Bahasa jepang masuk ke dalam salah satu bahasa yang sulit untuk dibaca. Tulisan jepang yang tidak menggunakan alfabet merupakan alasan dari sulitnya bahasa jepang untuk dibaca. Bahasa jepang terdiri dari tiga jenis yakni kanji, katakana, dan hiragana. Huruf hiragana menjadi jenis penulisan yang umum digunakan. Selain itu huruf hiragana memiliki sifat kursif, sehingga masing-masing tulisan dari setiap orang akan berbeda. Sehingga diperlukan sebuah cara untuk mengenali tulisan hiragana. Metode machine learning dapat digunakan untuk membaca huruf hiragana dengan cara mengenali huruf tersebut melalui citra. Namun, belum banyak penelitian terkait studi komparasi terkait klasifikasi citra huruf hiragana. Penelitian ini berfokus untuk melakukan studi komparasi metode machine learning untuk klasifikasi citra huruf jepang. Penelitian ini dilakukan dengan tujuan mempermudah pembacaan huruf hiraga. Huruf jepang yang dipelajari pada penelitian ini adalah huruf vokal hiragana. Sedangkan metode machine learning yang dikomparasi adalah Naïve Bayes, Support Vector Machine, Decision Tree, Random Forest, dan K-Nearest Neighbor. Hasil dari studi komparasi menunjukkan bahwa metode K-Nearest Neighbor merupakan metode terbaik untuk klasifikasi citra huruf vokal hiragana. K-Nearest Neighbor mendapatkan akurasi sebesar 89.4% dengan error rate yang rendah.