Penelitian ini mengkaji deteksi retak melintang pada poros berputar dengan variasi kedalaman retak menggunakan sinyal getaran dan metode Support Vector Machine (SVM). Poros memiliki peran penting dalam transmisi daya dan rentan terhadap retak akibat beban siklik, yang dapat mengganggu operasi mesin. Tujuan penelitian ini adalah mengembangkan model klasifikasi machine learning untuk memperoleh fitur-fitur sensitif sebagai prediktor adanya retak pada poros serta mengevaluasi unjuk kerja pemodelan SVM dalam diagnosis retak pada poros berputar. Metode pemantauan kesehatan poros berbasis getaran dipilih karena sensitivitasnya yang tinggi, sifatnya yang tidak merusak, dan penerapannya yang luas di industri. Fitur sinyal getaran diekstraksi menggunakan 13 fitur domain waktu dan 5 fitur domain frekuensi untuk mengkarakterisasi kondisi poros. Distance Evaluation Technique (DET) diterapkan untuk memilih fitur paling relevan guna meningkatkan akurasi model klasifikasi. Model SVM dengan kernel linear, polynomial, dan gaussian RBF digunakan untuk mengklasifikasikan tingkat keparahan retak. Hasil penelitian menunjukkan bahwa akurasi model dengan 4 fitur menggunakan kernel polynomial SVM mencapai 97,2% hingga 98,6%, sebagai upaya mendeteksi kerusakan poros berdasarkan kedalaman retak. Temuan ini menunjukkan bahwa metode ini efektif dan andal untuk pemantauan kondisi poros dalam industri.