Metode Time Delay Neural Network Penelitian tentang tahapan tidur dengan menggunakan sinyal EKG telah banyak dilakukan. Pada penelitian tesis ini melakukan klasifikasi tahapan tidur dari sinyal EKG dengan fitur-fitur dari domain waktu dengan menggunakan metode klasifikasi Time Delay Neural Network. Sebagai tahapan awal data dasar dari sinyal EKG akan dihitung dengan menggunakan algoritma deteksi QRS untuk memperoleh nilai R peak dan RR interval. Dari data karakteristik EKG tersebut akan digunakan dasar dari perhitungan untuk memperoleh fitur-fitur dari domain waktu yang kemudian fitur-fitur tersebut dijadikan nilai input dari klasifikasi tahapan tidur. Ada 3 model pembagian kelas tahapan tidur yang akan dibandingkan hasilnya yaitu 3 kelas yang terdiri dari Awake, NREM dan REM, 4 Kelas yang terdiri dari Awake, REM, NREM light sleep dab NREM deep sleep dan 6 kelas yang terdiri dari Awake, REM, NREM tahap 1,2,3 dan 4. Hasil klasifikasi yang terbaik didapatkan pada klasifikasi 3 kelas tahapan tidur dan menggunakan 3 time delay, yaitu dengan nilai akurasi 89,16% dan nilai kappa 0,88. Dari hasil tersebut dapat dibuktikan bahwa penggunaan fitur dari domain waktu cukup bagus digunakan untuk klasifikasi dengan menggunakan Time Delay Neural Network, dan dapat dijadikan alternatif dalam proses klasifikasi tahapan tidur. Kata Kunci : Tahapan Tidur, Sinyal ECG, Deteksi QRS, Klasifikasi, Fitur Domain Waktu