Kelapa sawit merupakan salah satu komoditas utama yang berkontribusi terhadap
perekonomian Indonesia. Penentuan kebutuhan pupuk menjadi salah satu faktor
penting dalam meningkatkan produktivitas tanaman, namun pada prosesnya hal ini
masih menjadi tantangan dan menghasilkan penggunaan pupuk kurang optimal.
Penelitian ini bertujuan membangun model prediksi kebutuhan pupuk pada lahan
kelapa sawit menggunakan algoritma Random Forest. Dataset penelitian diperoleh
dari data historis pemupukan KUD dan data hasil survei petani. Tahapan penelitian
meliputi preprocessing data, feature selection, One-Hot Encoding, pembagian
dataset dengan rasio 80:20, pelatihan model Random Forest, 5-Fold Cross
Validation, serta optimasi parameter menggunakan GridSearchCV. Evaluasi model
dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared
Error (RMSE), dan R² Score. Hasil pengujian menunjukkan bahwa model baseline
memperoleh nilai MAE sebesar 65,06 kg, RMSE sebesar 213,10 kg, dan R² sebesar
0,865, sedangkan model final hasil optimasi memperoleh MAE sebesar 66,17 kg,
RMSE sebesar 213,02 kg, dan R² sebesar 0,865. Hasil feature importance pada
model final menunjukkan bahwa Jumlah Pohon, Luas Lahan, dan Jenis Pupuk
merupakan variabel dengan kontribusi terbesar terhadap proses prediksi. Model
kemudian diimplementasikan ke dalam aplikasi berbasis web menggunakan
framework Flask berdasarkan karakteristik lahan.
Kata kunci : Kelapa Sawit; Machine Learning; Prediksi; Pupuk; Random Forest.