Optimisasi penempatan gateway Long Range (LoRa) menjadi krusial untuk sistem monitoring maritim yang andal, seperti pemantauan lampu buoy secara real-time. Masalah penempatan ini bersifat kompleks, dan metode optimisasi standar seperti Particle Swarm Optimization (PSO) berisiko terjebak pada solusi suboptimal akibat konvergensi prematur. Penelitian ini mengusulkan metode hybrid Particle Swarm Optimization-Genetic Algorithm (PSO-GA) untuk mengatasi kelemahan tersebut dengan mensinergikan kemampuan eksploitasi cepat dari PSO dan eksplorasi global dari GA. Model PSO-GA yang dikembangkan berhasil memprediksi cakupan sinyal (RSSI ≥ -100 dBm) yang sangat tinggi dalam simulasi, mencapai 386 dari 389 node (99,23%). Meskipun demikian, pengujian di lapangan menunjukkan bahwa kondisi nyata seperti halangan fisik (obstacle) membatasi cakupan aktual menjadi 250 dari 389 node (64,27%). Studi ini membuktikan bahwa PSO-GA adalah alat perencanaan yang unggul, namun juga menegaskan bahwa validasi lapangan esensial untuk mengkalibrasi ekspektasi dari model simulasi.