Pertanian merupakan sektor penting yang menopang ketahanan pangan nasional, namun produktivitasnya sering terkendala oleh ketidaktepatan pemilihan jenis tanaman terhadap kondisi lingkungan. Penelitian ini bertujuan mengembangkan sistem rekomendasi tanaman berdasarkan parameter lingkungan menggunakan pendekatan model ensemble deep learning yang menggabungkan Artificial Neural Network (ANN), Deep Neural Network (DNN), dan Convolutional Neural Network (CNN). Dataset yang digunakan adalah Crop Recommendation Dataset dari Kaggle dengan tujuh parameter lingkungan utama: nitrogen (N), fosfor (P), kalium (K), suhu, kelembapan, Potential of Hydrogen (pH) tanah, dan curah hujan. Metode Soft Voting Ensemble diterapkan untuk menggabungkan hasil prediksi dari ketiga model berdasarkan rata-rata probabilitas guna meningkatkan stabilitas dan akurasi. Proses pelatihan dilakukan menggunakan TensorFlow dan Keras dengan metrik evaluasi berupa akurasi, classification report, dan confusion matrix. Hasil penelitian menunjukkan bahwa model ensemble mencapai akurasi tertinggi sebesar 97,04%, lebih baik dibandingkan model tunggal. Sebagai implementasi, sistem diintegrasikan ke dalam aplikasi web berbasis Streamlit yang memungkinkan pengguna memasukkan parameter lingkungan dan memperoleh rekomendasi tanaman secara interaktif. Aplikasi berfungsi dengan baik, sehingga sistem ini berpotensi menjadi solusi cerdas dalam mendukung pertanian presisi dan berkelanjutan di Indonesia.