Proses pemantauan pertumbuhan pohon kelapa sawit merupakan salah satu aspek penting yang menentukan kualitas hasil produksi perkebunan kelapa sawit. Proses ini membutuhkan waktu yang lama dan sangat sulit jika dilakukan oleh manusia. Masa depan kelapa sawit diprediksi akan semakin prospektif dikarenakan kemajuan teknologi yang pesat serta semakin meningkatnya kesadaran manusia akan kelestarian lingkungan. Teknologi penginderaan jauh saat ini banyak dikembangkan di bidang perkebunan dan pertanian, salah satunya adalah dengan teknologi foto udara dan LiDAR. Namun, di Indonesia pemanfaatan teknologi LiDAR untuk pemetaan belum terlalu popular karena terbilang teknologi baru dan banyak komunitas perkebunan yang belum begitu mengenal teknologi tersebut. Fokus penelitian adalah tahapan awal dalam pengembangan sistem monitoring jarak jauh untuk pohon kelapa sawit menggunakan data LiDAR dan foto udara, yaitu pada tahapan klasifikasi. Pekerjaan dilakukan mulai dari proses pengumpulan data dan eksperimen untuk mendapatkan model klasifikasi yang optimal untuk identifikasi pohon kelapa sawit. Data yang digunakan adalah data fusi LiDAR dan foto udara di wilayah perkebunan kelapa sawit di Pontianak, Kalimantan Barat, Indonesia. Metode klasifikasi yang digunakan adalah Convolutional Neural Network (CNN), dengan akurasi tertinggi menggunakan fitur RGB sebesar 98%, akurasi terendah menggunakan fitur LiDAR sebesar 86%, sedangkan dengan penggabungan data fusi LiDAR dan foto udara adalah sebesar 97%.