Ekokardiografi adalah pemeriksaan yang menggunakan gelombang suara frekuensi tinggi untuk menggambarkan struktur jantung. Ekokardiografi digunakan oleh dokter untuk menganalisis pergerakan dinding di ruang jantung dan mengidentifikasi penyakit jantung. Beberapa gambar termasuk long axis, 2 dan 4 chamber ventrikel kiri dapat digunakan untuk memeriksa fungsi jantung. Beberapa penelitian yang telah dilakukan khususnya evaluasi jantung masih dilakukan secara konvensional dan memerlukan tingkat ketelitian tertentu. Dalam penelitian ini diusulkan beberapa langkah metode untuk mencapai ekstraksi objek yang digunakan untuk membangun sistem klasifikasi, langkah-langkah tersebut dimulai dengan peningkatan citra, segmentasi, pelacakan, ekstraksi, keluaran fitur, validasi, dan klasifikasi. Peningkatan citra bertujuan untuk meningkatkan citra ekokardiografi, sehingga memperjelas tepi dinding jantung. Selain itu, citra diproses ulang untuk memisahkan ventrikel kiri dari dinding jantung dan menghasilkan kontur bilik, pada tahap segmentasi. Kontur diperoleh mencari good feature pada setiap dinding jantung. Dalam metode ini, fitur yang baik diidentifikasi hanya dalam frame pertama dari irisan ventrikel kiri. Titik good feature yang dipakai sebanyak 24 titik yang akan dikelompokkan menjadi 6 segmen. Selain itu, semua gambar akan diproses dengan metode optical flow untuk mendeteksi dan melacak pergerakan dinding jantung. Pelacakan optical flow akan menghasilkan nilai ekstraksi fitur arah dan jarak yang dapat digunakan untuk mengkarakterisasi fitur data yang dihasilkan dan menemukan algoritma klasifikasi yang sesuai yang dikombinasikan menggunakan berbagai teknik validasi yaitu K-fold dan Leave One Out. Dalam implementasinya, Klasifikasi Support Vector Machine (SVM) dengan kernel rbf mencapai nilai akurasi tertinggi dibandingkan dengan algoritma klasifikasi lainnya. Algoritma klasifikasi SVM dengan teknik validasi yaitu k-fold cross-validation dan leave one out cross-validation mencapai nilai akurasi 100% dan 100%.