Tutupan lahan menjadi faktor penting dalam analisis geografis, mulai dari studi geografi fisik, pendekatan untuk perencanaan berkelanjutan hingga analisis lingkungan. Analisis vegetasi menurut Standar Nasional Indonesia (SNI 7645:2014) diklasifikasikan berdasarkan kerapatan. Indeks kerapatan vegetasi dibagi menjadi 4 yaitu non vegetasi, bare, sedang dan tinggi. Dalam aspek teknis untuk memperoleh informasi terkait vegetasi, hal ini dapat dilakukan dengan menggunakan penginderaan jauh (Remote sensing).Penginderaan jauh menggunakan dua data dalam memperoleh informasi yaitu data satelit dan data UAV. Penelitian ini akan menggunakan data UAV dengan lokasi pengambilan gambar di Hutan Lindung Liang Anggang dalam melakukan klasifikasi tutupan lahan. Metode yang digunakan adalah Convolutional Neural Network dengan ekstraksi fitur yang digunakan dalam penelitian ini adalah GLCM. Penelitian ini akan menggunakan arsitektur ShuffleNet v2 pada metode CNN. Hasil penelitian ini menggunakan dua model yaitu model CNN tanpa adanya proses GLCM dan dibandingkan dengan model CNN dengan tambahan proses GLCM, menghasilkan perbandingan yang cukup jauh dari nilai akurasi yang didapatkan. Model CNN mendapatkan nilai akurasi sebesar 80%, sedangkan model CNN dengan GLCM yang menggunakan segmentasi sebesar 49,9% dan tanpa segmentasi sebesar 44,53%.