Sawah tadah hujan adalah sistem pertanian di mana air hujan yang jatuh langsung digunakan untuk mengairi tanaman padi. Dikarenakan sawah tadah hujan merupakan sistem yang sangat bergantung oleh air hujan, tidak meratanya curah hujan menyebabkan para petani mengalami kesulitan untuk mengelola lahan dikarenakan kurangnya informasi mengenai kesuburan lahan sehingga tidak dapat mengetahui unsur hara yang menjadi faktor pembatas atau kendala bagi tanaman. Metode Self-Organizing Map (SOM) adalah salah satu jenis algoritma pembelajaran tak terawasi yang digunakan untuk analisis klaster atau pemetaan data. Metode ini dapat digunakan untuk memetakan kesuburan tanah di sawah tadah hujan dengan mengidentifikasi pola dan relasi antara atribut-atribut yang relevan, Sehingga akan didapatkan hasil peta SOM yang akan akan menunjukkan pola dan klasterisasi data kesuburan tanah. Neuron-neuron yang berdekatan dalam peta SOM akan memiliki atribut yang serupa atau mirip, sehingga memungkinkan untuk mengidentifikasi kelompok kesuburan tanah yang berbeda. Setelah dilakukan proses training som dapat di analisa bahwa model SOM dilatih melalui algoritma penyebaran dan pelatihan. Klustering dilakukan menggunakan BMU (Best Matching Unit) untuk mengelompokkan data berdasarkan kesalahan kuantisasi. Informasi klaster dan informasi BMU ditampilkan dengan menciptakan DataFrame yang mencakup informasi sampel dan klaster/BMU. Berdasarkan data yang disajikan dari iterasi, dapat dilihat bahwa nilai Quantization Error pada setiap epoch tetap sama untuk iterasi 1 sampai 10 iterasi memiliki nilai Overall Quantization Error Mean: 0 15712730210682. Ini menunjukkan bahwa algoritma Self-Organizing Maps (SOM) yang digunakan mencapai konvergensi dengan sangat cepat, menemukan pola optimal dalam data dalam iterasi awal.