1 IDENTIFIKASI PENYAKIT PADA CITRA BUAH JERUK DENGAN METODE LEARNING VECTOR QUANTIZATION Mohammad Saherman 1) , Imam Cholissodin, S.Si., M.Kom. 2) , Candra Dewi, S.Kom., M.Sc. 3) Program Studi Teknik Informatika Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya, Malang 65145, Indonesia email: sahermanfattah@gmail.com 1) , imamcs@ub.ac.id 2) , dewi_candra@ub.ac.id 3) ABSTRAK Jeruk merupakan buah yang banyak mengandung vitamin, mineral serta serat esensial yang sangat berguna bagi daya tahan dan keseimbangan tubuh agar tetap stabil dan normal. Oleh karena itu persediaan buah jeruk di negara Indonesia juga perlu dipertimbangkan. Di tahun 1996-2000, Indonesia mencapai nilai impor buah jeruk rata-rata 43,341 ton pertahun dan diprediksi akan terus meningkat. Menurut petani jeruk yang ada di Desa Selorejo Kecamatan Dau, kurang optimalnya produksi buah jeruk disebabkan oleh penyakit pada tanaman jeruk yang mengakibatkan kualitas jeruk menjadi buruk dan tidak layak konsumsi. Untuk membantu para petani jeruk, diperlukan suatu sistem otomatis yang dapat mengidentifikasi penyakit pada tanaman jeruk dengan harapan produksi buah jeruk dapat meningkat dengan kualitas layak konsumsi. Salah satu solusinya adalah membangun sistem menggunakan teknologi Jaringan Syaraf Tiruan (JST) Learning Vector Quantization (LVQ) dengan ekstraksi fitur warna terhadap citra buah jeruk. Fitur warna yang digunakan yaitu rata-rata dari setiap warna merah, hijau dan biru. Tahapan yang dilakukan oleh sistem yaitu input citra buah jeruk, prepocessing, ekstraksi fitur warna, pelatihan dengan algoritma LVQ, pengujian menggunakan dengan algoritma LVQ dengan output yang dapat mengklasifikasikan 3 penyakit yaitu Thrips, Embun Jelaga dan Kutu Batok. Pada proses pelatihan, peneliti menggunakan 40 data latih setiap kelasnya, laju pembelajaran ≤ 0.9, konstanta pengurangan laju pembelajaran ≤ 1, laju pembelajaran minimum ≤ 10 -8 , dan iterasi maksimum ≥ 35 dan perbandingan data latih dengan data uji minimal 30:15 didapatkan akurasi terbaik 100% yang dapat mengidentifikasi 15 dari 15 data uji yang disediakan. Kata kunci: Jurnal, Penyakit Jeruk, Pengolahan Citra Digital, Learning Vector Quantization ABSTRACT An orange is a fruit that contains vitamins, minerals and also essential fibers which are very beneficial for body imunity and balance to be stable and normal. Thus, the stock of oranges in Indonesia must also be considered. In 1999-2000, the grade of orange import in Indonesia reached 43,341 tons per year that caused the quality of orange went bad and could not be consumed. According to orange farmers in Selorejo Village, Dau District, the less-optimality of orange production is caused by diseases in the orange plants that cause the orange quality becomes bad and cannot be consumed. To help the orange farmers, an automatic system that can identify diseases in orange plants is needed that hopefully can raise qualified orange production. One of solutions is by building a system with Artificial Neural Network Learning Vector Quatization (LVQ) by extracting color features to orange image. Color features used are the average of red, green, and blue. The stages done by the system are inputting orange image, preprocessing, color features extraction, training with algoritma LVQ, testing with algoritma LVQ with output that can classify 3 diseases i.e. thrips, embun jelaga, and kutu batok. In training process, the researcher uses 40 training data in every class, learning rate ≤ 0.9, constant reduction of learning rate ≤ 1, learning rate minimum ≤ 10 -8 , maximum iteration ≥ 35 and comparison training data with testing data 30:15. The best accuracy is 100% that can identify 15 out of 15 testing data provided. Keywords : journal , Disease Oranges , Digital Image Processing , Learning Vector Quantization