El nivel de consumo de ajo en Indonesia aumenta a medida que crece la población. Esto se debe a que la mayoría de los ingredientes de las recetas de comida indonesia contienen ajo. Sin embargo, la producción local de ajo no es suficiente para satisfacer la demanda. Por lo tanto, el gobierno indonesio importó ajo de otros países para cumplir con la demanda. Para reducir la capacidad de importación de ajo, el gobierno estableció una regulación para aumentar el área potencial para el cultivo de ajo en varias ubicaciones prioritarias en Indonesia, una de las cuales es el Distrito de Sembalun, en el Este de Lombok. Para apoyar la regulación del gobierno, este estudio presenta una aplicación de aprendizaje automático y un enfoque estadístico para el método de mapeo de campos de ajo en Sembalun, Indonesia. Este estudio comprende varios pasos, incluida la adquisición de datos de imágenes de Sentinel-1A, preprocesamiento de imágenes, entrenamiento de modelos de aprendizaje automático y estadístico, y evaluación de modelos. Los métodos de vecinos más cercanos (-NN) y clasificación de máxima verosimilitud (MLC) son seleccionados en este estudio. El rendimiento de -NN y MLC se compara con otros resultados de clasificación de campos de ajo desarrollados en estudios anteriores utilizando clasificaciones basadas en píxeles y en imágenes. Los resultados de la comparación muestran que la clasificación de -NN es ligeramente mejor que la clasificación de SVM y también superó al método MLC. Además, MLC funciona más rápido que -NN en el aprendizaje del conjunto de datos y en la prueba de los modelos. Los resultados de la clasificación se pueden utilizar para estimar la producción de ajo en el área de estudio. El estudio concluye que los métodos propuestos son mejores que otros modelos de clasificación y el enfoque estadístico. El estudio futuro mejorará la calidad del conjunto de datos para aumentar la precisión del modelo.