Penyakit jantung masih menjadi salah satu penyebab utama kematian di dunia, termasuk di Indonesia. Tingginya prevalensi penyakit ini menuntut adanya pengembangan alat deteksi dini yang terjangkau untuk menekan jumlah kasus yang terus meningkat. Namun, pemantauan kesehatan jantung masih menghadapi beberapa kendala, antara lain harga perangkat yang relatif mahal serta keterbatasan akses di daerah terpencil.
Seiring dengan perkembangan teknologi, khususnya dalam bidang kesehatan, internet of medical things (IoMT) menawarkan solusi dengan fleksibilitas dan infrastruktur yang lebih terintegrasi. Dalam penelitian ini dikembangkan sebuah sistem deteksi dini jantung berbasis IoMT dengan integrasi machine learning untuk pengolahan data serta penerapan sistem keamanan untuk melindungi data pasien.
Hasil penelitian menunjukkan arsitektur sistem berhasil dibangun dengan menggunakan 10 sampel data untuk melatih model Logistic Regression. Evaluasi model menghasilkan nilai akurasi sebesar 93%, ROC-AUC 80%, precision untuk deteksi sinyal normal 93%, sedangkan untuk deteksi sinyal abnormal bagus yaitu 91%. Hal ini menunjukkan bahwa model sudah dapat melakukan klasifikasi awal antara sinyal jantung normal dan abnormal, meskipun performa masih belum sempurna, khususnya dalam mendeteksi sinyal abnormal. Dengan demikian, sistem ini belum dapat diterapkan langsung pada aplikasi klinis, tetapi berfungsi sebagai penelitian awal yang potensial untuk dikembangkan lebih lanjut. Selain itu, aspek keamanan data berhasil diimplementasikan, ditunjukkan dengan data yang dikirim telah terenkripsi sebelum ditampilkan pada antarmuka berbasis web.