Pengelolaan data hasil analisis unsur hara pada PT Perkebunan Nusantara IV Regional III belum terintegrasi secara optimal sehingga proses monitoring kondisi kesuburan setiap blok kebun dan pengambilan keputusan pemupukan masih menghadapi kendala. Untuk mengatasi permasalahan tersebut, dikembangkan sistem AgriSmart sebagai sistem informasi berbasis web untuk membantu monitoring kesuburan tanah pada perkebunan kelapa sawit. Sistem AgriSmart dikembangkan menggunakan framework Laravel sebagai aplikasi utama dan Flask sebagai layanan Machine Learning. Algoritma Random Forest digunakan untuk mengklasifikasikan tingkat kesuburan tanah berdasarkan sembilan parameter, yaitu Nitrogen (N), Fosfor (P), Kalium (K), pH, Electrical Conductivity (EC), Organic Carbon (OC), Sulfur (S), Magnesium (Mg), dan Boron (B). Hasil klasifikasi dibagi menjadi tiga kategori, yaitu Subur, Kurang Subur, dan Tidak Subur. Sistem juga menyediakan dashboard monitoring, visualisasi peta blok kebun menggunakan OpenLayers, analisis unsur hara, rekomendasi pemupukan berbasis rule-based, chatbot berbasis Gemini API, serta ekspor laporan dalam format PDF dan Excel. Integrasi Laravel dengan layanan Machine Learning dilakukan melalui REST API. Hasil pengembangan menunjukkan bahwa AgriSmart mampu mengintegrasikan data kesuburan tanah, klasifikasi Machine Learning, visualisasi kondisi blok kebun, dan rekomendasi pemupukan dalam satu sistem sehingga dapat mendukung proses monitoring dan pengambilan keputusan secara lebih terstruktur dan efisien.