ABSTRAK Nama : Willy Program Studi : Magister Ilmu Komputer Judul : Pengklasifikasian Motif Songket Palembang dengan Menggunakan Metode Scale Invariant Feature Transform dan Speeded-Up Robust Feature Tesis ini memberikan pendekatan baru dalam melakukan klasifikasi objek, yaitu motif-motif Songket Palembang, dengan memanfaatkan local descriptor SIFT dan SURF. Pendekatan tersebut adalah pendekatan matching scores berupa keypoint distance. Data gambar yang tersimpan dan data gambar yang diuji dilakukan dengan teknik 10-fold cross validation. Dalam melakukan pencocokan, dilakukan dua pendekatan yaitu pengambilan rata-rata dari 5, 10, 15, atau 25 buah nilai keypoint distance terkecil dan pengambilan jumlah terbanyak dari matched keypoint. Dalam pendekatan keypoint distance ataupun pendekatan jumlah matched keypoint terbanyak, klasifikasi motif songket dapat dilakukan. Akurasi dan waktu eksekusi menjadi indikator dari performa metode atau pendekatan yang dilakukan. Terdapat beberapa buah skenario dalam melakukan evaluasi metode, termasuk melibatkan proses derau pada gambar. Hasil menunjukkan bahwa SIFT memiliki tingkat akurasi yang lebih tinggi dibandingkan dengan SURF baik dengan pendekatan keypoint distance maupun pendekatan jumlah matched keypoint meskipun waktu eksekusi SIFT lebih lama dibandingkan dengan metode SURF. Akan tetapi, permasalahan ini dapat dibantu dengan proses derau dengan kerapatan derau sebesar 0.2 sehingga waktu eksekusi dapat berkurang hingga 39%. Kata Kunci: SIFT, SURF, distance, keypoint