Penyakit jantung merupakan penyebab utama kematian di dunia. Untuk mengurangi tingkat kematian yang tinggi ini, diperlukan kemampuan prediksi yang akurat dalam memperingatkan penderita penyakit jantung untuk mencegah dan mengelola kondisi tersebut. Penelitian ini menggunakan model machine learning untuk memprediksi penyakit jantung. Tujuan dari penelitian ini adalah meningkatkan kemampuan model klasifikasi machine learning, yaitu Logistic Regression (LR), dalam memprediksi penyakit jantung. Sehingga kesalahan prediksi yang dapat membahayakan pasien dapat berkurang dengan signifikan. Untuk mencapai tujuan ini, penelitian dilakukan dengan dua pendekatan penting, yaitu data preparation dan model optimization. Pada tahap data preparation, ditemukan masalah ketidakseimbangan data antara penderita penyakit jantung dan non-penderita penyakit jantung. Untuk menangani masalah ini, algoritma Neighborhood Cleaning Rule (NCL) digunakan untuk memperbaiki ketidakseimbangan data. Penggunaan NCL dalam tahap data preparation memberikan dampak signifikan dalam meningkatkan performa model prediksi. Selanjutnya, pada tahap model optimization, metode GridSearchCV digunakan untuk mencari kombinasi hyperparameter terbaik pada algoritma Logistic Regression (LR). Dengan mencari hyperparameter yang optimal, kinerja model prediksi dapat ditingkatkan. Selain itu, dalam penelitian ini juga diterapkan Weighted Logistic Regression yang memungkinkan pengaturan bobot kelas, yang juga berkontribusi pada peningkatan kinerja model. Hasil pengujian model menggunakan metrik evaluasi Akurasi, Recall, dan Area Under Curve (AUC) menunjukkan peningkatan kemampuan model. Skor recall meningkat dari 0.10 menjadi 0.93, dan skor AUC meningkat dari 0.83 menjadi 0.98. Penelitian ini menggunakan dataset yang diperoleh dari Kaggle yang berasal dari Centers for Disease Control and Prevention (CDC). Dengan kemampuan prediksi yang lebih baik dalam mengidentifikasi penyakit jantung, diharapkan dapat memberikan peringatan dini yang akurat kepada individu yang berisiko, sehingga dapat mengurangi angka kematian akibat penyakit jantung secara signifikan.