Pernikahan dini masih menjadi permasalahan sosial yang signifikan di Indonesia, khususnya di Kecamatan Kuningan. Dampaknya mencakup tingginya angka perceraian, kekerasan dalam rumah tangga, hingga masalah kesehatan. Meski pemerintah telah menetapkan regulasi, angka pernikahan dini belum menunjukkan penurunan yang signifikan. Kendala utama antara lain kurangnya edukasi dan sulitnya pengolahan data yang tersebar di berbagai instansi, sehingga menyulitkan pemantauan dan pengambilan kebijakan yang tepat. Penelitian ini bertujuan mengembangkan sistem klasifikasi pernikahan dini berbasis algoritma Support Vector Machine (SVM) yang terintegrasi dalam platform website untuk mengidentifikasi wilayah dengan risiko tinggi. Sistem menggunakan data calon pengantin, seperti usia, pendidikan, dan pekerjaan untuk klasifikasi risiko individu. Hasilnya kemudian diagregasikan untuk menentukan kategori risiko wilayah: tinggi, sedang, atau rendah. Berdasarkan pengujian, wilayah dengan risiko tinggi sebesar 50%, sedang 30%, dan rendah dibawah 20%. Model SVM menunjukkan akurasi 100% pada data uji. Hasil klasifikasi divisualisasikan dalam peta interaktif untuk mendukung pengambilan keputusan. Dengan sistem ini, proses analisis data dapat dilakukan lebih cepat dan akurat, serta menjadi dasar dalam menentukan prioritas wilayah untuk program penyuluhan pencegahan pernikahan dini.

Early marriage is still a significant social problem in Indonesia, especially in Kuningan District. The impacts include high divorce rates, domestic violence, and health problems. Although the government has established regulations, the rate of early marriage has not shown a significant decrease. The main obstacles include a lack of education and the difficulty of processing data that is spread across various agencies, making it difficult to monitor and make appropriate policies. This research aims to develop an early marriage classification system based on the Support Vector Machine (SVM) algorithm integrated into a website platform to identify high-risk areas. The system uses bride-to-be data, such as age, education, and occupation for individual risk classification. The results are then aggregated to determine the risk category of the region: high 50%, medium 30%, or low under 20%. The SVM model showed 100% accuracy on the test data. The classification results are visualized in an interactive map to support decision-making. This system allows for faster and more accurate data analysis, and provides a basis for prioritizing areas for early marriage prevention education programs.