Penyakit jantung koroner adalah kondisi aliran darah ke otot jantung tersumbat, sehingga terjadi serangan jantung yang disertai nyeri dada atau stroke. Penyakit jantung adalah penyebab utama kematian di seluruh dunia, dengan lebih dari 17 juta kematian dilaporkan oleh Organisasi Kesehatan Dunia. Berbagai faktor risiko berkontribusi terhadap penyakit jantung, termasuk merokok, gaya hidup tidak sehat, kolesterol tinggi, dan hipertensi. Untuk mencegah meningkatnya angka kematian akibat penyakit jantung, prediksi penyakit dapat dilakukan untuk mengidentifikasi individu yang berisiko. Penambangan data, khususnya metode Extreme Learning Machine (ELM), biasanya digunakan untuk tujuan ini. ELM merupakan metode neural network pada kecepatan pelatihan dan tidak membutuhkan backpropagation, menentukan jumlah node tersembunyi yang optimal dan mencapai hasil yang akurat tetap menjadi tantangan. Pada penelitian ini, ELM dengan Particle Swarm Optimization (PSO) diusulkan untuk mengoptimalkan klasifikasi penyakit jantung, yang bertujuan untuk mencapai hasil yang optimal dengan pembelajaran cepat. Hasil dan pembahasan menyajikan keefektifan metode yang diusulkan dengan mengevaluasi akurasi klasifikasi berdasarkan berbagai parameter, seperti ukuran populasi, jumlah node tersembunyi, dan iterasi. Temuan menunjukkan bahwa ELM dengan optimasi PSO dapat memberikan hasil klasifikasi yang akurat untuk diagnosis penyakit jantung, dengan tingkat akurasi yang menjanjikan.