Indonesia adalah negara agraris dengan sumber daya pertanian yang melimpah dan lahan luas serta iklim tropis yang cocok untuk berbagai jenis tumbuhan. Dalam memilih lahan untuk pertanian, penting untuk memperhatikan nutrisi pada tanah karena setiap tanaman memiliki kebutuhan yang berbeda-beda untuk proses pertumbuhannya. Namun praktik pertanian konvensional di Indonesia masih mendominasi. Kelemahan pertanian secara konvensional ini dapat mengakibatkan penurunan produktivitas. Salah satu masalahnya adalah pemilihan tanaman yang tidak sesuai dengan jenis atau nutrisi tanah tertentu, yang dapat menyebabkan hasil suboptimal atau gagal panen. Penerapan pertanian presisi menjadi solusi yang tepat untuk mengatasi masalah ini. Penelitian ini bertujuan untuk membuat aplikasi rekomendasi tanaman berdasarkan analisis tanah menggunakan metode Hierarchical Clustering. Sistem ini dimulai dengan pengumpulan data melalui sensor Internet of Things (IoT), yaitu sensor 7 in 1 soil dengan Raspberry Pi yang mengukur Nitrogen (N), Fosfor (P), Kalium (K), kelembapan tanah, dan pH tanah. Data dikirim internet ke database realtime atau cloud yang kemudian dianalisis dengan metode Hierarchical Clustering yang diintegrasikan ke aplikasi. Hasil analisis ini kemudian memberikan rekomendasi tanaman yang sesuai berdasarkan data parameter tanah yang diterima. Rekomendasi ini ditampilkan dalam antarmuka aplikasi yang mudah digunakan. Selain itu, data GPS wilayah lahan pertanian berupa latitude dan longitude juga diproses dengan Flutter Map untuk memberikan informasi yang lebih detail mengenai lokasi lahan. Hasil akhir penelitian ini adalah aplikasi yang memberikan rekomendasi tanaman yang sesuai dengan jenis atau nurtrisi tanah tertentu berdasarkan analisis tanah. Aplikasi ini mampu memberikan rekomendasi tanaman yang sesuai dengan metode Agglomerative Hierarchical Clustering yang menggunakan Average Linkage, Cosine Distance, dan jumlah cluster 5. Model Agglomerative yang diterapkan memiliki kualitas clustering yang tinggi dengan score 1158.74 yang diperoleh dari Calinski-Harabasz Index.