Down syndrome merupakan kelainan genetik yang paling mudah diidentifikasi dan paling sering
terjadi. Down syndrome variasi trisomi 21 memiliki karakteristik yang umum dimiliki penyidap down
syndrome, tetapi anak penyidap down syndrome satu dengan lainnya memiliki sedikit perbedaan pada
bagian mulut dan dalam penampilan karena mereka cenderung memiliki kesamaan fitur mulut dengan
orang tua dan saudara mereka sehingga untuk membedakannya cukup kompleks. Oleh sebab itu
penting untuk mengetahui dengan lebih teliti ciri khusus anak penderita down syndrome. Penelitian ini
memiliki tujuan untuk membuat sebuah inovasi sistem berbasis image processing agar
pengklasifikasian penderita down syndrome dan orang normal dengan lebih praktis. Metode yang
dapat digunakan berupa metode Local Binary Pattern (LBP). Penelitian ini menggunakan 2400 frame
mulut anak down syndrome dan anak normal untuk data training. Kemudian menggunakan 3600 frame
mulut anak down syndrome dan anak normal untuk data testing. Hasil yang didapatkan yaitu nilai
threshold yang memberikan pengklasifikasian yang baik sebesar 0.1-0.2 untuk ketiga variasi metode
perhitungan jarak. Metode Euclidean dan Chebychev menghasilkan akurasi sebesar 100% sedangkan
metode City block pada saat threshold 0.1-0.2 memiliki akurasi 91.6 jadi bisa disimpulkan bahwa
metode paling akurat pada penelitian ini yaitu metode Chebychev, Euclidean, kemudian City Block.