Pada penelitianini telah dilakukanstudi perbandingan algoritma klasifikasi berbasis Artificial Neural Network (ANN) dan Association Rule Mining (ARM). Studi ini dilakukan untuk melihat apakah perbedaan karakteristik dari sebuah algoritma klasifikasi akan mempengaruhi tingkat akurasi dari clasiffier yang dihasilkan. Untuk membangun classifier, ANN menggunakan jaringan syaraf tiruan yang dilatih denganmenggunakan metode pembelajaran tertentu, sedangkan classifier yang dibangun denganARM menggunakan nilai kedekatan antar ciri terhadap suatu kelas untuk melakukan klasifikasi atau disebut juga dengan rule based classification. Percobaan dilakukan dengan menggunakan dua algortima ANN dengan tipe yang berbeda. Tipe competitive network menggunakan Learning Vector Quatization (LNQ) dan tipe feed forward network menggunakan Backpropagation (BP). Sedangkan algoritma kalsifikasi ARM yang digunakan adalah Classification Based on Association (CBA). Ketiga algoritma dijalankan pada empat buah dataset dari UCI machine learning repository. Hasil percobaan memperlihatkan bahwa CBA memiliki tingkat akurasi yang setara dengan BP dan LVQ, sekaligus mampu menjelaskan hasil klasifikasi yang dilakukannya. Hasil percobaan ini juga membuktikan bahwa tingkat akurasi dari sebuah algoritma klasifikasi berbanding lurus dengan kekuatan ciri yang dimiliki oleh masing-masing kelas dalam dataset.