Di antara sebagian besar sektor industri lainnya, industri kimia sedang mengalami pergolakan signifikan yang didorong oleh konsep yang secara kolektif dikenal sebagai Industri 4.0. Data sains adalah komponen penting dari Industri 4.0 karena memungkinkan ekstraksi informasi kontekstual dari berbagai sumber data. Ketika sistem menjadi lebih kompleks, kebutuhan para insinyur untuk mengekstrak sinyal dari data dengan tepat berkembang secara dramatis, menuntut literasi data dan keahlian analitik pada generasi berikutnya dari lulusan teknik kimia. Salah satu dari banyak kasus di mana data sains dan machine learning dapat diterapkan adalah untuk prediksi. Prediksi berbasis machine learning dapat diterapkan pada banyak aspek teknik kimia contohnya pada Chemical Engineering Plant Cost Index (CEPCI). CEPCI sangat penting untuk perhitungan desain pabrik dan dipengaruhi oleh banyak variabel. Pendekatan machine learning diperlukan untuk memperhitungkan semua variabel tersebut dan mendapatkan hasil yang tepat untuk variabel yang ditargetkan. Dengan demikian, tujuan dari tugas akhir ini adalah merancang program yang mampu memprediksi CEPCI. Alhasil, model regresi yang telah dibuat mampu memprediksi Composite CE Index dengan error rata-rata 3.75% dari index aslinya.