<p><em>Student’s graduation is one kind of the college accreditation elements by BAN-PT. Because of that. Information System is one of the department in STMIK Banjarbaru, there is no application has been implemented to predict imprecisely of student’s graduation time so far, which causes on time graduation percentage tend low every year. Therefore the accurate student’s graduation prediction can help the committe to choose the correct decisions in order to prevent the imprecisely of student’s graduation time. In this research, the backpropagation algorithm of artificial neural network will be implemented into the application with the output result as delayed and on time graduation. This reseach is using 318 data samples which the 70 % of it will be used as the training data and the other 30 % will be used as testing data. From the calculation of confusion matrix table’s the percentage of the prediction accuracy is 98.97 %.</em></p><p><em></em><em><strong>Keywords</strong>: student’s graduation, artificial neural network, backpropagation, confusion matrix</em></p><p><em></em><em>Kelulusan mahasiswa merupakan salah satu elemen dalam standar akreditasi perguruan tinggi oleh BAN-PT. Sistem Informasi adalah salah satu program studi yang ada di STMIK Banjarbaru, selama ini belum ada aplikasi yang diimplementasikan untuk memprediksi ketidaktepatan waktu kelulusan mahasiswanya yang menyebabkan angka kelulusan tepat waktu cenderung rendah setiap tahunnya. Oleh sebab itu, prediksi kelulusan mahasiswa yang akurat dapat membantu pihak Program Studi dalam mengambil keputusan-keputusan yang tepat untuk mencegah ketidaktepatan waktu kelulusan mahasiswanya. Pada penelitian ini, artificial neural network algoritma backpropagation diimplementasikan pada aplikasi yang dibuat dengan output lulus terlambat dan lulus tepat waktu. Penelitian ini menggunakan sebanyak 318 sampel data yang mana 70 % data digunakan sebagai data training dan 30 % data digunakan sebagai data testing. Dari hasil perhitungan tabel confusion matrix diperoleh persentase akurasi prediksi sebesar 98.97 %.</em></p><p><em></em><em><strong>Kata kunci</strong>: kelulusan mahasiswa, artificial neural network, backpropagation, confusion matrix</em></p>