Klasifikasi Gambar Fase Pertumbuhan Padi Menggunakan Algoritma Extreme Gradient BoostingMaya IfraShobiaauthorKlasifikasi gambar merupakan salah satu penerapan penting dari machine learning yang banyak digunakan di berbagai bidang, termasuk sektor pertanian. Di Indonesia, proses identifikasi fase pertumbuhan padi pada kegiatan Kerangka Sampel Area (KSA) masih dilakukan secara manual, sehingga memerlukan waktu yang cukup lama dan masih menimbulkan kesalahan dalam pengamatan dikarena proses klasifikasi yang dilakukan secara manual. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model otomatis dalam mengklasifikasikan fase pertumbuhan tanaman padi meliputi fase vegetatif awal, vegetatif akhir, generatif, dan panen menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang dipadukan dengan ekstraksi fitur VGG16, guna meningkatkan akurasi dan efisiensi proses identifikasi fase pertumbuhan. Dataset yang digunakan terdiri atas 1.417 gambar tanaman padi yang dikumpulkan di Kabupaten Padang Pariaman selama periode November 2023 hingga Februari 2024. Tahapan praproses mencakup penyesuaian ukuran dimensi gambar menjadi 224×224 piksel dan normalisasi dalam rentang [0,1], kemudian dilakukan augmentasi data untuk meningkatkan variasi gambar dan mengurangi risiko overfitting. Dataset dibagi menjadi data pelatihan (80%) dan data pengujian (20%). Ekstraksi fitur dilakukan menggunakan VGG16, dan hasilnya digunakan sebagai masukan (input) pada algoritma XGBoost. Proses penyetelan parameter (grid search) menghasilkan parameter optimal, yaitu n_estimators = 500, max_depth = 5, learning_rate = 0,01, subsample = 0,5, dan colsample_bytree = 0,9. Model yang dikembangkan berhasil mencapai akurasi sebesar 80,63%, yang termasuk dalam kategori good classification. Hasil ini menunjukkan bahwa kombinasi VGG16 dan XGBoost mampu mengenali serta membedakan setiap fase pertumbuhan padi secara efektif. Pendekatan ini berpotensi mendukung proses pemantauan pertanian, serta memberikan kontribusi terhadap peningkatan ketahanan pangan nasional melalui penerapan kecerdasan buatan.QA Mathematics2025Universitas Negeri Padang;Statistika FMIPA UNPThesis