Salah satu permasalahan yang sering terjadi pada petani di Indonesia yakni pengambilan keputusan dalam melakukan pengairan pada lahan media tanam. Seiring berkembangnya teknologi, pemanfaatan Internet Of Things hampir digunakan pada seluruh aspek kehidupan. Hal ini dapat diterapkan pada pertanian untuk membantu petani dalam mengambil keputusan dalam pengelolahan lahan media tanam. Maka dari itu, pada penelitian ini dirancang sebuah sistem klasifikasi kondisi media tanam tanah yang dapat mengklasifikasikan kondisi media tanam yang diharapkan dapat membantu pengambilan keputusan penyiraman lahan media tanam yang dapat meningkatkan kualitas panen serta meminimalisir kegagalan panen. Sistem ini menggunakan metode Learning Vector Quantization yang dapat mengklasifikasikan lahan tanam maupun media tanam dalam 3 kategori dengan 2 data masukan yang didapatkan dari sensor soil moisture FC-28 dan sensor suhu DS18B20 yang tertanam pada alat sistem. Untuk mempermudah pembacaan hasil klasifikasi dari sensor yang diletakkan pada lahan maka digunakan Teknologi Wireless Sensor Network (WSN) dengan Modul LoRa Ra-02 sx1278 yang mampu mengirimkan informasi klasifikasi kepada node pusat yang tersambung dengan server berbasis web. Perhitungan metode LVQ pad apenelitian ini menghasilkan tingkat akurasi keberhasilan dalam megklasifikasi kondisi media tanam tanah sebesar 100% .

One of the problems that often occur in farmers in Indonesia is decision making in watering the planting media land. As technology evolves, the use of the Internet of Things is almost used in all aspects of life. This can be applied to agriculture to assist farmers in making decisions in the management of planting media land. Therefore, in this study designed a system of classification of soil planting media conditions that can classify the condition of planting media that is expected to help the decision-making of watering planting media land that can improve the quality of harvest and minimize crop failure. This system uses Learning Vector Quantization method that can classify planting land and planting media in 3 categories and 2 data obtained from soil moisture sensor FC-28 and DS18B20 temperature sensor embedded in the system tool. To facilitate the reading of classification results from sensors placed on the land, wireless sensor network technology (WSN) is used with LoRa Ra-02 sx1278 module that is able to transmit classification information to the central node connected to a web-based server. The calculation of LVQ method of this research pad produces a success accuracy rate in classifying the condition of soil planting media at 100%.