Penelitian ini mengembangkan metode optimasi multiobjektif hybrid berbasis Particle Swarm Optimization (PSO) dan Genetic Algorithm (GA) untuk economic dispatch pada sistem Pembangkit Listrik Tenaga Surya (PLTS) hybrid di daerah isolated yang terdiri dari PLTS 1300 kWp, beberapa unit Pembangkit Listrik Tenaga Diesel (PLTD), dan Battery Energy Storage System (BESS) 870 kWh. Metode yang dikembangkan bertujuan untuk meminimalkan biaya operasional dan emisi karbon secara simultan dengan tetap mempertahankan keandalan sistem. Lima algoritma optimasi dibandingkan, yaitu PSO standar, GA standar, PSO-GA Sequential, PSO-GA dengan Operator Hibrida, dan Adaptive PSO-GA. Data operasi historis dari Januari 2023 hingga Juli 2024 digunakan untuk analisis dan validasi. Hasil penelitian menunjukkan bahwa Adaptive PSO-GA memberikan kinerja terbaik dengan penurunan biaya operasional sebesar 12,50% dan penurunan emisi karbon sebesar 10,82% dibandingkan PSO standar. Jadwal pembangkitan optimal hasil Adaptive PSO-GA memanfaatkan PLTS secara maksimal tanpa pembatasan, mengoperasikan BESS dengan pola charging pada jam 09:00-15:00 dan discharging pada jam 16:00-20:00, serta memprioritaskan pengoperasian unit PLTD dengan Specific Fuel Consumption (SFC) rendah. Metode optimasi yang dikembangkan terbukti dapat menghasilkan jadwal pembangkitan yang lebih ekonomis dan ramah lingkungan dibandingkan metode konvensional, dengan tetap mempertahankan keandalan sistem.