ABSTRAK Nama : Lukmanul Hakim Program Studi : Magister Ilmu Komputer Judul : Analisis Eksperimental Variasi Ukuran Blok Tekstur Untuk Pengenalan Area Teks menggunakan Support Vector Machine dengan Kernel Radial Basis Function Pengenalan area teks adalah salah satu metode yang dilakukan pertama kali jika ingin mengenali teks pada gambar. Pengenalan area teks mempunyai beberapa pendekatan, yaitu pendekatan garis, goresan, antarkomponen yang berhubungan, tekstur, ataupun kombinasi dari keempat pendekatan tersebut. Support Vector Machine (SVM) adalah metode klasifikasi yang terkenal karena latar belakang matematikanya yang kuat dan banyak dipakai untuk aplikasi klasifikasi. SVM memisahkan dua kelas pada suatu data dengan "bidang" yang linier. SVM juga mempunyaisuatu fiturtrikkernelyang mampumengubahdatayangtidak bisadipisahkan secara linier sehingga bisa diklasifikasikan secara linier. Pada trik kernel, terdapat kernel RBF yang terkenal karena mempunyai parameter yang sedikit daripada kernel lain, seperti polinomial dan sigmoid. SVM dengan Kernel RBF digunakan di penelitian ini untuk mendeteksi area teks pada gambar label obat secara blok per blok. Penelitian ini lebih berfokus kepada analisis secara eksperimental antaraakurasidenganukuranblokteksturyangdipakai. Hasilmenunjukkanbahwa ukuran blok yang lebih besar cenderung mempunyai akurasiyang lebih tinggi daripada ukuran blok yang lebih kecil. Selain itu, rata-rata error yang dihasilkan alat klasifikasi tersebut mencapai 8 % dengan simpangan yang mencapai 2 %. Kata Kunci: Support Vector Machine, Kernel RBF, Blok Tekstur, Gray Level Co-occurence Matrix, Label Obat