Mahasiswa merupakan salah satu indikator kesuksesan universitas dalam mendirikan institusi pendidikan yang berkualitas. Dengan banyaknya mahasiswa yang mendapat prestasi akademik yang baik maka akan meningkatkan kualitas kampus tersebut dan ketika banyak mahasiswa mendapat prestasi akademik yang buruk maka kualitas kampus akan menurun. Prediksi prestasi akademik mahasiswa dengan tingkat akurasi yang tinggi adalah sebuah solusi agar dapat terhindar dari banyaknya mahasiswa yang mendapat prestasi akademik yang buruk. Pada penelitian ini bertujuan untuk menganalisis tingkat akurasi dari dua metode yang digunakan, yaitu Backpropagation Neural Network dan Learning Vektor Quantization dalam memprediksi prestasi akademik mahasiswa di Jurusan Teknologi Informasi dan Komunikasi, Fakultas Ilmu
Komputer Dan Teknologi Informasi Universitas Mulawarman. Adapun data yang digunakan pada penelitian ini adalah data akademik mahasiswa FKTI pada angkatan 2012 sampai 2014. Data ini diperoleh dari kantor akademik mahasiswa di Fakultas Ilmu Komputer Dan Teknologi Informasi Universitas Mulawarman. Hasil akhir dari penelitian ini diperoleh hasil uji MSE dan CC dari masing-masing metode dimana untuk metode BPNN diperoleh MSE sebesar 0.1304348 dan CC sebesar 86.95652 untuk metode LVQ diperoleh MSE sebesar 0.26087 dan CC sebesar 73.91304. Dari hasil perhitungan kedua metode tersebut dapat disimpulkan bahwa metode yang paling cocok untuk memprediksi prestasi akademik mahasiswa adalah metode BPNN dengan rasio data training dan data testing sebesar 70:30.
Kata Kunci : peramalan, prestasi akademik , backpropagation neural network,learning vektor quantization