PT Tirtakencana Tatawarna mengalami fluktuasi permintaan yang meningkat setelah aktivitas promosi intens menjelang proses IPO tahun 2021. Perusahaan masih menggunakan rata-rata historis untuk perencanaan stok, sehingga sulit mengikuti perubahan pola permintaan dan memicu risiko kekurangan maupun kelebihan stok. Kondisi ini menuntut metode peramalan yang lebih akurat dan adaptif. Penelitian ini membandingkan tiga model, yaitu LightGBM, TFT, dan SARIMAX sebagai baseline. Dataset terdiri dari penjualan bulanan Januari 2021 sampai Mei 2024 beserta variabel eksternal berupa event promosi, hari libur, dan curah hujan pada cabang tertentu. Evaluasi dilakukan menggunakan RMSE pada satu SKU per cabang agar sejalan dengan penelitian pembanding dan memudahkan perbandingan kinerja antar model. Hasil pengujian menunjukkan bahwa LightGBM menghasilkan RMSE terendah dan paling stabil pada hampir semua cabang. SARIMAX bekerja baik pada pola musiman tertentu tetapi kurang responsif terhadap lonjakan, sedangkan TFT belum optimal karena histori data yang pendek. Dashboard prediksi yang dikembangkan mampu menampilkan forecast, kondisi stok, dan rekomendasi order dengan skor System Usability Scale (SUS) 88.3 pada kategori Excellent.