Diabetes melitus merupakan penyakit degeneratif utama di abad ke-21 yang menyebabkan hampir 95% orang dewasa didiagnosis penyakit diabetes tipe II. Salah satu enzim yang bertanggung jawab terhadap diabetes tipe II adalah Dipeptidyl peptidase-IV (DPP IV). Akibat terbatasnya jumlah inhibitor untuk diabetes tipe II, ada kebutuhan mendesak untuk mengembangkan tambahan inhibitor DPP IV yang baru. Seiringnya perkembangan teknologi, banyak penelitian yang terlibat dalam penemuan dan optimalisasi inhibitor DPP IV baru sebagai pengobatan diabetes tipe II dengan menggunakan metode quantitative structure-activity relationship (QSAR). Banyak penelitian telah menemukan atau mencoba mencari salah satu obat penyakit diabetes melitus dengan menggunakan metode ini. Pada penelitian ini, penulis bertujuan membuat model untuk memprediksi aktivitas anti diabetes tipe II. Tahapan penelitian ini dibagi menjadi 2, yaitu seleksi fitur dan membangun model prediksi. Tahap seleksi fitur dilakukan dengan menggunakan metode algoritma genetika (AG), dan tahap model prediksi menggunakan metode support vector machine (SVM). Berdasarkan hasil yang didapatkan, penulis menemukan model prediksi terbaik pada kernel RBF dibandingkan dengan kernel lainnya. Hal ini ditunjukan dengan akurasi yang diperoleh sebesar 0.9869, precision 0.9745, recall 1.0, dan F1-Score 0.9871.