Listrik merupakan kebutuhan dasar manusia yang sangat penting dalam kehidupan modern. Namun di balik pentingnya listrik, terdapat permasalahan yang seringkali muncul, yaitu tunggakan pembayaran listrik. Tingginya angka tunggakan tidak hanya berdampak negatif pada pendapatan perusahaan, tetapi juga berdampak luas bagi perekonomian negara, masyarakat, dan keberlangsungan layanan listrik. Perusahaan sangat perlu melakukan identifikasi lebih dini tentang potensi pelanggan yang menunggak. Hal ini dapat dilakukan dengan mengidentifikasi kelompok pelanggan yang menunggak menggunakan metode klasifikasi. Penelitian ini bertujuan untuk mengimplementasikan pemodelan klasifikasi Stacking Ensemble serta membandingkannya dengan base model Decision Tree, Random Forest, dan Extra Tree yang dilihat dari nilai G-Mean. Stacking Ensemble menggunakan ketiga base model tersebut dengan Regresi Logistik sebagai meta model. Proses pembentukan model Stacking Ensemble dimulai dengan melatih masing-masing base model secara terpisah menggunakan data training hingga menghasilkan prediksi. Hasil prediksi dari base model tersebut kemudian digabungkan untuk membentuk dataset baru yang digunakan sebagai input pada meta model Regresi Logistik. Dari pemodelan Stacking Ensemble, diperoleh nilai G-Mean pada data testing sebesar 0.5791. Dibandingkan model Decision Tree, Random Forest, dan Extra Tree, nilai G-Mean pada model Stacking Ensemble memiliki nilai yang paling tinggi sehingga model Stacking Ensemble menghasilkan performa yang lebih baik dibandingkan model-model pembangunnya.