<![CDATA[Prediksi harga tandan buah segar adalah suatu proses menganalisa dan menentukan harga tandan buah segar di masa yang akan datang. Dengan analisis teknikal, prediksi harga tandan buah segar di masa datang dapat ditentukan dari pembelajaran pola harga tandan buah segar tersebut di masa lampau. Data prediksi yang digunakan adalah harga tandan buah segar kelapasawit Kalimantan Timur dari tahun 2008-2012. Backpropagation merupakan salah satu metode pembelajaran pada artificial neural network yang mempopulerkan sebuah cara untuk melatih unit – unit hidden. Parameter-parameter yang mempengaruhi kinerja BPNN yang akan digunakan dalam penelitian ini adalah learning rate, momentum, iterasi (training cycles) dan windowing. Masing-masing parameter akan dibandingkan kinerja prediksinya dengan mengukur masing-masing Root Mean Square Error (RMSE). Penentuan pengambilan nilai learning rate, momentum, training cycles dan konsep windowingpredict series sangat mempengaruhi kinerja neural network, dalam mencapai hasil yang diharapkan. Hasil penelitian menunjukkan bahwa penggunaan parameter learning rate 0.1, momentum 0.6, training cycles 500, input neuron 15, hidden layer 9 dan windowing 15, menghasilkan tingkat rata-rata error yang lebih baik dalam memprediksi harga tandan buah segar dengan nilai RMSE terkecil yaitu 70,015. ]]>
