Penderita penyakit jantung adalah gangguan pada jantung di seluruh dunia yang terus mengalami peningkatan dan menjadi penyakit yang paling mematikan. Sistem perawatan kesehatan di seluruh dunia mengalami kesulitan dikarenakan kurangnya keahlian staf medis dalam menentukan dan memprediksi penyakit ini. Salah satu cara efektif dalam mengidentifikasi dan memprediksi penyakit jantung adalah dengan memanfaatkan algoritma machine learning, tetapi metode machine learning masih dianggap kurang mampu untuk mengatasi masalah yang kompleks, oleh karena itu diterapkan metode deep learning mampu mengatasi kerumitan dalam mendiagnosis penyakit jantung dengan model prediksi. Penelitian ini bertujuan untuk melakukan prediksi penyakit jantung menggunakan algoritma klasifikasi pada deep learning yaitu, Neural Networks dengan metode seleksi fitur Chi-Square dan Random Undersampling sebagai metode resampling yang berfungsi mengatasi masalah imbalanced class. Hasil penelitian memperlihatkan bahwa model prediksi menggunakan algoritma Neural Networks dengan Chi-Square dan Random Undersampling. Dataset coronary menggunakan hyperparameter hidden layer 4, number of feature 11, epoch 100, learning rate 0,0001, random state 0, dan menggunakan chi-square menghasilkan nilai akurasi sebesar 50,2% dan recall sebesar 99,99%. Sedangkan untuk dataset cardiovascular, menggunakan hyperparameter hidden layer 3, number of feature 7, epoch 100, learning rate 0,0001, dan menggunakan chi-square menghasilkan nilai akurasi sebesar 80,76% dan recall sebesar 85,94%.