Lalu lintas memiliki peran yang sangat penting di dalam kehidupan bermasyarakat. Dalam berlalu lintas juga sering muncul masalah dalam kegiatan berlalu lintas, diantaranya adalah kemacetan dan kecelekaan yang disebabkan oleh banyak faktor, salah satu faktor penyebabnya adalah jumlah kendaraan yang melebihi kapasitas jalan. Banyak penelitian yang dilakukan dalam memprediksi arus lalu lintas dengan menggunakan banyak metode seperti Particle Swarm Optimization (Pso), Neurak Netwrok dan masih banyak lagi. Dalam penelitian ini metode yang di gunakan adalah K-nearest neighbor (K-NN) yang mempunyai tingkat akurasi yang cukup tinggi. Salah satu kelemahan dari metode K-NN adalah menggunakan seluruh data training dalam menjalankan klasifikasi yang mengakibatkan pada lamanya saat menjalankan prediksi dan mengurangi tingkat akurasi. Dalam penelitian ini menggunakan metode K-NN dengan tujuan menghasilkan nilai prediksi jumlah kendaraan yang melewati gerbang tol Manyaran pada tahun 2018 dengan jumlah prediksi angka kendaraan pada bulan Januari 949014 Februari 902284, Maret 845307, April 919796, Mei 970834, Juni 1377159, Juli 946759, Agustus 897521 , September 939153, Oktober 921456, November 931507 , Desember 946750.Kata Kunci : peramalan, k-nearest neighbor, data training, particle swarm optimization, neurak netwrok