Penyakit jantung merupakan dampak dari penyumbatan pembuluh darah yang disebabkan
ketidakseimbangan suplai dan kebutuhan darah, katup jantung yang bermasalah hingga
gangguan sejak lahir. Salah satu gejala jantung tidak berfungsi dengan baik adalah irama
detak jantung yang tidak normal sehingga dibutuhkan prediksi untuk diagnosis penyakit
jantung. Salah satu metode yang diusulkan untuk prediksi penyakit jantung yaitu Sinyal
Phonocardiogram (PCG). Sinyal PCG merupakan representasi grafis rekaman suara
jantung. Sinyal PCG sangat efektif karena dapat memberikan informasi dalam bentuk
visual. Prediksi penyakit jantung dengan sinyal PCG dilakukan dengan klasifikasi untuk
menginterpretasi tindakan yang harus dilakukan untuk pasien penyakit jantung. Namun,
dalam klasifikasi sinyal PCG, ekstraksi fitur dan segmentasi menjadi masalah utama
dalam memperbaiki kualitas fitur sinyal PCG. Maka dari itu, penelitian ini mengusulkan
metode ekstraksi fitur Mel Frequency Cepstral Coefficient (MFCC) untuk memperbaiki
kualitas fitur dan Support Vector Machine (SVM) untuk klasifikasi. Eksperimen yang
akan dilakukan dalam penelitian ini adalah menerapkan kernel Gaussian, Polynomial,
Linear, Radial Basis Function (RBF) untuk meningkatkan nilai dalam parameter
evaluasi. Dataset yang digunakan adalah PASCAL Classifying Heart Sound Challenge.
Kemudian, hasil dari klasifikasi dalam penelitian ini akan dibandingkan dengan
penelitian-penelitian yang dilakukan sebelumnya. Menurut sudut pandang Agama Islam,
penelitian ini dapat dilakukan karena memberikan dampak dan manfaat yang baik, serta dapat menunaikan hakikat manusia untuk tolong menolong.