Jaringan syaraf tiruan (artificial neural network) adalah model komputasi yang terinspirasi secara biologis, jaringan syaraf tiruan terdiri dari beberapa elemen pengolahan (neuron) dan ada hubungan antara neuron. Salah satu penemuan model jaringan syaraf tiruan yang diminati oleh banyak orang adalah backpropagation. Backpropagation merupakan algoritma pembelajaran yang terawasi dan biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah bobot yang terhubung dengan neuron yang ada pada lapisan tersembunyi. Metode backpropagation banyak digunakan sebagai pengembangan aplikasi untuk memecahkan masalah. Kinerja dari algoritma dipengaruhi oleh beberapa parameter jaringan diantaranya adalah epoh maksimum sebesar 104, target error 10−3, neuron input = 5, neuron keluaran = 1, neuron pada lapisan tersembunyi = 6, dan learning rate = 0,01; 0,05; 0,1; 0,2; 0,3 0,4; 0,5; 0,6; 0,7; 0,8; 0,9; 1. Kinerja algoritma pelatihan dikatakan optimal dilihat dari error yang dihasilkan oleh jaringan. Semakin kecl error yang dihasilkan, maka semakin optimal kinerja dari algoritma. Pengujian yang dilakukan pada penelitian sebelumnya diperoleh bahwa algoritma pelatihan yang paling optimal berdasarkan hasil error terkecil adalah algoritma pelatihan Levenberg-Marquardt dengan rata-rata MSE 0.0001 dengan tingkat pengujian α = 5%. Pada penelitian ini dilakukan pengujian terhadap 12 algoritma pelatihan: Fletcher-Reeves Update (traincgf), Polak-Ribiĕre (traincgp), Powell-Beale Restarts (traincgb), Scaled Conjugate Gradient (trainscg), Gradient Descent (traingd), Gradient Descent dengan Adaptive Learning Rate (traingda), Gradient Descent dengan Momentum (traingdm), Gradient Descent dengan Momentum dan Adaptive Learning Rate (traingdx), Resilent Backpropagation (trainrp), BFGS (trainbfg), One Step Secant (trainoss), dan Levenberg-Marquardt (trainlm). Penelitian ini menggunakan metode campuran (mixed method) yaitu penelitian pengembangan dengan pengujian kuantitatif dan kualitatif (menggunakan uji statistik ANAVA). Data penelitian diambil dari data random dengan 5 neuron masukan dan 1 neuron pada lapisan keluaran. Kesimpulan dari hasil penelitian menunjukkan bahwa dengan 6 neuron pada lapisan tersembunyi menghasilkan rata-rata tingkat error terkecil yaitu 0.000143486 ± 0.000255745 dengan tingkat laju (learning rate/lr) = 0,3.