Blog Petiole Pro

Penilaian relatif kehijauan dengan indeks RGB: cara membandingkan warna daun antartanaman, perlakuan, dan tanggal

Panduan panjang tentang penilaian relatif kehijauan dari foto RGB biasa. Mengapa nilai indeks absolut tidak dapat dipindahkan antarkamera, antarsesi, dan antarindeks, apa yang ditunjukkan eksperimen 37 daun dengan Petiole Pro tentang kesesuaian DGCI dan AGRI (korelasi Pearson r = 0,316), serta empat cara praktis — rasio terhadap kontrol, skor z, peringkat persentil, dan selisih waktu — untuk mengubah warna daun menjadi perbandingan yang dapat dipertanggungjawabkan.

Diterbitkan pada 29 Agustus 2026 oleh Petiole Pro

Kisi daun yang ditampilkan sebagai peta kehijauan warna semu oleh Petiole Pro, dengan tulisan bahwa Petiole menawarkan cara praktis untuk mengukur kehijauan tanaman.

Kehijauan dan pemantauan kesehatan tanaman

Penilaian relatif kehijauan adalah praktik menggunakan indeks warna yang dihitung dari foto RGB — DGCI, AGRI, TGI, dan kerabatnya — untuk membandingkan daun, tanaman, petak, atau tanggal satu sama lain, bukan untuk membaca nilai fisiologis absolut dari satu angka. Inilah satu-satunya penggunaan indeks kehijauan RGB yang bertahan saat berhadapan dengan kamera nyata, cahaya nyata, dan lahan nyata: nilai indeks dapat direproduksi di dalam satu perbandingan terkendali dan tidak dapat dipindahkan antarpenelitian, perangkat, atau indeks.

Perbedaan itu terdengar seperti soal teknis semata. Padahal itulah pembeda antara kumpulan data kehijauan yang menjawab sebuah pertanyaan dan kumpulan data yang diam-diam tidak menjawab apa pun. DGCI sebesar 0,42 bukanlah fakta tentang tanaman dengan cara yang sama seperti “luas daun 18,4 cm²” merupakan fakta tentang sehelai daun. Itu adalah fakta tentang tanaman dan kamera dan kondisi pencahayaan dan rumus. Ubah salah satunya dan angkanya berubah; pertahankan semuanya tetap konstan di dalam satu perbandingan, dan perbedaan antardaun menjadi benar-benar informatif.

Tulisan panjang ini menjelaskan apa yang sebenarnya diambil indeks RGB dari sebuah foto, mengapa nilai absolut tidak bisa dipindahkan, apa yang diungkap eksperimen Petiole R&D Lab atas 37 daun tentang betapa lemahnya kesesuaian dua indeks kehijauan pada piksel yang sama (korelasi Pearson r = 0,316), serta empat rancangan konkret — rasio terhadap kontrol, skor z dalam kelompok, peringkat persentil, dan selisih waktu — yang mengubah keluaran indeks mentah menjadi perbandingan yang dapat digambarkan, disaring, dan dipertahankan. Jika indeksnya sendiri masih baru bagi Anda, mulailah dari panduan pengukuran kehijauan dengan indeks digital lalu kembali ke sini untuk rancangan penelitiannya.

Poin utama

Indeks kehijauan RGB adalah pembanding, bukan sensor. Gunakan untuk memeringkat dan mendeteksi perubahan; jangan mengutip nilai indeks telanjang sebagai hasil pengukuran fisiologis.
Dua indeks pada piksel yang sama lebih banyak berbeda daripada yang diduga orang. Pada 37 daun dalam eksperimen 008 Petiole, DGCI dan AGRI berkorelasi positif tetapi lemah, r = 0,316 — sekitar 10% ragam bersama. Keduanya menggambarkan aspek kehijauan yang berkaitan, tetapi tidak identik.
Jangan pernah mencampur indeks di dalam satu perbandingan. Pilih satu indeks per pertanyaan dan pertahankan; berganti indeks di tengah penelitian mengubah peringkatnya, bukan sekadar skalanya.
Perbandingan memerlukan rujukan di dalam kelompok yang sama. Jalur kontrol, petak pembanding yang dipupuk baik, atau tanaman yang sama pada tanggal sebelumnya — dinyatakan sebagai rasio, skor z, persentil, atau selisih.
Terapkan gerbang mutu sebelum menghitung rata-rata. Dalam eksperimen 008 rerata rasio piksel valid adalah 68,9% dan sebagian besar daun melampaui 60%; daun di bawah ambang yang Anda pilih harus dibuang, bukan dirata-ratakan.
Ambil sampel sebarannya, bukan tanamannya. Kehijauan bervariasi cukup besar antardaun dalam kelompok yang sama, sehingga rerata perlakuan yang dibangun dari tiga daun hanyalah pendapat.

Apa arti penilaian relatif kehijauan

Ada dua cara memakai angka yang keluar dari foto daun, dan keduanya menuntut tingkat kecermatan yang sama sekali berbeda.

Penilaian absolut bertanya: berapa kandungan klorofil daun ini? Menjawabnya secara jujur memerlukan instrumen terkalibrasi, kurva kalibrasi khusus spesies dan kondisi, serta rantai bukti sampai ke nilai laboratorium. Indeks RGB sendirian tidak bisa melakukannya, dan alur kerja mana pun yang menyiratkan sebaliknya sedang menjual berlebihan.

Penilaian relatif bertanya: apakah daun ini lebih hijau daripada daun itu, dan seberapa besar bedanya pada skala yang konsisten? Ini pertanyaan perbandingan, dan indeks RGB sangat baik untuk itu — asalkan kedua daun difoto dengan instrumen yang sama, di bawah cahaya yang sebanding, dan dinilai dengan rumus yang sama.

Kisi tiga puluh tujuh helai daun yang disegmentasi di atas latar hitam oleh Petiole Pro, dari hijau kekuningan pucat hingga hijau pekat, dengan kerusakan dan pantulan yang terlihat pada beberapa daun. — Bahan mentah penelitian kehijauan relatif: daun tunggal yang dipisahkan dari latarnya, difoto dalam satu sesi dengan satu perangkat. Rentang warna yang tampak di sini — dari hijau kekuningan pucat hingga hijau pekat — persis merupakan variasi yang hendak dikuantifikasi oleh perbandingan.

Pertanyaan	Jenis	Bisakah indeks RGB menjawabnya?
Manakah di antara 40 galur pemuliaan ini yang paling bertahan hijau saat kekeringan?	Relatif, dalam satu kelompok	Ya — inilah kasus penggunaan utamanya
Apakah petak ini kehilangan kehijauan sejak Selasa lalu?	Relatif, lintas waktu	Ya, jika kondisi pengambilan gambar dijaga konstan
Apakah jalur yang diperlakukan lebih hijau daripada jalur rujukan tanpa perlakuan?	Relatif, terhadap kontrol	Ya — rancangan terkuat yang tersedia
Berapa nilai SPAD daun ini?	Absolut, lintas instrumen	Hanya dengan kalibrasi lokal terhadap pembacaan alat ukur
Berapa konsentrasi nitrogen daun ini dalam persen?	Absolut, fisiologis	Tidak — memerlukan analisis laboratorium
Apakah DGCI kami sebesar 0,42 lebih tinggi daripada 0,39 dalam sebuah artikel ilmiah?	Absolut, lintas penelitian	Tidak — kamera, cahaya, dan alur pemrosesan berbeda

Indeks kehijauan RGB adalah penggaris tanpa titik nol dan tanpa satuan. Ia mengukur selisih dengan sangat baik, dan tidak mengukur tingkatan sama sekali.

Apa yang sebenarnya diambil indeks RGB dari foto

Memahami mengapa perbandingan relatif berhasil — dan pembacaan absolut tidak — dimulai dari apa yang terjadi antara rana kamera dan angka akhirnya.

Segmentasi. Computer vision memisahkan piksel daun dari latar, bayangan, nampan, tangan, dan tanah. Seluruh tahap berikutnya bergantung pada kebersihan langkah ini.
Penyaringan piksel. Piksel yang hilang karena pantulan spekular, bayangan pekat, kabur gerak, atau percampuran di tepi disingkirkan. Bagian yang bertahan disebut rasio piksel valid.
Perhitungan indeks per piksel. Nilai R, G, dan B setiap piksel yang bertahan dimasukkan ke rumus indeks sehingga menghasilkan peta indeks per piksel — gambar warna semu di sepanjang artikel ini.
Peringkasan yang tahan pencilan. Peta per piksel diringkas menjadi satu statistik per daun. Petiole Pro melaporkan median piksel, yang jauh lebih tahan terhadap segelintir piksel ekstrem daripada rerata.
Agregasi. Nilai per daun diagregasi ke tingkat tanaman, petak, atau perlakuan — dan barulah di titik ini sebuah perbandingan benar-benar ada.

Kisi daun yang sama, separuh ditampilkan sebagai foto RGB alami dan separuh sebagai peta indeks kehijauan warna semu, dengan peralihan di tengah gambar. — Daun yang sama, kiri sebagaimana difoto dan kanan sebagai peta indeks per piksel. Tidak ada yang ditambahkan di antara kedua sisi — indeks hanya menampakkan struktur yang cenderung dirata-ratakan oleh mata, termasuk gradien antartulang daun, efek tulang tengah, dan kerusakan tepi.

Dua indeks yang dihitung Petiole Pro penting untuk artikel ini, karena keduanyalah yang diperiksa dalam eksperimen di bawah.

Kartu yang mendefinisikan DGCI, Dark Green Colour Index, sebagai indeks berbasis warna yang diturunkan dari ruang warna HSB/HSV dan lazim dipakai untuk mengukur kehijauan tanaman dan rumput. — DGCI bekerja di ruang HSB/HSV — rona, saturasi, dan kecerahan — dan itulah yang membuatnya relatif stabil ketika intensitas pencahayaan berubah.

DGCI (Dark Green Colour Index) diturunkan dari ruang warna HSB/HSV dan merupakan indeks yang paling luas dipakai dalam ilmu rumput lapangan dan penelitian nitrogen. Ia memberi nilai tinggi pada piksel yang beronanya hijau tepat, pekat alih-alih pudar, dan gelap alih-alih pucat. Karena rona dipisahkan dari kecerahan, perubahan intensitas cahaya terutama mengganggu satu komponen alih-alih menyebar ke tiga kanal. Panduan lapangan kami tentang pengukuran kehijauan dengan DGCI di Petiole Pro membahas alur kerja pelat kalibrasi di baliknya.

Kartu yang mendefinisikan AGRI, Advanced Green Relative Index, sebagai indeks vegetasi RGB khusus yang dipakai dalam alur kerja Petiole Pro. — AGRI adalah indeks vegetasi RGB khusus yang disetel untuk citra daun tunggal jarak dekat di dalam alur kerja Petiole Pro.

AGRI (Advanced Green Relative Index) adalah indeks vegetasi RGB khusus yang dipakai di dalam alur kerja Petiole Pro. Ia dibangun langsung dari pita cahaya tampak dan disetel untuk citra daun jarak dekat, bukan untuk skala kanopi atau udara. Perhatikan apa yang sudah diakui namanya sendiri: ia indeks relatif. Tugasnya menempatkan daun pada skala bersama di dalam satu kelompok, bukan melaporkan konsentrasi pigmen absolut.

Mengapa angka absolut tidak bisa dipindahkan

Lima faktor yang saling bebas mengubah nilai indeks sehelai daun yang sama sekali tidak berubah. Rancangan relatif menetralkan tiap faktor itu; mengutip angka telanjang tidak menetralkan satu pun.

1. Kamera adalah penata gaya, bukan instrumen

Kamera ponsel menerapkan keseimbangan putih otomatis, pencahayaan otomatis, kurva nada, penguatan saturasi, dan pemrosesan komputasional yang makin agresif, semuanya dirancang agar foto tampak menyenangkan. Dua model ponsel yang diarahkan ke daun yang sama akan berbeda; begitu pula satu ponsel dalam dua mode. Rujukan kalibrasi di dalam bingkai menambatkan warna, tetapi menambatkannya pada rantai pengambilan gambar itu.

2. Pencahayaan adalah variabel yang ikut Anda ukur

Matahari tengah hari, langit mendung, naungan terbuka, dan LED rumah kaca menghasilkan empat triplet RGB berbeda dari satu daun. Suhu warna menggeser keseimbangan antarkanal; intensitas menggeser kecerahan; awan yang lewat menggeser keduanya di dalam satu sesi. Tanpa rujukan relatif, sebuah “tren kehijauan” bisa jadi tren cuaca.

3. Daun itu tiga dimensi

Kelengkungan menghasilkan gradien kecerahan yang tidak ada hubungannya dengan klorofil. Kutikula berlilin memantulkan cahaya spekular — bercak putih terbakar tempat informasi warna benar-benar hilang. Sudut daun terhadap sumber cahaya mengubah nilai terekam dari muatan pigmen yang tidak berubah.

4. Setiap indeks punya skala sembarangnya sendiri

DGCI, AGRI, dan TGI dinormalisasi secara berbeda, membentang pada rentang angka berbeda, dan menanggapi gangguan yang sama secara berbeda. Tidak ada faktor konversi. Sehelai daun dapat berada di posisi tinggi pada sebaran satu indeks dan di tengah-tengah pada indeks lain.

5. Biologi bervariasi tanpa adanya cekaman

Umur daun, posisi buku, daun matahari versus daun naungan, dan genetika kultivar semuanya menggeser kehijauan terlepas dari perlakuan yang sedang Anda uji. Rancangan relatif mengendalikannya dengan menjaganya konstan antarkelompok yang dibandingkan; pembacaan absolut tidak punya cara memisahkannya dari efek perlakuan.

Semua ini tidak membuat indeks RGB lemah. Ia membuatnya bersyarat. Tetapkan syaratnya, bandingkan di dalamnya, dan pengukurannya menjadi terulangkan pada tingkat yang tidak pernah dicapai penilaian visual.

Bukti: 37 daun, dua indeks, r = 0,316

Argumen di atas bukan teori belaka. Eksperimen 008 Petiole R&D Lab, yang dijalankan pada 26 Agustus 2026, memberikan demonstrasi yang bersih dengan kumpulan data yang dikumpulkan oleh pengguna aplikasi seluler Petiole dan diproses otomatis di platform web Petiole Pro.

Kartu pernyataan: penilaian kehijauan dalam skala besar — 37 daun dianalisis, rerata rasio piksel valid 68,9%. — Eksperimen dalam dua angka: 37 daun dianalisis, dengan rerata rasio piksel valid sebesar 68,9%.

Parameter	Nilai
Eksperimen	Petiole R&D Lab No. 008, 26 Agustus 2026
Daun dianalisis	37
Pengambilan gambar	Aplikasi seluler Petiole, satu pengguna, satu sesi
Pemrosesan	Otomatis, platform web Petiole Pro
Indeks yang dibandingkan	DGCI dan AGRI, median piksel per daun
Median piksel DGCI — konsentrasi utama	≈ 0,36–0,45 (sebaran penuh ≈ 0,30–0,55)
Median piksel AGRI — konsentrasi utama	≈ 0,25–0,50 (sebaran penuh ≈ 0,17–0,61)
Rerata rasio piksel valid	68,9%; sebagian besar daun di atas 60%
Korelasi Pearson DGCI–AGRI	r = 0,316 (positif, lemah)

Panel metode dan detail eksperimen dengan dua histogram berdampingan: median piksel DGCI berwarna hijau sekitar 0,30 sampai 0,55, dan median piksel AGRI berwarna biru sekitar 0,17 sampai 0,61. — Sebaran kedua indeks pada 37 daun yang sama. Pusat berbeda, lebar berbeda, bentuk berbeda — dari satu set foto yang sama.

Sebarannya

Kartu pernyataan: sebagian besar pengukuran DGCI terpusat sekitar 0,36 sampai 0,45, dengan kelompok kecil yang menunjukkan nilai kehijauan lebih tinggi. — DGCI memusatkan massanya pada pita sempit sekitar 0,36–0,45, dengan kelompok kecil daun yang jelas lebih hijau di atasnya.

Kartu pernyataan: sebagian besar nilai AGRI terpusat antara sekitar 0,25 dan 0,50, dan beberapa daun mencapai nilai di atas 0,50. — AGRI tersebar pada pita yang lebih lebar, kira-kira 0,25–0,50, dengan beberapa daun di atas 0,50. Daun yang sama, bentuk sebaran yang berbeda.

Pelajaran praktisnya sudah terlihat. Andai Anda melaporkan “rerata DGCI 0,41” dan orang lain melaporkan “rerata AGRI 0,38”, kedua angka itu akan tampak sebanding padahal keduanya menggambarkan daun yang sama melalui lensa yang tidak kompatibel. Skalanya bertumpang tindih secara angka karena kebetulan, bukan karena rancangan.

Korelasinya

Panel analisis dengan histogram indeks dan diagram pencar DGCI terhadap AGRI, disertai pernyataan bahwa DGCI dan AGRI menunjukkan hubungan positif tetapi relatif lemah. — Diagram pencar DGCI terhadap AGRI beserta histogram pendukungnya. Trennya menanjak — lebih hijau menurut satu indeks cenderung berarti lebih hijau menurut indeks lain — tetapi awan titiknya lebar.

Kartu pernyataan: korelasi Pearson adalah r = 0,316, sehingga kedua indeks menangkap aspek kehijauan yang berkaitan tetapi tidak identik. — Korelasi Pearson r = 0,316 antara DGCI dan AGRI pada 37 daun — berkaitan, tetapi jauh dari saling menggantikan.

DGCI dan AGRI berkorelasi pada r = 0,316 di seluruh 37 daun: hubungan positif tetapi lemah, dengan kira-kira 10% ragam satu indeks yang dijelaskan oleh indeks lain (R² ≈ 0,10). Kedua rumus berjalan pada piksel yang identik dari foto yang identik. Sembilan per sepuluh dari apa yang dilihat masing-masing indeks tidak dilihat oleh indeks lainnya. Itu bukan kesalahan — itu dua rumus yang menanggapi karakteristik berbeda dari citra yang sama, persis sebagaimana dirancang.

Konsekuensinya bagi rancangan penelitian mengikuti secara langsung:

Indeks adalah bagian dari metode, bukan detail pelaporan. “Kehijauan naik 8%” tidak bermakna tanpa menyebut indeksnya. Nyatakan sebelum mengumpulkan data dan jangan diubah.
Peringkat bersifat khas per indeks. Daun yang berada di puncak sebaran DGCI bisa berada di tengah pada AGRI. Jika kesimpulan Anda “galur 14 paling hijau”, itu kesimpulan tentang galur 14 menurut indeks tersebut.
Kesesuaian adalah informasi. Ketika dua indeks memeringkat sebuah daun secara serupa, keyakinan meningkat. Ketika keduanya berbeda tajam, biasanya ada sesuatu di citra itu — pantulan, bayangan, pencahayaan yang aneh — yang layak diperiksa manusia.
Jangan pernah merata-ratakan indeks. Menggabungkan skala dengan rentang dan kepekaan berbeda menghasilkan angka yang tidak mengikuti keduanya.

Sebaran antardaun adalah sinyal, bukan derau

Kartu pernyataan: kehijauan bervariasi cukup besar antardaun, dan variasi itu mungkin mencerminkan perbedaan kondisi, umur, atau pigmentasi daun. — Variasi antardaun yang cukup besar di dalam satu kelompok — masuk akal bila mencerminkan perbedaan kondisi, umur, atau pigmentasi daun. Sebaran inilah yang justru menjadi bahan kerja rancangan relatif.

Pada 37 daun tersebut, kehijauan bervariasi cukup besar dari daun ke daun. Menggodanya adalah membaca itu sebagai derau pengukuran yang harus ditekan. Sebagian besar sebenarnya biologi: daun berbeda dalam umur, posisi buku, riwayat cahaya, pigmentasi, dan kondisi. Satu helai daun adalah penduga yang buruk bagi satu tanaman, dan satu tanaman adalah penduga yang buruk bagi satu petak.

Penilaian relatif mengubah hal ini dari masalah menjadi syarat rancangan. Tiga konsekuensinya:

Ambil cukup banyak daun agar sebarannya terlihat. Perbandingan yang Anda buat adalah antara dua sebaran, bukan dua titik. Dengan sebaran selebar ini, segelintir daun per perlakuan tidak dapat memisahkan efek nyata dari keberuntungan pengambilan sampel.
Bakukan posisi daun tanpa kompromi. Daun termuda yang sudah membuka penuh, atau buku tertentu — dipilih sekali dan dipegang teguh. Kehijauan berubah secara sistematis di sepanjang batang, sehingga membandingkan posisi berbeda berarti membandingkan posisi, bukan perlakuan.
Laporkan sebaran bersama nilai tengah. Median perlakuan disertai rentang antarkuartil menyampaikan apa yang disembunyikan rerata telanjang, dan itulah bentuk jujur bagi hasil yang dibangun dari bahan yang bervariasi.

Empat cara membuat kehijauan menjadi relatif

“Relatif” bukan satu teknik tunggal. Empat rancangan mencakup hampir semua pertanyaan praktis, dan keduanya berbeda dalam apa yang dikendalikan dan apa yang dituntut dari protokol pengambilan gambar Anda.

Rancangan	Yang dihitung	Menjawab	Memerlukan
1. Rasio terhadap kontrol (jalur rujukan)	Indeks sampel ÷ indeks rujukan yang dipupuk baik dan diukur pada sesi yang sama	“Seberapa jauh petak ini di bawah maksimum yang dapat dicapai?”	Jalur rujukan sungguhan di lahan, difoto pada hari yang sama
2. Skor z dalam kelompok	(Indeks daun − rerata kelompok) ÷ simpangan baku kelompok	“Entri mana yang luar biasa hijau atau pucat dalam percobaan ini?”	Semua entri diambil dalam satu sesi; cukup daun untuk rerata yang stabil
3. Peringkat persentil	Posisi tiap daun dalam sebaran kelompok, 0–100	“Peringkatkan 200 galur ini dari paling hijau ke paling pucat.”	Satu indeks, satu sesi; tahan terhadap kemencengan dan pencilan
4. Selisih waktu	Indeks pada tanggal 2 − indeks pada tanggal 1, tanaman yang sama	“Apakah kanopi ini menua lebih cepat daripada kanopi itu?”	Perangkat, jam, cahaya, dan posisi daun yang identik pada setiap kunjungan

1. Rasio terhadap kontrol — rancangan terkuat

Sisakan jalur rujukan yang dipupuk berlebih di lahan, foto pada sesi yang sama dengan petak uji, dan nyatakan setiap petak sebagai pecahan dari rujukan itu. Inilah logika yang menjadikan indeks kecukupan nitrogen sebagai alat baku bersama alat ukur klorofil, dan logika itu berpindah langsung ke indeks RGB. Karena rujukan dan sampel berbagi kamera, cahaya, hari, dan operator, hampir semua pengganggu saling meniadakan dalam rasio. Jika cahayanya luar biasa rata, kedua angka bergeser; rasionya tidak.

2. Skor z dalam kelompok — untuk penapisan

Ketika tidak ada kontrol alami — pembibitan pemuliaan, penapisan plasma nutfah, survei — bakukan terhadap kelompok itu sendiri. Setiap daun menjadi “berapa simpangan baku dari rerata percobaan ini”. Skor z membuat percobaan yang berbeda menjadi sebanding secara visual dan merupakan masukan alami bagi ambang seleksi. Namun ia mengandaikan rerata kelompok sebagai jangkar yang bermakna, sehingga tidak cocok untuk kelompok yang sebagian besar entrinya berbagi satu efek perlakuan.

3. Peringkat persentil — untuk ketahanan

Mengingat betapa mencengnya sebaran indeks bisa terjadi, ringkasan berbasis peringkat sering lebih jujur daripada yang parametrik. Peringkat persentil membuang skala sembarang sepenuhnya dan hanya menyimpan urutan, yaitu bagian pengukuran yang benar-benar dapat dipindahkan. Ini pilihan tepat ketika sebaran berekor panjang, ketika pencilan dicurigai sebagai artefak citra, atau ketika keputusannya memang “pilih 10% teratas”.

4. Selisih waktu — untuk dinamika

Membandingkan tanaman yang sama dengan dirinya sendiri adalah bentuk penilaian relatif yang paling bersih, karena genetika, posisi buku, dan umur daun dijaga konstan secara konstruksi. Ia juga paling menuntut dari sisi protokol: perangkat yang sama, jam yang sama, kategori cuaca yang sama, posisi daun yang sama, rujukan kalibrasi yang sama. Penelitian fenotipe stay-green, kurva penuaan, atau pemeriksaan respons pascaaplikasi semuanya ada di sini. Untuk versi berskala kanopi dari gagasan yang sama, lihat karya kami tentang analitik kanopi anggur dengan AI.

Rancangan-rancangan ini bisa dipadukan. Percobaan stay-green dapat memakai selisih waktu atas median petak, setiap petak dinyatakan sebagai rasio terhadap kontrol berpengairan, dan seleksi dilakukan berdasarkan peringkat persentil dalam setiap tanggal. Yang tidak diizinkan satu pun di antaranya adalah membandingkan nilai indeks mentah dengan nilai dari penelitian lain.

Gerbang mutu: rasio piksel valid

Setiap nilai kehijauan membawa pertanyaan tersirat: seberapa banyak bagian daun ini yang benar-benar Anda ukur? Pantulan spekular, bayangan pekat, kabur gerak, dan piksel tepi semuanya menghasilkan piksel yang harus disingkirkan. Rasio piksel valid adalah bagian piksel di dalam wilayah daun terdeteksi yang lolos penyaringan dan ikut menyumbang ke indeks.

Kartu ringkasan penilaian kehijauan: sebagian besar daun memiliki lebih dari 60% piksel valid, sehingga mayoritas pengukuran memiliki cakupan piksel yang baik. — Dalam eksperimen 008 sebagian besar daun melampaui 60% piksel valid, dengan rerata 68,9% — cakupan yang baik, dan angka yang sebaiknya dilaporkan alih-alih diandaikan.

Daun yang dinilai atas 40% pikselnya bukanlah jenis pengamatan yang sama dengan daun yang dinilai atas 75%, dan merata-ratakan keduanya sebagai setara diam-diam merusak rerata perlakuan. Dalam rancangan relatif hal ini penting dua kali lipat, karena perbedaan mutu pengambilan gambar yang sistematis antara dua kelompok — misalnya satu kelompok difoto di bawah matahari lebih terang sehingga lebih banyak pantulan terbakar — menghasilkan perbedaan nilai indeks yang sama sekali tidak berkaitan dengan tanamannya.

Kartu pernyataan: untuk penilaian kehijauan bermutu produksi, pendekatan yang disarankan adalah menggabungkan indeks kehijauan dengan penyaring mutu pengukuran berdasarkan rasio piksel valid. — Rekomendasi produksi dari analisis ini: sandingkan setiap indeks dengan penyaring mutu pengukuran berbasis rasio piksel valid.

Tetapkan ambangnya sebelum melihat hasil. Batas bawah rasio piksel valid sebesar 0,60 adalah titik awal yang wajar untuk citra daun jarak dekat, dan eksperimen 008 menunjukkan sebagian besar daun yang diambil dengan baik melewatinya dengan nyaman. Terapkan batas yang sama pada setiap kelompok, catat berapa daun yang hilang di tiap kelompok karenanya, dan laporkan jumlah itu. Jika satu perlakuan kehilangan dua kali lebih banyak daun daripada yang lain, Anda telah menemukan masalah pengambilan gambar sebelum ia menjelma menjadi kesimpulan.

Protokol langkah demi langkah untuk perbandingan yang kuat

Urutan berikut mengubah prinsip di atas menjadi prosedur lapangan yang terulangkan. Ia mengandaikan penggunaan Petiole Pro dengan Pelat Kalibrasi Kehijauan, tetapi logikanya berlaku untuk alur kerja RGB mana pun.

Tuliskan perbandingannya sebelum memotret apa pun. Sebutkan kelompoknya, rujukannya, indeksnya, posisi daunnya, dan ukuran sampelnya. Data kehijauan yang dikumpulkan tanpa perbandingan yang dinyatakan hampir tidak pernah bisa dijadikan perbandingan sesudahnya.
Pilih satu indeks dan kunci pilihan itu. DGCI adalah pilihan baku untuk pekerjaan nitrogen dan rumput lapangan karena hubungannya yang mapan dengan pembacaan alat ukur klorofil. Catat pilihan itu dalam metode.
Siapkan rujukan. Jalur yang dipupuk berlebih, kontrol tanpa perlakuan, atau tanggal dasar. Semua angka berikutnya akan dinyatakan terhadapnya.
Bakukan pengambilan gambar. Satu perangkat untuk seluruh penelitian. Cahaya baur atau bayangan tubuh Anda sendiri, jangan matahari langsung. Jam yang konsisten. Lensa bersih dan pelat kalibrasi tidak bernoda. Pelat lengkap — penanda ArUco dan rujukan warna — di dalam setiap bingkai.
Bakukan daunnya. Daun termuda yang sudah membuka penuh, atau buku tertentu, pada setiap tanaman di setiap kelompok.
Ambil sampel untuk memperoleh sebaran. Cukup banyak daun per kelompok agar sebarannya terlihat, mengingat besarnya variasi antardaun yang ditunjukkan eksperimen 008. Ulangi antartanaman dan antarpetak, bukan hanya antardaun pada satu tanaman.
Ambil seluruh perbandingan dalam satu sesi. Segala sesuatu yang akan dibandingkan langsung sebaiknya berbagi satu sesi. Jika penelitian berlangsung beberapa hari, foto ulang rujukannya setiap hari dan bandingkan di dalam hari yang sama.
Proses secara berkelompok. Jalankan seluruh set citra melalui satu alur dengan satu set parameter, sehingga tidak ada kelompok yang mendapat perlakuan berbeda.
Terapkan gerbang mutu. Saring berdasarkan rasio piksel valid pada ambang yang Anda nyatakan di langkah 1. Catat pengecualian per kelompok.
Hitung besaran relatifnya. Rasio terhadap kontrol, skor z, peringkat persentil, atau selisih waktu — dipilih di langkah 1, bukan dipilih setelah melihat mana yang memberi hasil lebih enak dipandang.
Laporkan metode bersama angkanya. Indeks, perangkat, pencahayaan, posisi daun, ukuran sampel, ambang mutu, pengecualian, dan bentuk relatif yang dipakai. Inilah yang membuat hasilnya terulangkan; ini pula yang membuatnya layak dikutip.

Peta kehijauan warna semu dengan panel bertuliskan Petiole. Accuracy First. — kumpulan data dikumpulkan oleh pengguna aplikasi seluler Petiole, diproses di platform web Petiole Pro, eksperimen nomor 008, 26 Agustus 2026. — Asal-usul data sama pentingnya dengan statistiknya: eksperimen 008 dikumpulkan oleh pengguna aplikasi seluler Petiole dan diproses otomatis di platform web Petiole Pro pada 26 Agustus 2026.

Contoh terapan: dua perlakuan, satu sore

Bayangkan percobaan biostimulan. Dua blok, diperlakukan dan tidak diperlakukan, ditambah satu jalur rujukan yang dipupuk berlebih. Pertanyaannya: apakah blok yang diperlakukan mempertahankan kehijauan lebih baik daripada blok tanpa perlakuan, tiga minggu setelah aplikasi.

Cara yang keliru. Memotret 5 daun dari tiap blok pada sore mana pun yang sempat, mencatat bahwa blok berperlakuan rata-rata DGCI 0,44 dan yang tanpa perlakuan 0,41, lalu menyimpulkan perbaikan 7%. Tidak ada yang dapat dipertahankan di sini: sampelnya terlalu kecil untuk sebaran antardaun yang teramati, kedua blok mungkin difoto dalam cahaya berbeda, tidak ada gerbang mutu yang diterapkan, dan selisihnya dinyatakan pada skala yang tak bermakna di luar konteksnya.

Cara relatif. Dalam satu sesi sore dengan satu ponsel, di naungan terbuka, foto 30 daun termuda yang sudah membuka penuh per blok ditambah 30 dari jalur rujukan, dengan pelat kalibrasi di setiap bingkai. Proses ke-90 citra secara berkelompok dengan satu set parameter. Buang daun di bawah rasio piksel valid 0,60 dan catat berapa yang keluar dari tiap kelompok. Nyatakan setiap blok sebagai rasio median DGCI-nya terhadap median rujukan. Laporkan seperti ini:

Kelompok	Daun yang dipertahankan	Median DGCI	Rasio terhadap rujukan
Jalur rujukan (dipupuk berlebih)	29 / 30	0,48	1,00
Blok berperlakuan	28 / 30	0,44	0,92
Blok tanpa perlakuan	27 / 30	0,41	0,85

Angka ilustratif, ditampilkan untuk menunjukkan bentuk pelaporan, bukan untuk melaporkan percobaan tertentu. Versi kedua menjawab pertanyaannya. Kolom rasio dapat dipindahkan dengan cara yang tidak dimiliki kolom DGCI: ia bisa dibandingkan dengan rasio musim depan, dengan rasio lokasi lain, dan dengan rasio milik kolega, karena rujukan menyerap kamera, cahaya, dan skala indeks. Jumlah pengecualian menunjukkan bahwa gerbang mutu mengenai ketiga kelompok secara serupa, dan itu sendiri merupakan bagian dari bukti.

Tujuh kesalahan yang merusak perbandingan relatif

Kesalahan	Mengapa merusak perbandingan	Perbaikan
Membandingkan nilai indeks antarpenelitian atau antarartikel	Kamera, cahaya, alur pemrosesan, dan definisi indeks berbeda	Bandingkan rasio atau peringkat, jangan pernah nilai mentah
Berganti indeks di tengah jalan	Pada r = 0,316 antara DGCI dan AGRI, peringkat ikut berubah, bukan hanya skala	Nyatakan satu indeks dalam metode dan pertahankan
Memotret kelompok pada hari atau cahaya yang berbeda	Efek perlakuan dan efek pencahayaan menjadi tak terpisahkan	Satu sesi per perbandingan; foto ulang rujukan setiap hari
Merata-ratakan daun tanpa gerbang mutu	Daun dengan cakupan buruk merusak rerata dan dapat membiaskan satu kelompok	Saring berdasarkan rasio piksel valid, laporkan pengecualian per kelompok
Tiga daun per perlakuan	Variasi antardaun besar; sampelnya tidak mampu memisahkan efek	Ambil cukup daun untuk menampilkan sebaran
Mencampur posisi daun	Kehijauan berubah secara sistematis di sepanjang batang	Kunci buku atau tahap daun di semua kelompok
Memilih bentuk relatif setelah melihat data	Mengubah analisis menjadi pencarian pembingkaian yang menguntungkan	Tentukan rasio, skor z, peringkat, atau selisih di langkah 1

Menjalankannya di Petiole Pro

Alur kerjanya terbagi secara alami antara pengambilan gambar dan analisis.

Di lapangan, aplikasi seluler Petiole Pro mengukur kehijauan secara tidak merusak dari foto ponsel biasa dengan Pelat Kalibrasi Kehijauan di dalam bingkai. Karena pengukurannya tidak merusak daun, tanaman yang sama dapat dikunjungi ulang untuk rancangan selisih waktu — cara terkuat menjalankan penelitian penuaan atau stay-green.

Di meja kerja, pemrosesan berkelompok itulah yang membuat sampel seukuran sebaran menjadi praktis. Arahkan alur ke satu folder, dan setiap citra diproses dengan satu set parameter: daun dideteksi dan disegmentasi, indeks dihitung per piksel, median per daun dan rasio piksel valid dicatat, serta data per objek diekspor untuk disaring dan dianalisis di R, Python, atau lembar kerja. Ke-37 daun eksperimen 008 menempuh rute persis ini di platform web Petiole Pro. Rincian kemampuannya ada di halaman fitur Petiole Pro.

Kehijauan jarang menjadi satu-satunya sifat yang layak diambil dari foto yang sama. Segmentasi yang sama yang menyuapi indeks kehijauan juga mendukung penilaian luas daun nekrotik untuk kuantifikasi kerusakan, dan disiplin pengambilan gambar yang diuraikan di sini sama dengan yang dijelaskan panduan kami tentang cara memotret daun untuk pengukuran akurat di lapangan. Jika Anda memulai dari nol, toko Petiole Pro menyediakan aplikasi dan pelat kalibrasinya.

Apa yang bisa dan tidak bisa dikatakan kehijauan relatif

Pengukuran yang dapat dipercaya menuntut kejelasan tentang batasnya. Rancangan relatif membuat indeks kehijauan RGB benar-benar berguna; ia tidak menjadikannya spektrometer.

Penilaian relatif kehijauan dapat:

Memeringkat daun, tanaman, petak, perlakuan, dan kultivar dengan cepat dan terulangkan di dalam satu sesi.
Mendeteksi perubahan lintas waktu pada tanaman yang sama, secara tidak merusak, pada frekuensi yang tak tertandingi penilaian manual.
Menyatakan sebuah petak sebagai pecahan dari rujukan yang dipupuk baik, yang dapat dipindahkan antarmusim dan antarlokasi sebagaimana nilai indeks mentah tidak pernah bisa.
Menandai pengukuran yang mencurigakan, melalui rasio piksel valid dan melalui ketidaksesuaian antarindeks.
Menampakkan pola spasial di dalam daun — klorosis antartulang, terbakar tepi, mati ujung — lewat peta per piksel.
Menyediakan cukup ulangan untuk statistik sungguhan, karena keluaran pemrosesan berkelompok tinggi.

Penilaian relatif kehijauan tidak dapat:

Melaporkan klorofil atau nitrogen dalam satuan fisiologis absolut tanpa kalibrasi lokal terhadap nilai laboratorium atau alat ukur untuk tanaman dan kondisi Anda.
Membuat nilai sebanding antarpenelitian, antarkamera, antarrezim pencahayaan, atau antarindeks. Inilah tesis utama artikel ini dan tidak ada jalan memutarnya.
Menjelaskan mengapa sehelai daun pucat. Kekurangan nitrogen, kekurangan belerang, klorosis besi, penyakit akar, genangan, dan penuaan alami semuanya menurunkan kehijauan.
Memulihkan informasi yang hilang dari foto. Pantulan yang terbakar tidak menyimpan warna untuk diukur.
Menyelamatkan perbandingan yang kelompok-kelompoknya difoto pada kondisi berbeda. Tidak ada koreksi belakangan yang menggantikan satu sesi, satu perangkat, satu protokol.
Menggantikan pengukuran luas, jumlah, atau kerusakan. Kehijauan menjawab “seberapa hijau”, bukan “seberapa luas daun” atau “seberapa parah kerusakan”.

Dibaca dengan batas-batas itu, rancangan kehijauan relatif melakukan persis apa yang dibutuhkan pemantauan kesehatan tanaman: mengubah kesan subjektif menjadi perbandingan yang terulangkan, cukup cepat dan cukup murah untuk dikumpulkan pada skala yang dituntut keputusan nyata.

Petiole Pro untuk kehijauan dan kesehatan tanaman

Buat perbandingannya, bukan klaimnya

Petiole Pro menghitung DGCI, AGRI, dan TGI dari foto ponsel biasa, melekatkan skor mutu pengukuran pada setiap pembacaan, dan memproses seluruh folder secara berkelompok menjadi objek berlabel yang dapat disaring dan diekspor. Semua yang dibutuhkan rancangan relatif — satu indeks, satu sesi, satu set parameter, satu gerbang mutu, dan satu rujukan — sudah ada di dalam alur kerjanya.

Entah Anda sedang menentukan waktu aplikasi nitrogen, menapis populasi pemuliaan untuk sifat stay-green, atau membuktikan bahwa sebuah biostimulan memberi pengaruh, bentuk jawabannya sama: kelompok ini melawan kelompok itu, diukur dengan cara yang sama, pada hari yang sama, dengan pengecualian yang dinyatakan.

Pertanyaan yang sering diajukan

Apa itu penilaian relatif kehijauan?

Penilaian relatif kehijauan adalah penggunaan indeks warna RGB — seperti DGCI atau AGRI — yang dihitung dari foto untuk membandingkan daun, tanaman, petak, atau tanggal satu sama lain, alih-alih membaca nilai fisiologis absolut. Nilai indeks dapat direproduksi di dalam perbandingan terkendali, ketika kamera, pencahayaan, indeks, dan posisi daun dijaga konstan, dan tidak dapat dipindahkan antarpenelitian, perangkat, atau indeks. Dalam praktiknya ini berarti menyatakan hasil sebagai rasio terhadap rujukan, skor z dalam kelompok, peringkat persentil, atau perubahan lintas waktu.

Mengapa saya tidak bisa membandingkan nilai DGCI saya dengan nilai dari artikel ilmiah?

Karena angka itu sekaligus menggambarkan tanaman, kamera, kondisi pencahayaan, dan rumus. Kamera ponsel menerapkan keseimbangan putih, pencahayaan, dan pemrosesan nada otomatis yang berbeda antarmodel dan antarmode; pencahayaan mengubah warna terekam dari daun yang identik; dan alur pemrosesan berbeda menyegmentasi serta menyaring piksel secara berbeda. Dua penelitian dapat melaporkan DGCI yang sama untuk daun dengan kehijauan yang benar-benar berbeda, atau nilai DGCI berbeda untuk daun yang identik. Rasio terhadap rujukan yang diukur pada sesi yang sama dapat dibandingkan; nilai mentah tidak.

Seberapa kuat kesesuaian DGCI dan AGRI?

Dalam eksperimen 008 Petiole R&D Lab, yang dijalankan pada 26 Agustus 2026 atas 37 daun, DGCI dan AGRI menunjukkan hubungan positif tetapi lemah dengan korelasi Pearson r = 0,316 — kira-kira 10% ragam satu indeks yang dijelaskan oleh indeks lain. Keduanya dihitung dari piksel yang sama pada foto yang sama. Kedua indeks karena itu menangkap aspek kehijauan yang berkaitan tetapi tidak identik, dan itulah sebabnya indeks harus dinyatakan sebagai bagian dari metode dan dipertahankan sepanjang penelitian.

Rancangan relatif mana yang sebaiknya saya pakai?

Gunakan rasio terhadap kontrol bila ada jalur rujukan atau kontrol tanpa perlakuan dalam sesi yang sama — inilah rancangan terkuat, karena kamera, cahaya, dan hari saling meniadakan dalam rasio. Gunakan skor z dalam kelompok untuk percobaan penapisan tanpa kontrol alami. Gunakan peringkat persentil bila sebarannya menceng atau bila keputusannya “pilih N% teratas”. Gunakan selisih waktu pada tanaman yang sama untuk pertanyaan penuaan, stay-green, dan respons lintas waktu. Pilih rancangannya sebelum mengumpulkan data, bukan setelah melihat hasil.

Berapa banyak daun yang saya perlukan per perlakuan?

Cukup banyak untuk melihat sebaran, bukan satu titik. Kehijauan bervariasi cukup besar antardaun di dalam satu kelompok pada eksperimen 008, mencerminkan perbedaan kondisi, umur, dan pigmentasi daun, sehingga segelintir daun per perlakuan tidak dapat memisahkan efek nyata dari variasi pengambilan sampel. Ulangi antartanaman dan antarpetak, bukan hanya antardaun pada satu tanaman, dan laporkan median disertai ukuran sebaran alih-alih rerata telanjang.

Ambang rasio piksel valid berapa yang sebaiknya dipakai?

Batas bawah sekitar 0,60 adalah titik awal yang wajar untuk citra daun jarak dekat. Dalam eksperimen 008 rerata rasio piksel valid adalah 68,9% dan sebagian besar daun melampaui 60%, sehingga sesi pengambilan gambar yang dilakukan dengan baik semestinya melewati ambang itu dengan nyaman. Nyatakan ambangnya sebelum analisis, terapkan secara identik pada setiap kelompok, dan laporkan berapa daun yang hilang di tiap kelompok — kelompok yang kehilangan jauh lebih banyak daripada yang lain punya masalah pengambilan gambar, bukan hasil biologis.

Bisakah saya merata-ratakan DGCI dan AGRI menjadi satu skor kehijauan?

Tidak. Kedua indeks memiliki rentang angka, bentuk sebaran, dan kepekaan yang berbeda, dan keduanya hanya berkorelasi pada r = 0,316 dalam eksperimen 008. Merata-ratakannya menghasilkan nilai yang tidak mengikuti keduanya dan tidak dapat ditafsirkan maupun direproduksi. Hitung keduanya bila Anda menginginkan pemeriksaan konsistensi — kesesuaian meningkatkan keyakinan dan ketidaksesuaian menandai citra yang layak diperiksa — tetapi laporkan dan analisis satu indeks pada satu waktu.

Apakah penilaian relatif kehijauan berlaku lintas waktu, bukan hanya antarpetak?

Ya, dan membandingkan tanaman yang sama dengan dirinya sendiri adalah bentuk penilaian relatif yang paling bersih, karena genetika, posisi buku, dan umur daun dijaga konstan secara konstruksi. Ia juga paling menuntut dari sisi protokol: perangkat yang sama, jam yang sama, cuaca yang sebanding, posisi daun yang sama, dan rujukan kalibrasi yang sama pada setiap kunjungan. Pengukuran yang tidak merusak itulah yang memungkinkannya, karena daun yang sama dapat diukur berulang kali.

Apakah saya tetap memerlukan pelat kalibrasi untuk perbandingan relatif?

Ya. Rancangan relatif meniadakan banyak pengganggu tetapi tidak semuanya, dan rujukan warna di dalam bingkai menambatkan rantai pengambilan gambar sehingga perbandingan di dalam sesi tidak terdistorsi oleh keseimbangan putih otomatis dan pergeseran pencahayaan antarjepretan. Pelat itu juga menyediakan rujukan skala yang dipakai untuk mengukur luas dari foto yang sama. Pelat kalibrasi adalah yang menjaga “sesi yang sama” tidak berubah makna menjadi “kondisi yang kira-kira mirip”.

Pertanyaan yang berguna tidak pernah “seberapa hijau daun ini”. Melainkan “lebih hijau dibanding apa, diukur bagaimana, dan berapa daun yang Anda buang sebelum mengatakannya”.