COVID-19 dapat menyebabkan pneumonia akut sehingga ber- dampak pada sistem perawatan kesehatan. Deteksi dini sangat di- perlukan untuk pengobatan yang benar. Meskipun CT-Scan me- rupakan standar utama pencitraan diagnostik untuk penumonia, rontgen thoraks lebih banyak digunakan untuk deteksi COVID-19 karena dosis radiasi yang dikeluarkan kecil, biaya relatif lebih mu- rah, dan ketersediaannya luas. Tujuan dari penelitian ini adalah untuk mengetahui klasifikasi pneumonia akibat virus corona pada citra rontgen toraks berbasis fitur statistik menggunakan softwa- re Scilab dan Weka. Terdapat empat tahapan dalam pengolahan citra yaitu pre-processing, ekstraksi ciri tekstur, seleksi ciri teks- tur dan klasifikasi. Proses ekstraksi ciri menggunakan 9 ciri his- togram, 21 ciri GLCM dan 11 ciri GLRLM. Proses seleksi ciri dan klasifikasi menggunakan bantuan machine learning Weka dengan seleksi ciri menggunakan metode information gain dan klasifika- si menggunakan classifier MLP. Hasil dari tahapan klasifikasi dapat dilihat dari hasil indeks pengukuran seperti akurasi, sensitivitas, spesifisitas, dan presisi. Hasil analisis menunjukkan bahwa meto- de kombinasi antara histogram, GLCM, dan GLRLM memiliki nilai akurasi, sensitivitas, spesifisitas serta presisi tertinggi dalam me- nemukan ciri citra rontgen toraks SARS, MERS dan COVID-19 yaitu 81.67%, 71.1%, 86% dan 71.53%.