Kardiomegali merupakan salah satu masalah dimana jantung memompa darah dengan lebih kencang sampai dapat menebabkan jantung menjadi lebih besar, hal ini menjadi tanda penting untuk kasus penyakit jantung yang parah. Sehingga penting mendeteksi sejak awal gejala ini menggunakan data Chest X-ray. Penelitian ini menggunakan data gambar Chest X-ray sebanyak 5.552 gambar dan melatih CNN (Convoulutional Neural Network) dengan dataset tersebut. Transfer Learning menjadi solusi agar tidak perlu melakukan pembelajaran CNN dari awal, sehingga dapat digunnakan untuk melatih berbagai variasi model mobilenet dalam deteksi kardiomegali. Hasil penelitian ini menunjukkan akurasi terbaik diperoleh model mobilenet v2 130_224 dengan akurasi sebesar 81.33% diikuti oleh mobilenet v2 140_224 sebesar 80.97%. Dapat dilihat jika model mobilenet v2 lebih bagus hasil akurasinya dibandingkan mobilenet v3 didalam kasus dataset kardiomegali yang dibuat oleh Himantsu Verma.