghasilkan MAPE sebesar 2,254%. Dengan demikian, model SARIMA memiliki tingkat akurasi yang lebih baik dalam memprediksi uang M1 di Indonesia. Penerapan model ini dalam memprediksi diharapkan dapat membantu pihak terkait dalam mengevaluasi arah kebijakan moneter serta memahami kondisi ekonomi.