Tuberculosis (TB) merupakan penyakit yang umumnya menyerang organ paru-paru. Indonesia memiliki permasalahan underreporting dan underdiagnosis kasus TB. Chest x-ray (CXR) merupakan salah satu sarana utama dalam pendeteksian TB pada paru-paru. CXR memiliki sensitifitas yang tinggi dalam mendeteksi mendeteksi abnormalitas paru-paru yang menjadi ciri-ciri penderita TB pada pasien yang tidak menunjukkan gejala TB. Pendeteksian TB pada CXR dapat dibantu dengan menggunakan Computer Aided Diagnosis (CAD) dan machine learning. Penelitian ini menganalisa performa algoritma C4.5 dalam mendeteksi TB pada fitur GLCM citra CXR. Algoritma C4.5 dalam mengklasifikasi TB pada CXR menggunakan GLCM diuji dengan menggunakan metode cross-validation pada 2-fold hingga 5-fold. Algoritma C4.5 pada penelitian pada uji 5-fold memiliki performa tertinggi dengan akurasi sebesar 78,09%, sensitifitas sebesar 80,52% dan spesifisitas 75,62%. Algoritma C4.5 mampu mengenali citra berlabel TB lebih baik, hal ini dibuktikan dengan nilai sensitifitas yang lebih besar dibandingkan dengan nilai spesifisitas.