Peramalan merupakan proses memperkirakan peristiwa atau kejadian di masa depan. Salah satu metode peramalan adalah jaringan saraf tiruan, yaitu sistem komputasi arsitektur dan operasi yang bentuknya mengikuti sistem sel saraf biologi dalam otak. Salah satu jenis jaringan saraf tiruan yang dapat digunakan untuk peramalan adalah jaringan umpan maju atau feedforward neural network (FFNN). Feedforward neural network merupakan jaringan yang saling terhubung antara satu titik dengan titik lainnya yang mengalir maju tanpa adanya umpan balik. Algoritma yang sering digunakan dalam peramalan jaringan saraf tiruan adalah algoritma backpropagation, di mana algoritma ini bekerja dengan mengoptimalkan bobot dan bias untuk meminimumkan error. Penelitian ini bertujuan untuk meramalkan volume sampah Kota Samarinda menggunakan arsitektur FFNN terbaik. Hasil penelitian menunjukkan arsitektur FFNN terbaik yang digunakan adalah sebanyak 5 neuron pada lapisan tersembunyi dengan proporsi data training dan testing sebesar 80:20. Arsitektur tersebut menghasilkan MAPE pada data training sebesar 1,85064% dan RMSE sebesar 1.280,23, serta MAPE pada data testing sebesar 3,18232% dan RMSE sebesar 2.139,48. Hasil peramalan volume sampah Kota Samarinda untuk periode bulan Juli 2024 sampai Juni 2025 menunjukkan tren naik, dengan volume sampah tertinggi terjadi pada bulan April 2025 sebesar 56.141,13 m3 dan volume sampah terendah terjadi pada bulan Mei 2025 sebesar 54.432,84 m3.