Industri perkebunan kelapa sawit merupakan sektor agrobisnis yang merupakan penghasil devisa ketiga terbesar di Indonesia, dengan luas area perkebunan yang signifikan sekitar 16 juta hektar dan produksi mencapai 46 juta ton, memainkan peran penting dalam industri kelapa sawit global. Urgensi untuk mengatasi tantangan dalam menggunakan teknologi menjadi lebih nyata, memanfaatkan teknologi untuk mengatasi kekurangan yang ada dan menerapkan langkah-langkah strategis di sektor perkebunan kelapa sawit menjadi sangat penting. Namun dalam penggunaan teknologi smart farming, industri perkebunan banyak memiliki tantangan dengan belum dipakainya teknologi lanjutan yang berbasis AI, IoT, Sensor, Remote Sensing maupun UAV yang merupakan inti industri 4.0, dimana diindikasi adanya ketidaksiapan yang ditemui dalam industri perkebunan dalam mengadopsi teknologi lanjutan yang ada di dalam sistem pertanian cerdas. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi kesiapan yang ada dalam adopsi teknologi lanjutan di sistem pertanian cerdas dengan pembuatan model dari kerangka kerja Technology-Organization Environment dan Technology Readiness Index, yang disesuaikan dengan kondisi saat ini di industri perkebunan di Indonesia, yang didapat dari wawancara, penelitian terdahulu, dan kuesioner kepada pengguna sistem pertanian cerdas di organisasi perkebunan. Penelitian yang akan dilakukan merupakan mixed-method, dalam kualitatif dengan dilakukan wawancara kepada narasumber sebagai dasar untuk mengungkapkan masalah dari latar belakang yang ada, dilanjutkan dengan menggunakan kuantitatif dengan purposive dan snowball sampling yang dilakukan kepada pekerja perkebunan, sejumlah 265 sampel data didapat untuk penelitian ini. Metode perhitungan menggunakan PLS SEM untuk validasi faktor dalam model yang diajukan dan dilanjutkan dengan evaluasi kesiapan adopsi teknologi lanjutan dari sistem perkebunan cerdas yang lengkap menggunakan indeks kesiapan TRI 2.0 dengan 16 item dan penambahan faktor-faktor dari TOE hasil dari pengukuran tersebut. Dari hasil penelitian ini keuntungan relatif, sumber daya organisasi, finansial, tekanan kompetitif, dan intensitas informasi memiliki pengaruh terhadap motivator adopsi, sementara performa teknologi, tekanan kompetitif, intensitas informasi, dan dukungan pemerintah memiliki pengaruh terhadap inhibitor adopsi. Keuntungan relatif, intensitas informasi dan tekanan kompetitif memiliki pengaruh terhadap motivator dan inhibitor adopsi teknologi. Dan untuk evaluasi penilaian kesiapan dihasilkan nilai indeks 2,96 dimana merupakan termasuk dalam tingkat menengah. Dari hasil penelitian ini diharapkan dapat dijadikan referensi kepada organisasi perkebunan yang akan melakukan adopsi teknologi smart farming dan juga kepada organisasi pemilik teknologi untuk dapat mengetahui kondisi kesiapan organisasi dalam adopsi teknologi smart farming dengan perlakuan tertentu untuk meningkatkan tingkat kesiapannya.