Kanker payudara merupakan jenis kanker yang paling banyak diderita oleh wanita di seluruh negara di dunia. Salah satu cara untuk mencegah tingginya angka kematian akibat penyakit tersebut adalah dengan sistem deteksi keganasan kanker. Algoritma klasifikasi Regresi Logistik dan Support Vector Machine (SVM) sering digunakan untuk deteksi penyakit kanker payudara, tetapi penggunaan kedua algoritma ini seringkali tidak memberikan hasil yang optimal jika diterapkan pada dataset yang memiliki banyak fitur, sehingga diperlukan algoritma tambahan untuk meningkatkan kinerja klasifikasi dengan menggunakan seleksi fitur Backward Elimination. Perbandingan klasifikasi Regresi Logistik dan SVM dilakukan dengan menerapkan seleksi fitur pada data kanker payudara untuk melihat model terbaik. Dataset kanker payudara memiliki 30 fitur dan dua kelas yaitu Benign dan Malignant. Penerapan Backward Elimination mengurangi fitur dari 30 fitur menjadi 13 fitur, sehingga memengaruhi peningkatan performa kedua model klasifikasi. Klasifikasi terbaik diperoleh menggunakan seleksi fitur Backward Elimination dan SVM kernel linear dengan peningkatan nilai akurasi dari 96,14% menjadi 97,02%, nilai presisi dari 98,06% menjadi 99,49%, nilai recall dari 90,48% menjadi 92,38%, dan nilai AUC dari 0,95 menjadi sebesar 0,96.