Penyakit jantung merupakan penyebab kematian tertinggi di dunia, jumlah orang yang meninggal akibat penyakit jantung semakin meningkat dari tahun ke tahun. Masyarakat yang memiliki gaya hidup yang tidak sehat seperti merokok dan tidak mengatur pola makanan memiliki resiko terkena penyakit jantung yang tinggi. Diagnosa dini merupakan salah satu cara untuk mencegah penyakit jantung, namun waktu yang dibutuhkan untuk melakukan diagnosa dapat berlangsung lama.Waktu yang dibutuhkan untuk menjalankan satu tes biasanya selama 15 menit hingga 1 jam tergantung pada tesnya yang mana akan memakan waktu lama jika menjalankan serangkaian tes. Penggunaan machine learning dapat membantu proses diagnosa dini penyakit jantung dengan melakukan prediksi dan memangkas waktu diagnosa. Penelitian ini bertujuan untuk mengembangkan model prediksi penyakit jantung menggunakan metode ensemble learning dengan menggabungkan algoritma SVM dan AdaBoost. Kinerja dari model ensemble AdaBoost-SVM ini akan diukur menggunakan confusion matrix untuk dilihat akurasinya. Hasil yang didapat dari penelitian ini adalah model ensemble AdaBoost-SVM mendapatkan akurasi sebesar 85,5% pada tahap pengujian dan hasil prediksi dengan data primer didapatkan akurasi sebesar 100% karena model berhasil memprediksi 5 dari 5 pasien yang mengidap penyakit jantung. Faktor-faktor yang memengaruhi akurasi model ensemble AdaBoost-SVM dalam memprediksi penyakit jantung secara signifikan dipenagruhi oleh hyperparameter tuning, selain itu penggunaan feature selection juga meningkatkan kinerja model.
kata Kunci:AdaBoost;ensemble learning;penyakit jantung;prediks