ABSTRAKSI: Metode peramalan banyak dimanfaatkan dalam dunia usaha dan binis, dengan tujuan untuk memberikan gambaran masa depan yang mendekati dengan kenyataan. Pada tugas akhir ini penulis mengimplementasikan Jaringan Saraf Tiruan (JST) backpropagtion untuk meramalkan harga penjualan Crude Palm Oil (CPO). JST backpropagation merupakan salah satu metode yang dapat mengaplikasikan dengan baik dalam hal peramalan. Dimana dalam pembelajarannya backpropagation termasuk salah satu metode pembelajaran yang supervised learning dengan dua tahap perhitungan yaitu, perhitungan maju (menghitung error antara keluaran keluar dan target) dan perhitungan mundur (memperbaiki bobotbobot pada semua neuron yang ada). Data yang digunakan pada peramalan harga CPO ini berbentuk time series dengan periode Januari 1999 s/d Oktober 2009. Data tersebut akan dibagi menjadi dua bagian yaitu data pelatihan dan data pengujian. Data pelatihan digunakan pada proses pelatihan untuk menghasilkan suatu arsitektur jaringan yang baik, serta data pengujian dan arsitektur jaringan hasil proses pelatihan digunakan untuk proses pengujian sampai menghasilkan suatu hasil pengujian dengan tingkat keakuratan yang baik. Selain itu digunakan juga data harga penjualan minyak pesaing CPO (Soybean Oil dan Sunflower Oil) dengan tujuan untuk melihat pengaruh harga penjulan minyak pesaing terhadap harga penjualan CPO. Diharapkan dengan data time series dan metode backpropagation dapat menghasilkan peramalan harga penjualan CPO dengan keakuratan yang baik.Kata Kunci : backpropagation, peramalan, dan gradient descent dengan adaptive learning rateABSTRACT: Prediction method is worldwide used in business and trade, it is aimed at giving a brief description or prediction in the future. In this final paper, the writer is implementing " Implementation Backpropagation Neural Networks to Predict the Selling Prices Crude Palm Oil (CPO). JST Backpropagation is one of method than can be well implement in predicting price. Whereas, in the study case, it in included into one of learning method through supervised learning with two calculation steps, they are, forward calculation (to account the error between output and target) and review calculation (repair weigh in all neurons). Data that being used in price prediction of CPO are in form of time series in period January 1999 to October 2009. It is divided into two terms, data of trainee and data of examination. Data of trainee is used in examination process to produce a well network of architecture. While, data of examination and network design that produced from the trainee, is used in processing of examination until attained a well accurateness of examination. However, it is also used data of CPO sale price of competitor in order to view the effect of competitor's oil sale price into the sale price of CPO.The writer expect that time series data and backpropagation can give a well and accurate prediction of the sale price of CPOKeyword: backpropagation, prediction and gradient descent with adaptive learning rate.