Penentuan severity scoring pada penyakit kulit dermatitis atopik merupakan tahap yang penting dalam penanganan pasien penyakit kulit dermatitis atopik. Penanganan dan terapi yang optimal dapat diberikan kepada pasien berdasarkan penentuan severity score oleh dokter kulit. Secara umum, dokter kulit melakukan inspeksi secara visual dalam pengambilan keputusan tingkat severity score penyakit kulit dermatitis atopik. Penentuan tingkat severity score secara manual oleh dokter kulit saat ini bersifat subjektif dan tidak optimal. Oleh karena itu, diperlukan sebuah sistem yang dapat melakukan klasifikasi tingkat severity score pada penyakit kulit dermatitis atopik secara otomatis dan objektif. Penelitian ini menerapkan pendekatan Multi-Class Support Vector Machine (SVM) dalam klasifikasi tingkat severity score secara objektif menggunakan fitur warna, tekstur, dan kemerahan pada citra penyakit kulit dermatitis atopik. Hasil penelitian menunjukkan bahwa fitur kemerahan memiliki indikasi yang signifikan dalam mengelompokkan data citra penyakit kulit dermatitis atopik. Pemanfaatan data sintesis yang dihasilkan oleh metode Synthetic Minority Over-sampling Technique (SMOTE) dapat meningkatkan performa model secara signifikan. Konfigurasi classifier Multi-Class SVM yang paling optimal telah dihasilkan dengan akurasi keseluruhan yang dicapai sebesar 92% dan Multi-Class SVM berhasil mengklasifikasikan tingkat severity score pada penyakit kulit dermatitis atopik.