Penginderaan Jauh merupakan teknologi yang mampu mengatasi permasalahan pengukuran data untuk informasi yang cepat dan akurat. Pengimplementasian teknologi Penginderaan Jauh dalam bidang pertanian salah satunya adalah dalam pengambilan data citra hiperspektral untuk mengetahui kondisi maupun umur tanaman padi. Hal tersebut diperlukan untuk estimasi rice yield demi mendukung kebijakan pemerintahan dalam melakukan impor beras untuk memenuhi kebutuhan pangan di Indonesia. Untuk mendapatkan model dalam estimasi rice yield yang memiliki akurasi tinggi harus diawali dengan penentuan umur (fase) dari tanaman padi. Pemilihan classifier yang tepat juga harus didukung pemilihan fitur yang tepat untuk mendapatkan hasil akurasi yang optimal. Dalam penelitian ini, penulis melakukan pembandingan antara classifier : Bayesian Network, Naive Bayes, ANN, SVM, KNN, Decision Tree untuk melakukan klasifikasi sembilan fase pertumbuhan padi berdasarkan citra hiperspektral. Percobaan dilakukan dalam tiga jumlah fitur yang berbeda-beda, yaitu menggunakan keseluruhan 116 fitur, 14 fitur berdasarkan seleksi fitur dengan Algoritma Genetika, dan 4 fitur berdasarkan studi literatur. Selain itu, penelitian ini juga mengusulkan sebuah model classifier Logika Fuzzy Adaptif yang dibandingkan tingkat akurasi dengan Logika Fuzzy. Dalam penelitian ini Artificial Neural Network (ANN) terbukti mampu menghasilkan akurasi tertinggi dalam semua kelompok percobaan, yaitu : 85,74% pada klasifikasi menggunakan 116 fitur, 87,94% pada klasifikasi menggunakan 14 fitur, dan 86,32% pada klasifikasi menggunakan 4 fitur. Logika Fuzzy Adaptif mampu mencapai akurasi yang lebih tinggi jika dibandingkan dengan Logika Fuzzy. Perbedaan akurasinya mencapai 10,69%.