Ultrasonografi (USG) merupakan salah satu modalitas pencitraan yang dapat digunakan untuk memeriksa kelainan pada payudara. Kelebihan pencitraan menggunakan USG diantaranya tidak memberikan rasa sakit dan aman dari efek radiasi. Meskipun demikian, hasil pencitraan USG memiliki kekurangan yang menyebabkan perbedaan interpretasi dokter terhadap hasil citra USG payudara. Computer Aided Diagnosis (CAD) merupakan sistem komputer yang mampu memberikan second opinion secara objektif dalam menentukan karakteristik nodul pada citra USG payudara. CAD dilakukan dengan melakukan proses pra-pengolahan citra yang terdiri dari proses pemotongan RoI dan penapisan, ekstraksi ciri tekstur dan klasifikasi. Proses penapisan dilakukan menggunakan tapis adaptif median dan tapis median. Ekstrasi ciri tekstur dilakukan menggunakan 9 ciri histogram dan 21 ciri Grey Level Co-occurance Matrices (GLCM). Hasil Ekstraksi menggunakan Scilab menunjukkan bahwa dengan menggunakan 30 ciri tekstur, Multi Layer Perceptron(MLP) dapat mengklasifikasikan nodul bermassa kistik dan solid dengan akurasi sebesar 88,89% dan 80,56% menggunakan 10 ciri ciri tekstur.