Iik Muhammad M M, S. Kom., M.T Dosen Pembimbing 1 Helfy Susilawati, S.Pd, M.T. Dosen Pembimbing 1 Bayu Rubi Galih Habibi Dosen Pembimbing 1

Tingkat kematian yang tinggi di Indonesia menunjukkan betapa pentingnya memberikan perhatian lebih terhadap tingginya prevalensi penyakit jantung. Sesuai diagnosa dokter, jumlah penderita jantung di Indonesia terus meningkat. Sekitar 0,5% berada di Jawa Barat atau sekitar 160.812 jiwa. Penelitian ini yaitu membuat model klasifikasi penyakit jantung menggunakan metode convolution neural network. Langkah pertama adalah pelabelan data set Normal ecg dilabelkan dengan 0, Myocardial infraction dilabelkan dengan 1, Condition distrubance dilabelkan dengan 2, Hypertrophy dilabelkan dengan 3. Dengan data yang diperoleh dari PTB Diagnostic ECG Database http://physionet.org. Akurasi dalam default parameter model mencapai 28%, sementara pada model hyperparameter menunjukkan nilai akurasi sebesar 97%. Sensitivitas pada default parameter tercatat sebesar 15%,53%,24%,21% sedangkan nilai sensitivitas pada hyperparameter mencapai 99%,97%,98%,95%. Presisi Dalam default paramaeter, nilai presisi model adalah 19%,28%,35%,26%, sementara pada hyperparameter, nilai presisi mencapai 94%,98%,98%,98%. F1 score pada default parameter mencapai 17%,37%,28%,23% sedangkan pada hyperparameter nilai F1 score mencapai 97%,98%,98%96%. Penggunaan model hyperparameter dalam pengembangan model klasifikasi penyakit jantung dari sinyal EKG memberikan hasil yang lebih baik dibandingkan dengan metode CNN yang menggunakan defaultparameter.