Indonesia dikenal sebagai negara agraris dikarenakan sebagian besar penduduk masih menggantungkan hidup dengan memanfaatkan sumber daya alam di sektor pertanian. Perkiraan musim tanam adalah salah satu persoalan kritis yang ditemui dalam sektor pertanian, hal ini dikarenakan ketidakpastian kondisi cuaca dan perubahan iklim sehingga dapat mempengaruhi hasil produksi tanaman. Akan tetapi, terdapat sejumlah kecil petani yang masih mengikuti kalender pranata mangsa sebagai panduan dalam bercocok tanam. Adanya perubahan iklim ini mengakibatkan kalender pranata mangsa menjadi kurang valid. Petani juga seringkali hanya menggunakan insting dan pengalaman tanpa ada pengetahuan mengenai tanaman apa yang harus di tanam di persawahan mereka. Untuk mengatasi permasalahan tersebut, perlu pengadaan sistem yang dapat memprediksi musim tanam dengan kaidah-kaidah yang terdapat pranata mangsa dengan penyesuaian BMKG sehingga bisa menjadi pedoman dengan lebih akurat dari permasalahan perubahan iklim. Metode decision tree digunakan untuk pembentukan prediksi. Metode ini akan mengubah data iklim harian yang didapat dari BMKG menjadi pohon keputusan dan aturan-aturan keputusan atau rule. Parameter yang digunakan yaitu curah hujan, suhu, kelembapan, kecepatan angin, dan arah angin. Pemodelan dilakukan menggunakan pemrograman python menggunakan platform Google Colab. Sebelum dilakukan pemodelan, data dipisahkan menjadi data train dan data test dengan kombinasi 85 persen banding 15 persen karena mendapat akurasi sebesar 85 persen. Hyperparameters yang digunakan pada model yaitu max depth sebesar 5, min samples leaf sebesar 1, dan min samples split sebesar 5 dengan akurasi sebesar 85 persen. Dari pemodelan tersebut didapatkan prediksi musim tanam sebagai pendukung smart agriculture dengan 12 kelas mangsa atau musim pada kalender pranata mangsa yaitu kasa, karo, katelu, kapat, kalima, kanem, kapitu, kawolu, kasanga, kasepuluh, dhesta, dan sadha. Hasil prediksi tersebut akan ditampilkan pada website.