Peramalan permintaan berguna sebagai permulaan dalam perencanaan yang memiliki tujuan untuk memenuhi permintaan pelanggan di masa depan. Pada awalnya, metode peramalan dikembangkan berbasis statistik. Namun, seiring berjalannya waktu, metode peramalan saat ini juga ada yang menggunakan metode machine learning karena bertambahnya kompleksitas data dengan variabilitas permintaan yang tinggi. Industri FMCG, khususnya produk pembersih rumah tangga memiliki pola permintaan yang cukup dinamis. Hal ini menjadi tantangan tersendiri untuk perusahaan sehingga mampu meramalkan secara akurat pola permintaan pada industri ini. Dalam penelitian ini, peneliti melakukan peramalan permintaan untuk produk pembersih rumah tangga menggunakan metode deret waktu, yaitu Autoregressive Integrated Moving Average (ARIMA), dan metode machine learning, yaitu Support Vector Regression (SVR). Objek penelitian yang dipilih oleh peneliti adalah data permintaan dari 8 SKU produk pembersih rumah tangga yang dijual oleh PT Wijaya Agung Hutama sejak Januari 2014 hingga Desember 2022. Hasil penelitian menunjukkan bahwa metode SVR unggul untuk 6 dari 8 SKU yang diramalkan, dengan rata-rata Mean Absolute Percentage Error (MAPE) sebesar 31,06%. Sementara itu, ARIMA mendapatkan rata-rata MAPE sebesar 33,52%. Metode yang diajukan peneliti juga dapat menurunkan error pada peramalan perusahaan hingga 8,31%.