Penjualan Solar Industri (High Speed Diesel/HSD) yang fluktuatif menjadi tantangan bagi perusahaan dalam menyusun strategi distribusi dan perencanaan stok yang efektif. Penelitian ini bertujuan untuk memprediksi penjualan Solar Industri di PT Heva Petroleum Energi Palembang menggunakan dua metode Machine Learning, yaitu Support Vector Machine (SVM) dan Random Forest. Data yang digunakan merupakan data penjualan bulanan selama tahun 2022-2024. Proses penelitian meliputi pengumpulan data, pra-pemrosesan (normalisasi dan seleksi fitur), pembangunan model, pengujian dengan pembagian data latih dan data uji, serta evaluasi performa model menggunakan metrik Mean Absolute Percentage Error (MAPE). Berdasarkan hasil evaluasi, model Random Forest menghasilkan nilai MAPE sebesar 12,48%, sedangkan model Support Vector Machine menghasilkan nilai MAPE sebesar 12,97%. Dengan demikian, dapat disimpulkan bahwa Random Forest memiliki performa prediksi yang lebih baik dibandingkan SVM dalam memodelkan penjualan Solar Industri. Hasil dari penelitian ini diharapkan dapat membantu perusahaan dalam membuat keputusan strategis yang lebih tepat dan efisien dalam hal distribusi dan pengelolaan stok Solar Industri di masa mendatang.tepat, efisien, dan berbasis data dalam hal distribusi dan perencanaan kebutuhan Solar Industri di masa yang akan datang.
Kata Kunci: Prediksi, Solar Industri, Support Vector Machine, Random Forest, Machine Learning