Penyakit jantung merupakan salah satu masalah kesehatan paling serius yang dihadapi oleh Masyarakat international. Information Organisasi kesehatan Dunia (WHO) menyebutkan, lebih dari 17 juta orang di dunia meninggal akibat penyakit jantung dan pembuluh darah. Deteksi dini dan manajemen yang tepat sangat penting untuk mengurangi morbiditas dan mortalitas yang terkait dengan penyakit jantung. Penelitian ini bertujuan untuk mengeksplorasi dan membandingkan efektivitas berbagai teknik klasifikasi machine studying dalam memprediksi penyakit jantung, guna menemukan metode yang paling akurat. Pada penelitian ini akan membandingkan antara metode resolution tree, random forest, Help Vector Machine (SVM), Ok-Nearest Neighbor (KNN). Beberapa metrik evaluasi mannequin digunakan seperti nilai accuracy, precission dan recall. Pemilihan mannequin terbaik dilakukan berdasarkan pada nilai recall-1 atau nilai recall kelas positif dikarenakan dalam kasus medis umumnya lebih baik jika ada beberapa peringatan palsu daripada melewatkan prognosis pasien yang berpotensi menderita penyakit. Didapatkan kesimpulan bahwa mannequin dengan nilai recall kelas positif tertinggi adalah pada mannequin SVM dengan nilai 97% yang berarti bahwa mannequin memiliki kemampuan sangat baik dalam memprediksi knowledge positif.