<![CDATA[Jantung merupakan organ tubuh manusia yang berfungsi untuk memompa darah ke seluruh tubuh.Dalam proses mendiagnosis kelainan jantung dapat denganElektrokardiogram (EKG). Elektrokardiogram (EKG) adalahsalah satu tes untuk mengetahui detak jantung menggunakanmesin pendeteksi impuls listrik atau disebut denganelektrokardiograf.. EKG dilakukan jika kamu mengalamigangguan irama jantung (aritmia), dimana kecepatan detakjantung penderitanya berdetak tidak normal sepertidetakannya cepat, detakan lambat, atau tidak beraturan.Dalam pengklasifikasian sinyal EKG pada jantung diperlukandeep learning karena dapat menganalisis data dalam skalabesar, diagnosa lebih cepat dan efisien, dan akurasi lebih tinggidibanding metode tradisional. Pada penelitian ini penulismelakukan pengklasifikasian menggunakan Deep Learning,dengan mengklasifikasikan sinyal EKG yang dipecah menjadi 2kelas, yaitu Normal Sinus Rhythm (NSR) dan Arrhythmia. Padatugas akhir ini merancang system deteksi Aritmia denganmetode Convolutional Neural Network (CNN) 1 Dimensi.Skenario uji dilakukan dengan membandingkan jenis optimizer,nilai learning rate, dan batch size agar memperoleh hasilterbaik. Pada tugas akhir ini membentuk sistem untuk deteksiAritmia dengan metode Convolutional Neural Network (CNN)1- Dimensi. Skenario uji membandingkan nilai learning rate,mencari optimizer terbaik, dan mencari batch size yang tepatuntuk mendapatkan akurasi terbaik. Hasil Uji terbaikdidapatkan dengan memakai optimizer RMSProp, learningrate 0.01, dan batch size 8. Didapatkan hasil hampir sempurnayaitu akurasi 99% , recall 99%, presisi 99%, dan f-1 score 99%.Kata Kunci : Convolutional Neural Network (CNN), PenyakitJantung, PhysioNet]]>
