Cabai merupakan komoditas yang menjadi salah satu komponen pembentuk inflasi dan memiliki nilai harga yang berfluktuasi dikarenakan tidak seimbangnya antara pasokan dan tingkat permintaan yang ada di pasaran. Oleh sebab itu perlu dilakukan analisis untuk memprediksi fluktuasi harga cabai di Indonesia. Salah satu metode yang digunakan untuk menyelesaikan masalah tersebut adalah metode jaringan syaraf tiruan. Metode tersebut dioptimasi menggunakan algoritma genetika (AG). Tujuan penelitian ini adalah memprediksi harga cabai dan mengoptimasi metode jaringan syaraf tiruan menggunakan AG. Sebanyak 192 data harga cabai rawit merah di Samarinda dari bulan Januari 2018 hingga bulan September 2021 merupakan data sekunder yang bersumber dari website pusat informasi harga pangan nasional. Berdasarkan hasil pengujian menggunakan metode backpropagation neural network (BPNN) dengan arsitektur jaringan 4-10-1, parameter learning rate (LR) terbaik adalah 0,2 dan fungsi aktivasi relu, didapatkan nilai mean square error (MSE) sebesar 0,01001 dan root mean square error (RMSE) sebesar 0,10007. Parameter LR dan momentum pada BPNN dioptimasi menggunakan algoritma genetika dengan populasi sebanyak 10 kromosom, metode seleksi Tournament selection, probabilitas crossover sebesar 0,8, probabilitas mutasi sebesar 0,1 dan jumlah generasi sebanyak 50 generasi. Hasil pengujian menunjukan nilai fitness bernilai 10,624 pada generasi ke 20 dan menghasilkan nilai parameter LR sebesar 0,45414 dan Momentum sebesar 0,94161. Kemudian nilai parameter tersebut digunakan sebagai parameter pada BPNN dan menghasilkan nilai MSE sebesar 0,00885 dan nilai RMSE sebesar 0,09412. Hasil penelitian menunjukan bahwa AG dapat digunakan untuk mengoptimasi metode BPNN dalam kasus ini