<![CDATA[Informasi tentang konsumsi energi sangat penting dalam mengukur efisiensi energi dan penghematan energi dalam bangunan. Konsumsi energi ini mengacu pada jumlah energi yang dibutuhkan untuk memberi daya pada bangunan pada waktu tertentu. Dengan mengetahui informasi ini, kita dapat mengevaluasi konsumsi energi yang ada dan membuat perubahan yang diperlukan untuk mengurangi penggunaan energi yang tidak perlu. Dalam jangka panjang, penghematan energi dapat membantu mengurangi biaya dan juga memberikan manfaat bagi lingkungan dengan mengurangi emisi gas rumah kaca yang dihasilkan oleh bangunan. Oleh karena itu, memperoleh informasi konsumsi energi yang akurat sangat penting bagi semua pihak yang terlibat dalam perencanaan, pembangunan, dan pengelolaan bangunan. Selama beberapa dekade terakhir, konsumsi energi di bangunan terus meningkat di seluruh dunia, dan sebagian besar konsumsi energi ini berasal dari Pemanasan, Ventilasi, dan Penyejuk Udara (HVAC) di dalam bangunan. Untuk mengatasi masalah ini, penelitian dilakukan dengan membuat model mesin vektor dukungan yang menggunakan algoritma genetika untuk memprediksi konsumsi energi di bangunan secara akurat. Dalam penelitian ini, dua model mesin vektor dukungan diuji, yaitu support vector machine dan support vector machine yang menggunakan algoritma genetika. Hasil pengujian menunjukkan bahwa model support vector machine memberikan nilai RMSE sebesar 2,6. Selanjutnya, algoritma genetika digunakan untuk mengoptimalkan parameter C dan memilih variabel prediktor yang paling relevan, dan hasilnya adalah nilai RMSE sebesar 1,7 dan hanya 3 variabel prediktor yang dipilih. Pada tahap selanjutnya, optimasi parameter dan pemilihan fungsi dilakukan untuk mencapai nilai RMSE terendah yang mungkin, dan hasilnya adalah RMSE sebesar 1,537. Dengan demikian, algoritma mesin vektor dukungan yang menggunakan algoritma genetika dapat memberikan solusi yang akurat dan efektif dalam memprediksi konsumsi energi di bangunan dengan nilai kesalahan terkecil.]]>
