Optimalisasi suatu prediksi (peramalan) sangat penting dilakukan agar hasil yang diprediksikan diperoleh menjadi lebih baik dan berkualitas. Dalam penelitian ini, penulis mengoptimalkan penelitian sebelumnya yang dilakukan oleh Purnamasari 2013 menggunakan algoritma backpropagation. Proses optimasi menggunakan algoritma conjugate gradient beale-powell restart. Data yang diprediksi adalah data data gejala TB yang diterbitkan Balai Kesehatan Paru Masyarakat (BKPM) kota Pekalongan 2013. Penelitian sebelumnya menghasilkan arsitektur terbaik dengan iterasi 1000 dan layer tersembunyi 100 nilai MSE sebesar 0,00144 dengan waktu training 11 detik, akurasi yang didapatkan 100%. Penelitian ini mengoptimalkan backpropagation dengan conjugate gradient beale-powell restart, yang tidak hanya berfokus pada akurasi tetapi juga konvergensi dari hasil prediksi, yang tidak dilakukan dalam penelitian sebelumnya. Penelitian ini menggunakan arsitektur terbaik dengan iterasi 60 dan layer tersembunyi 100 nilai MSE sebesar 0,0004 dengan waktu training 4 detik akurasi yang didapatkan 100%. Algoritma ini cukup baik untuk prediksi, karena hasil prediksi bersifat konvergen.
