Kereta api sudah menjadi transportasi yang paling banyak digunakan di indonesia. Namun, dari sisi PT. KAI tidak membuat prediksi penambahan gerbong dan armadanya kurang sehingga tiket yang diberikan selalu terjual habis dan banyak penumpang yang ingin menggunakan kereta api dan setiap tahunnya pengguna kereta api meningkat dengan pesat.
Tugas Akhir ini bertujuan untuk memprediksi jumlah penumpang dan penambahan gerbong dan akan dibangun sebuah sistem berbasis website untuk melakukan prediksi terhadap jumlah penumpang Kereta Api Argo Parahyangan menggunakan metode Gaussian Process Regression. Metode ini mampu bekerja dengan baik pada data yang kecil dan memiliki kemampuan untuk memberikan pengukuran ketidakpastian pada prediksi. Dalam Gaussian process regression ini menggunakan kernel RBF(Radial Basis Function).
Dalam Tugas Akhir ini menggunakan data jumlah penumpang Kereta Api Argo Parahyangan pada tahun 2019. Jenis kereta api dibagi menjadi dua kelas yaitu: kelas Ekonomi dan kelas Eksekutif. Pengujian juga mencari nilai performansi terkecil dengan MAE(Mean Absolute Error) = 1.01, MSE(Mean Square Error) = 3.10, dan MAPE(Mean Absolute Percentage Error) = 1.02 dengan nilai parameter yang digunakan length scale=1.0, alpha=1.0 , optitimizer = 4.
Kata kunci: Gaussian Process Regression, kernel RBF(Radial Basis Function), Kereta Api, Prediksi.