Dalam beberapa tahun terakhir perkembangan interaksi antara manusia dan komputer semakin menuju kearah smart environment. Dalam smart environtment ini berbagai perangkat pun dibangun agar dapat mengenali dan memberikan manfaat untuk pengguna sehingga dapat memberikan respon baik yang sesuai pada aktivitas penggunanya, salah satunya ialah identifikasi aktivitas manusia. Pada pengenalan jenis aktivitas, sebagian besar berdasarkan akselerasi dan sinyal kecepatan sudut menggunakan sensor accelerometer dan gyroscope tertanam di perangkat seluler. Pada penelitian ini diidentifikasi 4 aktivitas manusia yakni duduk, berdiri, berjalan, dan berlari, dengan menggunakan machine learning algoritma Support Vector Machine (SVM) dengan teknik multiclass One vs One. Dimana dengan menggunakan algoritma SVM, sistem human activit recognition dapat melakukan klasifikasi 4 aktivitas dengan sangat baik. Dimana akurasi yang didapatkan saat validasi model sebesar 98.33%. Dan pada saat pengujian sistem, dimana data didapatkan secara realtime pada 30 kali pengujian setiap aktivitas diperoleh ratarata error yang kecil yakni sebesar 1.665%, dengan waktu komputasi klasifikasi berkisar 1 ms