Penelitian ini bertujuan untuk mengoptimalkan metode Neural Network Backpropagation dengan menggunakan Algoritma Particle Swarm Optimization (PSO) untuk melakukan prediksi produksi hasil panen pisang di masa mendatang. Pisang merupakan komoditas buah yang memiliki potensi besar dalam mendukung ketahanan pangan di Indonesia, dan Kalimantan sebagai salah satu daerah penghasil pisang memiliki potensi untuk bersaing di pasar ekspor internasional. Metode Neural Network Backpropagation adalah salah satu metode yang baik untuk prediksi, namun memiliki kelemahan dalam menentukan kombinasi parameter arsitektur yang optimal. Oleh karena itu, Algoritma Particle Swarm Optimization (PSO) digunakan untuk mengatasi kelemahan ini dan memperoleh kombinasi parameter yang lebih optimal. Penelitian ini menggunakan data hasil panen pisang sebelumnya sebagai data input untuk melatih dan menguji model Neural Network Backpropagation yang telah dioptimasi dengan PSO. Hasil penelitian menunjukkan bahwa metode Neural Network Backpropagation yang dioptimasi dengan PSO menghasilkan nilai Mean Square Error (MSE) yang lebih rendah dibandingkan dengan metode Neural Network Backpropagation tanpa optimasi. Nilai rata-rata MSE Neural Network Backpropagation sebesar 0.256155, sedangkan nilai rata-rata MSE Neural Network Backpropagation yang dioptimasi dengan PSO sebesar 0.001162. Dengan demikian, dapat disimpulkan bahwa penerapan Algoritma Particle Swarm Optimization (PSO) pada metode Neural Network Backpropagation berpengaruh positif dalam meningkatkan kinerja metode untuk prediksi produksi panen pisang. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan metode prediksi yang lebih baik dan akurat untuk mendukung pengelolaan ketahanan pangan di Indonesia, khususnya dalam konteks produksi dan ekspor pisang.