Prediksi omset harian menjadi kebutuhan penting bagi UMKM food and beverage karena permintaan harian dapat berfluktuasi akibat pola waktu, hari libur, event lokal, dan kondisi cuaca. Penelitian ini bertujuan membangun dan membandingkan tiga model prediksi omset harian Kapal Layar Pizza Banjarbaru, yaitu ARIMAX, LSTM multivariat, dan Hybrid ARIMAX-LSTM. Data yang digunakan berupa 470 hari data valid periode 1 Januari 2025 hingga 31 Mei 2026, setelah 46 hari dengan omset nol dikeluarkan dari 516 hari kalender. Variabel target dimodelkan dalam skala logaritma, sedangkan variabel eksogen kandidat mencakup cuaca, hari libur nasional, akhir pekan, dan event lokal, yang diuji melalui seluruh kombinasi (power set) dari tiga kelompok fitur tersebut. Data dibagi secara kronologis menjadi 300 data latih, 76 data validasi, dan 94 data uji, kemudian evaluasi akhir dilakukan pada horizon sejajar 73 hari (11 Maret–31 Mei 2026). Kombinasi fitur terbaik diperoleh pada varian Event dan Libur (status event lokal, hari libur nasional, dan akhir pekan), sedangkan variabel cuaca tidak terbukti berkontribusi positif terhadap akurasi prediksi. Hasil penelitian menunjukkan bahwa Hybrid ARIMAX-LSTM memperoleh performa numerik terbaik dengan MAPE 55,12%, RMSE Rp553.893,87, dan MAE Rp418.607,28, dibandingkan ARIMAX dengan MAPE 72,25% dan LSTM dengan MAPE 59,36%. Uji signifikansi menunjukkan bahwa Hybrid ARIMAX-LSTM signifikan lebih baik daripada ARIMAX, tetapi keunggulannya atas LSTM tidak terbukti signifikan secara statistik. Dengan demikian, Hybrid ARIMAX-LSTM dapat menjadi pendekatan prediksi yang kompetitif, dengan pemilihan variabel eksogen yang tepat, khususnya hari libur dan event lokal, terbukti memberikan kontribusi nyata terhadap peningkatan akurasi prediksi.

Kata Kunci: prediksi omset, ARIMAX, LSTM, hybrid residual, multivariate time series