Epilepsi merupakan salah satu penyakit umum yang menyerang kemampuan otak dan memiliki potensi untuk menghancurkan kualitas hidup penderitanya. Diagnosis penyakit epilepsi dapat dilakukan dengan pengujian klinis dan dengan menggunakan metode elektroensefalografi (EEG). Penelitian ini memiliki tujuan menerapkan kecerdasan buatan untuk meningkatkan efektivitas dan akurasi dari analisis sinyal EEG. Diagnosis epilepsi dilakukan secara otomatis berdasarkan file sinyal EEG yang sudah dilatih. Penerapan ini dapat dilakukan dengan mengaplikasikan algoritma machine learning Long-Short Term Memory (LSTM) untuk pengenalan pola-pola dari sinyal otak yang berujung pada penyakit epilepsi. Pengujian dilakukan menggunakan dataset sinyal EEG dari University of Bonn yang terdiri dari 5 set data. Proses deteksi terdiri dari tahapan yaitu memuat data, augmentasi, penyaringan, pelatihan, dan klasifikasi. Sistem yang telah dikembangkan akan dimuat ke dalam sebuah GUI untuk memudahkan pengguna. Hasil dari penelitian ini adalah model machine learning dengan algoritma Long Short-Term Memory (LSTM) yang memiliki tingkat akurasi sebesar 91%, akurasi validasi sebesar 94?n kerugian sebesar 0,2. Hasil evaluasi model menunjukkan bahwa penelitian ini berhasil untuk membantu deteksi terhadap penyakit epilepsi dengan menggunakan sinyal EEG dengan tingkat akurasi dan efisiensi yang tinggi.
