Abstract
Tanaman nilam (Pogostemon Cablin Bent) adalah salah satu contoh tanaman atsiri yang terpenting di Indonesia. Indonesia menjadi pemasok minyak nilam terbesar di pasar Internasional, yakni sebesar 85%. Terdapat sebuah penelitian yang menunjukkan bahwa produksi minyak nilam lebih tinggi jika tanah mengandung 75% bahan organik+25% NPK (Nitrogen, Phospor, Kalium). Sehingga sangat penting mengetahui kuantitas bahan organik tanah agar dapat diambil tindakan pemupukan yang tepat. Salah satu cara untuk mengetahui kuantitas bahan organik tanah adalah dengan metode analisis laboratorium. Namun metode ini mempunyai kelemahan, yakni bahan kimia yang mahal, memakan banyak waktu, dan proses yang tidak mudah. Penelitian ini bertujuan untuk mempermudah dalam mengidentifikasi kuantitas bahan organik tanah, yakni dengan cara identifikasi melalui citra tanah. Data citra diambil di beberapa kecamatan di Kabupaten Blitar. Terdapat tiga proses yang dilakukan, yakni ekstraksi fitur citra dengan metode color moment dan Gray Level Co-occurrence Matrix (GLCM), serta proses pelatihan dan pengujian dengan metode jaringan saraf tiruan backpropagation. Sistem mengidentifikasi kuantitas bahan organik tanah ke dalam lima kelas, yakni sangat rendah, rendah, sedang, tinggi, dan sangat tinggi. Hasil akurasi tertinggi yang didapatkan adalah sebesar 73% dan nilai MSE 0,5122 dengan menggunakan lima fitur GLCM sebagai parameter input (Angular Second Moment, kontras, korelasi, Inverse Difference Moment, dan entropi), nilai learning rate 0,5, nilai iterasi maksimum 1000, jumlah data latih 210, dan jumlah data uji 12
