Virtualisasi merupakan teknologi penting dalam mendukung efisiensi infrastruktur sistem komputasi modern, termasuk dalam penerapan machine learning. Penelitian ini bertujuan untuk membandingkan performa dua jenis teknologi virtualisasi, yaitu KVM (Kernel-based Virtual Machine) dan LXC (Linux Container), dalam menjalankan algoritma machine learning Logistic Regression menggunakan dataset Breast Cancer Wisconsin (Diagnostic). Pengujian dilakukan pada platform Proxmox VE dengan konfigurasi perangkat keras yang sama, masing-masing diuji sebanyak lima kali untuk memperoleh hasil yang representatif. Evaluasi dilakukan berdasarkan metrik performa model seperti akurasi, precision, recall, F1-score, serta metrik efisiensi sistem berupa waktu eksekusi, penggunaan CPU, dan penggunaan RAM. Hasil pengujian menunjukkan bahwa baik KVM maupun LXC mampu menjalankan model dengan akurasi tinggi, dengan nilai AUC ROC masing-masing sebesar 0.998 (KVM) dan 0.993 (LXC). Dari sisi efisiensi, LXC menunjukkan konsumsi sumber daya yang lebih rendah, dengan rata-rata penggunaan CPU sebesar 48.8% dan RAM sebesar 405.4 MB, dibandingkan KVM yang menggunakan 51.0% CPU dan 407.6 MB RAM.Kesimpulan dari penelitian ini menyatakan bahwa meskipun KVM sedikit lebih unggul dalam akurasi, LXC lebih direkomendasikan untuk menjalankan layanan machine learning ringan karena efisiensinya yang lebih tinggi dalam penggunaan sumber daya. Penelitian ini diharapkan dapat menjadi acuan dalam pemilihan teknologi virtualisasi yang tepat untuk implementasi machine learning di lingkungan cloud, edge computing, atau server berskala kecil.