P Penyakit paru-paru seperti tuberculosis (tbc) dan pneumonia merupakan masalahkesehatan global yang menyebabkan angka morbiditas dan mortalitas tinggi.deteksi dini kedua penyakit tersebut melalui pencitraan medis, seperti chest x-ray(cxr), memiliki potensi besar dalam meningkatkan efektivitas diagnosis.penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis penyakittuberculosis dan pneumonia berdasarkan citra cxr menggunakan algoritmasupport vector machine (svm). dataset yang digunakan bersumber dari kaggledan terdiri atas citra yang mewakili dua kelas, yaitu tbc dan pneumonia. prosespenelitian meliputi preprocessing (resize, grayscale, dan gaussian blur), ekstraksifitur, normalisasi z-score, pembagian data (80% pelatihan, 20% pengujian), danpelatihan model svm dengan tiga jenis kernel: linear, polynomial, dan radialbasis function (rbf).hasil pengujian menunjukkan bahwa kernel rbfmenghasilkan akurasi tertinggi sebesar 99,68%, dengan precision, recall, dan f1-score masing-masing mencapai angka hampir sempurna. proses optimasi parametermelalui gridsearchcv berhasil menemukan kombinasi parameter terbaik untukmodel. evaluasi tambahan dengan hinge loss sebesar 1,2343 mengindikasikanbahwa sebagian kecil prediksi masih berada dekat margin pemisahan kelas.visualisasi hasil prediksi juga memperlihatkan bahwa model mampumengklasifikasikan citra secara akurat. dengan demikian, penerapan svm dalamklasifikasi penyakit paru-paru berbasis citra cxr terbukti efektif dan dapatdijadikan sebagai alat bantu diagnosis medis yang akurat dan efisien.