Penelitian ini bertujuan untuk merancang dan membangun sistem klasifikasi tingkat kebisingan di ruang perpustakaan menggunakan metode Artificial Neural Network. Sistem ini menggunakan sensor suara INMP441 untuk menangkap sinyal suara dari lingkungan perpustakaan. Data yang diperoleh kemudian diolah menjadi beberapa parameter, yaitu amplitude sinyal, energi suara, dan nilai root mean square (RMS), yang selanjutnya digunakan sebagai input pada model ANN. Proses klasifikasi dilakukan untuk mengkelompokkan tingkat kebisingan menjadi tiga kategori yaitu tenang, sedang, bising. Hasil klasifikasi ditampilkan melalui layar OLED serta indikator LED sebagai media informasi visual. Mikrokontroler ESP32 digunakan sebagai pusat pengolahan data karena memiliki kemampuan dalam pemrosesan data secara real-time. Berdasarkan hasil perancangan dan implementasi awal, sistem yang dibangun mampu menampilkan hasil klasifikasi tingkat kebisingan secara real-time sesuai dengan kondisi lingkungan diruang perpustakaan. Penelitian ini diharapkan dapat membantu mengklasifikasi 3 kategori kebisingan tenang, sedang, bising guna menciptakaan suasana yang kondusif. Berdasarkan hasil pengujian menggunakan Confusion Matrix, sistem mampu melakukan klasifikasi dengan baik terhadap tiga kategori tingkat kebisingan. Dari 15 data pengujian yang digunakan, sebanyak 14 data berhasil diklasifikasikan dengan benar, sedangkan 1 data mengalami kesalahan klasifikasi, yaitu kategori sedang yang diprediksi sebagai kategori bising. Hasil evaluasi menunjukkan nilai Accuracy sebesar 93,33%, Precision sebesar 94,44%, Recall sebesar 93,33%, dan F1-Score sebesar 93,27%. Hasil tersebut menunjukkan bahwa metode Artificial Neural Network dapat digunakan untuk melakukan klasifikasi tingkat kebisingan di ruang perpustakaan berdasarkan parameter amplitudo, energi suara, dan Root Mean Square (RMS).