Penyakit jantung adalah salah satu penyakit paling berbahaya yang mengancam kehidupan manusia. Salah satu cara untuk menganalisa penyakit jantung yaitu dengan cara melakukan ekokardiografi. Hasil tes ekokardiografi dapat menunjukkan apakah jantung pasien normal atau tidak dengan mengidentifikasi area rongga jantung. Karena itu, banyak penelitian bermunculan untuk melakukan analisa terhadap jantung. Oleh karena itu saya termotivasi untuk mengembangkan suatu sistem dengan memasukkan input 4 sudut pandang pada jantung, yaitu 2 pandangan parasternal (long axis dan short axis) dan 2 pandangan apikal (two chamber dan four chamber) dengan tujuan penelitian ini mampu melakukan segmentasi area rongga jantung. Penelitian ini merupakan bagian dari proyek besar yang bertujuan untuk menganalisa kondisi jantung dengant input 4 sudut pandang pada jantung dan proyek tersebut terbagi menjadi beberapa bagian. Untuk penelitian ini berfokus pada proses segmentasi citra ekokardiografi untuk memperoleh gambar rongga jantung dengan input 4 sudut pandang pada jantung menggunakan metode Deep Learning dengan menggunakan arsitektur VGG-16 dan RESNET-18. Proses training dilakukan menggunakan 30 epoch dengsn iterasi 50 per epoch dan 1 batch size sehingga total iterasi yang dilakukan sebanyak 7500 iterasi. Dapat diketahui bahwa saat proses training, presentase accuracy sudah tinggi yaitu sudah mencapai 95%-99%. Pada arsitektur VGG-16, memiliki rata-rata akurasi di setiap sudut pandang yaitu sekitar 83%-93%. Pada arsitektur RESNET-18 memiliki rata-rata akurasi di setiap sudut pandang yaitu sekitar 76%-92%.