ABSTRAKSI: Support vector machine merupakan salah satu metode supervised learning yang biasanya digunakan untuk klasifikasi data dan pada umumnya digunakan untuk menangani dataset yang memiliki dua buah kelas. Untuk memisahkan kedua kelas tersebut, digunakan sebuah bidang pemisah (hyperplane). Permasalahan muncul ketika bentuk primal dari formula pencarian hyperplane terbaik sangat sulit untuk dipecahkan, maka dari itu digunakanlah bentuk dual yang akan merubah nilai w dalam bentuk á. Permasalahan ini biasanya disebut dengan Quadratic programming. Sequential Minimal Optimization (SMO) merupakan sebuah algoritma yang dapat memecahkan quadratic programming problem (QP problem) dengan berusaha mencari nilai á dengan menggunakan analytical quadratic programming solver pada setiap langkah sehingga waktu training yang dibutuhkan lebih cepat. Dalam tugas akhir ini ditunjukkan bahwa SMO dapat melakukan waktu training yang lebih cepat dibandingkan dengan algoritma Quadratic Programming, tetapi dalam segi akurasi banyak parameter-parameter yang membuat nilai akurasi menjadi naik turun pada setiap pengujian.Kata Kunci : support vector machine, hyperplane, quadratic programming,sequential minimal optimization, bentuk primal, bentuk dualABSTRACT: Support vector machine is one method of supervised learning typically used for data classification and commonly used for handle dataset which have two classes. To separate the classes, it uses a field separator called hyperplane. Problem arise when the primal form of the formula for finding best hyperplane is very difficult to solve, hence the dual form is used to alter the value of w in the form of á. This problem is usually referred to as Quadratic programming. Sequential Minimal Optimization (SMO) is an algorithm that is used to solve quadratic programming problem (QP Problem) by trying to find the value of á with analytical quadratic programming solver in each step so the training time needed is faster. In This final project is showed that SMO can do the training time faster than Quadratic programming algorithm, but in terms of accuracy there are many parameters which makes the value of accuracy to be up and down on each test.Keyword: support vector machine, hyperplane, quadratic programming,sequential minimal optimization, primal form, dual form