Batik adalah karya bangsa yang menyimpan nilai leluhur Indonesia dan diakui oleh bangsa-bangsa lain. Namun, minat terhadap pemahaman batik itu sendiri masih kurang. Salah satunya adalah pengenalan terhadap batik Indonesia. Sering kali kita melihat pemakai batik, tetapi kita tidak tahu nama motif batik apa yang digunakan dan tidak mengetahui asal batik tersebut. Hal ini disebabkan banyaknya jenis motif batik yang ada di Indonesia. Oleh karena itu, pada tugas akhir ini dibangun sistem dengan metode Gray Level Co-occurrence Matrix (GLCM) dan Color Difference Histogram (CDH) untuk ektrasi ciri, serta menambahkan metode Support Vector Machine (SVM) sebagai metode klasifikasi. Penulis juga menambahkan variasi dalam dataset yang digunakan seperti rotate dan Flip. Hasil utama dari kinerja sistem yang dibuat adalah akurasi sebesar 99,128 % dan F1-Score sebesar 98,9999% pada kelas batik berdasarkan daerah menggunakan svm polynomial, sedangkan hasil akhir untuk kelas batik berdasarkan motif menggunakan svm RBF mendapatkan akurasi sebesar 98,2456% dan F1-Score sebesar 98,3208%.
Kata Kunci: Batik, Gray Level Co-occurrence Matrix, Color Difference Histogram, Support Vector Machine.