Penyakit jantung merupakan salah satu penyebab utama kematian nomor satu di
dunia. Salah satu penyakit jantung yang perlu diperhatikan adalah aritmia. Aritmia
merupakan gangguan pada detak jantung yang tidak teratur. Penyakit ini dapat didiagnosa menggunakan Elektrokardiogram (EKG). EKG merupakan gambar grafik
aktivitas dari jantung, melalui alat yang dipasang pada tubuh manusia. Untuk pembacaan sinyal EKG biasanya dilakukannya oleh dokter dengan cara manual untuk
menentukan diagnosanya.Terdapat beberapa penelitian di bidang signal processing
untuk mengidentifikasi penyakit jantung secara otomatis menggunakan deep learning.
Pada tugas akhir ini dibuat sistem identifikasi kelainan sinyal EKG menggunakan metode convolutional neural network (CNN) satu dimensi. Data yang digunakan
dalam penelitian ini diambil dari MIT-BIH sejumlah 150 rekaman yang terdiri dari Normal Sinus Rhythm (NSR) 55 Rekaman, Atrial Fibrillation (AF) 40 rekaman,
dan Congestive Heart Failure (CHF) 55 rekaman. Rekaman tersebut akan digunakan sebagai data latih dan data uji dalam identifikasi kelainan pada sinyal EKG.
Pada penelitian Tugas Akhir ini melakukan analisis performansi sistem berdasarkan pengaruh normalisasi, hidden layer, optimizer, dan learning rate terhadap
hasil akurasi. Parameter performansi yang digunakan untuk mengevaluasi sistem
yaitu akurasi, precision, recall, dan f1 score. Performansi sistem tugas akhir ini
mencapai 100% sehingga sistem ini dapat diimplementasikan secara efektif.
Kata Kunci : Elektrokardiogram (EKG), Convolutional Neural Network (CNN)
1D, Normal Sinus Rhythm (NSR), Atrial Fibrillation (AF), Congestive Heart Failure
(CHF).