<![CDATA[Abstract. Levenberg Marquardt (LM) algorithm algorithm is a developed backpropagation algorithm that is improved to speed up the training process with a numerical optimization technique, while the Backpropagation Gradient Descent Adaptive Gain (BPGD/AG) algorithm is developed backpropagation algorithms that is improved with a heuristic technique. The comparison of both algorithms is needed to find a better algorithm to provide accurate results on prediction cases. Comparative analysis based on the speed of convergence by considering the number of epoch is required to achieve convergence while training and it is also based on the accuracy of the testing results by calculating the MAPE and NMSE values for unemployment prediction cases in Central Java. The test results show that the LM algorithm achieves the MSE convergences with an iteration of 99 epochs, while the BPGD/AG algorithm achieves the MSE convergences with an iteration of 27506 epochs. The unemployment prediction by the LM algorithm provides an average MAPE 7.5% and the average NMSE 0.16453. While the unemployment prediction by the BPGD/AG algorithm provides an average MAPE 7.6% and NMSE 0.174264.Keywords: BPGD/AG, LM, Unemployment Prediction Abstrak. Algoritma Levenberg Marquardt (LM) merupakan algoritma pengembangan backpropagation yang melakukan perbaikan untuk mempercepat proses pelatihan dengan teknik optimasi numerik, sedangkan algoritma Backpropagation Gradient Descent Adaptive Gain (BPGD/AG) merupakan algoritma pengembangan backpropagation yang melakukan perbaikan dengan teknik heuristik. Perbandingan kedua algoritma tersebut perlu dilakukan untuk mencari algoritma yang memberikan hasil yang akurat untuk kasus prediksi. Analisa perbandingan berdasarkan kecepatan konvergensi dengan tolok ukur jumlah iterasi yang dibutuhkan saat training untuk konvergen, serta berdasarkan tingkat akurasi dengan tolok ukur nilai MAPE dan NMSE untuk kasus prediksi pengangguran di Jawa Tengah. Hasil pengujian menunjukkan bahwa untuk mencapai MSE konvergen, algoritma LM memerlukan iterasi sebanyak 99 epoh, sedangkan algoritma BPGD/AG memerlukan iterasi sebanyak 27506 epoh. Prediksi jumlah pengangguran dengan algoritma LM menghasilkan nilai rata-rata MAPE sebesar 7.5% dan nilai rata-rata NMSE sebesar 0.164535. Sedangkan prediksi jumlah pengangguran dengan algoritma BPGD/AG menghasilkan nilai rata-rata MAPE sebesar 7.6% dan nilai NMSE sebesar 0.174264.Kata Kunci: BPGD/AG, LM, Prediksi Pengangguran ]]>
