Sektor pertanian memegang peran krusial dalam mendukung ketahanan pangan, namun petani sering menghadapi tantangan dalam pemilihan jenis tanaman yang optimal akibat variasi kondisi tanah dan iklim serta keterbatasan informasi teknis. Penelitian ini bertujuan untuk merancang dan membangun aplikasi berbasis web yang mampu memberikan rekomendasi jenis tanaman pertanian yang sesuai berdasarkan analisis
parameter lingkungan seperti kandungan nitrogen, fosfor, kalium, pH tanah, suhu, kelembaban, dan curah hujan. Metode Random Forest Classifier digunakan sebagai algoritma utama untuk membangun model prediksi. Dataset yang digunakan terdiri dari 1200 baris data yang mencakup 12 jenis tanaman berbeda. Model Random Forest Classifier yang dikembangkan menunjukkan performa yang sangat optimal, mencapai akurasi sempurna 100.00% pada data uji. Konsistensi kinerja
model juga divalidasi dengan akurasi rata-rata 99.58% melalui 5-fold cross-validation, menegaskan kemampuan generalisasi yang robust. Analisis metrik evaluasi lain seperti precision, recall, dan F1-score juga menunjukkan kinerja sempurna. Analisis sensitivitas hyperparameter
mengidentifikasi konfigurasi n_estimators=15 dan max_depth=4 sebagai yang paling efisien dalam mencapai akurasi optimal. Aplikasi web telah berhasil diimplementasikan, mengintegrasikan model prediksi melalui API Flask untuk menyediakan rekomendasi tanaman secara interaktif dan mudah diakses oleh pengguna.