Penyakit jantung merupakan salah satu penyakit dengan tingkat kematian yang tinggi, tercatat 12 juta jiwa kematian setiap tahunnya di seluruh dunia. Hal ini yang menyebabkan perlu diagnosa dini untuk mengetahui penyakit jantung tersebut. Tetapi proses diagnosa merupakan hal yang cukup menantang dikarenakan keterkaitan yang cukup kompleks diantara atribut– atribut penyakit jantung. Sehingga kiranya perlu diketahui atribut utama yang digunakan sebagai proses pengambilan keputusan atau proses klasifikasi pada penyakit jantung. Pada penelitian ini dataset yang digunakan memiliki 57 jenis atribut didalamnya. Sehingga perlu dilakukan reduksi untuk memeprsingkat proses diagnosa, proses reduksi dapat dilaukan dengan menggunakan metode Principal Componen Analysisi (PCA). Metode PCA itu sendiri dapat dikombinasikan dengan teknik kalsifikasi data mining untuk mengukur tingkat akurasi pada dataset. Penelitian ini melakukan perbandingan tingkat akurasi dengan menggunakan algortima C5.0 dan algoritma Naïve Bayes Classifier (NBC), hasil yang didapatkan baik sesudah dan sebeulm reduksi adalah algoritma Naïve Bayes Classifier (NBC) memiliki kinerja yang lebih baik dari pada algoritma C5.0.