Pengolahan data citra sangat bermanfaat dalam berbagai aplikasi seperti dalam bidang biomedik dan keamanan sistem komputer. Hanya saja masalah jumlah dimensi yang tinggi pada gambar tidak dapat dihindari. Sehingga teknik dalam pereduksian dimensi sangat diperlukan dan hasil reduksi dimensi ini diharapkan menjaga informasi gambar agar tetap terpercaya. Penggunaan Kernel Dimension Reduction dalam mereduksi dimensi telah meningkatkan hasil akurasi klasifikasi pada data teks dan sinyal. Kernel Dimension Reduction diaplikasikan pada bag of features untuk permasalahan klasifikasi citra. Hasil eksperimen menunjukkan bahwa penggunaan KDR memberikan hasil yang lebih baik dibanding tanpa dilakukan reduksi dimensi. Hasil akurasi rata-rata terbaik sebesar 91,58% pada 90 citra pengujian.