Sinyal elektrokardiogram (ECG) merupakan alat yang sangat penting untuk diagnosis klinis dan bisa digunakan sebagai modalitas biometrik baru. Tujuan dari penelitian ini untuk mengetahui hasil pemrosesan sinyal ECG dengan metode RNN seperti algoritma Long Short Term Memory (LSTM) dengan memanfaatkan beberapa teknik preprocessing. Pada penelitian ini sinyal ECG sendiri sebelumnya diuji terlebih dahulu dengan melakukan proses klasifikasi LSTM tanpa melakukan preprocessing dan hasil yang didapatkan adalah 0% akurasi sehingga perlu adanya preprocessing. Metode preprocessing yang diuji dengan metode klasifikasi LSTM adalah Adjacent Segmentation dan R Peak Segmentation untuk mengetahui teknis preprocessing mana yang banyak memberikan pengaruh pada akurasi klasifikasi LSTM. Hasil percobaan yang didapatkan adalah klasifikasi LSTM dengan preprocessing R Peak Segmentation mendapatkan akurasi tertinggi pada dua data yang digunakan yaitu data filtered dan raw dengan akurasi masing-masing 80,7% dan 78,95%. Sedangkan akurasi yang didapatkan dari klasifikasi LSTM saat menggunakan preprocessing adjacent segmentation kurang baik. Penelitian ini mengindentifikasi perbandingan akurasi LSTM dari masing-masing tahapan preprocessing yang dilakukan untuk mencari tahu mana kombinasi dengan hasil terbaik pada proses pengklasifikasian data ECG. Penelitian ini juga menawarkan wawasan baru tentang tahapan- tahapan preprocessing yang bisa dilakukan pada data ECG. 

Kata kunci - Biometrik, Elektrokardiogram, Adjacent Segmentation, R Peak Segmentation, LSTM