Dalam mendiagnosis penyakit kanker paru-paru, tim medical imaging mengidentifikasi citra CT-Scan paru-paru secara manual. Proses identifikasi ini membuat tim medical imaging kesulitan dalam membedakan antara citra kanker paru-paru dan normal. Hal ini dikarenakan adanya noise pada citra yang menurunkan kualitas citra, sehingga noise harus direduksi dengan image processing. Pada penelitian ini digunakan median dan gaussian filter, segmentasi otsu thresholding, ekstraksi fitur GLCM, forward selection, dan klasifikasi k-Nearest Neighbor. Hasil penelitian menunjukkan bahwa dari 22 fitur statistik yang diekstraksi, hanya dipilih 16 fitur saja yang relevan untuk mencirikan klasifikasi citra. Dataset citra yang digunakan yaitu sebanyak 900 set data citra untuk training program dan 100 set data citra untuk testing program. Dengan dataset sebanyak 1000 set data citra, tingkat akurasi diagnostik tanpa forward selection (22 fitur GLCM) diperoleh sebesar 81,67%, sedangkan akurasi diagnostik menggunakan forward selection (16 fitur GLCM) diperoleh sebesar 93,22% dengan sensitivitas sebesar 92,25% dan spesifisitas yaitu 94,46%.