Penerapan Metode Fused LASSO dalam Menyeleksi Fitur Data Satelit Landsat 8 pada Model Regresi Logistik MultinomialZahrani AsyatiZulikaauthorKetahanan pangan menghadapi tantangan signifikan akibat ketergantungan pada sektor pertanian dengan produksi padi sebagai faktor utama. Metode Kerangka Sampel Area (KSA) cukup akurat untuk melakukan estimasi luas panen padi, namun biaya operasional yang diperlukan tinggi. Salah satu cara alternatif yang digunakan adalah dengan memanfaatkan citra satelit Landsat 8. Citra satelit Landsat 8 memberikan solusi yang lebih efisien dan akurat dalam pemantauan produksi padi. Selain itu juga dapat membantu pemodelan amatan dalam survei KSA menjadi lebih efisien untuk mengklasifikasikan amatan KSA dengan menggunakan Regresi Logistik Multinomial (RLM). Cara untuk menyederhanakan model kompleks dari model RLM ini yaitu dengan metode Fused Least Absolute Shrinkage and Selection Operator (Fused LASSO). Penelitian ini bertujuan untuk menyederhanakan model klasifikasi pengamatan KSA pada data citra satelit Landsat 8. Penelitian ini merupakan penelitian terapan menggunakan data sekunder dari survei KSA oleh BPS pada periode waktu 31 Januari 2024 di Kabupaten Padang Pariaman. Metode yang digunakan adalah Fused LASSO pada model Regresi Logistik Multinomial. Model RLM-Fused LASSO diterapkan dengan variabel respons yang digunakan adalah kategori amatan KSA dan 10 variabel bebas yang mencakup tiga indeks spektral yaitu EVI, MNDWI dan NDBI, serta tujuh band citra. Hasil penelitian menunjukkan bahwa Fused LASSO dapat mengurangi kompleksitas model dengan berhasil mengidentifikasi variabel indeks spektral yang berkontribusi dalam klasifikasi fase pertumbuhan padi. Dengan nilai lambda optimal �1 = 0,02782559 dan �2 = 0,0139128, model RLM-Fused LASSO mampu mengatasi multikolinearitas dan overfitting. Evaluasi kinerja menunjukkan rata-rata untuk balanced accuracy 77,74%, sensitivity rata-rata 66,57% dan specificity 88,91%.HA Statistics2026-05Universitas Negeri Padang;Statistika FMIPA UNPThesis