<![CDATA[Pendapatan retribusi parkir harian memiliki karakteristik yang dinamis akibat perbedaan antar rayon parkir, weekend, dan national holiday, sehingga estimasi manual berdasarkan rata-rata historis belum mampu menghasilkan target pendapatan yang akurat. Penelitian ini mengusulkan model Support Vector Regression yang dioptimasi menggunakan Grey Wolf Optimization (SVR-GWO) untuk meningkatkan akurasi prediksi pendapatan retribusi parkir harian. Data historis yang digunakan berasal dari Dinas Perhubungan Kota Cirebon periode Januari 2023 hingga Juli 2025 sebanyak 3.825 data. Dataset diproses melalui Feature Engineering dan dibagi secara kronologis menjadi Training Data dan Testing Data. Model Support Vector Regression menggunakan kernel Radial Basis Function (RBF), sedangkan Grey Wolf Optimization digunakan untuk mengoptimasi hyperparameter (C, ε, dan γ). Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE), dan R². Hasil penelitian menunjukkan bahwa model SVR-GWO menghasilkan kinerja yang lebih baik dibandingkan baseline SVR, dengan menurunkan nilai MAE dari Rp305.883 menjadi Rp130.101, RMSE dari Rp393.680 menjadi Rp188.259, serta MAPE dari 22,59% menjadi 12,71%, dan meningkatkan nilai R² dari 0,64 menjadi 0,92. Implementasi model ke dalam aplikasi berbasis Laravel menyediakan alat prediksi yang transparan, objektif, dan berbasis data untuk mendukung perencanaan serta pengambilan keputusan terkait pendapatan retribusi parkir. Kata kunci — Support Vector Regression, Grey Wolf Optimization, Prediksi Pendapatan Retribusi Parkir, Time Series, Hyperparameter Optimization]]>
Copyrights © 2026
