Pratinjau produk (teaser) — estimasi bersifat probabilistik dengan rentang, bukan pengukuran audit-grade. Metodologi & sumber ada di bawah.
Kamera nyata di browser — foto tak diunggah, diproses di perangkat. Pengenalan objek otomatis (CV) ada di roadmap; untuk pratinjau, konfirmasi item dari contoh di bawah.
Dari foto (computer vision → kategori + material/kemasan) atau dari nama/kategori.
Agen memecah: material, kemasan, transport, fase pakai, akhir-hidup.
Activity-based (ecoinvent, Poore & Nemecek, Agribalyse, DEFRA); fallback spend-based (EXIOBASE) bila hanya ada harga.
Setiap angka membawa rentang ketidakpastian & label tier data (T1 EPD → T4 spend-based).
E_total = Σ (Q_i × EF_i) ± U (kg CO₂e per unit) activity-based: Σ material·EF + kemasan·EF + jarak·EF_transport + E_pakai fallback harga: E ≈ (harga/(1+pajak)/margin) × EF_EEIO(sektor) · k_fx [BATAS ATAS kasar] Rentang (pola ecoinvent pedigree): [EF/GSD^1.645 , EF×GSD^1.645]
⚠︎ Estimasi, bukan sertifikasi. Jalur harga (EXIOBASE) paling lemah (sensitif diskon/premium, bisa meleset puluhan %). Berat dari foto rapuh tanpa acuan skala. Database condong Eropa — faktor Indonesia bisa berbeda. Mendukung "kontribusi/jejak terlacak" untuk imbalan Glyiv, bukan klaim netral karbon.
⚠︎ Halaman ini pratinjau: estimasinya probabilistik dengan rentang, bukan pengukuran audit-grade.