<![CDATA[Penelitian ini bertujuan untuk mengembangkan sistem pendeteksian formalin pada ikan tongkol berbasis pengolahan citra digital dengan memanfaatkan citra insang sebagai objek analisis dan metode Learning Vector Quantization (LVQ) sebagai algoritma klasifikasi. Sistem dirancang untuk mengklasifikasikan ikan tongkol ke dalam dua kelas, yaitu ikan berformalin dan ikan tidak berformalin, berdasarkan perbedaan karakteristik visual pada insangnya. Tahapan preprocessing meliputi penyeragaman ukuran citra (resize), konversi citra berwarna menjadi citra grayscale, serta normalisasi nilai piksel untuk meningkatkan kualitas data sebelum dilakukan ekstraksi fitur. Ekstraksi fitur dilakukan menggunakan fitur mean RGB, Standard deviation RGB, tekstur Gray Level Co-occurrence Matrix (GLCM), histogram, dan color moments guna merepresentasikan karakteristik visual insang ikan. Proses pelatihan model LVQ dilakukan melalui mekanisme pembaruan vektor prototype menggunakan prinsip reward dan punishment. Evaluasi performa sistem dilakukan menggunakan metrik akurasi, precision, dan recall. Hasil pengujian menunjukkan bahwa sistem mencapai akurasi sebesar 63,95%. Pada kelas ikan tidak berformalin diperoleh nilai precision sebesar 69% dan recall sebesar 49%, sedangkan pada kelas ikan berformalin diperoleh nilai precision sebesar 61% dan recall sebesar 78%. Hasil ini menunjukkan bahwa sistem lebih sensitif dalam mendeteksi ikan berformalin dibandingkan ikan segar, meskipun masih terdapat false positive. Penelitian ini menekankan pada analisis performa LVQ sebagai metode klasifikasi berbasis citra, sehingga hasil yang diperoleh tetap valid dan dapat dijadikan dasar evaluasi. Kata kunci: deteksi formalin, ikan tongkol, citra insang, LVQ, pengolahan citra digital.]]>
