Sektor pertanian di Daerah Istimewa Yogyakarta mengalami kerentanan tinggi akibat perubahan iklim ekstrem, seperti kekeringan, banjir, dan serangan hama yang mengganggu siklus tanam dan menurunkan produktivitas. Kondisi ini diperburuk oleh terbatasnya akses petani terhadap teknologi pendukung keputusan yang mampu menyesuaikan rekomendasi dengan kondisi aktual lahan. Oleh karena itu, dibutuhkan solusi digital yang mampu menggabungkan berbagai faktor agrikultur secara adaptif dan presisi.
Penelitian ini merancang sistem berbasis web yang mengintegrasikan Geographic Information System (GIS) dan kecerdasan buatan (AI) untuk memberikan rekomendasi tanaman secara lebih kontekstual. Tiga modul utama dikembangkan: (1) klasifikasi citra tanah menggunakan CNN EfficientNetB0 untuk mengidentifikasi tekstur tanah, (2) model Random Forest untuk rekomendasi tanaman berdasarkan cuaca, dan (3) filtering parameter ilmiah tanah dari SoilGrids serta data cuaca dari BMKG. Ketiga modul ini disatukan dalam sistem skoring dan divalidasi secara spasial melalui GIS.
Hasil penelitian menunjukkan bahwa sistem dapat memberikan rekomendasi tanaman dengan akurasi model di atas 80%. Fitur tambahan seperti visualisasi NDVI dari citra satelit memperkuat fungsi pemantauan lahan. Dengan pendekatan multi-analisis ini, sistem dapat membantu petani mengambil keputusan yang lebih tepat dan mengurangi risiko gagal panen di tengah ketidakpastian iklim.