Klasifikasi merupakan metode data mining yang diformulasikan untuk membuat perkiraan keanggotaan dalam grup untuk contoh data, proses ini digunakan untuk menganalisis koneksi antara data dalam kumpulan data yang besar. Salah satu metode klasifikasi yang sering digunakan adalah Support Vector Machine (SVM), dalam metode SVM terdapat fungsi kernel yang membantu dalam menyelesaikan permasalahan klasifikasi yang tidak dapat dipisahkan secara linear salah satunya yaitu Radial Basis Function (RBF) Kernel. Dalam menggunakan metode SVM dengan fungsi kernel RBF, terdapat parameter Gamma dan C yang nilainya dapat mempengaruhi bentuk hyperplane dalam menghasilkan model klasifikasi yang baik, sehingga dibutuhkan nilai parameter Gamma dan C yang optimal dalam menghasilkan klasifikasi yang baik. Pada penelitian kali ini menggunakan Spiral Optimization Algorithm dalam mengoptimasi parameter Gamma dan C, dengan melakukan beberapa tahapan percobaan dalam menentukan parameter terbaik dari Spiral Optimization Algorithm untuk menentukan parmeter Gamma dan C, metode klasifikasi SVM dengan fungsi kernel RBF dapat menghasilkan akurasi tertinggi yaitu 86,15 % dengan rata-rata akurasi 80,12 % berdasarkan dataset Pima Indians Diabetes.