Indonesia sebagai negara agraris menghadapi tantangan besar dalam bentuk krisis pangan yang disebabkan oleh penurunan luas lahan pertanian dan perubahan iklim. Untuk mengatasi masalah ini, diperlukan inovasi dalam bidang pertanian, khususnya dalam meningkatkan kualitas tanah. Penelitian ini mengusulkan sistem klasifikasi kualitas kesuburan tanah menggunakan algoritma K-Nearest Neighbors (KNN). Data yang digunakan dalam penelitian ini mencakup parameter seperti pH, Nitrogen, Fosfor, Pottasium, suhu, kelembaban, dan curah hujan. Dataset dibagi menjadi set pelatihan dan pengujian untuk memastikan model dapat diuji dan dievaluasi secara objektif. Hasil penelitian menunjukkan bahwa nilai K optimal adalah 3, dengan akurasi mencapai 96,81% dan error rate sebesar 3,2%. Implementasi model ini diharapkan dapat membantu petani dalam mengidentifikasi kualitas tanah yang cocok untuk berbagai jenis tanaman, sehingga dapat mengurangi risiko kegagalan panen akibat kualitas tanah yang buruk.

Indonesia, as an agricultural country, faces a major challenge in the form of a food crisis caused by the decline in agricultural land area and climate change. To overcome this problem, innovation is needed in agriculture, especially in improving soil quality. This research proposes a soil fertility quality classification system using the K-Nearest Neighbors (KNN) algorithm. The data used in this study includes parameters such as pH, Nitrogen, pHospHorus, potassium, Temperature, Humidity, and rainfall. The dataset is divided into training and testing sets to ensure the model can be tested and evaluated objectively. The results showed that the optimal K value was 3, with an Accuracy of 96.81% and an error rate of 3.2%. The implementation of this model is expected to help farmers in identifying suiTabel soil quality for various types of crops, so as to reduce the risk of crop failure due to poor soil quality.