ABSTRAK Nama : Ines Heidiani Ikasari Program Studi : Magister Ilmu Komputer Judul : Klasifikasi Tahap Pertumbuhan Padi Menggunakan Multi Regularisasi Deep Learning dari Citra Satelit LANDSAT-8 Dalam rangka membantu pemerintah Indonesia meningkatkan kemampuan produksi padi dari sekitar 8,2 juta hektar luas sawah Indonesia, diperlukan faktor-faktor pendukung yang dapat menjadi solusi permasalahan tersebut. Seperti penyediaan informasi mengenai persediaan beras nasional agar tidak menggunakan metode konvensional yang cenderung kurang akurat dan membutuhkan waktu yang lama. Teknologi penginderaan jauh (inderaja) terbukti mampu memberikan informasi tentang kondisi permukaan bumi secara luas, cepat, dan spasial. Daerah pengamatan yang menjadi area dari penelitian ini adalah Karawang, Jawa Barat, Indonesia. Data yang didapat dari citra inderaja multi sensor pada bulan Oktober 2015 hingga August 2016 ini kemudian dipelajari dengan Deep Learning. Metode deep learning yang digunakan, yaitu Deep Neural Networks (DNN) dan 1D Convolutional Neural Networks (1D CNN), dengan menerapkan multi regularisasi pembelajaran seperti Fast Dropout, Dropout, dan Batch Normalization. Tujuannya adalah melakukan klasifikasi tahap pertumbuhan tanaman padi dari perbandingan metode-metode yang digunakan dengan memanfaatkan citra satelit LANDSAT-8, serta mengetahui tingkat keakurasian dari metode-metode yang digunakan tersebut. Metode-metode ini kemudian dilakukan perbandingan juga dengan metode-metode pembelajaran mesin lainnya seperti Logistic Regression, SVM, Random Forest, and XGBoost untuk mengevaluasi keefektifan hasil klasifikasinya. Hasil klasifikasi menunjukkan bahwa DNN menggunakan multi regularisasi yaitu Dropout dan Batch Normalization (BN) atau dengan BN saja mampu mencapai keakurasian yang paling tinggi dibandingkan metode-metode yang lain, yaitu mencapai lebih dari 78%. Kata Kunci: Klasifikasi, Tahap Pertumbuhan Padi, Inderaja, LANDSAT-8, Machine Learning, Deep Learning