Telah banyak penelitian mengenai prediksi curah hujan berbasis neural network, dan umumnya memakai data tahunan. Belum diketahui bagaimana jika menggunakan algoritma klasifikasi yang dimodifikasi untuk menganalisa data tersebut, seperti Nearest Neighbor. Berdasarkan hal tersebut, maka penelitian ini bertujuan untuk menguji akurasi prediksi curah hujan algoritma berbasis Nearest Neighbor dan membandingkannya dengan hasil prediksi Back Propagation Neural Network. Dari hasil penelitian dapat disimpulkan bahwa akurasi terbaik untuk prediksi 12 bulan, dihasilkan oleh BPNN–lm, 82,46%. sedangkan untuk prediksi 24 bulan, MAPE terbaik dihasilkan BPNN-lm. Sedangkan RMSE dan MAD, dihasilkan oleh BPNN-scg. Algoritma KNN belum dapat memprediksi lebih akurat dari pada BPNN Levenberg-Marquardt dalam memprediksi curah hujan. Penerapan KNN memiliki nilai lebih, yaitu memperlebar area penerapan algoritma klasifikasi NN yaitu pada prediksi timeseries curah hujan.