<![CDATA[Abstrak Salah satu kelainan pada tulang punggung yang terjadi diakibatkan karena adanya kemiringan pada tulang belakang sehingga tulang tidak pada bentuk normalnya atau biasa disebut skoliosis. Skoliosis adalah melengkungnya tulang kearah samping sehingga tulang belakang seolah-olah membentuk huruf “S†atau “C†. Pada penelitian ini, akan dibuat sistem yang dapat mengklasifikasikan kondisi tulang belakang berdasarkan citra pengolahan tulang belakang menjadi tiga jenis yaitu tulang belakang dengan kondisi normal, tulang belakang dengan kelainan dekstrokoliosis atau tulang belakang dengan kelainan levoskoliosis. Pada Tugas Akhir ini akan menggunakan metode Local Binnary Patterns (LBP) dan Algoritma KNearest Neighbor (KNN) sebagai klasifikasinya. Dari hasil pengujian diperoleh akurasi identifikasi terbaik sebesar 65% . Akurasi tersebut diperoleh dari pengujian menggunakan parameter level radius dengan nilai 2, ciri orde satu yang digunakan adalah ciri var,std, dan mean pada metode ekstraksi ciri serta nilai K=1 dan skema jarak euclidean. Kata kunci : Tulang Belakang, Local Binnary Patterns (LBP), K-Nearest Neighbor (K-NN). Abstract One abnormality in the spine that occurs is caused by the slope in the spine so that the bone is not in its normal form or commonly called scoliosis. Scoliosis is the curvature of the bone towards the side so that the spine seems to form the letter "S" or "C". In this study, a system will be made that can classify the condition of the spine based on the processing of the spine image into three types, namely the spine with normal conditions, the spine with dextrocoliosis or spinal abnormalities with levoskoliosis abnormalities. In this Final Project will use the method of Local Binnary Patterns (LBP) and K-Nearest Neighbor (KNN) Algorithm as the classification. From the test results obtained the best identification accuracy of 65%. Accuracy was obtained from testing using radius level parameters with a value of 2, the first-order characteristics used were the characteristics of var, std, and the mean in the feature extraction method and the K = 1 value and the euclidean distance scheme. Keywords : Spine, Local Binnary Patterns (LBP), K-Nearest Neighbor (K-NN).]]>
