| Penelitian ini bertujuan untuk memprediksi susut transmisi pada sistem kelistrikan Jawa-Madura-Bali dengan menggunakan kombinasi algoritma Ensemble Empirical Mode Decomposition (EEMD), CatBoost, dan Support Vector Regression (SVR). Data yang digunakan dalam penelitian ini mencakup berbagai parameter seperti produksi energi, beban puncak, load flow antar area, suhu di jaringan transmisi dan kalender selama tiga tahun terakhir. EEMD digunakan untuk memisahkan data susut menjadi beberapa komponen Intrinsic Mode Functions (IMFs) yang dikategorikan ke dalam frekuensi tinggi dan rendah. Frekuensi tinggi dimodelkan menggunakan algoritma CatBoost yang efektif dalam menangani data dengan pola dinamis, sementara itu, frekuensi rendah dimodel kan menggunakan Support Vector Regression (SVR). Hasil prediksi dikombinasikan dan dievaluasi dengan Mean Absolute Error (MAE) dan R2. Model berhasil mencapai nilai R2 sebesar 0,75 yang merepresentasikan akurasi yang baik dalam menjelaskan variansi susut transmisi. Sementara itu, nilai MAE sebesar 784.597 kWh atau 5,66% dari total susut, mencerminkan akurasi yang cukup baik untuk data berskala besar. Hasil ini menawarkan pendekatan yang lebih efektif dalam meminimalkan susut dan meningkatkan efisiensi sistem tenaga listrik. |