Support Vector Machine (SVM) merupakan salah satu metode klasifikasi yang sering digunakan dalam pembelajaran mesin. Pada data yang berukuran besar, klasifikasi cenderung berjalan lama. Oleh karena itu, telah banyak peneliti yang mencoba melakukan implementasi algoritma klasifikasi SVM menggunakan konsep komputasi paralel. Hal ini bertujuan agar proses komputasi dapat berjalan lebih cepat dibanding sebelumnya. Pada skripsi ini dibahas mengenai kinerja beberapa aplikasi SVM yang berjalan secara paralel pada lingkungan komputasi Grapich Processing Unit (GPU) dan cluster. Analisis yang dilakukan meliputi waktu komputasi masing-masing aplikasi dan akurasi hasil klasifikasi. Hasil ini kemudian dibandingkan dengan hasil yang diperoleh menggunakan aplikasi LIBSVM yang berjalan secara sekuensial untuk mengetahui bagaimana kinerja masing-masing aplikasi paralel.