Abstrak -Citra ikan tuna harus dilakukan proses segmentasi yang baik sebelum masuk ke tahapan klasifikasi. Hasil segmentasi yang baik adalah objek dan background terpisah dengan jelas. Citra ikan tuna yang memiliki sebaran cahaya tidak merata dan memiliki tekstur yang komplek akan menghasilkan kesalahan segmentasi. Salah satu metode segmentasi pada citra adalah seeded region growing dan parameter yang digunakan hanya dua yaitu seed dan threshold. Penelitian ini mengusulkan metode seeded region growing pada ruang warna HSI untuk segmentasi citra ikan tuna. Ruang warna RGB (red green blue) pada citra ikan tuna ditransformasikan ke dalam ruang warna HSI (hue saturasi intesitas) yang kemudian hanya ruang hue untuk dijadikan segmentasi dengan menggunakan seeded region growing. Penentuan parameter seed dan threshold dilakukan secara manual dan hasil dari segmentasi tersebut dilakukan refinement dengan morfologi matematika. Pengujian dilakukan sebanyak 30 citra dan metode evaluasi hasil segmentasi menggunakan RAE (relative foreground area error), MAE (missclassification error) dan MHD (modified Hausdroff distance). Citra ikan tuna berhasil dilakukan segmentasi dengan dibuktikan nilai RAE, ME dan MHD secara berturut adalah 5,40%, 1,53% dan 0,41%.Kata kunci -HSI, citra ikan tuna, morfologi matematika, seeded region growing Abstract -The image of the tuna must have a good segmentation results before entering process classification. The result of good segmentation is object and background separate clearly. The image of tuna which has a distribution of light that is uneven and has a complex texture will produce an error segmentation. One method of image segmentation was seeded region growing and parameters that used only two, namely seed and threshold. This research proposed method seeded region growing in the HSI color space for image segmentation of tuna. The Color space of RGB (red green blue) on image of tuna transformed into a color space HSI (hue saturation intensity) then only the hue color space used as segmentation by using seeded region growing. Determination of seed and threshold parameters can do manually and the result of the segmentation do refinement with mathematical morphology. The experiment using 30 image of tuna to segmentation and evaluation methods using RAE (relative foreground area error), MAE (missclassification error) and the MHD (modified Hausdroff distance). The image of the tuna successfully performed segmentation evidenced by a value RAE, ME and MHD respectively are 5,40%, 1,53% dan 0,41%.