Mobil bekas pada saat ini mempunyai daya tarik tersendiri dan terus berkembang pasarnya. Variasi harga yang berbeda pada tiap website penjualan untuk mobil bekas yang bertipe sama membuat pembeli bingung menentukan harga sesuai value-nya, hal itu mengakibatkan pembeli mendapatkan mobil bekas yang terlalu mahal atau overprice dari harga yang seharusnya. Selain itu pembeli yang masih awam di dunia otomotif, terkadang bingung untuk memutuskan harga yang sewajarnya ketika membeli mobil bekas (Setyo & Utami, 2017). Penelitian ini bertujuan untuk memprediksi harga mobil bekas dengan machine learning regresi berdasarkan fitur-fiturnya seperti brand, model, transmission, dan lainnya. Penelitian ini diharapkan dapat membantu calon pembeli dalam mengetahui harga mobil berdasarkan value-nya. Dataset yang digunakan untuk melatih model machine learning yaitu daftar mobil bekas dengan kolom seperti model, transmission mobil, sampai harga mobil tersebut. Algoritma yang digunakan dalam penelitian ini yaitu Extreme Gradient Boosting (XGBoost) dan Bayesian Optimization. Algoritma XGBoost dipilih karena menurut beberapa penelitian sebelumnya cukup bagus untuk memprediksi pada regresi dengan tingkat RMSE yang cukup kecil. Bayesian Optimization digunakan untuk menentukan hyperparameter tuning secara otomatis untuk algoritma XGBoost. Dari hasil evaluasi yang dilakukan model machine learning yang dilatih tidak overfitting, yang ditunjukan pada metrik RMSE menghasilkan nilai 0,12129 pada dataset validation dan 0,13471 pada dataset testing. Dan untuk metrik MAE menunjukan bahwa rata-rata total nilai mutlak dari jumlah error hasil prediksinya cukup kecil yaitu 0,07246 pada dataset validation dan 0,07703 pada dataset testing. Dari kedua evaluasi metrik tersebut, dapat disimpulkan bahwa model machine learning sudah cukup baik untuk memprediksi harga mobil bekas di DKI Jakarta.