Potensi energi surya sangat besar. Untuk pemanfaatan energi ini, dibutuhkan data intensitas radiasi matahari yang dapat menggambarkan ketersediaan energi matahari yang dapat dimanfaatkan. Informasi katersediaan energi matahari akan digunakan untuk peramalan intensitas radiasi matahari, sehingga penggunaan energi matahari dapat optimal. Pada penelitian ini dilakukan peramalan intensitas radiasi matahari. Data yang digunakan untuk memprediksi intensitas radiasi matahari adalah suhu udara, lama penyinaran matahari, dan curah hujan. Metode yang digunakan dalam penelitian ini yaitu jaringan saraf tiruan (JST) dan regresi linier berganda sebagai metode pembanding. Perhitungan nilai kesalahan dalam penelitian ini mengunakan metode Root mean square error (RMSE) dan Mean Absolut Error (MAE). Metode JST menghasilkan peramalan dengan RMSE 115,3569 dan MAE 89,0556 untuk Kota Malang, labih besar dibanding peramalan Kota Bassel dengan RMSE 75,2603 dan MAE 51,8844. Metode Regresi Berganda menghasilkan peramalan dengan RMSE 110,1697 dan MAE 85,0434 untuk Kota Malang, lebih besar dibanding peramalan Kota Bassel dengan RMSE 103,5776 dan MAE 74,6899. Kata kunci: Peramalan, JST, Regresi Berganda, MAE, RMSE, intensitas radiasi matahariABSTRACTThe potential of solar energy is very large. For utilization of solar energy, solar radiation data is needed to describe availability of solar energy data that can be used. Information on the availability of solar energy will be used for forecasting intensity of solar radiation, so the use of solar energy can be optimal. In this study, the intensity of solar radiation was forecasted. The data used to predict the intensity of solar radiation are air temperature, duration of solar radiation, and rainfall. The method used in this study is Artificial Neural Networks (ANN) and Multiple Regression as a comparison method. Calculation of error values in this study are using the method of Root mean square error (RMSE) dan Mean Absolut Error (MAE). ANN method produces forecasting with RMSE 115,3569 and MAE 89,0556 for Malang City, more than forecasting Bassel City with RMSE 75,2603 and MAE 51,8844. Multiple Regression Method produces forecasting with RMSE 110,1697 and MAE 85,0434 for Malang City, more than Bassel City forecasting with RMSE 103,5776 and MAE 74,6899.Keywords: Forecasting, ANN, Multiple Regresion, MAE, RMSE, Solar Radiation