Penelitian ini bertujuan untuk menerapkan metode Artificial Neural Network (ANN) dalam memprediksi penderita penyakit jantung, yang merupakan salah satu penyebab utama kematian di dunia. Penyakit jantung memiliki berbagai faktor risiko, termasuk usia, jenis kelamin, tekanan darah, kolesterol, kadar gula darah, serta riwayat medis yang dapat digunakan untuk diagnosis. Namun, proses diagnosis penyakit jantung seringkali sulit dan memerlukan biaya tinggi, sehingga deteksi dini yang lebih efektif sangat dibutuhkan. Penelitian ini menggunakan metode ANN karena kemampuannya dalam memproses data yang kompleks dan memberikan akurasi yang tinggi dalam prediksi, termasuk prediksi penyakit jantung. Penelitian ini mengumpulkan dataset penyakit jantung dari Kaggle, yang terdiri dari 1025 data rekam medis dengan 13 variabel input dan 1 variabel output. Data diproses menggunakan dua teknik pra-pengolahan, yaitu Min-Max Normalization untuk menormalkan data dan Exhaustive Feature Selection (EFS) untuk memilih fitur yang paling relevan. Model ANN dibangun menggunakan data pelatihan sebesar 80% dan data uji sebesar 20%. Hasil penelitian menunjukkan bahwa model ANN dapat mencapai akurasi yang lebih baik dibandingkan dengan metode prediksi lain seperti C4.5, KNN, dan Naïve Bayes, dengan skor akurasi yang lebih tinggi, yaitu 98%, serta mampu mengatasi masalah overfitting dan pemilihan fitur yang kurang optimal. Evaluasi model dilakukan menggunakan Confusion Matrix untuk mengukur metrik seperti akurasi, presisi, recall, dan F1 Score. Penelitian ini berkontribusi signifikan dalam meningkatkan akurasi prediksi penyakit jantung dan dapat dijadikan sebagai referensi untuk pengembangan lebih lanjut dalam bidang kesehatan, khususnya dalam upaya pencegahan dan pengelolaan penyakit jantung. Penerapan model ini diharapkan dapat membantu tenaga medis dalam mengambil keputusan yang lebih cepat dan akurat.