Beban listrik adalah jumlah total energi yang digunakan dalam jangka waktu tertentu, yang memerlukan manajemen dan prediksi untuk memastikan pasok an listrik yang stabil dan efisien. Tujuan penelitian ini adalah untuk memprediksi beban listrik di Perusahaan XYZ tahun 2023 menggunakan metode Support Vector Regression (SVR) guna mendukung manajemen beban listrik yang efisien. Penelitian ini menggunakan metode Support Vector Regression (SVR) untuk memprediksi beban listrik di Perusahaan XYZ tahun 2023, guna mengatasi peningkatan permintaan energi listrik. Dengan menganalisis 17.441 data yang dikumpulkan setiap setengah jam, data tersebut diproses melalui pembersihan, normalisasi, dan resampling sebelum diterapkan SVR. Evaluasi menunjukkan hasil prediksi yang akurat dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1.085%. Hasil ini menyatakan bahwa metode SVR efektif dalam mendukung manajemen beban listrik dan pengoptimalan operasi sistem tenaga listrik di Perusahaan XYZ , serta membantu mengantisipasi permintaan energi secara lebih efisien.

The electrical load refers to the total amount of energy used over a certain period, requiring management and prediction to ensure a stable and efficient power supply. The purpose of this study is to predict the electricity load at Company XYZ in 2023 using the Support Vector Regression (SVR) method to support efficient load management. This research employs the Support Vector Regression (SVR) method to predict the electricity load at Company XYZ in 2023 to address the increasing demand for electrical energy. By analyzing 17,441 data points collected every half hour, the data is processed through cleansing, normalization, and resampling before being applied to SVR. The evaluation shows accurate prediction results with a Mean Absolute Percentage Error (MAPE) of 1.085%. These findings indicate that the SVR method is effective in supporting electricity load management and optimizing power system operations at Company XYZ, as well as helping to anticipate energy demand more efficiently.