ABSTRAK Nama : Fityan Azizi Program Studi : Magister Ilmu Komputer Judul : Model Encoder-Decoder Untuk Segmentasi Ventrikel Kiri Pada Citra Ekokardiografi Pembimbing : Prof. Dr. Eng. Wisnu Jatmiko, S.T., M.Kom. Penyakit kardiovaskular merupakan penyakit dengan angka kematian tertinggi di dunia. Fungsi jantung perlu diperiksa secara akurat dan efisien agar penyakit kardiovaskular da- pat terdeteksi dengan baik. Penilaian fungsi jantung umumnya dilakukan dengan mem- beri tanda ventrikel kiri secara manual. Hal tersebut memiliki kekurangan karena dapat memakan waktu, rawan kesalahan karena resolusi citra yang rendah, dan memiliki perbe- daan hasil yang bervariasi antar pemeriksa. Oleh karena itu, penandaan ventrikel kiri secara otomatis dengan segmentasi sangat penting agar pemeriksaan fungsi jantung da- pat dilakukan lebih efektif dan efisien. Dalam penelitian ini, dilakukan pengembangan model deep learning untuk pekerjaan segmentasi ventrikel kiri pada citra ekokardio- grafi menggunakan encoder yang dimiliki U-Net, ditambahkan dengan modul Atrous Spatial Pyramid Pooling dan decoder yang dimiliki DeeplabV3+. Selanjutnya, ditam- bahkan Coordinate Attention pada tahap akhir dalam encoder untuk penyempurnaan fi- tur. Dilakukan uji pada dataset Echonet-Dynamic, Hasil penelitian menunjukkan bahwa melakukan penggabungan antara encoder yang dimiliki U-Net dan decoder yang dimiliki DeeplabV3+ mampu memberikan peningkatan performa dibandingkan model U-Net dan DeeplabV3+, juga memberikan hasil yang lebih baik dibandingkan penelitian sebelum- nya, dengan menghasilkan nilai dice similiarity coefficient sebesar 92.91%. Kata kunci: Fungsi Jantung, Ekokardiografi, Segmentasi Citra, Deep Learning, U-Net, DeeplabV3+