Identifikasi fase pertumbuhan padi yang akurat merupakan aspek krusial dalam pertanian, namun metode konvensional yang mengandalkan pengamatan visual bersifat subjektif dan tidak efisien. Penelitian ini bertujuan membangun dan mengevaluasi model klasifikasi untuk menentukan fase pertumbuhan tanaman padi secara otomatis. Metode yang diusulkan adalah pendekatan hibrid yang mengintegrasikan Convolutional Neural Network (CNN) dan Random Forest (RF). Prosesnya dimulai dengan CNN yang berfungsi sebagai pengekstrak fitur untuk mengolah data citra tanaman padi dan menghasilkan set fitur visual. Kemudian, fitur-fitur tersebut digabungkan dan dimasukkan ke dalam classifier Random Forest (RF) untuk melakukan prediksi akhir terhadap fase pertumbuhan. Hasil penelitian menunjukkan model hibrid CNN-RF ini berhasil mencapai tingkat akurasi keseluruhan sebesar 85.13%. Model menunjukkan kinerja yang sangat andal untuk fase-fase awal seperti Persemaian dan Vegetatif Awal (F1-score 0.97 dan 0.98), namun menghadapi tantangan dalam membedakan fase-fase akhir yang memiliki kemiripan visual tinggi, khususnya antara fase Masa Panen dan Pematangan.

Accurate identification of rice growth phases is a crucial aspect of precision agriculture, yet conventional methods relying on visual observation are subjective and inefficient. This study aims to build and evaluate a classification model to automatically determine the growth phase of rice plants. The proposed method is a hybrid approach that integrates a Convolutional Neural Network (CNN) and Random Forest (RF). The process begins with the CNN acting as a feature extractor to process rice plant image data and generate a set of visual features. These features are then used as input for a Random Forest (RF) classifier, which performs the final prediction of the growth phase. The results show that this hybrid CNN-RF model achieved an overall accuracy of 85.13% The model demonstrated highly reliable performance for early stages such as Seedling ('Persemaian') and Early Vegetative ('Vegetatif Awal') (F1-scores of 0.97 and 0.98, respectively), but faced challenges in distinguishing between later stages with high visual similarity, particularly between the Harvest ('Masa Panen') and Maturation ('Pematangan') phases.