Tingkat stres di kalangan pelajar, baik mahasiswa maupun siswa tingkat menengah atas di Indonesia, tergolong tinggi. Saat ini, klasifikasi tingkat stres masih dilakukan secara manual, yang membutuhkan waktu yang cukup lama. Penerapan artificial intelligence, khususnya machine learning, menawarkan solusi untuk permasalahan ini melalui otomatisasi proses klasifikasi. Penelitian ini menggunakan artificial neural network dengan algoritma backpropagation dalam membangun model klasifikasi tingkat stres pelajar, yang dapat melakukan proses klasifikasi secara otomatis. Dalam perancangan model, penelitian ini menggunakan metode yang biasa digunakan pada proyek machine learning yaitu CRISP-DM. Tujuan penelitian ini adalah untuk menerapkan artificial neural network dengan algoritma backpropagation dalam membangun model klasifikasi tingkat stres pelajar, serta mengetahui pengaruh performa model berdasarkan skenario pemodelan, termasuk penerapan feature scaling dan hyperparameter tuning pada nilai hidden layer size, learning rate init, dan fungsi aktivasi. Hasil skenario terbaik didapatkan oleh model yang menerapkan feature scaling menggunakan MinMax Scaler, hidden layer size dengan 2 lapisan (25 dan 50 neuron), learning rate 0.001, dan fungsi aktivasi identity. Model ini memperoleh akurasi terhadap data pengujian sebesar 89.09%, serta rata-rata precision, recall, dan f1-score masing-masing sebesar 88.48%, 89.50%, dan 88.84%. Penerapan teknik pemodelan seperti fitur scaling dan hyperparameter tuning terbukti meningkatkan performa model secara keseluruhan.
Kata Kunci : Klasifikasi;Artificial Neural Network (ANN);Backpropagation;Feature scaling