AbstrakKebutuhan akan informasi kesehatan paru yang akurat, khususnya bagipenderita maupun yang mengidap gejala semakin meningkat. Terutama ter-kait informasi akurasi penyebab kerusakan paru yang kurang. Kondisi inisangat menentukan berbagai aspek penurunan fungsi pada paru, salah satu-nya sebagai indikasi awal akan menimbulkan gejala penyakit pada pernapasandan tidak menyadari penurunan fungsi paru pada waktu yang cukup lama.Oleh sebab itu pengumpulan data dan prediksi akan informasi kesehatan parumenjadi sangat penting. Pada kesempatan tugas akhir ini penulis mempelajariklasifikasi dari data bunyi crackles yang di masukankan pada model EnsambleLearning dengan meningkatkan akurasi luaranDecision TreemenggunakanAdaboost,Gradientboost,dan Xgboost classifierserta mencari tinggkat akurasitertinggi dari model tersebut . Dari hasil pengujian didapatkan bahwaGradi-entboostmemiliki luaran hasil akurasi 72% merupakan luaran hasil tertinggidalam penelitian ini.Kata Kunci:Klasifikasi , Ensamble Learning, crackles.