Aritmia, yang juga dikenal sebagai ketidakteraturan irama jantung adalah kelainan atau gangguan dalam aktivasi atau detak normal miokardium jantung. Elektrokardiogram (EKG) adalah teknik yang biasa digunakan untuk mendeteksi aritmia. Namun, salah satu masalah utama dalam mendeteksi aritmia adalah karena sinyal EKG yang sensitif terhadap kebisingan dan artefak, seperti gangguan kabel listrik, aktivitas otot, masalah kontak elektroda, dan artefak gerakan. Akibatnya, bentuk gelombang dapat berubah dan analisis dapat menjadi tidak akurat. Pada penelitian ini penulis akan mengembangkan model klasifikasi menggunakan transformasi wavelet dan filter bank untuk meningkatkan akurasi klasifikasi aritmia. Transformasi wavelet Daubechies6 akan dikombinasikan dengan filter bank kemudian variasi orde pada filter bank untuk mendeteksi aritmia pada sinyal EKG akan dianalisis. Dataset yang digunakan hanya diambil dari MIT-BIH dengan 40 subjek; 2 lead dari lead MLII dan VI; dan hanya mengklasifikasikan lima kategori denyut EKG berdasarkan standar AAMI. Hasil pengujian menunjukkan bahwa konfigurasi wavelet db6 level 2 yang dikombinasikan dengan filter bank pengalami pengingkatan akurasi sebesar 0,5-0,93%. Selain itu, skenario variasi orde pada filter bank Butterworth pada orde 3 menghasilkan performa klasifikasi terbaik dengan akurasi rata-rata mencapai 97,42%. Hal ini mengalami peningkatan sebesar 0,36% dari skenario orde 2 dan mengalami penurunan sebesar 0,43% ke orde 4. Metrik performansi lain seperti presisi, recall, F1-score, dan confusion matrix dihitung dan dianalisis pada tahap akhir proses klasifikasi untuk mengevaluasi kinerja sistem secara menyeluruh.