Pada umumnya penyakit kulit merupakan penyakit yang mempunyai dampak yang berbahaya bagi penderita baik secara fisik maupun psikologis. Di Indonesia kurangnya perhatian masyarakat terhadap lingkungan sekitar dapat menyebabkan penularan penyakit kulit secara tepat. Kecepatan dan ketepatan dalam melakukan diagnosis sangat penting untuk pengobatan, yang tentu akan berpengaruh pada kesembuhan. Perkembangan teknologi dewasa ini sangat pesat memungkinkan untuk mendeteksi penyakit kulit secara cepat dan tepat.
Pada penelitian ini mengambil data citra penyakit kulit Melanoma, Angioma, Actinic Keratosis, dan Dermatofibroma suatu penyakit yang mempunyai efek buruk dan tidak nyaman jika terlalu lama di biarkan dan bisa menyebabkan kanker kulit, untuk data yang digunakan dalam penelitian ini diambil dari dataset International Skin Imaging Collaboration (ISIC). Metode ekstrasi ciri pada penelitian ini menggunnakan Gray Level Co-Occurance Matrix (GLCM) untuk menentukan jarak sudut dan fitur statistik. Untuk klasifikasi citra data terdiri dari 4 jenis penyakit kulit yang diklasifikasi menggunakan Support Vector Machine (SVM) multiclass untuk menentukan jenis kernel. Terdapat empat jenis kernel yang digunakan, yakni kernel Linear, Polynomial dan Gaussian RBF. Parameter multiclass SVM itu sendiri yakni kelas One-Against-All (OAA) dan One-Against-One (OAO) untuk klasifikasi penyakit dengan SVM.
Hasil akhir yang didapatkan dari pengujian sistem adalah sistem mampu melakukan identifikasi pada penyakit kanker kulit melalui citra kulit pasien dengan tingkat akurasi tertinggi mencapai 80%. Tingkat akurasi tersebut diperoleh melalui pengujian pada parameter jenis citra RGB dengan layer berwarna biru, ukuran citra sebesar 512 x 512, d= 2, ?= 135°, jenis kernel Gaussian (RBF), dan pembanding multiclass menggunakan One Against All.