<![CDATA[Penyakit jantung merupakan salah satu masalah kesehatan paling mematikan di dunia, dengan jumlah kematian yang terus meningkat setiap tahunnya. Penyakit kardiovaskular adalah penyebab utama kematian di seluruh dunia, dengan lebih dari 17 juta kematian setiap tahun, menurut data WHO. Gangguan fungsi jantung ini dapat dipicu oleh berbagai faktor risiko seperti pola makan tidak sehat, obesitas, kurang aktivitas fisik, kebiasaan merokok, dan riwayat penyakit dalam keluarga. Oleh karena itu, deteksi dini sangat penting untuk mencegah dan mengurangi risiko kematian akibat penyakit jantung. Penelitian ini bertujuan untuk membandingkan performa tiga metode klasifikasi, yaitu Random Forest, Neural Network, dan Naive Bayes dalam mengklasifikasi risiko penyakit jantung. Pengujian model dilakukan menggunakan metode Random Sampling dengan skema repeat train/test sebanyak 10 kali, di mana setiap iterasi menggunakan 80% data sebagai training set. Berdasarkan hasil evaluasi, model Random Forest menghasilkan nilai AUC sebesar 0,996, model Naive Bayes sebesar 0,980, dan model Neural Network sebesar 0,957. Selain itu, analisis dilakukan untuk menilai keunggulan dan kelemahan masing-masing metode dalam menangani data dengan fitur yang kompleks dan saling berkorelasi. Hasil penelitian ini diharapkan dapat memberikan rekomendasi metode klasifikasi yang paling efektif dan efisien untuk diterapkan dalam sistem pendukung keputusan medis guna deteksi dini penyakit jantung.]]>
