Kanker adalah penyakit yang terjadi akibat sel-sel normal membelah tanpa terkendali dan menyerang jaringan sehat. Penyakit ini merupakan salah satu penyebab utama kematian di seluruh dunia. Terdapat 10 juta kasus kematian yang disebabkan oleh kanker berdasarkan data dari world health organization (WHO), Perawatan kemoterapi sebagai pengobatan kanker dimulai sejak tahun 1940 dan telah sukses sejak awal dilakukan. Namun dalam jangka panjang perawatan ini dapat berdampak buruk bagi tubuh. Sehingga diperlukan desain obat baru untuk mengatasi dampak tersebut. Umumnya obat anti kanker dapat dikembangkan dengan mempertimbangkan Cyclin Dependent Kinases 2 (CDK2) sebagai target. Dalam membuat desain obat baru salah satu metode yang dapat diguanakan adalah metode quantitative structure-activity relationships (QSAR). Penelitian ini bertujuan untuk membangun model prediksi pada klasifikasi agen anti kanker dari inhibitor CDK2 dengan menggunakan metode simulated annealing untuk seleksi fitur dan support vector machine (SVM) untuk membangun model prediksi. Data yang digunakan didapat dari ChemBL dengan total 1.196 data. Berdasarkan hasil penelitian, model prediksi terbaik yaitu pada kernel polynomial dan rbf dengan hasil akurasi sebesar 0,986 & 0,985, presisi 0,974 & 0,974 dan F1-Score 0,987 & 0,987.