Kesehatan seseorang dapat terlihat dari kondisi kesehatan jantungnya. Aritmia merupakan kondisi gangguan jantung yang terjadi di kalangan masyarakat. Aritmia adalah masalah yang berkaitan dengan ritme detak jantung. Berdasarkan data epidemiologi global yang disampaikan oleh Kementerian Kesehatan Republik Indonesia pada tahun 2024, prevalensi aritmia berkisar antara 1,5% hingga 5% pada populasi. Salah satu alat untuk mendeteksi aritmia adalah Elektrokardiogram (EKG). Sinyal elektrokardiogram diklasifikasikan berdasarkan detak sesuai standar AAMI.
Penggunaan Ensemble Machine Learning membantu tenanga medis dalam mengklasifikasikan aritmia melalui sinyal EKG dengan lebih tepat serta akurat. Stacking merupakan salah satu kerangka kerja Ensemble Learning yang menggunakan penggabungan prediksi dari beberapa base learner ke dalam suatu meta-learner untuk mendapatkan tingkat akurasi akhir yang lebih baik. Algoritma Single Layer Stacking, Multi-Layer Stacking dan Blending akan abstra
Penelitian ini menguji beberapa model yaitu Single-Layer Stacking, Multi-layer Stacking, dan Blending untuk menentukan model dengan akurasi terbaik. Hasil penelitian menunjukkan bahwa Multi-layer Stacking memberikan akurasi tertinggi sebesar 85,20%. Dibandingkan dengan teknik ensemble lainnya, Stacking menawarkan solusi yang lebih fleksibel untuk penanganan data yang kompleks dan memberikan hasil prediksi yang akurat. Kesimpulan dari penelitian ini adalah Multi-layer Stacking merupakan teknik yang paling efektif untuk klasifikasi aritmia.
Kata Kunci: AAMI, Aritmia, Detak, EKG, Ensemble Machine learning, Stacking.