Kaligrafi Arab atau Khat merupakan suatu ilmu atau seni penulisan yang memodifikasi huruf arab menjadi karya yang memiliki nilai estetika. Kaligrafi Arab memiliki sejarah yang sangat panjang, akan tetapi seiring berjalannya waktu, kini seni ini mulai disepelekan dan hampir dilupakan serta dengan banyaknya variasi jenis khat ini, membedakan jenis khat satu dan lainnya merupakan hal yang sulit bagi orang awam dan hanya dapat dipahami oleh orang yang mempelajarinya secara khusus. Penelitian ini menganalisis perbandingan metode Convolutional Neural Network (CNN) dan Support Vector Machine (SVM) dalam penerapan model untuk melakukan klasifikasi gambar berdasarkan jenis tulisan kaligrafi Arab. Dataset (kumpulan data) yang akan dikumpulkan berupa citra digital yang akan diberi label berdasarkan 6 jenis kaligrafi Arab, yaitu Khat Riq’ah, Khat Diwani, Khat Naskhi, Khat Tsuluts, Khat Farisi, Khat Kufi. Masing-masing jenis khat akan berisi 160 gambar (citra digital), sehingga total gambar (citra digital) yang akan digunakan pada penelitian ini adalah 960 gambar (citra digital). Dataset akan dibagi ke dalam data pelatihan (training set) dan data pengujian (testing set) dengan mengacu pada proporsi 90% dari dataset untuk data pelatihan dan 10% dari dataset untuk data pengujian, sehingga pada penelitian ini akan menggunakan K-Fold Cross Validation dengan nilai k = 10, yaitu akan dilakukan pengujian dan pelatihan sebanyak 10 kali (fold). Pada penelitian ini, proses tuning hyperparameter akan dilakukan saat menerapkan model CNN dan SVM, selanjutnya dilakukan pengujian performa model menggunakan Confusion Matrix pada tiap fold dari pengujian K-Fold Cross Validation. Pada model CNN, diperoleh nilai rata-rata akurasi, presisi, recall, dan skor f1 yang terbaik dengan menggunakan Arsitektur VGG19, optimizer RMSprop, dan nilai epochs = 100, yaitu 94.17%, 94.34%, 94.17%, 94.13%, serta nilai loss 0.5840. Sementara pada model SVM menghasilkan rata-rata akurasi, presisi, recall, dan skor f1 terbaik dengan menggunakan jenis kernel RBF, nilai C = 2, dan nilai gamma = 0.001, yaitu 76.25%, 77.06%, 76.25%, dan 75.87%. Berdasarkan pada hasil tersebut, dapat disimpulkan bahwa kinerja algoritma CNN memberikan performa yang lebih unggul daripada algoritma SVM dalam mengklasifikasikan gambar berdasarkan jenis tulisan kaligrafi Arab.