Salah satu hasil ilmu kecerdasan buatan yang terinspirasi dari cara kerja neuron pada otak manusia menggunakan jaringan nalar buatan atau dikenal sebagai Neural Network (NN). NN cukup membantu pada data scientist, di mana data scientist tidak harus memasukkan perintah baru untuk setiap pola baru yang berbeda. Peneliti membangun sistem untuk mengklasifikasikan penyakit jantung berdasarkan hasil citra EKG dengan menggunakan metode Convolution Neural Network (CNN). Evaluasi program didasarkan pada parameter Receiver Operating Characteristics (ROC) yang meliputi akurasi, sensitivitas, spesifisitas, presisi, F1-Score, kurva Receiver Operating Characteristics (ROC). Penelitian ini menggunakan data sekunder MIT-BIH sebanyak 36 citra. Perbandingan jumlah citra yang digunakan untuk training data dan testing data adalah 50:50. Penelitian ini hanya berfokus untuk mengklasifikasikan citra menjadi dua kelompok, yaitu normal beat dan aritmia menggunakan metode klasifikasi Convolution Neural Network (CNN). Proses klasifikasi mampu mencapai tingkat akurasi sebesar 94,4%, tingkat sensitivitas sebesar 100%, tingkat spesifisitas 88,9%, tingkat presisi 90%, tingkat F1-score 94,7%, dan error 5,6%. Ini dapat disimpulkan bahwa CNN mampu mengklasifikasikan citra aritmia dan normal dengan sangat baik.