<![CDATA[Peningkatan penggunaan sistem komputasi berdampak langsung terhadap konsumsi energi yang semakin tinggi, sehingga menimbulkan tantangan dalam mewujudkan sistem teknologi informasi yang berkelanjutan. Konsep Green IT hadir sebagai pendekatan untuk menekan konsumsi energi melalui pemanfaatan teknologi yang efisien, termasuk pada tahap pemodelan dan analisis data. Penelitian ini bertujuan untuk mengevaluasi kinerja beberapa model regresi ringan dalam memprediksi konsumsi energi sistem komputasi sebagai upaya mendukung implementasi Green IT. Metode yang digunakan adalah pendekatan kuantitatif dengan membandingkan model Linear Regression, Ridge Regression, dan Random Forest Regressor berkompleksitas rendah menggunakan dataset konsumsi energi sistem komputasi. Proses penelitian meliputi pra-pemrosesan data, pelatihan model, serta evaluasi kinerja menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa Linear Regression dan Ridge Regression mampu memberikan kinerja prediksi yang stabil dengan nilai R² masing-masing sebesar 0,81 dan 0,83, sementara Random Forest Regressor menghasilkan nilai R² tertinggi sebesar 0,87 namun dengan kompleksitas komputasi yang lebih besar. Temuan ini menunjukkan bahwa model regresi ringan memiliki potensi signifikan dalam memprediksi konsumsi energi secara akurat sekaligus mendukung prinsip efisiensi sumber daya dalam implementasi Green IT.]]>
