Jumlah PM2.5 di udara terbuka AMBIEN terus meningkat. Konsentrasi PM2.5 di udara dapat dipengaruhi oleh parameter meteorologi seperti temperatur, kelembapan, tekanan, curah hujan, dan kecepatan/arah angin. Pada penelitian sebelumnya yaitu Sistem Pemantauan Kualitas Udara Berbasis Web Di Wilayah Cekungan Udara Bandung Raya, telah dibuat aplikasi prediksi dengan menggunakan beberapa metode, seperti multiple linear regression, neural network regression, lasso regression, elasticNet regression, decision forest, extra trees, dan boosted decision tree. Parameter meteorologi yang digunakan pada penelitian sebelumnya tidak semuanya menunjukkan hasil signifikan terhadap prediksi? PM?2.5, dengan diperoleh rata-rata RMSE 26,63µg/m3. Pada penelitian ini dibangun optimasi sistem prediksi konsentrasi PM2.5 dengan metode Artificial Neural Network Backpropagation dan parameter meteorologi yang telah divalidasi yaitu kelembapan, curah hujan, kecepatan angin, dan konsentrasi PM_2.5. Model jaringan terbaik GKU yang diperoleh memiliki arsitektur 4 input layer, 3 hidden layer dengan node yaitu 9, 12, 9 node, satu output layer, serta nilai learning rate 0.2. Sedangkan arsitektur model jaringan terbaik DELI yaitu 4 input layer, 3 hidden layer dengan node yaitu 50, 9, dan 9 node, satu output layer , serta nilai learning rate 0.3. Performansi RMSE dan MAPE yang dihasilkan model jaringan terbaik GKU dan DELI yaitu 8.32 µg/m3 dan 37%, serta 12,49 µg/m3 dan 15%.