Penjualan produk merupakan suatu proses bisnis perusahaan dagang untuk mendapatkan penghasilan dengan cara menukar barang yang sesuai keinginan konsumen dengan uang sebagai imbalan dan penghasilan yang perusahaan dapatkan. Dalam proses bisnis penjualan produk diperlukan pengelolaan dan pengayaan stok yang baik agar perusahaan tidak mengalami kelebihan stok atau kehabisan stok sehingga dapat merugikan perusahaan. Digunakan algoritma XGBoost dan SVM untuk membuat model prediksi penjualan produk dengan melibatkan banyak kombinasi hyperparameter pada tiap metode tersebut. Metode XGBoost terbukti merupakan metode yang lebih baik dalam melakukan prediksi berdasarkan hasil pengujian, kombinasi terbaik yang didapat XGBoost yaitu dengan nilai parameter eta (learning rate) sebesar 0.1, gamma sebesar 0, max depth sebesar 4, min child weight sebesar 5, dan subsample sebesar 0.8, yang menghasilkan nilai RMSE sebesar 1002.2593 dan nilai MAE sebesar 737.2425. Nilai tersebut masih lebih baik daripada hasil terbaik kombinasi yang didapat SVR dengan nilai parameter C sebesar 1 dan epsilon sebesar 0.01 yang mendapatkan nilai RMSE sebesar 1014.3467 dan nilai MAE sebesar 739.6126. Berdasarkan hasil tersebut terbukti bahwa XGBoost memiliki tingkat kesalahan lebih rendah dibanding SVR.