Jantung adalah organ utama dalam sirkulasi darah, memainkan peran krusial dalam menyuplai oksigen ke seluruh tubuh. Pada keadaan normal seluruh komponen pembentuk jantung bekerja saling melengkapi agar jantung berfungsi memompa darah secara memadai dan tanpa berhenti. Denyut jantung normal pada orang dewasa berkisar dari 60 sampai 100 kali per menit. Gangguan irama jantung atau aritmia, dapat menyebabkan berbagai masalah kesehatan. Aritmia terbagi menjadi dua jenis utama, yaitu Sinus Bradikardi dengan irama sinus yang lambat dan Sinus Takikardi dengan irama sinus yang lebih cepat, salah satu penyebab dari aritmia yaitu dapat dipicu karena stress. Komplikasi yang mungkin timbul akibat adanya gangguan irama jantung adalah sinkop (pingsan), hipertensi, sesak napas, kelenjar keringat dan lain-lain. Dalam upaya pencegahan dan pengelolaan penyakit aritmia, proyek akhir ini bertujuan untuk mengembangkan sistem deteksi yang menggunakan sensor Elektrocardiogram (ECG) dan Sensor Galvanic Skin Response (GSR). Metode yang digunakan adalah ANN (Artificial Neural Network). Metode ini akan mengklasifikasikan status kondisi jantung normal, bradikardia dan tacikardia dengan menggunakan data hasil dari sensor ECG. Proses dimulai dengan pembacaan sensor Elektrocardiogram (ECG) dan Sensor Galvanic Skin Response (GSR) kemudian data diproses pada mikrokontroler ESP32 dengan metode ANN (Artificial Neural Network) dengan komulikasi Bluetooth dengan hasil ditampilkan pada GUI. Dengan dirancangnya alat deteksi pada aritmia seseorang dapat memantau kondisi jantungnya sendiri dan mengidentifikasi potensi masalah kesehatan jantung sejak dini. Hasil pemodelan neural network didapatkan berdasarkan trial dan error, dalam tahapan dilakukan dengan mencoba-coba untuk mendapatkan performa model yang paling baik. Dimana dengan menggunakan 2 ayer dengan masing masing 10 neuron dan aktivasi ReLU dengan Tingkat akurasi 100%. Tingkat akurasi pada klasifikasi untuk kondisi bradikardia, normal dan takikardia menggunakan metode ANN sebesar 99,8%. Berdasarkan hasil percobaan dapat disimpulkan bahwa deteksi aritmia dini dengan pengukuran sensor AD8232 dan sensor GSR meililiki keterkaitan dengan akurasi 99,8%, namun pada sensor GSR diperlukan alat pembanding agar lebih akurat.