ABSTRAK Nama : Rina Akta Program Studi : Ilmu Komputer Judul : Klasifikasi Motif Batik Menggunakan Metode Scale Invariant Feature Transform Batik adalah salah satu warisan budaya Indonesia yang harus dipertahankan. Keberagaman motif dan ragam hias batik menjadi salah satu tantangan tersendiri dalam permasalahan klasifikasi citra. Oleh karena itu, diperlukan suatu teknik yang invariant terhadap skala, rotasi, dan transformasi lainnya untuk dapat mengklasifikasi suatu kain batik ke dalam motif tertentu. Penelitian ini menggunakan teknik deteksi fitur Scale Invariant Feature Transform. Kemudian, digunakan juga metode Invariant GHT sebagai metode pembanding. Metode SIFT dan Invariant GHT dijalankan ke dalam 7 skenario percobaan. Skenario percobaan tersebut merupakan perpaduan dari percobaan data unseen-seen, data cropped-uncropped, dan data dengan resolusi yang berbeda. Penelitian ini menggunakan 90 citra batik yang terdiri atas 30 motif kawung, 30 motif parang, dan 30 motif kawung. Hasil percobaan menunjukan bahwa SIFT memberikan hasil yang baik dalam klasifikasi citra batik. Hasil akurasi terbaik pada percobaan I hingga VII secara berurut adalah 100%, 88%, 100%, 85%, 87%, 80%, dan 57%. Sedangkan, hasil akurasi terbaik teknik Invariant GHT pada percobaan I hingga VII secara berurut adalah 34%, 31%, 59%, 57%, 37%, 41%, dan 44%. Kata Kunci: Batik, klasifikasi citra, SIFT, pengolahan citra, deteksi fitur