Penyakit jantung, yang bisa berakibat fatal jika tidak ditangani dengan tepat, menjadi salah satu penyebab kematian utama di dunia. Berdasarkan data dari Organisasi Kesehatan Dunia (WHO), sekitar 17,5 juta orang meninggal setiap tahun akibat penyakit jantung, dan angka ini diperkirakan akan meningkat menjadi 75 juta pada tahun 2030. Namun, para tenaga medis dalam bidang kardiologi memiliki keterbatasan dalam memprediksi serangan jantung, dengan akurasi hanya mencapai 67%. Oleh karena itu, diperlukan sistem yang dapat membantu dokter dalam memberikan prediksi penyakit jantung yang lebih akurat. Penelitian ini bertujuan untuk mengembangkan model neural network yang dapat memprediksi potensi penyakit jantung pada penderita hipertensi, dengan menggunakan model SVM dan KNN. Model ini didesain berdasarkan parameter medis seperti tekanan darah, detak jantung, kadar kolesterol, usia, dan indikator kesehatan lainnya. Metode supervised learning digunakan dalam pelatihan model, yang melibatkan data historis dari pasien hipertensi. Hasil pengujian menunjukkan bahwa model SVM memiliki precision (0.819) yang lebih tinggi dibandingkan dengan KNN (0.63). Selain itu, berdasarkan Matthews Correlation Coefficient (MCC), SVM menunjukkan hasil lebih baik (0.63) dibandingkan KNN (0.26). Dengan hasil ini, dapat disimpulkan bahwa model SVM lebih efektif dalam memprediksi penyakit jantung dan dapat menjadi pilihan utama dalam membantu tenaga medis dalam pengambilan keputusan klinis. Model ini diharapkan dapat berfungsi sebagai alat bantu dalam melakukan intervensi dini untuk mencegah kondisi yang lebih serius. Penelitian ini berkontribusi pada pengembangan solusi berbasis kecerdasan buatan dalam sektor kesehatan, khususnya dalam pencegahan penyakit jantung pada penderita hipertensi.