Penyakit tiroid, seperti hipotiroidisme dan hipertiroidisme, merupakan gangguan endokrin yang sering ditemukan dan dapat menyebabkan komplikasi serius jika tidak terdeteksi dan ditangani dengan cepat. Metode diagnosis konvensional sering kali kesulitan dalam menangani data yang kompleks dan tidak linier, sehingga dibutuhkan pendekatan yang lebih efisien. Penelitian ini bertujuan untuk mengembangkan model klasifikasi penyakit tiroid menggunakan algoritma Artificial Neural Network (ANN). Model ANN dibangun menggunakan 383 rekam medispasien dengan riwayat penyakit tiroid untuk melatih model dalam mengenali pola dan mengklasifikasikan kondisi tiroid. Evaluasi dilakukan dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model ANN mencapai akurasi tinggi 97%, dengan peningkatan akurasi dan penurunan loss yang signifikan seiring berjalannya epoch. Evaluasi untuk kedua kelas (Ya dan Tidak) juga menunjukkan hasil yang memuaskan, dengan nilai recall dan akurasi yang tinggi. Confusion Matrix membuktikan bahwa model mampu mengklasifikasikan seluruh data dengan benar. Kesimpulannya, model ANN ini efektif dalam klasifikasi penyakit tiroid dan dapat berpotensi diterapkan dalam sistem pendukung keputusan klinis. Namun, penelitian ini memiliki keterbatasan pada jumlah dan keragaman dataset yang terbatas, yang dapat mempengaruhi kemampuan generalisasi model. Untuk penelitian selanjutnya, disarankan untuk menggunakan dataset yang lebih besar dan lebih beragam, serta membandingkan dengan algoritma lain seperti RandomForest atau Support Vector Machine (SVM) untuk meningkatkan akurasi dan efisiensi model dalam klasifikasi penyakit tiroid.