Penelitian ini bertujuan untuk memprediksi omzet penjualan pada UMKM Pisang Keju Batam 80 menggunakan metode Convolutional Neural Network (CNN). Prediksi omzet dilakukan untuk membantu pelaku usaha dalam memahami pola penjualan dan mendukung pengambilan keputusan yang lebih efektif dalam perencanaan produksi maupun pengelolaan persediaan. Data yang digunakan dalam penelitian ini merupakan data historis penjualan berbentuk time series sebanyak 2.192 data yang mencakup periode Januari 2020 hingga Desember 2025. Variabel yang digunakan meliputi tanggal, hari, kualitas pisang, harga pisang, jumlah pisang yang digunakan, biaya produksi harian, harga dasar, harga jual normal, stok, jumlah terjual, dan faktor hari libur penjualan, dengan omzet sebagai variabel target. Tahapan penelitian meliputi preprocessing data yang terdiri dari data cleaning, feature engineering. Selanjutnya, data dibagi menjadi empat skenario pembagian data training dan testing, yaitu 90:10, 80:20, 70:30, dan 60:40. Dan normalisasi menggunakan metode Min-Max Scaling. Model CNN dibangun menggunakan layer Conv1D, MaxPooling1D, Flatten, dan Dense untuk mempelajari pola hubungan antar variabel pada data penjualan. Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa seluruh skenario menghasilkan nilai MAPE di bawah 10%, sehingga termasuk dalam kategori prediksi sangat baik. Nilai MAPE yang diperoleh berturut-turut adalah 2.0287% pada skenario 90:10, 1.9447% pada skenario 80:20, 1.7757% pada skenario 70:30, dan 1.6496% pada skenario 60:40. Skenario terbaik diperoleh pada pembagian data 60% training dan 40% testing dengan nilai MAPE sebesar 1.6496%. Hasil tersebut menunjukkan bahwa metode CNN mampu mempelajari pola penjualan dengan baik dan menghasilkan prediksi omzet yang mendekati nilai aktual, sehingga dapat digunakan sebagai metode yang efektif untuk memprediksi omzet penjualan pada UMKM Pisang Keju Batam 80.

Kata kunci: prediksi omzet, CNN, time series, MAPE.