Berdasarkan data dari Badan Pusat Statistik Indonesia, pertumbuhan kepemilikan sepeda motor terus meningkat pada tahun 2019 hingga 2021. Pemeriksaan, servis, dan perawatan sepeda motor secara rutin sangat penting untuk menjaga kondisi sepeda motor tetap optimal dan tahan lama. Oleh karena itu, kebutuhan akan suku cadang semakin meningkat seiring dengan meningkatnya kepemilikan sepeda motor masyarakat. Permintaan pembelian suku cadang meningkat seiring dengan meluasnya kepemilikan sepeda motor. Banyak toko di Ngawi yang menyediakan suku cadang sepeda motor dan jasa pengecekan untuk perawatan rutin sepeda motor. Salah satunya adalah BM Motor. Oleh karena itu, untuk membuat strategi penjualan produk yang efektif, penting untuk menghasilkan prediksi omzet harian toko. Penelitian ini bertujuan untuk memprediksi omzet harian menggunakan Recurrent Neural Networks (RNN) dan Long Short-Term Memory (LSTM). Metode-metode ini akan digunakan pada kumpulan data deret waktu untuk melakukan analisis menyeluruh terhadap pola dan tren omset toko. Studi ini mengevaluasi beberapa hyperparameter tuning dan skenario pengujian untuk meningkatkan kinerja model yang digunakan untuk memprediksi data omset harian di toko. Hasilnya menunjukkan bahwa model LSTM memperoleh skor MAE yang lebih rendah yaitu 0,087, sedangkan model RNN memiliki skor 0,092. Temuan ini menunjukkan bahwa model RNN berkinerja lebih rendah dibandingkan model LSTM dalam hal skor evaluasi, karena menghasilkan perkiraan yang lebih tepat dengan nilai MAE yang lebih rendah.