Kebutuhan masyarakat terhadap informasi prakiraan cuaca suatu daerah menjadipenting bagi kehidupan sehari-hari. Salah satu metode untuk aplikasi prakiraan cuacaadalah dengan menggunakan jaringan syaraf tiruan. Pada penelitian ini algoritmaBackpropagation dan Particle Swarm Optimization (PSO) akan digunakan sebagaialgoritma pelatihan jaringan syaraf tiruan pada aplikasi prakiraan temperatur udaraharian. Metode Regresi Linear Berganda diujikan untuk kemudian dibandingkan denganBackpropagation dan PSO.Arsitektur jaringan syaraf tiruan menggunakan dua buah input, lima neuron pada lapisantersembunyi, dan satu output. Karena merupakan aplikasi peramalan time series, makainput yang digunakan adalah temperatur udara T(h) dan kelembaban udara H(h) padahari sebelumnya. Sedangkan output jaringan adalah temperatur udara yang akandiramalkan hari berikutnya T(h+1).Hasil pengujian menunjukkan bahwa pada prakiraan temperatur udara minimum,penggunaan algoritma pelatihan PSO pada jaringan syaraf tiruan memberikan tingkatkesalahan paling minimum dengan rata-rata kesalahan prakiraan sebesar 2.597%.Sedangkan pada prakiraan temperatur udara maksimum, metode regresi linear bergandamemberikan hasil yang lebih baik dengan rata-rata kesalahan sebesar 4.911%