Merokok adalah kebiasaan yang sulit dihilangkan dalam masyarakat. Rokok mengandung bahan berbahaya dan bisa menyebabkan kanker serta penyakit pernapasan. Merokok juga meningkatkan risiko infeksi tuberkulosis. Perokok pasif yang terpapar asap rokok sangat berisiko bagi kesehatan. Penelitian ini bertujuan untuk melakukan evaluasi dan perbandingan antara algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) dalam klasifikasi sinyal tubuh perokok. Hasil evaluasi menunjukkan bahwa penggunaan SVM dengan kernel linear dan metode forward selection menghasilkan akurasi tertinggi sebesar 75%, yang melampaui akurasi tertinggi KNN sebesar 72%. Dari hasil tersebut penggunaan metode forward selection meningkatkan akurasi dibandingkan dengan penggunaan semuafitur yang tersedia, kecuali pada SVM dengan kernel RBF. Evaluasi pada penelitian ini menggunakan Confuntion Matrix dan Record klasifikasi. Adapun hasil kinerja model pada class “Tidak merokok” menggunakan SVM mendapatkan nilai presisi (84%), recall (75%), f-1 score(79%) dan KNN mendapatkan nilai presisi (75%), recall (83%), f-1 score(79%). Sedangkan pada class “Merokok” menggunakan SVM mendapatkan nilai presisi (64%), recall (75%), f-1 score(69%) dan KNN mendapatkan nilai presisi (64%), recall (53%), f-1 score(58%).