Provinsi Riau yang kaya akan Sumber Daya Alam ternyata tidak sebanding dengan jumlah penduduk miskin yang menempati di sejumlah kabupaten/kota di Riau. Contohnya seperti pada tahun 2013 terdapat ± 68.600 penduduk miskin di kabupaten Kampar, atau merupakan yang tertinggi dibandingkan kabupaten/kota lainnya. Oleh karena itu dibutuhkan langkah-langkah strategis agar jumlah penduduk miskin tidak bertambah sepanjang tahun, salah satu nya adalah dengan melakukan prediksi jumlah penduduk miskin untuk tahun-tahun selanjutnya. Cara ini dilakukan agar angka kemiskinan bisa semakin ditekan dengan cara melakukan penganggulangan sejak dini. Data yang akan diprediksi adalah data jumlah kemiskinan kabupaten/kota di Provinsi Riau yang bersumber dari Badan Pusat Statistik Provinsi Riau tahun 2010 sampai dengan 2015. Algoritma yang digunakan untuk melakukan prediksi adalah jaringan saraf tiruan Backpropagation. Algoritma ini memiliki kemampuan untuk mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya. Ada 5 model arsitektur yang digunakan pada algoritma backpropagation ini, antara lain 4-2-5-1 yang nanti nya akan menghasilkan prediksi dengan tingkat akurasi 8%, 4-5-6-1=25%, 4-10-12-1=92%, 4-10-15-1=100% dan 4-15-18-1=33%. Arsitektur terbaik dari ke 5 model ini adalah 4-10-12-1 dengan tingkat keakurasian mencapai 100% dan tingkat error yang digunakan 0,001-0,05. Sehingga model arsitektur ini cukup baik digunakan untuk memprediksi jumlah kemiskinan. Keywords: Penerapan, Jaringan Saraf Tiruan, Backpropagation, Prediksi, KemiskinanRiau is rich in Natural Resources is not comparable with the number of poor people who occupy in a number of districts/cities in Riau. For example, in 2013 there were ± 68,600 poor people in Kampar district, or the highest compared to other districts. Therefore, strategic steps are needed so that the number of poor people will not increase throughout the year, one of them is to predict the number of poor people for the next years. This way is done so that the poverty rate can be further suppressed by doing the countermeasures early on. The data to be predicted is the data of the number of poverty districts/cities in Riau Province sourced from the Central Bureau of Statistics of Riau Province in 2010 until 2015. Algorithm used to make prediction is the Backpropagation. This algorithm has the ability to remember and make generalizations of what has been there before. There are 5 architectural models, among others 4-2-5-1 which later will produce predictions with an accuracy rate of 8%, 4-56-1=25%, 4-10-12-1=92%, 4-10-15-1=100% and 4-15-18-1=33%. The best architecture of the 5 models is 4-10-12-1 with 100% accuracy and error rate of 0.001-0.05. So this model of architecture is good enough used to predict the amount of poverty. Kata kunci: Implementation, Artificial Neural Network, Backpropagation, Prediction, Poverty