ABSTRACT The imbalance in the growth of transportation facilities especially motorcycles and private vehicles is growing very rapidly from the growth of transportation infrastructure when it occurs in traffic jams. Jepara regency is included in 35 districts / cities in the Province of Central Java. Some of the factors that affect congestion in Jepara are: 1) Some schools in Jepara are located on the roadside, creating congestion due to compilation. Morning hours leave for school in the morning and afternoon come home to pick up school and find people who sell in front of school. Number of Industries that stand in Jepara while the capacity of the road is narrow. 3) Parking liars / haphazard. Therefore, this study was conducted to prove the most accurate neural networks in traffic prediction data by using data of Jepara district traffic volume. The research method used is experimental method with testing algorithm to determine the price in data processing. In this study using a dataset of 70 records with 50 data sharing training and 20 data testing. Other parameters: Name (ID), Time, Motor Cycle (MC), Light Vehicle (LV), Heavy Vehicle (HV), Volume (C), Volume (V), V / C and conclusion. The outcomes in question are scientific journals and technological readiness levels (TKT), including into TKT level 3. Keywords : Prediction, traffic flow, neural network, algorithm ABSTRAK Ketidak seimbangan pertumbuhan sarana transportasi khususnya sepeda motor dan kendaraan pribadi berkembang sangat pesat daripada pertumbuhan prasarana transportasi sehingga berdampak pada kemacetan lalu lintas. Kabupaten Jepara termasuk ke dalam 35 kabupaten/kota yang ada di Propinsi Jawa Tengah. Beberapa faktor yang mempengaruhi kemacetan di Jepara adalah :1) Beberapa sekolah yang ada di Jepara terletak di pinggir jalan sehingga menimbulkan kemacetan karena ketika pagi jam berangkat sekolah parkir pengantar dan siang jam pulang sekolah ketika menjemput dan banyaknya orang yang berjualan di depan sekolah.2) Banyaknya Industri yang berdiri di Jepara sedangkan kapasitas jalan sempit. 3) Parkir liar/sembarangan. Oleh sebab itu, penelitian ini dilakukan untuk membuktikan algoritma neural network adalah algoritma yang paling akurat dalam memprediksi jumlah arus lalu lintas di kabupaten Jepara. Metode penelitian yang digunakan adalah penelitian eksperimen dengan pengujian algoritma untuk menentukan akurasi dalam pengolahan data. Pada penelitian ini menggunakan dataset sejumlah 70 record dengan pembagian 50 data training dan 20 data testing. Parameter yang digunakan antara lain : Nama (ID), Waktu, Motor Cycle (MC), Light Vehicle(LV), Heavy Vehicle (HV), Kapasitas (C), Volume (V), V/C dan kesimpulan label. Luaran yang dicapai adalah jurnal ilmiah dan tingkat kesiapan teknologi (TKT) termasuk ke dalam TKT tingkat 3. Kata Kunci: Prediksi, arus lalu lintas, neural network, algoritma.