Perusahaan Air Minum Daerah (PDAM) mempunyai tugas penting dalam melakukan pengelolaan dan pelayanan air bersih untuk meningkatkan kesejahteraan masyarakat Indonesia. Namun demikian jumlah volume distribusi air pada 350 PDAM seluruh Indonesia ke pelanggan mengalami penurunan yang disebabkan oleh jumlah kehilangan air dan jumlah air yang terjual. Hal tersebut terdampak pada PDAM di Surakarta berdasarkan data dari PDAM Surakarta ditemukan penurunan volume distribusi air dari tahun ke tahun.
Berdasarkan hal tersebut, perlu dilakukan analisis volume distribusi air PDAM di Surakarta supaya pihak PDAM Kota Surakarta bisa menekan kerugian di masa yang akan datang dan meningkatkan pelayanan kepada pelanggan. Salah satu model regresi yang memiliki tingkat error data relatif rendah dan baik dalam proses generalisasi adalah jaringan syaraf tiruan (JST) karena didukung oleh data training yang cukup dan proses pelatihan yang menyesuaikan bobot sehingga model ini mampu untuk memprediksi data time series dan nonlinear untuk beberapa periode waktu ke depan. JST backpropagation dengan particle swarm optimization (PSO) memberikan kesalahan yang lebih kecil dibandingkan JST backpropagation. Metode JST backpropagation digunakan untuk menentukan arsitektur data dan melatih data tersebut untuk mengenali pola dari input data kemudian dilakukan pengujian data tersebut untuk mengetahui output kemudian dilakukan analisis. PSO digunakan untuk menentukan bobot awal untuk inisialisasi proses pelatihan data pada JST. Penelitian ini bertujuan untuk menerapkan PSO pada JST backpropagation dan menentukan nilai akurasi pada data volume distribusi air PDAM di Surakarta.
Berdasarkan hasil dan pembahasan, diperoleh kesimpulan bahwa pelatihan JST dengan PSO memiliki nilai MSE terendah dengan data volume distribusi air PDAM Surakarta berada pada arsitektur jaringan 2-4-1, laju pembelajaran sebesar 0.7. Didapat MSE pelatihan 0.0001064 dan MSE pengujian 0.0001348 dengan akurasi model yang dihasilkan 95,7%.