Risiko kateterisasi jantung kanan sangat besar, untuk menentukan seorang pasien akan melakukan kateterisasi jantung kanan secara optimal maka dibutuhkan prediksi apakah seorang pasien membutuhkan atau tidak. Pada penelitian ini, pengklasifikasian apakah pasien membutuhkan kateterisasi jantung kanan dengan algoritma K-Nearest Neighbor, Decision Tree C4.5, dan Decision Tree C4.5 yang dioptimasi dengan Bat Binary Algorithm. Sebelum dilakukan klasifikasi terlebih dahulu dilakukan preprocessing data yang memiliki tujuan untuk menghasilkan data yang baik untuk diproses dan didapatkan hasil klasifikasi yang akurat. Data preprocessing yang dilakukan adalah data cleaning, data selection dan data normalization. Kombinasi nilai parameter terbaik Binary Bat Algorithm sebagai pembangkit feature yang dipilih adalah q = 2, a = 0,2, r = 0,4, n = 30, Mi = 10 dan perbandingan data traning dan testing 90% dan 10%. Dari hasil eksperimen, nilai akurasi klasifikasi Decision Tree C4.5 dengan Bat Binary Algoritma paling tinggi ,yaitu 0,725. Sementara itu, nilai akurasi menggunakan K-Nearest Neighbor sebesar 0,600 dan nilai akurasi menggunakan Decision Tree C4.5 saja sebesar 0,588.