Penentuan Nilai Konstanta Daun Sirih Merah dan Hijau Menggunakan Metode Pengolahan Citra Digital untuk Estimasi Luas Daun dengan Metode Montgomery
DOI:
https://doi.org/10.54082/jupin.1761Kata Kunci:
Konstanta Daun, Metode Montgomery, Pengolahan Citra Digital, Sirih Merah, Sirih HijauAbstrak
Pengukuran luas daun merupakan parameter penting dalam studi fisiologi dan pertumbuhan tanaman, namun metode konvensional sering memerlukan alat khusus dan prosedur yang kurang efisien. Penelitian ini bertujuan untuk menganalisis dan menentukan nilai konstanta daun sirih merah dan sirih hijau berbasis pengolahan citra digital sebagai dasar estimasi luas daun menggunakan metode Montgomery. Sebanyak 30 sampel daun masing-masing jenis diambil citranya dengan latar putih dan objek tuntun sebagai skala pembanding, kemudian diolah menggunakan perangkat lunak ImageJ untuk memperoleh luas daun terukur. Dimensi panjang dan lebar daun diukur manual untuk perhitungan konstanta daun, yang selanjutnya dianalisis secara deskriptif dan divalidasi melalui analisis regresi dan statistik akurasi model. Hasil menunjukkan nilai konstanta rata-rata sebesar 0,925 pada sirih merah dan 0,890 pada sirih hijau, dengan distribusi data homogen tanpa outlier. Korelasi antara luas daun terukur dan prediksi menunjukkan hubungan linear yang kuat (R2 sebesar 0,7145 untuk sirih merah dan 0,7207 untuk sirih hijau). Evaluasi akurasi model menghasilkan RMSE sebesar 2,843 (sirih merah) dan 3,585 (sirih hijau), dengan indeks Willmott mendekati 1. Meskipun demikian, terdapat indikasi overestimasi pada sirih merah yang perlu ditelusuri lebih lanjut. Pendekatan ini berpotensi diterapkan secara luas pada tanaman lain, terutama yang memiliki keterbatasan dalam pengukuran langsung, sehingga dapat menjadi alternatif praktis, efisien, dan murah dibandingkan metode lainnya.
Referensi
Al Ramadhani, F. M. (2024). Identifikasi nilai konstanta daun tanaman rambutan dan jambu air berbasis pengolahan citra digital. Jurnal Penelitian Inovatif (JUPIN), 4(2), 655–664. https://doi.org/10.54082/jupin.400
Al Ramadhani, F. M., Bowo, C., & Slameto. (2023). The use of aquacrop model for soybean in various water availability within a lysimeter system. Journal of Applied Agricultural Science and Technology, 7(4), 399–413. https://doi.org/10.55043/jaast.v7i4.153
Al Ramadhani, F. M., Sajuri, Amin, R., & Lutfiana, A. (2024). Metode pengukuran luas daun tanaman menggunakan bantuan objek tuntun berbasis pengolahan citra digital. Jurnal Pertanian Agros, 26(4), 1677–1688. https://doi.org/10.37159/jpa.v26i4.4832
Breure, C. J., & Siregar, M. M. (2021). Reassessing the estimation of leaf area in oil palm (Elaeis guineensis Jacq.) by linear regression equation. Experimental Agriculture, 56, 815–824. https://doi.org/10.1017/S0014479720000332
Fu, W., Chen, Z., Cheng, Q., Li, Y., Zhai, W., Ding, F., Kuang, X., Chen, D., & Duan, F. (2025). Maize leaf area index estimation based on machine learning algorithm and computer vision. Agriculture, 15(12), 1–22. https://doi.org/10.3390/agriculture15121272
Gill, T., Gill, S. K., Saini, D. K., Chopra, Y., de Koff, J. P., & Sandhu, K. S. (2022). A comprehensive review of high throughput phenotyping and machine learning for plant stress phenotyping. Phenomics, 2(3), 156–183. https://doi.org/10.1007/s43657-022-00048-z
Koyama, K. (2023). Leaf area estimation by photographing leaves sandwiched between transparent clear file folder sheets. Horticulturae, 9, 1–20. https://doi.org/10.3390/horticulturae9060709
Kumar, M. K., Kumar, R. S., Sankar, V., Sakthivel, T., Karunakaran, G., & Tripathi, P. C. (2017). Non-destructive estimation of leaf area of durian (Durio zibethinus) – An artificial neural network approach. Scientia Horticulturae, 219, 319–325. https://doi.org/10.1016/j.scienta.2017.03.028
Kuswandi, P. C., Ariyanti, N. A., Yunus, M. F., & Amri, C. N. A. C. (2023). Anatomical, morphological and physiological leaf characters of black betel (Piper betle L. var. nigra) in varying natural and man-made habitats. Biodiversitas, 24(6), 3236–3244. https://doi.org/10.13057/biodiv/d240618
Liu, H., Xiang, Y., Chen, J., Wu, Y., Du, R., Tang, Z., Yang, N., Shi, H., Li, Z., & Zhang, F. (2024). A new spectral index for monitoring leaf area index of winter oilseed rape (Brassica napus L.) under different coverage methods and nitrogen treatments. Plants, 13(14), 1–16. https://doi.org/10.3390/plants13141901
Ma, J., Zhang, J., Wang, J., Khromykh, V., Li, J., & Zhong, X. (2023). Global leaf area index research over the past 75 years: A comprehensive review and bibliometric analysis. Sustainability, 15(4), 1–30. https://doi.org/10.3390/su15043072
Martin, T. N., Fipke, G. M., Winck, J. E. M., & Marchese, J. A. (2020). ImageJ software as an alternative method for estimating leaf area in oats. Acta Agronómica, 69(3), 162–169. https://doi.org/10.15446/acag.v69n3.69401
Montgomery, E. G. (1911). Correlation studies in corn. Annual report no. 24. Agricultural Experimental Station.
Nguyen, T. P., & Do, K. T. (2025). Identification of mango (Mangifera indica L.) cultivars in the Mekong Delta using ISSR markers and DNA barcodes. Journal of Applied Biology & Biotechnology, 13(2), 68–75. https://doi.org/10.7324/JABB.2025.221280
Oso, O. A., & Jayeola, A. A. (2021). Digital morphometrics: Application of MorphoLeaf in shape visualization and species delimitation, using Cucurbitaceae leaves as a model. Application Article, 9(9–10), 1–14. https://doi.org/10.1002/aps3.11448
Sadiah, H. H., Cahyadi, A. I., & Windria, S. (2022). Kajian potensi daun sirih (Piper betle L) sebagai antibakteri. Jurnal Sain Veteriner, 40(2), 128–138. https://doi.org/10.22146/jsv.58745
Sala, F., Arsene, G., Iordanescu, O., & Boldea, M. (2015). Leaf area constant model in optimizing foliar area measurement in plants: A case study in apple tree. Scientia Horticulturae, 193, 218–224. https://doi.org/10.1016/j.scienta.2015.07.008
Singh, T., Singh, P., Kumar, V., Singh, R., & Dar, A. H. (2023). A literature review on bioactive properties of betel leaf (Piper betel L.) and its applications in food industry. Food Chemistry Advances, 3, 1–11. https://doi.org/10.1016/j.focha.2023.100536
Sudianto, A. I., & Husna, A. (2025). Application of digital image processing to the measurement of Leaf Area Index (LAI) of rice plants (Oryza sativa L.). Jurnal SimanteC, 13(2), 163–170. https://doi.org/10.21107/simantec.v13i2.30151
Umam, C., Uluwiy, A., Auliya, R., Putri, R. N., & Alwi, M. T. (2024). Perhitungan luas daun tanaman kayu putih (Melaleuca leucadendra) dengan manual dan digital (ImageJ). Jurnal Ilmiah Teknologi Pertanian Agrotechno, 9(2), 16–22. https://doi.org/10.24843/JITPA/2024.v09.i02.p02
Walker, M. L., Dovoedo, Y. H., Chakraborti, S., & Hilton, C. W. (2018). An improved boxplot for univariate data. The American Statistician, 0(0), 1–6. https://doi.org/10.1080/00031305.2018.1448891
Wu, D., Phinn, S., Johansen, K., Robson, A., Muir, J., & Searle, C. (2018). Estimating changes in leaf area, leaf area density, and vertical leaf area profile for mango, avocado, and macadamia tree crowns using terrestrial laser scanning. Remote Sensing, 10(11), 1–17. https://doi.org/10.3390/rs10111750
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Aulia Hafizha Akhada, Farchan Mushaf Al Ramadhani, Ubad Badrudin, Romaldo da Costa Ximenes
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
