Kesehatan mental mahasiswa menjadi sangat penting yang perlu mendapatkan perhatian, mengingat tingginya tingkat stres akibat tuntutan akademik, masalah sosial, maupun tekanan finansial. Stres yang tidak terkendali dapat menurunkan prestasi akademik dan berisiko menimbulkan gangguan psikologis jangka panjang. Oleh karena itu, dibutuhkan sebuah sistem yang mampu memprediksi tingkat stres dan kondisi kesehatan mental mahasiswa secara akurat. Penelitian ini bertujuan mengimplementasikan algoritma Support Vector Machine (SVM) dalam klasifikasi tingkat stres mahasiswa berdasarkan berbagai faktor seperti pola belajar, kualitas tidur, aktivitas sosial, serta kondisi psikologis lainnya. Data penelitian diolah menggunakan metode machine learning. Algoritma SVM dipilih karena kemampuannya menangani data kompleks dengan tingkat akurasi tinggi. Hasil penelitian menunjukkan bahwa SVM efektif digunakan dalam memprediksi tingkat stres mahasiswa dengan akurasi mencapai 88%, sehingga dapat mendukung upaya pencegahan dini dan intervensi kesehatan mental di lingkungan perguruan tinggi. Kata Kunci: Stres Mahasiswa, Kesehatan Mental, Machine Learning, Support Vector Machine (SVM), RapidMiner.