Pangan utama masyarakat Indonesia adalah tanaman padi dan merupakan salah satu negara penghasil padi terbanyak di Asia. Petani harus menguasai kondisi tanaman padi yang sehat dan tidak sehat, untuk menentukan padi yang sehat atau padi tidak sehat merupakan dua cara pengamatan, yaitu kajian secara teoritis dan Petani juga masih menggunakan instingnya secara pengamatan langsung. Salah satu unsur hara utama yang sangat diperlukan pada tanaman padi adalah pupuk Nitrogen (N) dalam menunjang pertumbuhan tanaman padi, kandungan yang kurang menyebabkan tidak optimalnya pertumbuhan dan perkembangan suatu tanaman. Dengan memanfaatkan teknologi informasi di bidang pertanian khususnya tanaman padi perlu adanya sistem identifikasi kondisi tanaman padi berdasarkan warna daun padi, sehingga dapat membantu petani untuk mempermudah petani dalam memantau Kesehatan padi dan juga
membuat petani mudah dalam mengetahui kebutuhan pupuk nitrogen yang terdapat dalam daun padi, Metode Learning Vector Quantization menghitung jarak antara bobot awal dengan data pelatihan, sehingga pada akhir epoch akan
menemukan bobot akhir dari setiap kelas. Tahap awal dalam
mengimplementasikan metode ini dengan mengumpulkan 25 data latih yang terbagi dalam 5 kelas yang disimpan di dalam database dan 25 data uji. Data tersebut berupa citra gambar digital yang telah diolah secara sistem dengan melakukan resize, transformasi RGB ke HSV dan deteksi tepi canny untuk
mendapatkan pola dari gambar daun padi. Pengujian hasil metode learning vector quantization dengan confusion matrix didapatkan nilai akurasi sebesar 85,31%, nilai precision sebesar 86,53% dan nilai recall sebesar 85,39%.

Rice is the main staple for Indonesians and Indonesia is one of the largest rice producing countries in Asia.Farmers must be able to know whether the rice plant is healthy, that theoretically review and farmers still use his instincts as a direct observation. One of the main nutrients indispensable for rice plants is Nitrogen (N) fertilizer to support the growth of rice plants, the insufficient content causes the growth and development of a plant to be not optimal. By utilizing information technology in agriculture, especially rice plants need their rice crop condition
identification system based on the color of rice leaves, so as to help farmers to facilitate the farmers in monitoring the health of rice farmers and also make easy in knowing the nitrogen fertilizer requirements contained in rice leaves. Learning Vector quantization method to calculate the Euclidean distance between the initial weight with training data, so that at the end of the epoch will find the weight
of the end of each class. The initial step in implementing this method to collect training data 25 are divided into five classes that are stored in the database and 25 test data. The data is in the form of digital images that have been processed in a system by resizing, RGB to HSV transformation and canny edge detection to obtain patterns from the rice leaf image. The data is in the form of digital images that have been processed in a system by resizing, RGB to HSV transformation and canny edge detection to obtain patterns from the rice leaf image. Testing the results of the learning vector quantization method with confusion matrix obtained an accuracy value of 85.31%, a precision value of 86.53% and a recall value of 85.39%