Minyak mentah merupakan sumber energi utama yang sangat dibutuhkan di seluruh dunia yang merupakan komuditas yang sangat penting. Sehingga peruhahan harga minyak mentah dunia sangat berpengaruh terhadap keadaan suatu negara dalah hal ini adalah perekonomian dalam negara tersebut. Untuk itu suatu sistem prediksi harga minyak mentah diperlukan untuk pengambilan kebijakan ekonomi di suatu negara. Untuk memprediksi harga minyak berdasarkan data historynya bisa dilakukan dengan cat swarm optimization (CSO) yang merupakan metode pelatihan multi layer perceptron (MLP). CSO merupakan algortima yang meniru perilaku dari tingkah laku sekumpulan kucing. Ada dua bagian penting dalam CSO yaitu seeking mode dan tracing mode. Di dalam tugas akhir ini akan dilakukan implementasi algoritma CSO pada MLP pada studi kasus data time series harga minyak mentah dunia, dan akan dilakukan analisis performasi untuk mendapatkan arsitektur dan parameter terbaik. minyak mentah, prediksi, multi layer perceptron, cat swarm optimization, tracing mode dan seeking mode