Curah hujan merupakan salah satu faktor penentu perubahan iklim yang terjadi di suatu wilayah. Curah hujan memiliki pola yang tidak dapat dipastikan, sedangkan curah hujan merupakan salah satu unsur iklim yang berpengaruh di berbagai sektor kehidupan seperti manajemen sumber daya air. Untuk dapat mendukung penentuan cuaca dan iklim disuatu wilayah pada waktu tertentu maka diperlukan peramalan curah hujan untuk menentukan curah hujan yang akan terjadi diwaktu mendatang. Banyak metode peramalan yang telah digunakan untuk meramalkan data runut waktu seperti Support Vector Regression (SVR) yang terbukti pada beberapa kasus dapat memberikan hasil peramalan yang baik. Metode Support Vector Regression (SVR) merupakan machine learning pengembangan dari metode Support Vector Machine (SVM) yang dapat melakukan peramalan bersifat non linier. Untuk meningkatkan akurasi regresi metode SVR diperlukan pemilihan parameter SVR yang tepat. Parameter tersebut adalah cLR, kompleksitas (C), epsilon (ε), lambda (l), degree (d), gamma kernel (gk). Metode optimasi seperti Ant Colony Optimization (ANT CO) dapat melakukan optimasi pemilihan parameter metode. Dengan digunakannya ANT CO maka menghasilkan error rate yang kebih rendah dan meningkatnya nilai akurasi metode SVR. Hasil dari pengujian yang dilakukan menggunakan data dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) yang berupa data curah hujan pada tahun 2001 hingga 2015 wilayah Poncokusumo. Berdasarkan evaluasi kinerja peramalan runut waktu curah hujan diwilayah Poncokusumo menggunakan metode SVR-ANT CO mengacu pada nilai Root Mean Square Error (RMSE). Metode SVR yang dioptimasi menggunakan ANT CO dapat menghasilkan nilai RMSE sebesar 36.0594.