"Berapa banyak kasus hari ini?" dan "Kapan pandemi ini akan berakhir?", merupakan
dua pertanyaan yang tidak hentinya dilontarkan oleh seluruh dunia selama pandemi
COVID-19—entah kapan pertanyaan tersebut akan muncul kembali. Oleh karena
itu, dengan perkembangan alat pemodelan dan ketersediaan data yang mudah diakses,
membuat model prediksi merupakan hal yang penting untuk menghadapi tantangan
serupa di masa depan. Penelitian ini memiliki fokus untuk membuat model prediksi
pada jumlah penambahan kasus COVID-19 setiap harinya menggunakan proses Gauss
dengan rentang data kasus dari Maret 2020 sampai dengan Juni 2024. Tantangan utama
dalam penelitian ini adalah bagaimana memodelkan jumlah kasus yang merupakan data
hitungan, sehingga perlu adanya modifikasi pada proses Gauss. Perbandingan fungsi
kovariansi (kernel) yang digunakan juga dipertimbangkan untuk mendapatkan paramer
kernel yang paling baik dalam menjelaskan data hitungan jumlah kasus. Hasil evaluasi
metriks MAE, RMSE, R squared, dan cakupan peluang menunjukkan bahwa model tidak
baik. Namun, menggunakan kombinasi penjumlahan kernel RBF dan kernel periodik,
model yang dibangun dapat menggambarkan data hitungan dengan baik (pola naik dan
turun), khususnya saat menggunakan bangkitan paramater kernel dari lag ACF data.