Tujuan dari penelitian untuk membuat model prediksi pada arsitektur neural network terbaik dengan mengkombinasi metode k-medoids dan backpropagation pada kasus pandemi COVID-19 di Indonesia. Data diperoleh dari Kementerian Kesehatan, dicuplik dan diolah dari covid19.go.id dan bnpb.go.id. Kasus yang diangkat adalah jumlah persebaran pandemi COVID-19 di Indonesia per tanggal 7 juli 2020 yang terdari 34 record. Variabel yang digunakan pada penelitian adalah jumlah kasus positip (x1), jumlah kasus sembuh (x2) dan jumlah kasus meninggal dunia (x3) berdasarkan provinsi. Proses analisis data menggunakan bantuan software RapidMiner. Solusi yang diberikan adalah dengan mengkombinasi metode k-medoids dan backpropagation. Dimana metode k-medoids melakukan pemetaan berupa klaster yang ditentukan. Label klaster yang digunakan adalah klaster tinggi (C1= zona merah), klaster waspada (C2= zona kuning), klaster rendah (C3= zona hijau). Hasil dari pemetaan klaster dilanjutkan ke metode backpropagation untuk memprediksi hasil akurasi dari klaster yang ada. Dengan menggunakan model arsitektur terbaik 3-2-1 diperoleh nilai akurasi 94,17% dengan learning_rate= 0.696. Hasil pemetaan klaster diperoleh 9 provinsi berada di klaster tinggi (C1= zona merah), 3 provinsi berada di klaster waspada (C2= zona kuning) dan 22 provinsi berada di klaster rendah (C3= zona hijau). Diharapkan hasil dari penelitian dapat memberikan informasi kepada pemerintah berupa pemetaan klaster terhadap wilayah di Indonesia.