Pembelajaran bahasa Korea semakin diminati di Indonesia, terutama di kalangan remaja. Namun, pengenalan karakter Hangeul masih menghadapi kendala akibat kemiripan bentuk dan pola alfabetnya, yang dapat menyebabkann kesalahan dalam identifikasi karakter. Penelitian ini bertujuan untuk membandingkan kinerja Convolutional Neural Network (CNN) dan Support Vector Machine (SVM) dalam mengenali karakter tulisan Korea (Hangeul). Dataset yang digunakan terdiri dari 2320 karakter dari Kaggle, dengan masing-masing kelas berisi 80 karakter. Data citra diproses melalui preprocessing, augmentasi data, pembagian data, ekstraksi fitur HOG dan pelatihan model. Metode CNN menggunakan optimizer RMSProp dengan learning rate 0,001 dan 15 epoch, sedangkan SVM menggunakan kernel RBF dengan C= 100 dan gamma =scale. Hasil evaluasi menunjukkan bahwa metode CNN lebih unggul dengan akurasi 86%, precision 86,57%, recall 86,21%, dan F1-score 86,08%, dibandingkan SVM yang hanya mencapai akurasi 69%, precision 70%, recall 69%, dan F1-score 69%. Dengan demikian, CNN memiliki selisih akurasi sebesar 17% dari SVM dalam pengenalan karakter tulisan (Hangeul).