Batubara adalah salah satu jenis bahan bakar fosil yang seringdimanfaatkan oleh perusahaan industri. Fluktuasi harga batubaramengakibatkan perusahaan industri sulit untuk memperkirakan hargabatubara. Dengan demikian dibutuhkan alokasi anggaran dana berupaperkiraan harga batubara. Sebuah model prediksi harga batubara acuanuntuk melihat harga batubara acuan di masa yang akan datang sangatdiperlukan, sehingga perusahaan industri dapat mengalokasikan danadengan tepat untuk memaksimalkan keuntungan dan meminimumkanbiaya produksi. Terdapat beberapa studi yang membahas tentang prediksiharga batubara acuan menggunakan machine learning yang salah satunyayaitu menggunakan support vector regression (SVR). Namun, metodetersebut masih memiliki kekurangan pada penentuan nilai parameter yangtepat. Diperlukan algoritma optimasi untuk membantu menentukan nilaiparameter yang tepat. Oleh karena itu, pada penelitian ini bertujuan untukmelakukan peramalan harga batubara acuan menggunakan data historisperiode bulan Januari 2009 sampai dengan bulan Oktober 2019, denganmenggunakan metode support vector regression (SVR) yang dioptimasidengan particle swarm optimization (PSO) dan improved-particle swarmoptimization (IPSO), yang dievaluasi hasil peramalannya menggunakanMAPE. Berdasarkan penelitian yang telah dilakukan, prediksi hargabatubara acuan menggunakan metode PSOSVR menghasilkan nilaiMAPE sebesar 3,911% dan metode IPSOSVR menghasilkan nilai MAPEsebesar 3,916%. Sedangkan untuk prediksi menggunakan parameter SVRyang tidak dioptimasi menghasilnya nilai MAPE sebesar 13,388%