UMKM seperti RumahBayiTAZ Babyshop yang beroperasi di platform Shopee sering kali menghadapi permasalahan pengelolaan stok yang tidak efisien, seperti overstock (stok berlebih) dan understock (stok habis saat dibutuhkan). Ketidaktepatan dalam perencanaan stok dapat menghambat kelancaran operasional dan menurunkan kepuasan pelanggan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi penjualan berbasis algoritma XGBoost Regression guna menentukan waktu dan jumlah pengisian ulang stok secara optimal. Proses pengembangan model mengikuti tahapan CRISP-DM dengan memanfaatkan data historis penjualan Shopee, data internal toko, serta kalender hari libur nasional. Model dievaluasi menggunakan metrik MAE, RMSE, R2, dan MAPE, yang menunjukkan performa kuat (R2 = 0.901, RMSE = 3.316, MAE = 0.873, dan MAPE < 10%). Hasil akhir disajikan dalam bentuk grafik regresi antara nilai aktual dan prediksi, garis model-fit, serta tabel prediksi penjualan masing-masing produk selama 12 bulan ke depan. Penerapan analisis prediktif ini terbukti mampu meningkatkan efisiensi manajemen stok dan mendukung pengambilan keputusan berbasis data pada skala UMKM.
Kata kunci — analisis prediktif, crisp-dm, pengisian ulang stok, prediksi penjualan, UMKM, xgboost regression