Indonesia merupakan salah satu negara kepulauan terbesar di dunia yang memiliki beragam tradisi dan budaya, sehingga seringkali dijadikan sebagai destinasi wisata. Pulau Bali merupakan salah satu destinasi favorit yang dikunjungi wisatawan. Tingginya jumlah kunjungan wisatawan domestik ke Bali hampir setiap bulan berdampak pada peningkatan pendapatan daerah. Oleh karena itu, diperlukan suatu metode yang dapat memprediksi jumlah kunjungan wisatawan domestik ke Bali. Metode yang dapat digunakan yaitu metode Singular Spectrum Analysis (SSA) dan metode Support Vector Regression (SVR). SSA merupakan metode analisis deret waktu dan peramalan yang powerful dengan konsep dasar menguraikan data menjadi komponen tren, musiman, dan noise. Support Vector Regression (SVR) merupakan aplikasi dari metode SVM yang dapat digunakan untuk menyelesaikan masalah deret waktu dengan tingkat akurasi yang baik. SVR dapat menangani masalah nonlinier dengan menggunakan fungsi kernel. Tujuan dari penelitian ini adalah untuk membandingkan hasil akurasi peramalan antara kedua metode tersebut. Berdasarkan hasil analisis, hasil peramalan terbaik dengan metode SSA menggunakan nilai parameter L = 30 yang menghasilkan 1 komponen tren dan 2 komponen musiman. Hasil peramalan terbaik dengan metode SVR dibentuk dengan nilai p = 12 dan parameter terbaik C = 1000 , ? = 0,0001 , ? = 0,0001 serta fungsi kernel RBF. Parameter dan fungsi kernel tersebut didapatkan dengan bantuan grid search menggunakan k-fold Cross-validation sebesar 5. Akurasi hasil peramalan dari metode SVR menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 9,19%, lebih kecil dari metode SSA yang memiliki nilai MAPE sebesar 12,60%. Dapat disimpulkan bahwa metode yang lebih baik untuk meramalkan data jumlah kunjungan wisatawan domestik ke Bali adalah metode SVR.
