Ikan merupakan salah satu hal yang penting dalam kehidupan manusia dan dianggap sebagai salah satu penghubung terpenting dalam rantai makanan. Secara keseluruhan ikan merupakan sumber fosfor, kalsium, protein dan lemak baik. Selain itu ikan merupakan salah satu sumber yang paling banyak di budidayakan di Indonesia dan juga menjadi sumber ekspor terbesar di Indonesia. Tetapi ikan sebagai mahluk hidup juga dapat menderita berbagai penyakit karena hampir semua ikan membawa patogen dan parasit. Dalam mendeteksi penyakit pada ikan, banyak dilakukan secara manual oleh pembudidaya ikan yang berpengalaman serta memakan waktu yang lama karena diperlukan untuk meneliti mikroorganismenya. Dengan menggunakan metode ini juga masuh sulit untuk mendeteksi jenis patogen yang menyerang ikan secara akurat. Oleh karena itu, dengan adanya kondisi tersebut pada tugas akhir ini dibuat sebuah sistem untuk mendeteksi penyakit dan patogen yang menyerang pada ikan berdasarkan perubahan kulit berbasis pengolahan citra. Penyakit yang dapat dideteksi oleh sistem ini ada 3 yaitu penyakit red spot, motile aeromonas septicemia, dan white spot serta dapat mendeteksi ikan normal. Sistem ini mempunyai 4 tahapan, yaitu preprocessing untuk memperbaiki kualitas citra dengan menggunakan metode resized image dan adaptive histogram equalization. Selanjutnya segmentasi untuk memisahkan area dari bagian ikan yang terinfeksi dan yang normal dengan menggunakan metode K-Means Clustering. Ektraksi fitur untuk melakukan ekstraksi ciri pada citra, dan klasifikasi untuk menentukan apakah ikan normal ataupun terkena penyakit dengan menggunakan metode Artificial Neural Network. Pada proyek akhir ini, dilakukan pengujian terhadap 34 data testing, dari hasil pengujian yang dilakukan didapatkan tingkat akurasi sistem sebesar 38% dengan persen error sebesar 61%