Nama : Tiffany Lindy Adisuryo Program Studi : Ilmu Komputer Judul : Pengembangan Model Deep Learning untuk Klasifikasi Penyakit Katup Jantung MitralRegurgitasi dan Mitral Stenosis Berbasis Citra Elektrokardiogram Pembimbing : Ichlasul Affan, S.Kom., M.Kom. Kelainan katup jantung, khususnya Mitral Regurgitasi (MR) dan Mitral Stenosis (MS), merupakan kontributor utama morbiditas kardiovaskular di Indonesia. Keterbatasan akses terhadap ekokardiografi di fasilitas kesehatan primer mendorong perlunya solusi diagnostik yang terjangkau dan akurat. Kerja Praktik ini bertujuan untuk mengembangkan model kecerdasan buatan berbasis computer vision untuk mengklasifikasikan citra EKG menjadi tiga kategori: Normal, MR Signifikan, dan MS Signifikan menggunakan data dari RSJPD Harapan Kita. Metodologi eksperimental yang digunakan mencakup pra-pemrosesan citra, penggunaan strategi 5-Fold Stratified Cross-Validation, dan implementasi arsitektur Convolutional Neural Networks (CNN) yang meliputi DenseNet-121, ResNet-50, dan EfficientNet-B3. Hasil penelitian menunjukkan bahwa EfficientNet-B3 memiliki kemampuan generalisasi terbaik pada data independen (held-out) dengan akurasi 0,6952 dan nilai AUC 0,7460. Sementara itu, DenseNet-121 dan ResNet-50 menunjukkan performa unggul dalam mendeteksi kelas minoritas MS melalui metode Soft Voting. Implementasi struktur model hierarki terbukti efektif dalam mengatasi tumpang tindih fitur visual antara kelas MR dan MS. Proyek ini mendemonstrasikan potensi EKG sebagai alat skrining awal kelainan struktural jantung yang valid melalui integrasi teknologi deep learning.