Industri kelapa sawit merupakan sektor strategis dalam perekonomian Indonesia, sehingga peramalan permintaan Crude Palm Oil (CPO) menjadi aspek penting dalam mendukung perencanaan produksi dan efisiensi rantai pasok. Penelitian ini bertujuan mengevaluasi kinerja model ARIMA berbasis Orange Data Mining dalam memprediksi permintaan CPO, serta membandingkannya dengan hasil penelitian sebelumnya yang menggunakan metode Moving Average. Data permintaan CPO yang digunakan merupakan data sekunder dari penelitian terdahulu, meliputi permintaan bulanan selama satu tahun. Tahapan penelitian meliputi pra-pemrosesan data, analisis kestasioneran, penentuan parameter model ARIMA, dan evaluasi model menggunakan indikator RMSE, MAE, dan MAPE. Tiga model utama diuji, yaitu ARIMA(1,1,0), ARIMA(1,1,1), dan ARIMA(2,1,1). Hasil penelitian menunjukkan bahwa ARIMA(1,1,0) memberikan performa terbaik dengan nilai RMSE 1226.6, MAE 508.6, dan MAPE 0.268. Model ini terbukti lebih akurat dibandingkan dua model lainnya maupun metode Moving Average lima bulanan yang digunakan pada penelitian sebelumnya. Hasil yang diperoleh mengindikasikan bahwa model ARIMA sederhana dengan satu kali differencing mampu menangkap pola fluktuasi permintaan secara efektif tanpa risiko overfitting. Penggunaan Orange Data Mining juga terbukti mempermudah proses pemodelan dan evaluasi. Secara keseluruhan, hasil penelitian ini memberikan kontribusi dalam pengembangan pendekatan peramalan permintaan CPO yang lebih akurat dan praktis, serta dapat digunakan sebagai dasar dalam pengambilan keputusan strategis terkait perencanaan produksi dan manajemen pasokan.