Kanker adalah sekelompok besar penyakit yang dapat menyerang hampir semua organatau jaringan tubuh ketika sel abnormal tumbuh tak terkendali melampaui batas, biasanya untuk menyerang bagian tubuh yang berdekatan dan/atau menyebar ke organlain. Ada banyak informasi mengenai kanker payudara yang dapat diakses denganmudah. Informasi mengenai penyakit kanker payudara dapat diolah denganpengetahuan machine learning. Machine learning dapat menemukan korelasi, pola, dan tren baru yang bermakna dengan memilah-milah data dalamjumlah besar yangdisimpan dalam repositori, menggunakan teknologi pengenalan pola serta teknikstatistik dan matematika. Penelitian ini bertujuan untuk mengetahui nilai akurasi
model SVM pada training data dan testing data; dan untuk mengetahui nilai presisi
model SVM pada training data dan testing data. Penelitian ini menggunakandatayang diambil dari Wisconsin Breast Cancer (WBC) yang tersedia di UCI MachineLearning Repository. Data tersebut selanjutnya akan diolah menggunakan bahasapemrograman Python dengan algoritma pemodelan support vector machine (SVM). Hasil dari penelitian ini menunjukan nilai akurasi pada training data yaitu sebesar 96,18 %, nilai akurasi pada testing data yaitu sebesar 97,07 %dan nilai presisi padaalgoritma model SVM diperoleh nilai sebesar 98,63 % untuk training datasertasebesar 98,14 % untuk testing data.