Penyakit kardiovaskular merupakan salah satu penyebab kematian tertinggi di dunia dan di Indonesia. Upaya deteksi dini melalui skrining aktivitas listrik jantung menggunakan Elektrokardiograf (EKG) sangat penting untuk mencegah kefatalan. Namun, proses interpretasi hasil EKG saat ini masih bergantung pada tenaga medis ahli dan dokter spesialis jantung yang jumlahnya relatif terbatas di Indonesia. Pemanfaatan teknologi kecerdasan buatan, khususnya deep learning, memiliki potensi besar dalam mempercepat proses analisis secara otomatis. Penelitian ini mengusulkan rancang bangun aplikasi berbasis web (Web App) untuk mendeteksi abnormalitas aktivitas jantung berdasarkan sinyal EKG. Sistem yang dikembangkan memanfaatkan metode Fast Fourier Transform (FFT) untuk mentransformasikan sinyal EKG dari domain waktu ke domain frekuensi. Selanjutnya, fitur domain frekuensi tersebut digunakan sebagai masukan untuk model klasifikasi Convolutional Neural Network satu dimensi (1D CNN) guna mengidentifikasi kondisi jantung normal dan abnormal. Sistem diintegrasikan menggunakan backend Flask berbasis Python dan antarmuka ReactJS untuk memastikan aksesibilitas yang mudah dan cepat di berbagai perangkat. Pengujian fungsionalitas aplikasi dilakukan melalui metode Black Box Testing. Penelitian ini diharapkan dapat menjadi sarana skrining awal yang efisien bagi masyarakat dan membantu meringankan beban kerja tenaga medis dalam mengidentifikasi anomali jantung.