Abstrak−Bandar Udara di Indonesiasering menghadapi masalah cuaca buruk yang mempengaruhi jarak pandang dan berdampak pada operasional penerbangan. Data historis menunjukkan adanya beberapa insiden yang disebabkan oleh penurunan jarak pandang karna adanya kabut ataupun hujan yang mengakibatkan penundaan dan pembatalan penerbangan. Dapat dikatakan bahwapentingnya estimasi jarak pandang yang lebih akurat untuk meningkatkan keselamatan dan efisiensi operasional di bandarudara. Tujuan dari penelitian ini untuk mengetahui kinerjamodelBack Propagation dan ConvolutionalNeural Network(CNN)dalam mengestimasi jarak pandang meteorologi di Bandar Udarakarena jarak pandang yang akurat sangat penting dalam menentukan keputusan operasional, terutama pada saat kondisi cuaca buruk. Pemilihan metode Back Propagation didasarkan pada keunggulannya dalam menangani berbagai jenis data dengan dinamis dan terarahsehinggalebih tepat dalam prediksi jarak pandang berdasarkan variabel-variabel meteorologi yang saling terkait. Sedangkan Convolutional Neural Network(CNN)sangat efektif dalam menangani masalah yang melibatkan data berbentuk gambar.Namun saat ini cukup banyak penelitian yangmenggunakan CNN untukpemrosesan textkarena hasilnya yang cukup menjanjikan.Data yang digunakan adalah data meteorologi yang mencakup suhu, kelembapan, tekanan udara, kecepatan angin danparameterlainnyadi Bandar Udara Radin Inten II. Dari hasil penelitian ini,model Backpropagation lebih baik dalam ROC AUC (85%) dibandingkan dengan CNN (84%), ini menunjukkan sedikit keunggulan dalam membedakan kelas.Model CNN lebih baik dalam Precision sebesar 71%dibandingkan dengan Back Propagation 70%, yang berarti sedikit lebih baik dalam menghindari prediksi yang salah positif.CNN memiliki korelasi lebih tinggi pada data uji (0.20)dibandingkan dengan Back Propagation (0.18) menunjukkan prediksinya sedikit lebih sejalan dengan data aktual.Selisih korelasi lebih besar pada CNN (0.18) dibandingkan dengan Back Propagation (0.10)menunjukkan kemungkinan overfitting CNN yang lebih tinggi dibandingkan BP.Karena kedua model menunjukkan performa yang hampir samadan perbedaannya tidak terlalu signifikan, maka pemilihan model bisa bergantung pada kebutuhan spesifik dalam implementasi.Jika tujuannya adalah mendapatkan model yang lebih stabil, maka Backpropagation lebih direkomendasikan karena memiliki selisih korelasi lebih kecil dan ROC AUC lebih tinggi. Namun, jika yang dicari adalah model dengan prediksi yang lebih akurat dalam skenario nyata, maka CNN bisa menjadi pilihan lebih baik karena memiliki Precision lebih tinggi dan korelasi uji lebih baik.