<![CDATA[Hortikultura merupakan subsektor pertanian yang meliputi tanaman buah, sayur, bunga, dan tanaman hias yang berperan penting dalam mendukung perekonomian nasional. Pemantauan dan penilaian budidaya hortikultura untuk menjaga dan meningkatkan kualitas produksi hortikultura dapat memanfaatkan teknologi penginderaan jauh. Citra penginderaan jauh bervariasi dari resolusi rendah seperti MODIS (1 km), sedang seperti Landsat (30 m) dan Sentinel-2A (20, 10 m), hingga tinggi seperti IKONOS (1– 4 m) dan citra Unmanned Aerial Vehicle/UAV (< 1 m). Untuk lahan pertanian hortikultura yang memiliki petakan kecil dapat digunakan UAV sebagai alternatif karena memiliki resolusi yang tinggi. Penelitian ini bertujuan menganalisis pola spektral tanaman hortikultura berdasarkan citra UAV multispektral, memetakan tanaman hortikultura dengan metode k-Nearest Neighbor (k-NN) dan Minimum Distance Classification (MDC), dan menganalisis tingkat ketelitian klasifikasi tanaman hortikultura menggunakan kedua metode tersebut. Lokasi penelitian berada di Kebun Percobaan Pasir Sarongge, Kabupaten Cianjur menggunakan data observasi lapang dan citra UAV multispektral akuisisi 6 November 2022. Analisis pola spektral sampel dilakukan dengan mengambil area sampel dari 11 kelas yang meliputi hortikultura dan non hortikultura yang selanjutnya dibuat kurva karakteristik spektral. Klasifikasi citra menggunakan metode k-NN dan MDC. Hasil penelitian menunjukkan bahwa respon spektral hortikultura pada tampak mata rendah yang mana band hijau sedikit lebih tinggi dari band merah, sedangkan pada band tepi merah terjadi peningkatan secara signifikan dan terus meningkat di band NIR. Hasil klasifikasi tanaman hortikultura pada kedua metode menunjukkan perbedaan luasan karena perbedaan algoritma pengklasifikasi. Urutan luas terbesar sampai terkecil pada k-NN adalah cabai, wortel, kentang, pisang, kubis, bawang merah, dan tomat. Sementara itu, urutan terbesar sampai terkecil pada MDC adalah cabai, pisang, wortel, kubis, kentang, bawang merah, dan tomat. Akurasi keseluruhan klasifikasi untuk k-NN dan MDC masing-masing sebesar 89.37% dan 51.48%.]]>
