Seiring dengan perkembangan zaman diiringi dengan bertambahnya data. Oleh sebab itu, muncul ilmu tentang data mining yang digunakan untuk memperbaiki pengambilan keputusan di masa yang akan datang berdasarkan informasi yang diperoleh dari masa lalu. Sekumpulan data yang ada di laboratorium klinik belum difungsikan secara efektif karena data tersebut setelah selesai biasanya hanya diarsip untuk riwayat penyakit pasien.

Setiap tahunnya lebih dari 36 juta orang meninggal salah satunya dikarenakan terkena penyakit jantung. Penyakit jantung merupakan gangguan yang terjadi pada sistem pembuluh darah besar sehingga menyebabkan jantung dan peredaran darah tidak berfungsi sebagaimana mestinya. Metode yang digunakan dalam penelitian ini adalah menggunakan algoritma naive bayes untuk meningkatkan akurasi dalam deteksi penyakit jantung. Dengan membandingkan parameter yang digunakan oleh peneliti terdahulu. Data set yang digunakan sejumlah 308 pasien dengan 24 parameter sebagai berikut: id, usia, jenis kelamin, kolesterol total, HDL, LDL, trigliserid, rasio kolestrol, irama, frekuensi/menit, zone transisi, axis (posisi listrik), gelombang P, gelombang QRS, interval P-R, interval QRS, voltage , segmen ST, gelombang T, cepat capek disertai nyeri dada dan sesak, merokok, olahraga, hipertensi, tekanan darah. Hasil penelitian dengan menggunakan 13 parameter dihasilkan akurasi 73.08 %, dengan 17 parameter dihasilkan akurasi 77.27 % dan ekperimen yang ketiga dengan 24 parameter dihasilkan akurasi 81.19%.