Penyakit jantung merupakan salah satu penyebab kematian tertinggi di dunia, termasuk di Indonesia. Deteksi dini risiko serangan jantung menjadi langkah penting untuk menekan angka kematian. Penelitian ini bertujuan untuk membangun model prediksi serangan jantung menggunakan algoritma Random Forest dengan metode Monte Carlo Cross Validation (MCCV) guna memperoleh performa yang stabil. Pengujian dilakukan pada tiga skenario pembagian data, yaitu 80:20, 70:30, dan 60:40. Proses MCCV dilakukan secara berulang hingga diperoleh hasil evaluasi yang stabil. Hasil penelitian menunjukkan bahwa skenario 60:40 memberikan performa terbaik dengan rata-rata akurasi sebesar 81,68%, presisi 87,50%, recall 83,22%, dan F1-score 85.01%. Pengujian tambahan menggunakan validation set sebesar 10% menghasilkan akurasi sebesar 82,49%, yang menunjukkan bahwa model memiliki kemampuan generalisasi yang baik dan tidak mengalami overfitting. Berdasarkan analisis feature importance menggunakan metode Mean Decrease Impurity (MDI), fitur Troponin menjadi faktor paling berpengaruh dalam proses klasifikasi, diikuti oleh Enzim Kreatin dan Usia. Hasil penelitian ini menunjukkan bahwa kombinasi Random Forest dan MCCV efektif digunakan dalam prediksi risiko serangan jantung dan berpotensi dikembangkan sebagai sistem pendukung keputusan di bidang kesehatan.