<![CDATA[Serangan jantung merupakan salah satu penyebab kematian tertinggi di negara berkembang. Penyakit ini terjadi akibat tersumbatnya aliran darah ke otot jantung akibat penyempitan atau penyumbatan arteri koroner. Faktor risiko serangan jantung terdiri atas faktor yang dapat diubah, seperti pola hidup, dan faktor yang tidak dapat diubah, seperti usia dan riwayat keluarga. Deteksi dini terhadap risiko serangan jantung sangat penting untuk meminimalkan angka kematian. Penelitian ini bertujuan untuk membangun dan mengevaluasi model prediksi risiko serangan jantung dengan mengelompokkan pasien ke dalam dua kategori, yaitu risiko rendah dan risiko tinggi, menggunakan pendekatan rekayasa sistem cerdas berbasis supervised learning. Proses penelitian mencakup tahap pengumpulan data, eksplorasi data, pemilihan fitur, pra-pemrosesan data, pelatihan model, serta pengujian model untuk evaluasi performa model menggunakan metrik akurasi. Model klasifikasi dibangun dengan empat algoritma supervised learning yaitu Gradient Boosting, Random Forest, Naive Bayes, dan Logistic Regression. Pada pelatihan model digunakan 10-fold cross validation untuk melihat akurasi dan konsistensi model. Hasil pengujian menunjukkan bahwa algoritma Naive Bayes memiliki akurasi tertinggi sebesar 90%, diikuti oleh Logistic Regression dan Random Forest (88%), dan Gradient Boosting. Model Naive Bayes tetap menunjukkan performa terbaik tidak hanya akurasi tertinggi tetapi juga nilai precision dan F1-score tertinggi untuk kelas positif, serta recall tertinggi untuk kelas negatif. Oleh karena itu, Naive Bayes dinilai sebagai model yang paling andal dan direkomendasikan untuk prediksi risiko serangan jantung secara dini, karena mampu memberikan klasifikasi yang seimbang dan akurat dalam konteks aplikasi medis.]]>
