Dalam beberapa tahun ini, perubahan cuaca yang trjadi dirasakan cukup ekstrim. Hal ini merupakan sumber
gagasan dalam penelitian ini. Pada [1] telah dibangun system cerdas untuk memprediksi temperature dan
kelembaban udara menggunakan backpropagation yang telah dimodifikasi dengan pendekatan conjugate
gradient. Pada makalah ini, dianalisis dan diimplementasikan teknik line search dalam penentuan parameter step
size sehingga dapat meminimumkan kinerja selama arah pencarian. Data yang akan digunakan dalam penelitian
ini berasal dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG). Data tersebut berupa temperatur, curah
hujan, kelembaban udara, lama penyinaran matahari, tekanan udara, arah dan kecepatan angin. Teknik line
search dalam penelitian ini adalah Golden Section Search, Brent’s Search, Hybrid Bisection-Cubic Search, dan
Charalambous’ Search. Dengan penggunaan teknik line search dalam conjugate gradient, pelatihan
backpropagation hanya memerlukan epoch yang kecil (rata-rata 27 epoch untuk data temperatur dan 25 epoch
untuk data kelembaban). Pada performansi yang sama, ini jauh lebih baik disbanding backpropagation standar
yang memerlukan di atas 1000 epoch untuk tempertaur dan 100 epoch untuk kelembaban.