Indonesia sebagai negara agraris bergantung pada sektor pertanian, namun masalah seperti salah tanam dan ketidakcocokan tanaman dengan tanah yang akan ditanami sering menghambat produktivitas tanaman. Penelitian ini akan mengembangkan sistem rekomendasi tanaman berbasis machine learning menggunakan sensor tanah dan algoritma Random Forest untuk mengukur dan menganalisis kondisi tanah seperti NPK, EC, pH, suhu, dan kelembapan. Sistem ini dirancang untuk mengurangi resiko gagal panen, meningkatkan produktivitas pertanian, dan memberikan solusi bagi petani.
Data yang diperoleh dari pembacaan sensor diproses oleh mikrokontroler, kemudian dikirim secara real-time melalui koneksi Bluetooth ke aplikasi mobile sebagai antarmuka utama pengguna. Model klasifikasi Random Forest dilatih menggunakan dataset hasil pengukuran lapangan yang telah dikalibrasi sebelumnya. Model terbaik dicapai dengan konfigurasi 16 pohon dan kriteria ‘gini’, menghasilkan akurasi sebesar 98,33% pada data uji.
Fitur monitoring berjalan stabil dengan pengiriman data setiap 1 detik, dan sistem mampu beroperasi selama ±3 jam menggunakan dua baterai 18650 berkapasitas 2000 mAh yang dirangkai secara seri. Implementasi sistem di lapangan menunjukkan tingkat akurasi klasifikasi sebesar 60% terhadap data nyata. Hasil ini menunjukkan bahwa sistem dapat digunakan sebagai solusi awal dalam mendukung pertanian presisi berbasis sensor dan machine learning.