Pemantauan kesehatan tanaman padi memainkan peran penting dalam mendukung pertanian presisi dan menjaga produktivitas tanaman. Metode pemantauan konvensional berdasarkan pengamatan lapangan langsung seringkali tidak efisien untuk lahan pertanian yang luas karena membutuhkan waktu dan tenaga yang signifikan. Studi ini mengusulkan sistem pemantauan kesehatan tanaman padi berbasis UAV menggunakan algoritma YOLOv11 dan analisis NDVI untuk mendeteksi area sawah dan mengevaluasi kondisi kesehatan vegetasi secara otomatis. Citra udara UAV dikumpulkan dari wilayah pertanian yang terletak di Gresik dan Daerah Istimewa Yogyakarta menggunakan drone multispektral DJI Mavic 3. Citra RGB yang diperoleh diproses menggunakan model segmentasi YOLOv11 untuk mengidentifikasi wilayah sawah, sedangkan citra multispektral digunakan untuk analisis NDVI guna mengklasifikasikan kondisi kesehatan vegetasi ke dalam kategori sehat, kurang sehat, dan tidak sehat. Sistem yang diusulkan juga diimplementasikan sebagai platform pemantauan berbasis situs web untuk memvisualisasikan hasil segmentasi dan hasil analisis NDVI. Hasil eksperimen menunjukkan bahwa model YOLOv11 mampu melakukan deteksi dan segmentasi sawah secara otomatis dan efektif dari citra UAV. Selain itu, analisis NDVI berhasil memberikan informasi spasial mengenai kondisi kesehatan vegetasi di berbagai wilayah pertanian. Secara keseluruhan, sistem yang diusulkan menunjukkan potensi signifikan untuk mendukung pertanian presisi modern melalui pemantauan vegetasi otomatis dan analisis pertanian berbasis UAV.