Osteoporosis merupakan salah satu penyakit yang berkaitan dengan proses penuaan (degeneratif) yang diindikasikan dengan terjadinya penurunan kerapatan yang cepat dan penipisan jaringan tulang sehingga terjadi penurunan kekuatan mekanik tulang dalam mendukung aktivitas sehari-hari. Teknik yang banyak dikembangkan untuk pengukuran yang berkaitan dengan massa tulang, serta dianggap sebagai gold standard adalah Dual Energi X-ray Absorptiometry (DXA). Beberapa penelitian sebelumnya memberikan peluang pemanfaatan citra radiografi panoramik gigi untuk analisis kerapatan trabekula tulang mandibula. Hasil ini digunakan sebagai sarana dekteksi dini kondisi Bone Mineral Density (BMD). Penelitian ini bertujuan melakukan klasifikasi terhadap hasil analisis tekstur menggunakan prinsip Grey Level Cooccurence Matrix (GLCM) pada citra panoramik gigi. Dari metode GLCM diperoleh ekstraksi fitur yang selanjutnya dijadikan input bagi K-Nearest Neighbor (KNN) untuk melakukan klasifikasi. Uji coba dilakukan menggunakan data BMD vertebra lumbar dan citra panoramik gigi 23 sampel wanita berusia antara 52 -73 tahun yang telah memasuki masa postmenopause. Hasil klasifikasi kelas normal dan osteoporosis menggunakan KNN (9 data latih dan 14 data uji) memberikan pengenalan paling baik dengan akurasi 78,57%, sensitivitas (tingkat benar positif) 100% dan spesifisitas (tingkat benar negatif) 66,67%. Pengenalan paling baik didapatkan menggunakan fitur contrast, energy, dan homogeneity dan kombinasi ketiganya sebagai input bagi klasifikasi KNN.