Penyakit jantung merupakan penyakit dengan tingkat mortalitas tertinggi di dunia. Terdapat 17.7 juta (31%) penduduk di dunia mengalami kematian akibat penyakit jantung. Aritmia adalah salah satu penyakit jantung yang disebabkan oleh gangguan pembangkitan impuls atau konduksi jantung, yang menyebabkan detak jantung tidak teratur. Pengecekan dan pemantuan Aritmia dilakukan menggunakan Elektrokardiogram (EKG), analisis dilakukan secara manual oleh para profesional medis. Namun, sering kali membutuhkan waktu, subkektif dan rentan terhadap kesalahan. Oleh karena itu, penelitian ini mengusulkan sistem klasifikasi Aritmia pada sinyal EKG menggunakan arsitektur Long Short Term Memory (LSTM), BILong Short Term Memory (BI-LSTM) dan Nested Long Short Term Memory (NLSTM).
Klasifikasi dilakukan terhadap delapan jenis ritme aritmia menggunakan dataset MIT-BIH Arrhythmia. Tahapan mencakup penyeimbangan durasi tiap label, filtering sinyal dengan filter butterworth dan zero phase filtering, pembentukan sliding window dengan panjang 3, 5, dan 10 kompleks sinyal jantung yang akan menjadi input, serta normalisasi dan label encoding. Data yang telah diproses dimasukkan ke dalam model dengan kombinasi optimizer (Adam, RMSprop, SGD) dan batch size (16, 32, 64). Evaluasi dilakukan dengan metrik accuracy, precision, recall, F1-score, confusion matrix, AUC dan ROC.
Hasil menunjukkan bahwa model LSTM dengan window 10 kompleks, optimizer RMSprop dan batch size 32 memberikan performa terbaik dengan akurasi 96.51%. BI-LSTM memiliki performa terbaik kedua pada window 5, sedangkan NLSTM menunjukkan hasil terendah karena kompleksitas model serta keterbatasan perangkat keras yang menyebabkan out of memory. Meskipun durasi data telah disamakan, jumlah window tetap berbeda antar kelas karena variasi pola detak.
Kata kunci: Aritmia, BILSTM, LSTSM, NLSTM, Klasifikasi, Ritme jantung, RNN, Sinyal ECG.