Penyakit kardiovaskular merupakan salah satu penyebab utama kematian di dunia dan membutuhkan penanganan yang cepat, akurat, serta berkelanjutan. Dalam konteks layanan homecare, dibutuhkan sistem terpadu yang mampu memantau kondisi pasien secara real-time, memprediksi risiko penyakit, serta memberikan edukasi berbasis data medis yang sahih. Penelitian ini bertujuan untuk mengembangkan Cardiolytics, sebuah aplikasi web yang mengintegrasikan tiga fitur utama: (1) BP Monitor untuk pemantauan tekanan darah secara real-time berbasis perangkat IoT ESP32, (2) CVD Predict untuk prediksi risiko penyakit kardiovaskular menggunakan metode ensemble learning berbasis data klinis dan gaya hidup pengguna, serta (3) Cardiobot, chatbot edukatif berbasis Retrieval-Augmented Generation (RAG) yang menjawab pertanyaan kesehatan berdasarkan dokumen medis resmi. Sistem dibangun menggunakan protokol MQTT dan Apache Kafka untuk pengiriman data IoT, model hybrid ensemble (LightGBM, CatBoost, Hist Gradient Boosting, TabNet, Tab-Transformer, FT-Transformer, AdaBoost) untuk prediksi CVD, serta Pinecone dan Gemini 2.5 Flash untuk chatbot RAG. Hasil evaluasi menunjukkan bahwa sistem berhasil memantau tekanan darah secara real-time, menghasilkan prediksi risiko CVD dengan akurasi sebesar 74.08% dan nilai AUC tertinggi sebesar 0.8018, serta memberikan jawaban chatbot yang relevan disertai sumber dokumen yang valid. Dengan demikian, Cardiolytics mampu menjadi solusi teknologi kesehatan yang mendukung layanan homecare secara holistik, responsif, dan berbasis data yang terpercaya.