Tekstur merupakan pola atau motif tertentu yang tersusun secara berulang-ulang pada citra. Tekstur mudah dikenali/dikelompokkan oleh manusia, tetapi sulit bagi mesin. Klasifikasi tekstur secara otomatis berguna dan dibutuhkan pada banyak bidang seperti industri tekstil, pendaratan pesawat otomatis, fotografi dan seni. Pada industri tekstil, klasifikasi tekstur otomatis dapat meningkatkan efisiensi proses desain motif. Motif tekstil terdiri dari banyak kelompok, sehingga diperlukan metode klasifikasi multi kelas untuk mengelompokkan motif-motif tersebut. Artikel ini memaparkan kinerja tiga metode Support Vector Machine (SVM) multi kelas: One Against One (OAO), Directed Acyclic Graph (DAG) dan One Against All (OAA) pada klasifikasi motif dari citra tekstil, dimana Wavelet Gabor digunakan sebagai pengekstraksi fitur. Kinerja SVM diukur berdasarkan parameter akurasi dan fitur Gabor diekstraksi dengan skala dan orientasi yang berbeda. Tujuan penelitian ini adalah menentukan kinerja SVM dan pengaruh jumlah skala dan orientasi Gabor yang digunakan pada klasifikasi motif tekstil. Pada simulasi digunakan 120 citra tekstil yang terbagi menjadi tiga kategori motif: bunga, kotak dan polkadot. Akurasi pengelompokan SVM mencapai kisaran 90%-100%, bahkan untuk citra yang terpotong. Pengujian dengan k-fold validation menunjukkan bahwa SVM DAG lebih baik daripada SVM OAO dan SVM OAA, dengan akurasi mencapai 78%.