<p class="Text"><em>Electricity is energy that flows through cable networks and has become an important part of the progress of human civilization in various fields. The high demand for electrical energy for consumers requires providers of electrical energy to provide a reliable but economical supply of electrical energy. Therefore, strategies and methods are needed to adjust the supply and demand of electrical energy. This can be achieved by carrying out proper and appropriate operational planning. One of the important steps in planning the operation of an electric power system is predicting the demand for electrical energy. However, in the existing research there are still deficiencies in the form of a high error rate. The purpose of this study was to determine the implementation of the multilayer perceptron artificial neural network to predict electricity in 2022-2026 at PT PLN (Persero) UP3 Salatiga. The study used time series data on electricity consumption for the previous 5 years. Based on the research that has been done, the best network variation is TRAINGDA 4 hidden layer with 20 hidden layer nodes, this network model at the training stage produces output with MAD of 2,624,072 kWh and MAPE of 2.79%, and at the stage testing produced an output with MAD of 3,728,386 kWh and MAPE of 3.24%.</em></p><p> </p><p><strong><em>Keywords</em></strong><em>: </em><em>M</em><em>ultilayer perceptron artificial neral network, </em><em>F</em><em>orecasting, </em><em>E</em><em>lectricity consumption.</em></p><p><em><br /></em></p><p class="Abstract" align="center"><strong>ABSTRAK  </strong></p><p class="Text">Listrik merupakan energi yang mengalir melalui jaringan kabel serta sudah menjadi bagian yang penting dalam kemajuan peradaban manusia di berbagai bidang. Tingginya kebutuhan energi listrik pada konsumen mengharuskan penyedia energi listrik menyediakan suplai energi listrik yang handal tetapi tetap ekonomis. Oleh karena itu, diperlukan strategi dan metode untuk penyesuaian antara <em>supplay</em> dan <em>demand</em> energi listrik. Hal tersebut dapat dicapai dengan melakukan perencanaan operasi yang baik dan tepat, salah satu langkah perencanaan operasi sistem tenaga listrik yang penting yaitu prediksi kebutuhan energi listrik. Namun dalam penelitian yang ada masih terdapat kekurangan berupa tingkat kesalahan yang masih cukup tinggi. Tujuan dari penelitian ini adalah untuk mengetahui implementasi <em>multilayer perceptron artificial neural network</em> untuk melakukan prediksi listrik pada tahun 2022-2026 pada PT PLN (Persero) UP3 Salatiga. Penelitian menggunakan data <em>time series</em> konsumsi energi listrik 5 tahun sebelumnya. Berdasarkan penelitian yang telah dilakukan didapatkan variasi jaringan terbaik yaitu TRAINGDA 4 <em>hidden layer</em> dengan 20 <em>node hidden layer</em>, model jaringan ini pada tahap <em>training</em> menghasilkan <em>output</em> dengan nilai MAD sebesar 2,624,072 kWh dan MAPE sebesar 2.79%, serta pada tahap <em>testing</em> menghasilkan <em>output</em> dengan nilai MAD sebesar 3,728,386 kWh dan MAPE sebesar 3.24%.</p>