Sleep Apnea merupakan penyakit gangguan tidur yang bisa berakibat kematian. Hanya dengan menggunakan uji polysomnography penyakit Sleep Apnea dapat dideteksi. Uji polysomnography rumit dan dana yang dibutuhkan juga mahal. Penelitian ini bertujuan untuk mendukung penelitian pembuatan perangkat keras pendeteksi penyakit gangguan tidur menggunakan sensor electrocardiography (ECG). Penelitian ini mencoba mengkaji implementasi algoritma jaringan saraf tiruan Backpropagation untuk mengklasifikasikan data hasil ekstraksi data ECG. Penulis mengadopsi implementasi algoritma Backpropagation pada papan FPGA dari penelitian yang sudah ada lalu mengadaptasikannya untuk mengklasifikasikan data ekstraksi ECG dengan cara mendeteksi keberadaan Sleep Apnea pada setiap menit data ekstraksi ECG. Penulis juga membuat implementasi aplikasi berbasis sistem operasi Android yang menyimulasikan proses klasifikasi data ECG. Penulis juga melakukan porting kode sumber aplikasi Android menjadi kode aplikasi Java untuk menganalisis akurasi algoritma Backpropagation terhadap proses klasifikasi data RGB dan data ECG. Analisis menggunakan metode Validasi Silang K-Fold dengan K bernilai 10 pada aplikasi Java menunjukan bahwa rata-rata akurasi algoritma Backpropagation terhadap data RGB mencapai 97.67% dan terhadap data ECG mencapai 86.8%. Hasil percobaan dengan implementasi algoritma Backpropagation pada FPGA menggunakan representasi bilangan two’s complement fixed point 12 bit menunjukan terjadinya penurunan akurasi sebesar 1% jika dibandingkan dengan akurasi algoritma pada aplikasi Java yang dibuat oleh penulis.