ABSTRAK

   Indonesia sebagai produsen kelapa sawit terbesar di dunia menghadapi tantangan besar dalam menjaga produktivitas perkebunan, khususnya dalam aspek pengelolaan kesuburan tanah. Metode analisis laboratorium yang selama ini digunakan membutuhkan biaya tinggi, waktu lama, serta akses yang terbatas bagi petani kecil. Kondisi ini menyebabkan proses pemupukan sering tidak tepat sasaran, sehingga berdampak pada penurunan hasil panen dan potensi pencemaran lingkungan akibat penggunaan pupuk yang berlebihan maupun kurang. Oleh karena itu, dibutuhkan solusi teknologi yang portabel, cepat, ekonomis, serta mampu memberikan rekomendasi pemupukan sesuai kondisi nyata di lapangan.
Penelitian ini merancang sistem pengukuran kesuburan tanah berbasis perangkat portabel yang mengintegrasikan sensor NPK, pH, dan kelembapan dengan mikrokontroler ESP32. Data hasil pengukuran dikalibrasi menggunakan metode interpolasi linear untuk meningkatkan akurasi, kemudian diolah melalui algoritma machine learning Random Forest. Dataset sebanyak 450 sampel dari perkebunan kelapa sawit digunakan dengan skema 80% data pelatihan dan 20% data pengujian. Pemilihan parameter model dilakukan melalui GridSearchCV guna mendapatkan konfigurasi terbaik. Sistem juga dilengkapi fitur tampilan real-time melalui LCD serta penyimpanan data ke microSD untuk monitoring lebih lanjut.
Hasil penelitian menunjukkan bahwa algoritma Random Forest mampu mencapai akurasi pengujian hingga 96,7% dengan nilai presisi, recall, dan F1-score yang seimbang. Uji lapangan pada lahan kelapa sawit memperlihatkan bahwa sistem mampu memberikan rekomendasi pemupukan dengan akurasi 75% berdasarkan kondisi tanah yang terdeteksi. Dengan demikian, alat ukur portabel ini tidak hanya meningkatkan efisiensi pengelolaan pupuk, tetapi juga berpotensi mendukung pertanian berkelanjutan dengan biaya yang lebih terjangkau serta manfaat langsung bagi petani kelapa sawit.
 
Kata kunci: Alat ukur, portabel, kelapa sawit, kesuburan tanah, Random Forest.