Ikan asin merupakan salah satu produk pangan yang diawetkan menggunakan garam. Penggunaan garam yang tidak sesuai dapat memengaruhi mutu, cita rasa, dan keamanan pangan sehingga diperlukan metode yang mampu membantu mengklasifikasikan tingkat keasinan secara cepat dan konsisten. Penelitian ini mengembangkan klasifikasi tingkat keasinan ikan asin berbasis Artificial Neural Network(ANN) dengan memanfaatkan parameter Electrical Conductivity (EC) dan Total Dissolved Solids (TDS) yang tersedia pada dataset penelitian. Dataset yang digunakan terdiri atas 1.000 data pengukuran dengan tiga kelas, yaitu Rendah, Sedang, dan Tinggi. Distribusi kelas terdiri atas 91 data Rendah, 57 data Sedang, dan 852 data Tinggi. Tahap pengolahan data meliputi pemeriksaan data, label encoding, pembagian data secara stratified sebesar 80% untuk training dan 20% untuk testing, serta penskalaan RobustScaler untuk mengurangi pengaruh nilai ekstrem. Model ANN yang diperbaiki menggunakan 2 neuron pada input layer, 8 neuron pada hidden layer, dan 3 neuron pada output layer dengan aktivasi ReLU dan Softmax, optimizer Adam, learning rate 0,001, batch size 8, dan maksimum 200 epoch. Hasil pengujian pada 200 data testing menunjukkan 193 data terklasifikasi dengan benar sehingga memperoleh accuracy keseluruhan sebesar 96,50%. Nilai weighted precision sebesar 96,48%, weighted recall sebesar 96,50%, dan weighted F1-score sebesar 96,43%. Hasil tersebut menunjukkan bahwa EC dan TDS dapat digunakan sebagai fitur untuk membantu klasifikasi tiga tingkat keasinan pada dataset penelitian.