Guiding Block atau jalur pemandu merupakan sebuah tanda yang dikhususkan untuk penyandang disabilitas, khususnya untuk para menyandang tunanetra atau dalam istilah lain suatu ubin pengarah atau ubin peringatan terutama bagi gangguan visual. Penyandang disabilitas mempunyai hak sepenuhnya dalam mendapat kemudahan akses pada seluruh fasilitas yang ada di bangunan umum maupun di lingkungan sekitar, termasuk penyandang tunanetra. Akan tetapi, tidak semua penyandang tunanetra menggunakan fasilitas ini dengan sebagaimana fungsinya. Olehkarenaitu, dalampenelitianiniakandilakukan deteksi objek guiding block dengan menerapkan metode Histogram of Oriented Gradient (HOG) dan selanjutnya akan dilakukan klasifikasi dengan menggunakan metode Support Vector Machine (SVM). Penelitian ini dilakukan pada sepanjang padestrian Jalan Ahmad Yani KM 3 Banjarmasin sepanjang 1 KM. Pada penelitian kali ini terdapat beberapa tahapan antara lain, akusisi data, citra processing, segmentasi citra, lalu mendeteksi menggunakan metode HOG dan mengklasifikasikannya menggunakan metode SVM. Pada hasil akhir dilakukan pengujian dengan menggunakan confusion matrix, pengujian ini dilakukan menggunakan library scikit-learn yang terdapat pada bahasa pemrograman Python. Hasil penelitian menunjukkan metode HOG dan SVM menggunakan train_test_split dengan perbandingan data latih dan data uji adalah 70:30. Hasil performa dari metode Histogram of Oriented Gradient (HOG) dan Support Vector Machine (SVM) dalam klasifikasi guiding block untuk 3 jarak pengambilan data antara lain, 30cm, 50cm dan 80cm, yang mana masing2 menghasilkan akurasi 98.5074% untuk jarak 30 cm, 74.814% untuk jarak 50cm dan 82.222% untuk jarak 80cm pada nilai threshold 75. Dengan demikian, untuk nilai akurasi bisa tinggi dan juga bisa rendah, tergantung berapa banyak data citra yang diuji. Karena dari jumlah data citra yang di uji ini pun juga berpengaruh terhadap nilai akurasinya.

Kata kunci: Pengolahan Citra Digital, Guiding Block, Tunanetra, Histogram of Oriented Gradient (HOG), Support Vector Machine (SVM)