Pengukuran Luas Daun Berbasis Citra Digital Menggunakan ImageJ dengan Validasi Metode Kertas Milimeter

Ichsan Ibrahim

doi:10.37424/informasi.v18i1.558

Ichsan Ibrahim STMIK IM

DOI: https://doi.org/10.37424/informasi.v18i1.558

Abstract

Pengukuran luas daun merupakan parameter penting dalam analisis pertumbuhan tanaman, fisiologi tanaman, fotosintesis, indeks luas daun, dan evaluasi respons tanaman terhadap lingkungan. Metode manual berbasis kertas milimeter masih mudah diterapkan, tetapi relatif lambat, bergantung pada ketelitian operator, dan kurang efisien untuk jumlah sampel besar. Penelitian ini bertujuan menerapkan ImageJ untuk pengukuran luas daun berbasis citra digital, menyusun kerangka operasional pengolahan citra, serta memvalidasi hasilnya terhadap metode kertas milimeter. Penelitian menggunakan citra contoh daun untuk menjelaskan tahap kalibrasi, prapemrosesan, segmentasi, dan pengukuran area, serta menggunakan 40 sampel daun untuk validasi kuantitatif. Prosedur ImageJ meliputi kalibrasi skala, konversi citra RGB menjadi grayscale 8-bit, peningkatan kontras, median filtering, thresholding, segmentasi objek, dan pengukuran area dalam satuan cm². Hasil validasi menunjukkan rata-rata luas daun menggunakan ImageJ sebesar 62,9163 cm², sedangkan rata-rata luas daun dengan kertas milimeter sebesar 62,5940 cm². Nilai Mean Absolute Error sebesar 1,2018 cm², Mean Absolute Percentage Error sebesar 1,9382%, Root Mean Square Error sebesar 1,4429 cm², dan koefisien determinasi sebesar 0,8928. Hasil ini menunjukkan bahwa ImageJ memiliki kesesuaian yang baik terhadap metode kertas milimeter dan layak digunakan sebagai alternatif praktis, murah, dan replikatif untuk pengukuran luas daun berbasis citra digital. Akurasi tetap dipengaruhi oleh kualitas citra, kalibrasi skala, pencahayaan, kontras latar belakang, dan ketepatan segmentasi.
Kata kunci: ImageJ, luas daun, pengolahan citra digital, segmentasi citra, kertas milimeter

References

Bambang, B., Santoso, & Haryadi. (2008). Metode Pengukuran Luas Daun Jarak Pagar. Magrobis: Jurnal Ilmu-Ilmu Pertanian, 8(1), 17–22.

Easlon, H. M., & Bloom, A. J. (2014). Easy Leaf Area: Automated Digital Image Analysis for Rapid and Accurate Measurement of Leaf Area. Applications in Plant Sciences, 2(7), 1400033. https://doi.org/10.3732/apps.1400033

Guswanto, J. (2009). Perbandingan Metode Pengukuran Luas Daun. Universitas Muhammadiyah Malang.

ImageJ. (2026). ImageJ Release Notes. https://imagej.net/ij/source/release-notes.html

Koyama, K. (2023). Leaf Area Estimation by Photographing Leaves Sandwiched between Transparent Clear File Folder Sheets. Horticulturae, 9(6), 709. https://doi.org/10.3390/horticulturae9060709

Li, M., Liao, Y., Lu, Z., Sun, M., & Lai, H. (2023). Non-Destructive Monitoring Method for Leaf Area of Brassica napus Based on Image Processing and Deep Learning. Frontiers in Plant Science, 14, 1163700. https://doi.org/10.3389/fpls.2023.1163700

Maraveas, C. (2024). Image Analysis Artificial Intelligence Technologies for Plant Phenotyping: Current State of the Art. AgriEngineering, 6(3), 3375–3407. https://doi.org/10.3390/agriengineering6030193

Olivoto, T. (2022). Lights, Camera, Pliman! An R Package for Plant Image Analysis. Methods in Ecology and Evolution, 13(4), 789–798. https://doi.org/10.1111/2041-210X.13803

Qiao, D., Yang, J., Bai, B., Li, G., Wang, J., Li, Z., Liu, J., & Liu, J. (2024). Non-Destructive Monitoring of Peanut Leaf Area Index by Combining UAV Spectral and Textural Characteristics. Remote Sensing, 16(12), 2182. https://doi.org/10.3390/rs16122182

Schneider, C. A., Rasband, W. S., & Eliceiri, K. W. (2012). NIH Image to ImageJ: 25 Years of Image Analysis. Nature Methods, 9(7), 671–675. https://doi.org/10.1038/nmeth.2089

Schroeder, A. B., Dobson, E. T. A., Rueden, C. T., Tomancak, P., Jug, F., & Eliceiri, K. W. (2021). The ImageJ Ecosystem: Open-Source Software for Image Visualization, Processing, and Analysis. Protein Science, 30(1), 234–249. https://doi.org/10.1002/pro.3993

Suarez, E., Andrade, D., & Velasquez-Vasconez, P. A. (2025). Automating Leaf Area Measurement in Citrus Using Scanned Images and Python-Based Image Processing. Applied Sciences, 15(17), 9750. https://doi.org/10.3390/app15179750

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

Sutoyo. (2009). Pengenalan Citra. Universitas Gadjah Mada.

Velasquez-Vasconez, P. A., & Andrade Díaz, D. (2024). LeafArea Package: A Tool for Estimating Leaf Area in Andean Fruit Species. International Journal of Plant Biology, 15(1), 102–109. https://doi.org/10.3390/ijpb15010009

Zhang, Y., Li, Y., Cao, X., Wang, Z., Chen, J., Li, Y., Zhong, Z., Bai, R., Yang, P., Pan, F., & Fu, X. (2025). Leaf Area Estimation in Small-Seeded Broccoli Using a Lightweight Instance Segmentation Framework Based on Improved YOLOv11-AreaNet. Frontiers in Plant Science, 16, 1622713. https://doi.org/10.3389/fpls.2025.1622713