Memprediksi penyakit biasanya dilakukan berdasarkan pengalaman dan pengetahuan dokter. Diagnosis penyakit secara tradisional seperti itu kurang efektif dilakukan. Pengembangan diagnosis medis berdasarkan pembelajaran mesin dalam hal prediksi penyakit memberikan diagnosis yang lebih akurat dibandingkan dengan cara tradisional. Dalam hal memprediksi penyakit dapat menggunakan jaringan saraf tiruan. Jaringan saraf tiruan terdiri dari berbagai macam algoritma salah satunya Algoritma Backpropagation. Dalam makalah ini diusulkan sistem prediksi penyakit menggunakan algoritma Backpropagation. Algoritma Backpropagation sering digunakan dalam prediksi penyakit, tetapi algoritma Backpropagation terdapat sedikit kekurangan yaitu cenderung lama dalam mendapatkan nilai akurasi yang optimum. Oleh karena itu diperlukan kombinasi dengan menggunakan algoritma yang dapat mengatasi kekurangan algoritma Backpropagation tersebut dengan menggunakan keberhasilan algoritma Gravitational Search Algorithm (GSA) yaitu dapat mengatasi konvergensi lambat dan masalah minimum lokal yang terdapat di algoritma Backpropagation. Sehingga penulis mengusulkan untuk mengkombinasikan algoritma Backpropagation menggunakan algoritma Gravitational Search Algorithm (GSA) dengan harapan dapat meningkatkan hasil akurasi yang lebih baik dibandingkan hanya menggunakan algoritma Backpropagation saja. Hasil yang didapatkan menghasilkan tingkat akurasi yang lebih tinggi dengan jumlah iterasi yang sama dibandingkan hanya menggunakan Backpropagation saja. Dapat dilihat pada percobaan pertama data penyakit kanker payudara dengan parameter yaitu hidden layer sebesar 5, learning rate sebesar 2 dan iterasi sebanyak 5000 menghasilkan akurasi sebesar 99,3 % dengan error 0.7 % pada Algoritma Backpropagation, sedangkan pada kombinasi BP & GSA mendapat akurasi sebesar 99.68 % dengan error sebesar 0.32%.