论文信息

Daniel Sande Bona / Tindia Febriyati / Hence Sahusilawane

Journal of Artificial Intelligence and Technology Information (JAITI)

论文解读

AI 辅助整理
方法
用Python和GEE处理多源遥感与气象数据,MapLibre GL发布双语静态
发现
两版本请求数少于多数对标平台,用户评分3.86与3.71,七项比较无显著差异。
机会点
可延伸研究多源遥感火险指数在热带岛屿的本地化验证与面向公众的界面可用性优化。

论文摘要

2026年比亚克岛旱季与厄尔尼诺现象同时发生,随后发生了土地火灾,但关于该岛火灾的公共信息尤其是空间土地火灾数据十分匮乏。本研究旨在记录一个用于传播2026年比亚克岛土地火灾空间信息的WebGIS的开发过程,并评估呈现相同数据的两个WebGIS版本的界面。数据包括CHIRPS降雨数据、MOD16A2蒸散发数据、用于计算火灾天气指数的ERA5-Land气象数据、NASA FIRMS热点数据(MODIS、VIIRS)、METAR机场气象数据、来自MODIS的NDVI和NDMI、来自Sentinel-2的NBR、NBR+和ATBI烧毁面积指数,以及三份土地覆盖产品。数据使用Python和Google Earth Engine进行处理,随后以MapLibre GL为基础发布为静态网站,提供英语和印尼语两种语言版本。评估采用功能矩阵基准测试和网页加载时间测量,对照Alaska AICC Dashboard、SiPongi+、BNPB、Global Nature Watch和Pantau Gambut进行,随后开展了一项包含15个问题的匿名问卷调查。基准测试结果表明,两个版本均发出45至50个请求,少于AICC、SiPongi+和Global Nature Watch(89至590个),但多于Pantau Gambut(29至38个)。对14名受访者的调查显示,版本A的总体评分为3.86分,版本B为3.71分(满分5分),且在七个比较项目上未显示出明显差异。本研究建议地图不应遮挡手机上的导航功能,初始显示语言应跟随用户的浏览器语言,并为非专业用户提供更简明的解释。

全文

Journal of Artificial Intelligence and Technology Information (JAITI)

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 702

Rancang Bangun Dan Evaluasi Antarmuka
WebGIS Kebakaran Lahan Biak 2026

Daniel Sande Bona* , Tindia Febriyati , Hence Sahusilawane
Desain Komunikasi Visual, Institut Seni Budaya Indonesia Tanah Papua, Indonesia

Abstrak
Musim kering 2026 di Pulau Biak terjadi bersamaan dengan El Niño dan diikuti kebakaran lahan, namun informasi
publik terutama terkait data spasial kebakaran lahan di Pulau Biak cukup minim. Penelitian ini bertujuan
mendokumentasikan rancang bangun WebGIS u ntuk diseminasi informasi spasial kebakaran lahan Pulau Biak
tahun 2026 dan mengevaluasi antarmuka dua versi WebGIS yang menyajikan data identik. Data yang dipakai
antara lain curah hujan CHIRPS, evapotranspirasi MOD16A2, cuaca ERA5 -Land untuk Fire Weather Index, titik
panas NASA FIRMS (MODIS, VIIRS), data cuaca Bandara METAR, NDVI dan NDMI dari MODIS, indeks area
terbakar NBR, NBR+, dan ATBI dari Sentinel -2, serta tiga produk tutupan lahan. Data diolah dengan Python dan
Google Earth Engine, lalu diterbitka n sebagai situs statis berbasis MapLibre GL dengan dua bahasa yaitu bahasa
Inggris dan bahasa Indonesia. Evaluasi dilakukan melalui benchmarking matriks fitur dan pengukuran waktu muat
halaman website terhadap Alaska AICC Dashboard, SiPongi+, BNPB, Global Nature Watch, dan Pantau Gambut,
kemudian survei anonim yang terdiri dari 15 butir pertanyaan. Hasil benchmarking menunjukkan kedua versi
memuat 38 sampai 43 permintaan, lebih sedikit daripada AICC, SiPongi+, dan Global Nature Watc h (79 sampai
298) tetapi lebih banyak daripada Pantau Gambut (29 sampai 38). Survei terhadap 14 responden menghasilkan nilai
keseluruhan 3,86 untuk Versi A dan 3,71 untuk Versi B dari skala 5, dan tidak menunjukkan perbedaan yang jelas
pada tujuh butir perbandingan. Penelitian ini merekomendasikan peta yang tidak menutup navigasi pada ponsel,
bahasa tampilan awal yang mengikuti bahasa peramban pengguna, dan penjelasan yang lebih sederhana bagi
pengguna awam.
Kata Kunci: antarmuka pengguna; kebakaran lahan; kekeringan; survei pengguna; WebGIS

Abstract
The 2026 dry season on Biak Island coincided with El Niño and was followed by land fires, but public information,
especially spatial land fire data for the island, is scarce. This study aims to document the development of a WebGIS
for disseminating spatial information on the 2026 Biak Island land fires and to evaluate the interfaces of two
WebGIS versions that present identical data. The data include CHIRPS rainfall, MOD16A2 evapotranspiration,
ERA5-Land weather for the Fire Weather Index, NASA FIRMS hotspots (MODIS, VIIRS), METAR airport weather
data, NDVI and NDMI from MODIS, the NBR, NBR+, and ATBI burned -area indices from Sentinel -2, and three
land cover products. Data were processed with Python and Google Ea rth Engine, then published as a static site
based on MapLibre GL in two languages, English and Indonesian. The evaluation used feature matrix
benchmarking and website page load time measurements against the Alaska AICC Dashboard, SiPongi+, BNPB,
Global Nature Watch, and Pantau Gambut, followed by an anonymous 15-question survey. Benchmarking results
show both versions make 38 to 43 requests, fewer than AICC, SiPongi+, and Global Nature Watch (79 to 298) but
more than Pantau Gambut (29 to 38). The survey of 14 respondents yielded overall scores of 3.86 for Version A and
3.71 for Version B on a 5 -point scale and showed no clear difference on the seven comparison items. This study
recommends maps that do not cover navigation on phones, an initial display langua ge that follows the user's
browser language, and simpler explanations for lay users.
Keywords: user interface; land fires; drought; user survey; WebGIS

*Corresponding Author:
Daniel Sande Bona, Institut Seni Budaya Indonesia Tanah Papua, Indonesia
Email: danielbona86@isbi-tanahpapua.ac.id

PENDAHULUAN
Kebakaran lahan di Indonesia sering didahului kekeringan yang berkepanjangan. Field dkk.
menunjukkan bahwa kebakaran lahan dan polusi asap Indonesia pada 2015 dipengaruhi oleh
kekeringan akibat El Niño [1]. Distrik Amuma, Yahukimo, Provinsi Papua Pegunungan, pada 2023 juga

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 703

mengalami kekeringan panjang yang menyebabkan gagal panen dan kekurangan pangan yang
merenggut 23 jiwa. Data neraca air dari data penginderaan jauh menunjukkan kekeringan di Distrik
Amuma sudah dimulai sejak bulan Juni 2023 [2]. Di Papua Barat, data curah hujan CHIRPS dengan
metode SPI juga dipakai untuk menilai kekeringan pertanian [3]. Pada 2026, BMKG menyebut El Niño
telah masuk kategori kuat [4]. Curah hujan di Pulau Biak yang ditunjukkan data CHIRPS berada di
bawah rata-rata bulanan 1 981 sampai 2025 sejak Mei hingga September, dan total curah hujan bulan
Juli sampai September sebesar 282,6 mm adalah curah hujan terendah ketiga dalam 46 tahun, setelah
1982 dan 2015.
Kekeringan berkepanjangan menyebabkan vegetasi mengering, vegetasi yang mengering menjadi
rentan terhadap api sehingga memicu kebakaran lahan. Kelas tutupan lahan berupa vegetasi seperti
rumput, sabana, semak, dan vegetasi muda hanya mencakup 8,44% dari 141.141 ha daratan yang
dianalisis di Pulau Biak bagian tengah dan selata n, tetapi memuat 38,42% dari 1.075 titik panas di area
tersebut pada periode September 2023 sampai September 2026 dan 45,25% dari 2.334,8 ha area terbakar
yang terpetakan pada 22 kejadian, hal ini menunjukkan lahan dengan kelas tutupan lahan tersebut
rawan terjadi kebakaran lahan. NASA FIRMS mencatat 905 titik panas pada 2026, dibandingkan 100
pada 2023 (mulai September), 90 pada 2024, dan 71 pada 2025. Stasiun cuaca Bandara Frans Kaisiepo
melaporkan asap pada 17 hari pada 2026 padahal pada tiga tahun sebel umnya tidak ada laporan
kejadian asap.
Satu titik panas adalah anomali panas pada piksel data citra satelit namun belum merupakan
kebakaran yang terkonfirmasi. Luas area terbakar juga memiliki dua angka yang berbeda cakupan.
Angka 2.179,4 ha adalah total p oligon hasil peta Sentinel -2 pada 20 kejadian dan belum dicek
akurasinya. Angka 1.230,3 ha (interval kepercayaan 95%: 1.059,5 sampai 1.341,6 ha) adalah perkiraan
setelah kotak sampel diperiksa manual pada citra 1 m, tetapi hanya pada tiga kejadian. Pada ti ga
kejadian tersebut peta hanya menggambar 819,1 ha, sehingga perkiraan lebih besar daripada peta
karena sekitar 427,6 ha area terbakar tidak tergambar. Kedua angka tidak dapat dibandingkan
langsung, karena 2.179,4 ha juga mencakup 17 kejadian lain yang ti dak divalidasi. Penyajian data
seperti ini perlu memperhatikan cara pengguna membaca peta. Jain dkk. menemukan bahwa dari 66
naskah yang memuat peta untuk pembuat kebijakan, hanya 11 yang menyebut ketidakpastian dalam
teks dan hanya 3 yang menggambarkannya pada peta [5]. Bang -Kittilsen dan Midtbø melalui
eksperimen web dengan 450 peserta menunjukkan perbaikan desain kecil dapat menaikkan skor
pembacaan peta secara signifikan [6]. Dari sisi bahasa, materi kebakaran berbahasa Spanyol di
California masih tertinggal dari materi berbahasa Inggris [7].
Penelitian terdahulu mengenai WebGIS untuk keperluan kebakaran lahan umumnya berfokus pada
sistem dan model. Sukojo dan Lisakiyanto membangun WebGIS sebaran titik panas dengan Leaflet
untuk Ogan Komering Ilir [8], Mileu dkk. membangun simulator risiko People&Fire [9], dan Martínez-
Lastras dkk. memadukan model angin, api, dan asap [10]. Soleh dkk. menemukan bahwa kualitas
sistem, kepuasan pengguna, dan net benefits memengaruhi nilai data titik panas near real -time bagi
pengguna di Indonesia [11]. Dari sisi evaluasi, Almasi dkk. mencatat bahwa System Usability Scale (SUS)
adalah kuesioner yang paling sering dipakai untuk dasbor dan mengusulkan kriteria seperti
kemudahan pakai, antarmuka, dan kesadaran situasi [12]. Unra u dkk. merekam interaksi 40 peserta
untuk menemukan kelemahan WebGIS [13], [14]. Kajian lain menilai peta untuk ponsel [15],
membandingkan aplikasi peta web [16], [17], atau menguji portal risiko banjir dengan skor SUS 84,67
dari 15 peserta [18]. Untuk kon teks pengguna Indonesia, evaluasi aplikasi WebGIS dengan model
Nielsen dilakukan pada aplikasi PAK RT [19]. Ringkasan penelitian terdahulu ditunjukkan pada Tabel
1.

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 704

Tabel 1. Perbandingan penelitian terdahulu dan research gap
Penelitian Fokus Keterbatasan dan posisi penelitian ini
Sukojo dan Lisakiyanto [8];
Mileu dkk. [9]; Martínez-Lastras
dkk. [10]
WebGIS kebakaran untuk sebaran titik
panas, risiko, dan simulasi
Berfokus pada sistem dan model, belum
membandingkan rancangan antarmuka
Unrau dkk. [13]; Hastuti dkk.
[19]; Cravo dkk. [18]
Evaluasi kebergunaan WebGIS Menilai satu sistem, bukan dua rancangan
dengan data yang sama
Zejdlik dkk. [16], [17] Perbandingan aplikasi peta web Berfokus pada peta umum, belum
mencakup situs pemantauan kebakaran
Penelitian ini Dua rancangan WebGIS kebakaran
dengan data identik
Benchmarking terhadap situs pemerintah
dan LSM, disertai survei pengguna

Kajian tersebut memiliki beberapa keterbatasan jika dipakai untuk web peta kebakaran lahan untuk
publik. Artikel ilmiah yang fokus terhadap aspek sistem jarang menguji antarmukanya pada pengguna
umum. Perbandingan aplikasi peta web umumnya fokus pada peta umum seperti Google Maps dan
belum menyentuh situs web peta tematik pemantauan kebakaran laha n terutama untuk Tingkat
Kabupaten/Kota. Berdasarkan Tabel 1, research gap penelitian ini terletak pada masih terbatasnya
evaluasi antarmuka WebGIS kebakaran yang memakai data identik. Jika dua sistem berbeda
dibandingkan, perbedaan data ikut memengaruhi p enilaian pengguna sehingga pengaruh rancangan
sulit dipisahkan. Dalam penelusuran kami, belum ditemukan studi yang menguji dua rancangan
WebGIS kebakaran dengan data identik sekaligus membandingkannya dengan situs pemerintah dan
lembaga swadaya masyarakat (LSM).
Penelitian ini bertujuan mendokumentasikan rancang bangun WebGIS untuk diseminasi informasi
spasial bencana kebakaran lahan Pulau Biak tahun 2026 dan mengevaluasi antarmuka dua versi
WebGIS tersebut. Evaluasi dilakukan dengan membandingkan kedua versi terhadap situs Alaska AICC
Dashboard, SiPongi+, BNPB, Global Nature Watch, dan Pantau Gambut, kemudian mengukur penilaian
pengguna terhadap enam aspek rancangan. Kontribusi utama penelitian ini adalah prosedur evaluasi
yang memakai data yang sama pada d ua rancangan antarmuka, sehingga perbedaan penilaian
pengguna tidak dapat berasal dari perbedaan isi data seperti bila dua sistem berbeda dibandingkan.
Prosedur ini dilengkapi pembandingan terhadap lima situs pemantauan kebakaran yang dipakai
publik, dengan kriteria fitur dan pengukuran waktu muat yang dapat diulang. Kontribusi praktisnya
adalah masukan desain peta kebakaran berbahasa Indonesia yang menyajikan ketidakpastian luas area
terbakar kepada pengguna awam.

  1. METODE PENELITIAN
    2.1. Desain Penelitian
    Penelitian ini merupakan penelitian rancang bangun dengan evaluasi pendekatan campuran. Data
    kuantitatif berasal dari benchmarking terhadap situs serupa dan skala survei, sedangkan data kualitatif
    berasal dari pengamatan fitur dan saran terbuka responden. Tahapan penelitian ditunjukkan pada
    Gambar 1.

Gambar 1. Tahapan penelitian

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 705

Gambar 1 menunjukkan pengolahan data disusun mengikuti kronologi kejadian, mulai dari
kekeringan sampai area terbakar. Hasil pengolahan menjadi isi dua versi situs, kemudian ked ua versi
dievaluasi melalui benchmarking dan survei.
2.2. Data
Data penelitian dikumpulkan dari sumber terbuka dan citra hibah akademik diuraikan seperti pada
Tabel 2. Analisis tutupan lahan mencakup 141.141 ha daratan di Pulau Biak bagian tengah dan selatan,
yaitu area yang memuat lokasi kebakaran prioritas, sekitar 76% dari luas pulau (186.223 ha). Waktu
disimpan dalam UTC kemudian diturunkan menjadi hari lokal WIT agar deteksi malam tidak masuk
ke tanggal yang salah.
Tabel 2. Sumber data dan kegunaannya
Data Sumber Kegunaan
Curah hujan harian, 1981 sampai
2026
CHIRPS [20] Peringkat musim kering, neraca air
Evapotranspirasi, sejak 2021 MODIS MOD16A2 Neraca air bulanan
Cuaca jam 12 WIT ERA5-Land [21] Fire Weather Index, KBDI [22], [23]
Tutupan lahan WorldCover, Dynamic World [24],
TMF [25]
Peta enam kelas tutupan lahan
Titik panas, 1.166 baris sejak
2023-09-01
NASA FIRMS VIIRS [26] dan MODIS Peta, kejadian, tren
Laporan cuaca bandara METAR WABB Konfirmasi ada asap
Citra optik Sentinel-2, Cloud Score+ [27] Indeks area terbakar
Citra 1 m S2DR4 [28] Validasi kotak sampel

Tabel 2 menunjukkan setiap tahap memiliki sumber data sendiri. Data evapotranspirasi hanya
tersedia sejak Januari 2021, sehingga neraca air tidak dapat dibandingkan sejauh data curah hujan yang
dimulai pada 1981.
2.3. Pengolahan Data
Pengolahan data menggunakan Python dan Google Earth Engine [29]. Tahap kekeringan
menghitung curah hujan rata -rata daratan dan neraca air bulanan seperti pada (1), dengan area yang
merupakan kelas tutupan lahan tubuh air pada citra tutupan WorldCover digunakan sebagai masking
citra.
𝑊𝐵 = 𝑃 − 𝐸𝑇 (1)
Pada (1), WB (Water Balance) adalah neraca air bulanan (mm), P adalah curah hujan CHIRPS (mm),
dan ET adalah evapotranspirasi MOD16A2 (mm). Nilai negatif berarti air yang menguap lebih banyak
daripada curah hujan pada bulan tersebut.
Tahap deteksi menyimpan kolom confidence sebagai teks karena VIIRS memakai kode l, n, h
sedangkan MODIS memakai nilai 0 sampai 100. Kolom FRP dipertahankan, dan baris y ang diragukan
diberi penanda tanpa dihapus. Deteksi kemudian dikelompokkan menjadi 488 kejadian dengan
DBSCAN ruang -waktu (radius 750 m, 30 jam, minimum 2 sampel). Tahap tutupan lahan
mengklasifikasi ulang tiga produk global menjadi enam kelas tanpa data latih. Area terbakar dipetakan
dengan indeks NBR+ [30] seperti pada (2). Indeks ini dipilih dari tujuh indeks, antara lain ATBI [31],
berdasarkan tingkat alarm palsu di atas air dan awan.
𝑁𝐵𝑅+ =
𝐵12 − 𝐵8𝐴 − 𝐵3 − 𝐵2
𝐵12 + 𝐵8𝐴 + 𝐵3 + 𝐵2 (2)
Pada (2), B2, B3, B8A, dan B12 adalah reflektansi kanal Sentinel -2. Selisih NBR+ sesudah dan
sebelum kebakaran (dNBR+) diberi ambang per kejadian terhadap lahan pembanding di dekatnya.
Hasil peta diperiksa pada 142 kotak sampel berukuran 60 m di atas citra 1 m, dan luasnya diperkirakan
mengikuti Olofsson dkk. [32]. Seluruh hasil disimpan sebagai GeoJSON dan JSON yang dibaca
langsung oleh halaman web.

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 706

2.4. Implementasi Sistem WebGIS Kebakaran Lahan Pulau Biak Tahun 2026
Kedua versi situs WebGIS dibangun sebagai situs statis tanpa server basis data seperti pada Tabel 3.
Pustaka peta MapLibre dipilih dengan mempertimbangkan temuan Balla dan Gede bahwa MapLibre
lebih lambat diinisialisasi untuk data kecil, tetapi dampak performanya tertahan pada jumlah fitur besar
[33].
Tabel 3. Komponen Teknis Pada Setiap Tahap Pengembangan situs WebGIS Kebakaran Lahan
Pulau Biak Tahun 2026
Lapisan Teknologi Peran
Pengolahan Python, Google Earth Engine Mengolah data dan menulis
JSON/GeoJSON
Penjadwalan GitHub Actions Alur harian FIRMS dan pemeriksaan
Pembuat situs Skrip Python, templat HTML Menyusun 9 halaman dari bagian bersama
Peta MapLibre GL 4.7.1 Lapisan vektor dan citra di peramban
Tampilan Tailwind CSS 4.1.18, CSS sendiri Tata letak dan token warna
Grafik dan logika JavaScript tanpa menggunakan
Framework, SVG
Grafik, panduan, dan filter
Bahasa Berkas i18n_id.json Pengalih Inggris dan Indonesia, 437 dan
413 kunci
Pengujian pytest, Playwright 19 uji data, uji tampilan 360 × 800 piksel
Penerbitan Netlify Situs anonim dengan alamat acak

Tabel 3 menunjukkan logika situs berjalan di peramban, sehingga biaya hosting rendah dan situs
dapat dibuka tanpa server aplikasi. Konsekuensinya, analisis wilayah spesifik pada Pulau Biak sesuai
permintaan pengguna belum tersedia.
2.5. Dua Versi Antarmuka
Versi A dan Versi B membaca data yang sama dan memiliki sembilan halaman yang sam a, yaitu
Peta Interaktif, Faktor Alam, Titik Panas dan Cuaca, Hasil dan Validasi, Metodologi, Galeri Peta,
Laporan Harian, Pustaka dan Data, serta Glosarium. Perbedaan rancangan kedua versi ditunjukkan
pada Tabel 4.
Tabel 4. Perbedaan rancangan Versi A dan Versi B
Aspek Versi A Versi B
Warna kepala halaman Hijau kanopi #2f5d53 Gelap malam #16201d
Latar halaman #f4f6f3 #f3f0e8
Warna teks #17201f #1a1816
Warna aksen (ember) #c96a2e #b83a14
Peta awal Peta vektor OpenFreeMap Citra Esri
Panduan halaman depan 5 langkah 6 langkah, termasuk penjelajah kejadian
Jenis huruf Source Serif 4, IBM Plex Sans
Condensed
Sama

Tabel 4 menunjukkan perbedaan terbesar ada pada warna, peta awal, dan jumlah komponen.
Karena beberapa aspek berbeda sekaligus, survei hanya dapat menilai rancangan secara keseluruhan
dan tidak dapat memastikan pengaruh satu aspek secara terpisah. Kombinasi perubahan ini dipilih
karena penelitian ini membandingkan dua rancangan len gkap sebagaimana akan dilihat pengguna,
bukan mengukur pengaruh setiap elemen. Desain faktorial yang mengubah satu aspek pada satu waktu
membutuhkan 2³ = 8 versi untuk tiga aspek tersebut, sehingga tidak sebanding dengan jumlah
responden yang tersedia. Kar ena itu, hasil survei dibaca sebagai penilaian terhadap rancangan secara
keseluruhan, dan pengujian per aspek disarankan untuk penelitian selanjutnya.

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 707

2.6. Prosedur Benchmarking
Situs pembanding terdiri dari tiga situs pemerintah dan dua situs inisiatif LSM. Alaska AICC
Dashboard dipilih karena merupakan dasbor situasi kebakaran operasional di negara bagian Alaska,
Amerika Serikat , SiPongi+ dan BNPB karena merupakan rujukan nasional, Global Nature Watch
(sebelumnya Global Forest Watch) karena memiliki peta dan p eringatan kebakaran global, dan Pantau
Gambut karena merupakan organisasi nonpemerintah Indonesia. Kriteria diturunkan dari usulan
Almasi dkk. [12] serta elemen peta Zejdlik dkk. [16], [17]. Pengamatan fitur dilakukan pada 30 Oktober
2026. Pengukuran waktu muat dilakukan pada 7 November 2026 dengan Chrome 157 yang terpasang
di komputer penulis dan dijalankan otomatis dengan Playwright. Setiap situs dimuat sepuluh kali pada
ukuran 360 × 800 piksel dengan emulasi ponsel dan sepuluh kali pada 1280 × 800 piksel, masing-masing
dalam konteks peramban baru sehingga cache dan cookie selalu kosong, tanpa pembatasan jaringan, dari
satu lokasi dan satu koneksi internet. Waktu tampilan pertama dan waktu muat dibaca dari Navigation
Timing peramban, sedangkan jumlah permintaan dihitung sebagai permintaan HTTP(S) dari halaman
dan bingkai di dalamnya sampai 8 detik setelah halaman selesai dimuat. Muat yang gagal dicatat dan
tidak dihitung, dan hasil dilaporkan sebagai median dengan rentang antarkuartil (IQR) sebagai ukuran
sebaran.
2.7. Subjek, Instrumen, dan Analisis Data
Tautan kuesioner dibagikan melalui Google Form pada 5 grup WhatsApp dengan total anggota
sekitar 450 orang. Angka ini belum dikurangi anggota yang sama pada lebih dari satu grup, sehingga
jumlah orang yang benar-benar menerima tautan lebih sedikit. Kuesioner diisi oleh 14 responden, atau
sekitar 3,1% dari total keanggotaan grup, dan seluruhnya menyatakan bersedia. Instrumen terdiri dari
15 butir seperti pada Tabel 5. Butir 8 sampai 14 disusun mengikuti kriteria e valuasi dasbor yang
dirangkum Almasi dkk. [12], yaitu kemudahan pakai, antarmuka, dan kesadaran situasi, yang
diturunkan menjadi enam aspek rancangan dan satu tugas mencari informasi. Instrumen belum melalui
uji validitas isi oleh panel ahli, sehingga vali ditasnya terbatas pada kesesuaian butir dengan kriteria
tersebut. Konsistensi internal ketujuh butir perbandingan diukur dengan koefisien Cronbach's alpha.
Tabel 5. Butir kuesioner
No Pertanyaan Skala
1 Saya sudah membaca keterangan di atas dan bersedia mengisi kuesioner ini
secara anonim
Ya / tidak
2 Latar belakang Anda Pilihan
3 Seberapa sering Anda memakai peta web, GIS, atau data penginderaan
jauh?
1 sampai 5
4 Perangkat apa yang Anda pakai untuk mencoba kedua versi? Pilihan
5 Versi mana yang Anda buka lebih dulu? Versi A / Versi B
6 Nilai keseluruhan tampilan dan pengalaman memakai Versi A 1 sampai 5
7 Nilai keseluruhan tampilan dan pengalaman memakai Versi B 1 sampai 5
8 Tipografi: keterbacaan huruf, ukuran teks, dan jarak antarbaris Perbandingan lima tingkat
9 Palet warna: kontras, keterbacaan, dan kenyamanan di mata Perbandingan lima tingkat
10 Navigasi: berpindah antar halaman dan menemukan menu Perbandingan lima tingkat
11 Kejelasan peta dan legenda Perbandingan lima tingkat
12 Bahasa dan istilah: mudah dipahami tanpa latar belakang teknis Perbandingan lima tingkat
13 Performa: kecepatan halaman terbuka dan kelancaran peta digeser Perbandingan lima tingkat
14 Tugas: cari luas area terbakar setelah divalidasi di kedua versi. Di versi
mana angka itu lebih mudah ditemukan?
Perbandingan lima tingkat
15 Saran perbaikan untuk salah satu atau kedua versi (opsional) Teks terbuka

Tabel 5 menunjukkan setiap aspek ditanyakan sekali sebagai perbandingan langsung. Skor tiap
aspek dihitung dengan (3).
𝑆𝑑 =
1
𝑛 ∑ 𝑛𝑖=1 𝑥𝑖 (3)

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 708

Pada (3), Sd adalah skor aspek d, n adalah jumlah responden, dan x i adalah jawaban responden ke-i
pada skala −2 (Versi A jauh lebih baik) sampai +2 (Versi B jauh lebih baik). Nilai positif berarti aspek
tersebut lebih disukai pada Versi B. Untuk setiap aspek, uji tanda dan uji Wilcoxon bertanda digunakan
untuk memeriksa apakah responden lebih condong ke salah satu versi, dengan batas signifikansi 0,05.
Karena tujuh butir diuji sekaligus, nilai p uji Wilcoxon dikoreksi dengan metode Holm. Kekuatan
preferensi diukur dengan korelasi rank-biserial berpasangan r, yang bernilai −1 bila semua responden
memilih Versi A dan +1 bila semua memilih Versi B, beserta interval kepercayaan (IK) 95% dari 10.000
kali pengambilan ulang responden secara acak (bootstrap). Jika tidak ada responden yang memberi nilai
sama, uji tanda baru signifikan bila sedikitnya 12 dari 14 responden memilih versi yang sama, sehingga
survei ini hanya dapat mendeteksi perbedaan yang besar.

  1. HASIL DAN PEMBAHASAN
    3.1. Kronologi Kebakaran Lahan pada WebGIS
    Halaman Faktor Alam menyajikan kekeringan lebih dulu seperti pada Gambar 2. Curah hujan Juli
    2026 hanya 115,6 mm dibandingkan rata-rata 245,9 mm, sedangkan evapotranspirasi naik menjadi 139,6
    mm.

Gambar 2. Curah hujan, evapotranspirasi, dan neraca air Januari sampai September 2026
Gambar 2 menunjukkan neraca air turun dari +233, 1 mm pada April menjadi −24,0 mm pada Juli,
−56,4 mm pada Agustus, dan −48,5 mm pada September. Ketiga bulan tersebut adalah satu -satunya
bulan dengan nilai negatif sejak data dimulai pada Januari 2021. Median bulanan Drought Code juga
naik dari 19 pada Ju ni menjadi 69, 209, dan 306 pada tiga bulan berikutnya. Hasil ini sejalan dengan
kasus kekeringan Amuma, ketika data neraca air memberi tanda lebih awal daripada laporan dampak
[2]. Kondisi kekeringan kemudian dibaca bersama tutupan lahan seperti pada Gamb ar 3.

Gambar 3. Porsi luas lahan, titik panas, dan area terbakar terpetakan menurut tutupan lahan

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 709

Gambar 3 menunjukkan porsi rumput dan semak pada titik panas dan area terbakar jauh di atas
porsi luasnya. Hasil ini perlu dibaca hati -hati karena satelit hanya mencatat panas yang terlihat. Pada
734 hari tanpa awan tebal di bandara, 13,8% hari memiliki deteksi, sedangkan pada 342 hari berawan
hanya 0,9%. Puncak deteksi terjadi pada 22 Agustus 2026 dengan 283 titik, dan asap dilaporkan pada
bulan Agustus dan September.
Halaman Hasil dan Validasi kemudian menampilkan angka luas area terbakar beserta cakupannya.
Naskah ini memakai lima angka luas area terbakar dengan cakupan berbeda, dan Tabel 8 merangkum
asal serta pemakaian masing -masing. Angka 2.179,4 ha berasal d ari poligon dNBR+ pada 20 kejadian
yang pertama terdeteksi pada 2026, sedangkan 5 dari 25 kejadian tidak dapat dinilai. Perkiraan 1.230,3
ha berasal dari 108 kotak sampel yang dinilai manual pada citra 1 m hasil pemrosesan super-resolusi
citra multispektral Sentinel-2 menggunakan S2DR4 melalui hibah kredit API dari Gamma Earth, pada
tiga kejadian (E0301, E0313, dan E0368). Pada area yang terpetakan seluas 819,1 ha, 49 dari 50 kotak
terkonfirmasi terbakar. Pada area yang tidak terpetakan seluas 800,1 ha, 31 dari 58 kotak ternyata
terbakar, setara 427,6 ha. Hasil ini menunjukkan peta pada tiga kejadian tersebut lebih banyak
melewatkan area terbakar daripada salah menandai. Salah satu penyebab yang mungkin adalah citra
sebelum kebakaran yang lebih tua, dengan m edian 12,2 hari dibandingkan 2,9 hari pada citra sesudah
kebakaran di 23 kejadian, sehingga bekas terbakar yang lebih awal bisa sudah ada pada citra sebelum
kebakaran. Data yang ada belum cukup untuk memastikan hubungan ini.
Tabel 6. Angka luas area terbakar dan cakupannya
Angka Cakupan Asal dan pemakaian
2.414,9 ha 22 kejadian September 2023 sampai
September 2026 yang memiliki poligon
terbakar, dari 31 kejadian yang dinilai
Poligon dNBR+ Sentinel-2, belum dicek
akurasinya
2.334,8 ha 22 kejadian yang sama Poligon yang sama setelah dirasterkan 10
m dan dikurangi badan air; penyebut porsi
tutupan lahan pada Gambar 3
2.179,4 ha 20 kejadian yang pertama terdeteksi
pada 2026; 5 dari 25 kejadian tidak
dapat dinilai
Poligon dNBR+; luas terpetakan musim
2026
1.230,3 ha (IK 95% 1.059,5
sampai 1.341,6)
3 kejadian: E0301, E0313, E0368 Perkiraan dari 108 kotak sampel yang
dinilai manual pada citra 1 m S2DR4; satu-
satunya angka tervalidasi
819,1 ha 3 kejadian yang sama Bagian peta dNBR+ di dalam ketiga
kejadian; perkiraan mencakup 427,6 ha
terbakar yang tidak terpetakan
Tabel 8 menunjukkan bahwa angka -angka tersebut menjawab pertanyaan yang berbeda. Angka
2.179,4 ha dipakai untuk luas terpetakan musim 2026, angka 1.230,3 ha hanya berlaku untuk tiga
kejadian yang divalidasi, dan angka 2.334,8 ha hanya dipakai sebagai penyebut porsi tutupan lahan.
3.2. Implementasi Antarmuka
Kedua versi telah diterbitkan dengan 138 berkas per situs seperti pada Gambar 4. Versi A dapat
diakses di https://guileless-phoenix-99726b.netlify.app/?lang=id dan Versi B di https://cheery-
sunburst-84619e.netlify.app/?lang=id.

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 710

Gambar 4. Halaman depan Versi A dan Versi B pada komputer dan ponsel
Gambar 4 menunjukkan kedua versi memakai peta sebagai isi utama, dengan panel untuk
mengaktifkan dan menonaktifkan lapisan peta serta catatan "Baca ini sebelum mengutip" di atas peta.
Pada lebar 360 piksel, halaman depan kedua versi tidak melebar secara horizontal. Pesan kegagalan
data dibedakan dari nilai nol, sehingga data yang gagal dimuat tidak ditampilkan sebagai nol titik
panas.
3.3. Benchmarking Fitur
Hasil pengamatan fitur ditunjukkan pada Tabel 6 dan tampilan situs pembanding pada Gambar 5.
Tabel 7. Matriks fitur situs yang dibandingkan
Kriteria AICC SiPongi+ BNPB Global Nature
Watch
Pantau Gambut Versi A dan B
Pengelola Pusat koordinasi
kebakaran
Alaska
Kementerian
Kehutanan
BNPB LSM (WRI) LSM Indonesia Penelitian ini
Cakupan Alaska Indonesia Enam provinsi
prioritas, peta
nasionala
Global Gambut
Indonesia
Pulau Biak
Bahasa Inggris Indonesia, Inggris Indonesia Pilihan bahasa Pilihan bahasa Indonesia, Inggris
Panel lapisan Ada Ada Ada, dari peta
SiPongi+
Ada Menu tematik Ada
Filter waktu Tab status Kalender Penggeser
tanggal pada
peta SiPongi+
Penggeser tahun Tidak
ditemukan
Tanggal dan tombol
cepat

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 711

Panduan Ikon informasi PDF web dan
ponsel
Tidak
ditemukan
Tur, pusat
bantuan
Halaman Pelajari Tur dalam halaman,
glosarium
Keterangan
batas data
Tab alarm palsu Halaman
disclaimer, tingkat
keyakinan
Keterangan
sumber pada
panel
ringkasan
Peringatan pada
lapisan
Sumber dan
waktu
pembaruan
Catatan di atas peta,
interval kepercayaan
Luas terbakar Taksiran acre Indikasi luas (ha) 24 jam terakhir
(ha), kumulatif
tidak
ditampilkan
Tidak ditemukan Tidak
ditemukan
Dua angka, dengan
interval
Data insiden
atau laporan
lapangan
Ada Menu pelaporan
(SIPP, SinKron)
Ada Tidak ditemukan Tidak
ditemukan
Belum ada

aPanel ringkasan dasbor BNPB (data.bnpb.go.id/data/karhutla2026) mencakup enam provinsi prioritas, sedangkan
peta SiPongi+ di dalamnya tetap nasional. Dasbor diamati pada 1 November 2026 melalui peramban penulis.

Gambar 5. Tampilan situs pembanding pada 30 Oktober 2026 dan dasbor BNPB pada 1
November 2026
Tabel 6 dan Gambar 5 menunjukkan situs pemerintah kuat pada informasi operasional, antara lain
status kebakaran pada AICC serta daftar titik panas per desa, unduhan panduan, dan apl ikasi ponsel
pada SiPongi+. Global Nature Watch memiliki alat analisis dan tur terpandu yang paling lengkap. Versi
A dan B menampilkan interval kepercayaan pada luas area terbakar dan menjelaskan batas titik panas
di atas peta, hal yang jarang ditemukan me nurut Jain dkk. [5]. Di sisi lain, cakupan kedua versi jauh
lebih sempit, tidak menerima laporan lapangan, dan tidak menyediakan analisis wilayah. Pantau
Gambut menyajikan peta melalui menu tematik dan narasi bergulir, sedangkan kedua versi
menempatkan peta pada halaman pertama.
Dasbor BNPB memakai peta SiPongi+ sebagai peta utama. Filter provinsi mengubah panel
ringkasan pada dasbor, tetapi peta SiPongi+ dan penghitung titik panasnya tetap menampilkan data
nasional. Tab Penanganan PU sempat menampilkan nil ai 0 dan keterangan "Tidak ada data" sebelum
data selesai dimuat, sehingga keadaan memuat mudah terbaca sebagai tidak ada data. Angka luas

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 712

terbakar pada dasbor juga berbeda cakupan dengan angka di media. Pada pembaruan 31 Oktober 2026,
panel ringkasan dasb or menampilkan 2.835 ha untuk 24 jam terakhir di enam provinsi prioritas,
berdasarkan patroli udara dan pengecekan lapangan harian. Bisnis.com memberitakan 129.899,59 ha
secara kumulatif di enam provinsi sampai 12 Oktober 2026, yaitu gabungan data SiPongi sampai 31 Juli
sebesar 72.009,10 ha dan penghitungan manual sesudahnya [34]. SiPongi+ sendiri mencatat 202.010,96
ha untuk seluruh provinsi dengan data masukan sampai Juli 2026, dihitung dari citra Landsat 8, sebaran
titik panas, dan laporan lapangan [35]. Ketiga angka tersebut memiliki periode, wilayah, dan metode
yang berbeda, tetapi panel ringkasan dasbor tidak menampilkan angka kumulatif, sehingga pengguna
dapat mengira ketiganya saling bertentangan. Persoalan ini sama dengan dua angka luas pada WebGIS
Biak, dan menunjukkan periode, wilayah, dan metode perlu ditulis di dekat setiap angka.
3.4. Pengukuran Waktu Muat
Hasil pengukuran waktu muat ditunjukkan pada Tabel 8.
Tabel 8. Median sepuluh kali pengukuran waktu muat (7 November 2026)
Situs Ponsel:
tampilan
pertama (s)
Ponsel:
muat (s)
Ponsel:
permintaan
Komputer:
tampilan
pertama (s)
Komputer:
muat (s)
Komputer:
permintaan
Luapan 360
px
Versi A 3,5 4,4 38 3,7 4,4 40 0
Versi B 4,6 5,4 43 5,0 6,0 38 0
AICC 11,9 9,5 126 8,8 7,5 186 0
SiPongi+ 3,6 10,2 79 3,5 7,7 91 0
BNPBb 0,7 4,2 82 0,6 2,1 86 0
Global Nature
Watch
8,5 21,9 200 8,2 16,9 298 0
Pantau Gambut 2,1 3,8 29 2,2 4,1 38 0
bBNPB terhalang verifikasi keamanan (HTTP 403) pada pengukuran otomatis, sehingga diukur manual dengan
Chrome DevTools di Chrome penulis dalam mode penyamaran pada 8 November 2026, dengan ukuran layar, jumlah
muat, pengaturan cache, dan cara menghitung permintaan yang sama seperti situs lain, kecuali jumlah permintaan dibaca
2 sampai 7 detik setelah muat, bukan 8 detik.
Tabel 7 menunjukkan Versi A dan B meminta 38 sampai 43 sumber daya, lebih sedikit daripada
AICC, SiPongi+, dan Global Nature Watch (79 sampai 298), tetapi lebih banyak daripada halaman menu
Peta Gambut pada Pantau Gambut (29 sampai 38). Hasil ini wa jar karena cakupan data kedua versi
kecil. Median waktu muat kedua versi (4,4 sampai 6,0 detik) lebih cepat daripada AICC (7,5 sampai 9,5
detik), SiPongi+ (7,7 sampai 10,2 detik), dan Global Nature Watch (16,9 sampai 21,9 detik), tetapi lebih
lambat daripada Pantau Gambut (3,8 sampai 4,1 detik). Sebaran antarmuat cukup besar, misalnya IQR
waktu muat Versi A di komputer 3,7 sampai 5,1 detik dengan satu muat mencapai 10,9 detik, dan
jumlah permintaan AICC di ponsel berkisar 23 sampai 227 karena dasbor masih m emuat saat dibaca.
Hasil ini berbeda dari pengukuran tiga kali muat pada 1 November 2026, ketika median waktu muat
kedua versi 2,2 sampai 6,3 detik dan SiPongi+ 1,8 sampai 2,0 detik, sehingga waktu muat absolut dan
urutan situs bergantung pada kondisi jari ngan saat pengukuran. Yang tetap sama pada kedua
pengukuran adalah jumlah permintaan kedua versi yang lebih sedikit daripada AICC, SiPongi+, dan
Global Nature Watch, serta Pantau Gambut sebagai halaman yang paling ringan. Waktu muat juga
tidak sama dengan waktu data siap. Pada pengamatan 30 Oktober 2026, pada detik ke -8 setelah muat,
dasbor AICC di ponsel masih kosong, dan peta SiPongi+ masih menampilkan indikator memuat
dengan penghitung nol sampai detik ke -35. Penghitung nol tersebut adalah keadaan memuat dalam
sesi uji dan bukan data. Median tampilan pertama kedua versi 3,5 sampai 5,0 detik, cukup lambat untuk
halaman statis, dan salah satu kemungkinan penyebabnya adalah pustaka Tailwind yang berjalan di
peramban.
3.5. Hasil Survei
Responden terdiri dari 7 mah asiswa S1, 2 mahasiswa S2 atau S3, 1 dosen atau peneliti, dan 4
masyarakat umum. Sebanyak 11 responden memakai ponsel dan 3 responden memakai laptop atau

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 713

komputer. Sebanyak 13 responden membuka Versi A lebih dulu dan hanya 1 responden membuka
Versi B lebih dulu. Hasil per aspek ditunjukkan pada Tabel 9.
Tabel 9. Hasil survei perbandingan Versi A dan Versi B (n = 14)
Aspek Skor S Memilih A Sama Memilih B p (Holm) r (IK 95%)
Tipografi 0,07 6 2 6 0,873 (1,000) 0,08 (−0,54; 0,64)
Palet warna 0,43 4 2 8 0,292 (1,000) 0,38 (−0,23; 0,88)
Navigasi 0,14 7 1 6 0,613 (1,000) 0,16 (−0,47; 0,69)
Peta dan legenda 0,07 6 3 5 0,719 (1,000) 0,09 (−0,60; 0,67)
Bahasa dan istilah 0,00 7 2 5 0,897 (1,000) 0,04 (−0,64; 0,62)
Performa 0,57 5 0 9 0,137 (0,957) 0,44 (−0,12; 0,85)
Tugas mencari angka 0,14 7 0 7 0,651 (1,000) 0,13 (−0,47; 0,65)

Tabel 9 menunjukkan skor seluruh aspek berada antara 0 sampai 0,57 dan tidak ada aspek yang
berbeda signifikan, baik sebelum maupun sesudah koreksi Holm. Skor tertinggi ada pada performa
(0,57) dan warna (0,43), sedangkan bahasa dan istilah bernilai 0. Bes ar efek kedua aspek tertinggi
tersebut sedang, yaitu r = 0,44 dan r = 0,38, tetapi interval kepercayaannya masih mencakup nol. Nilai
keseluruhan Versi A adalah 3,86 dan Versi B adalah 3,71 dari skala 5. Sebanyak 4 responden memberi
nilai lebih tinggi pada Versi A, 3 responden pada Versi B, dan 7 responden memberi nilai sama. Selisih
nilai keseluruhan ini juga tidak signifikan (uji Wilcoxon p = 0,766; r = −0,25). Pada tugas mencari luas
area terbakar setelah divalidasi, 7 responden memilih Versi A dan 7 resp onden memilih Versi B.
Sebanyak 7 dari 14 responden memilih jawaban yang sama pada ketujuh butir perbandingan. Koefisien
Cronbach's alpha ketujuh butir adalah 0,93, tetapi nilai ini terutama didorong oleh tujuh responden
yang memberi jawaban sama tersebut. Tanpa tujuh responden tersebut, alpha turun menjadi 0,78 (n =
7), sehingga alpha yang tinggi lebih menunjukkan kecenderungan menilai kesan keseluruhan daripada
bukti bahwa responden membedakan tiap aspek.
Saran terbuka diisi oleh 5 responden. Satu responden meminta tampilan yang lebih nyaman di mata
dan pilihan bahasa bagi pengguna yang tidak bisa berbahasa Inggris. Satu responden menilai Versi B
lebih mudah terbaca, warnanya tidak melelahkan mata, dan banyak ruang kosong. Satu responden
meminta tampilan yang lebih minimalis agar orang awam tidak bingung. Satu responden melaporkan
peta pada Versi B menutup satu layar ponsel dan tombol navigasi sehingga sulit berpindah halaman.
Satu responden meminta peta jalan dan batas wilayah yang lebih jelas.
3.6. Pembahasan
Hasil survei menunjukkan pengguna belum membedakan kedua versi secara jelas. Separuh
responden memilih jawaban yang sama pada ketujuh butir, hal ini dapat menunjukkan responden
menilai kesan keseluruhan dan bukan tiap aspek. Skor performa lebih condong ke Versi B, tetapi pada
pengukuran 7 November 2026 median waktu muat Versi A justru lebih cepat pada ponsel (4,4 detik
dibanding 5,4 detik) dan pada komputer (4,4 detik dibanding 6,0 detik), sedangkan pada pengukuran
1 November 2026 Versi B yang lebih cepat. Urutan kedua versi berbalik antarhari, selisih skor performa
tidak signifikan, dan pengukuran dilakukan sesudah survei, sehingga belum dapat disimpulkan bahwa
penilaian performa pengguna mengikuti waktu muat. Skor kedua versi juga tidak dapat dibandingkan
langsung dengan skor SUS RiverCure [18] atau model Nielsen pada PAK RT [19] karena instrumennya
berbeda.
Masukan yang paling dapat ditindaklanjuti berasal dari saran terbuka dan catatan lapangan. Peta
yang menutup navigasi pada ponsel perlu diperbaiki, kar ena 11 dari 14 responden memakai ponsel.
Zejdlik dkk. mengusulkan bingkai peta minimal 70% layar dan legenda yang selalu dapat diakses [17],
tetapi temuan ini menunjukkan peta yang besar pada ponsel tetap harus menyisakan jalan ke navigasi.
Bartling dkk. j uga menemukan desain peta perlu disesuaikan dengan konteks penggunaan [15].
Permintaan bahasa sejalan dengan adanya responden yang tidak menemukan tombol bahasa, sehingga
bahasa awal sebaiknya mengikuti bahasa peramban dan bukan bahasa Inggris. Permintaan tampilan

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 714

yang lebih minimalis juga menunjukkan penjelasan pada kedua versi masih terlalu banyak bagi
pengguna awam.
3.7. Keterbatasan Penelitian
Penelitian ini memiliki beberapa keterbatasan. Jumlah responden hanya 14 dan berasal dari grup
WhatsApp penulis, seh ingga hasil survei tidak dapat digeneralisasi dan kemungkinan tidak mampu
mendeteksi perbedaan yang kecil. Sebanyak 13 dari 14 responden membuka Versi A lebih dulu,
sehingga pengaruh urutan tidak dapat diuji. Situs juga berubah saat pengumpulan data berlan gsung,
walaupun perubahan berlaku pada kedua versi. Dasbor BNPB terhalang verifikasi keamanan pada
pengukuran otomatis sehingga diukur manual di Chrome penulis, dan pengukuran waktu muat hanya
dilakukan dari satu lokasi. Pengukuran pada 30 Oktober, 1 Novem ber, dan 7 November 2026
menghasilkan waktu muat yang berbeda, misalnya SiPongi+ di ponsel 12,2 detik, 1,8 detik, dan 10,2
detik, sehingga angka pada Tabel 7 hanya berlaku untuk kondisi pengukuran tersebut. Survei
mengukur penilaian pengguna dan belum mengukur ketepatan membaca peta.

  1. KESIMPULAN
    Penelitian ini telah membangun dua versi WebGIS kebakaran lahan Biak 2026 dengan data identik
    dan membandingkannya dengan lima situs pemantauan. Kontribusi utamanya adalah prosedur
    evaluasi yang memakai data yang sama pada kedua versi sehingga penilaian pengguna hanya dapat
    dipengaruhi rancangan, dilengkapi pembandingan dengan situs pemantauan kebakaran yang dipakai
    publik. Kedua versi menyajikan kronologi dari kekeringan, tutupan lahan, titik panas, asap, hingga area
    terbakar, dan beban muatnya berada di antara situs pembanding, tetapi cakupannya sempit dan belum
    memiliki pelaporan lapangan maupun analisis wilayah. Survei terhadap 14 responden tidak
    menunjukkan perbedaan yang jelas antara Versi A dan Versi B, dengan nilai keseluruhan 3,86 dan 3,71
    dari skala 5. Masukan responden mengarah pada perbaikan peta di ponsel, bahasa awal, dan penjelasan
    yang lebih sederhana. Penelitian selanjutnya perlu melibatkan responden yang lebih banyak dengan
    urutan buka yang sei mbang, memakai tugas pembacaan peta yang terukur, menguji satu aspek
    rancangan pada satu waktu, dan melibatkan warga serta petugas di Biak.

PERNYATAAN KONTRIBUSI PENULIS (CRediT)
Daniel Sande Bona: Pengolahan data satelit, rancang bangun WebGIS. Tindia Fe briyati: Studi
literatur, membuat dan mendistribusikan survei. Hence Sahusilawane: Penulisan draf naskah artikel
dan penyuntingan.

PERNYATAAN KONFLIK KEPENTINGAN
Para penulis menyatakan bahwa tidak terdapat kepentingan finansial atau hubungan pribadi yang
diketahui yang dapat memengaruhi hasil penelitian yang dilaporkan dalam artikel ini.

PERNYATAAN PENDANAAN
Penulis tidak menerima dukungan finansial untuk penelitian, kepenulisan, dan/atau publikasi
artikel ini.
UCAPAN TERIMA KASIH
Kredit API untuk pengolahan super-resolusi citra multispektral Sentinel-2 dengan S2DR4 diperoleh
melalui hibah akademik Gamma Earth. Penulis juga berterima kasih kepada para responden survei
yang telah meluangkan waktu dan pikiran serta umpan balik.

PERNYATAAN PENGGUNAAN AI GENERATIF DAN TEKNOLOGI
BERBANTUAN AI DALAM PROSES PENULISAN
Para penulis menggunakan Claude Opus 5.5 (Anthropic) untuk membantu menyusun draf,
menerjemahkan, merapikan struktur, dan memeriksa rujukan. Seluruh konten yang dibantu oleh AI

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 715

telah ditinjau dan di sunting oleh penulis, dan para penulis bertanggung jawab sepenuhnya atas isi
akhir yang dipublikasikan.

REFERENCES
[1] R. D. Field et al., "Indonesian fire activity and smoke pollution in 2015 show persistent nonlinear sensitivity to
El Niño-induced drought," Proceedings of the National Academy of Sciences , vol. 113, no. 33, pp. 9204 -9209, 2016,
doi: 10.1073/pnas.1524888113.
[2] D. S. Bona, "Analyisis of Drought in Amuma District, Yahukimo Regency, Papua Mountain Province Using
Google Earth Engine," 2024 IEEE International Conference on Aerospace Electronics and Remote Sensing Technology
(ICARES), pp. 1-5, 2024, doi: 10.1109/ICARES64249.2024.10767925.
[3] A. Faisol, I. Indarto, E. Novita, and B. Budiyono, "Assessment of agricultural drought based on CHIRPS data
and SPI method over West Papua – Indonesia," Journal of Water and Land Development , pp. 44 -52, 2022, doi:
10.24425/jwld.2021.139942.
[4] Suara Surabaya, "BMKG prakirakan kemarau 2026 tak sekering El Nino 1997, risiko karhutla tetap meningkat,"
Aug. 4, 2026. [Online]. Available: https://www.suarasurabaya.net/kelanakota/2026/bmkg -prakirakan-
kemarau-2026-tak-sekering-el-nino-1997-risiko-karhutla-tetap-meningkat/
[5] A. Jain, E. Walsh, and A. Lal, "Communicating uncertainty to policy makers in maps: A systematic scoping
review of meaningful to misleading current practice," PLOS Climate, vol. 5, no. 7, Art. no. e0000707, 2026, doi:
10.1371/journal.pclm.0000707.
[6] A. Bang-Kittilsen and T. Midtbø, "Improving intuitiveness in geoscience hazard maps: a web-based experiment
supporting governmental map development," Cartography and Geographic Information Science, vol. 52, no. 2, pp.
103-120, 2024, doi: 10.1080/15230406.2024.2314541.
[7] S. B. Thapa and J. Cobian-Iñiguez, "Understanding the State of US-Based Spanish Language Wildfire Outreach
and Education Materials for the Public: A Case Study of California," Environmental Management, vol. 76, no. 3,
Art. no. 88, 2026, doi: 10.1007/s00267-025-02361-5.
[8] B. M. Sukojo and D. R. Lisakiyanto, "Web -Based Geographic Information System Development of Hotspots
Distribution for Monitoring Forest and Land Fires Using Leaflet JavaScript Librar y (Case Study: Ogan
Komering Ilir Regency, South Sumatera)," IOP Conference Series: Earth and Environmental Science, vol. 936, no. 1,
Art. no. 012010, 2021, doi: 10.1088/1755-1315/936/1/012010.
[9] N. Mileu, J. L. Zêzere, and R. Bergonse, "People&Fire webGIS tool for wildfire risk assessment," MethodsX, vol.
12, Art. no. 102709, 2024, doi: 10.1016/j.mex.2024.102709.
[10] S. Martínez-Lastras, J. M. Iglesias, D. Cifuentes-Jimenez, M. I. Asensio, and D. González-Aguilera, "From Wind
to Smoke: A Unified WebGIS Platform for Wildfire Simulation and Visualization," Fire, vol. 8, no. 9, Art. no.
366, 2025, doi: 10.3390/fire8090366.
[11] M. Soleh, A. Indradjad, S. R. Diana, A. Asyiri, and R. Pertiwi, "Econ omic value of near real-time hotspot data
products for Indonesian forest and land fire monitoring," Kuwait Journal of Science, vol. 53, no. 3, Art. no. 100585,
2026, doi: 10.1016/j.kjs.2026.100585.
[12] S. Almasi, K. Bahaadinbeigy, H. Ahmadi, S. Sohrabei, and R. Rabiei, "Usability Evaluation of Dashboards: A
Systematic Literature Review of Tools," BioMed Research International , vol. 2023, no. 1, Art. no. 9990933, 2023,
doi: 10.1155/2023/9990933.
[13] R. Unrau, A. Kudekar, and C. Kray, "Interaction pattern analysis for WebGIS usability evaluation," Transactions
in GIS, vol. 26, no. 8, pp. 3374-3388, 2022, doi: 10.1111/tgis.13007.
[14] R. Unrau and C. Kray, "Mining Map Interaction Semantics in web -based Geographic Information Systems
(WebGIS) for Usability Ana lysis," AGILE: GIScience Series , vol. 2, pp. 1 -11, 2021, doi: 10.5194/agile -giss-2-16-
2021.
[15] M. Bartling, C. R. Havas, S. Wegenkittl, T. Reichenbacher, and B. Resch, "Modeling Patterns in Map Use
Contexts and Mobile Map Design Usability," ISPRS International Journal of Geo -Information, vol. 10, no. 8, Art.
no. 527, 2021, doi: 10.3390/ijgi10080527.
[16] J. Zejdlik and V. Vozenilek, "Exploring Cartographic Differences in Web Map Applications: Evaluating Design,
Scale, and Usability," ISPRS International J ournal of Geo -Information, vol. 14, no. 1, Art. no. 9, 2024, doi:
10.3390/ijgi14010009.
[17] J. Zejdlik, R. Netek, and V. Vozenilek, "Trends and challenges in web map application layouts: comparative
study on map elements," International Journal of Cartography, pp. 1-20, 2026, doi: 10.1080/23729333.2026.2691261.
[18] M. Cravo, J. Estima, A. R. da Silva, J. Matos, A. M. Ricardo, and R. M. Ferreira, "Citizen participation in flood
risk management: Usability Insights from the RiverCure Portal," International Journal of Disaster Risk Reduction,
vol. 133, Art. no. 105961, 2026, doi: 10.1016/j.ijdrr.2025.105961.

Journal of Artificial Intelligence and Technology Information
Website : https://ejournal.techcart-press.com/index.php/jaiti
E-ISSN 2985-6396
P-ISSN 2985-5306
Volume 4, Number 4, December 2026
https://doi.org/10.58602/jaiti.v4i4.448

Page 702-716

Copyright © 2026, The Author(s).
This is an open access article under the CC BY-SA license
https://creativecommons.org/licenses/by-sa/4.0/ 716

[19] S. C. Hastuti H., G. Gunadi, and A. R. Arissaputra, "Evaluasi Usability Aplikasi PAK RT Berbasis WebGIS
Menggunakan Model Nielsen," JUSIFOR : Jurnal Sistem Informasi dan Informatika, vol. 4, no. 2, pp. 263-269, 2025,
doi: 10.70609/jusifor.v4i2.8255.
[20] C. Funk et al., "The climate hazards infrared precipitation with stations —a new environmental record for
monitoring extremes," Scientific Data, vol. 2, no. 1, Art. no. 150066, 2015, doi: 10.1038/sdata.2015.66.
[21] J. Muñoz -Sabater et al., "ERA5 -Land: a state -of-the-art global reanalysis dataset for land applications," Earth
System Science Data, vol. 13, no. 9, pp. 4349-4383, 2021, doi: 10.5194/essd-13-4349-2021.
[22] C. E. Van Wagner, "Development and structure of the Canadian Forest Fire Weather Index System," Canadian
Forestry Service, Ottawa, Canada, Forestry Tech. Rep. 35, 1987. [Online]. Available: https://ostrnrcan-
dostrncan.canada.ca/handle/1845/228434
[23] R. Agdialta, "Pemantauan Tingkat Bahaya Kebakaran Hutan Dan Lahan Dengan Indeks Kekeringan Keetch -
Byram Drought Index Selama Periode El-Niňo Di Provinsi Sumatera Selatan (Fire Hazard Monitoring Of Forest
And Land Fire With Keetch-Byram Drought Index Method During El-Niňo Period In South Sumatra Province),"
Jurnal Penelitian Kehutanan Sumatrana, vol. 2, no. 1, pp. 11-24, 2021, doi: 10.20886/jpks.2021.2.1.11-24.
[24] C. F. Brown et al., "Dynamic World, Near real-time global 10 m land use land cover mapping," Scientific Data,
vol. 9, no. 1, Art. no. 251, 2022, doi: 10.1038/s41597-022-01307-4.
[25] C. Vancutsem et al., "Long-term (1990–2019) monitoring of forest cover changes in the humid tropics," Science
Advances, vol. 7, no. 10, Art. no. eabe1603, 2021, doi: 10.1126/sciadv.abe1603.
[26] W. Schroeder, P. Oliva, L. Giglio, and I. A. Csiszar, "The New VIIRS 375 m active fire detection data product:
Algorithm description and initial assessment," Remote Sensing of Environment , vol. 143, pp. 85 -96, 2014, doi:
10.1016/j.rse.2013.12.008.
[27] V. J. Pasquarella, C. F. Brown, W. Czerwinski, and W. J. Rucklidge, "Comprehensive quality assessment of
optical satellite imagery using weakly supervised video learnin g," in Proc. IEEE/CVF Conf. Comput. Vis.
Pattern Recognit. Workshops (CVPRW), 2023, pp. 2125-2135, doi: 10.1109/CVPRW59228.2023.00206.
[28] Y. Akhtman, "S2DR3: Effective 10 -band 10x single image super -resolution for Sentinel -2," Gamma Earth,
Medium, 2023. [Online]. Available: https://medium.com/@ya_71389/c71a601a2253
[29] N. Gorelick, M. Hancher, M. Dixon, S. Ilyushchenko, D. Thau, and R. Moore, "Google Earth Engine: Planetary-
scale geospatial analysis for everyone," Remote Sensing of Environment , vol. 202, pp. 18 -27, 2017, doi:
10.1016/j.rse.2017.06.031.
[30] E. Alcaras, D. Costantino, F. Guastaferro, C. Parente, and M. Pepe, "Normalized Burn Ratio Plus (NBR+): A
New Index for Sentinel-2 Imagery," Remote Sensing, vol. 14, no. 7, Art. no. 1727, 2022, doi: 10.3390/rs14071727.
[31] M. Bilal, "The automated temporal burn index (ATBI) for accurate and scalable burned area mapping,"
International Journal of Applied Earth Observation and Geoinformation , vol. 144, Art. no. 104866, 2025, doi:
10.1016/j.jag.2025.104866.
[32] P. Olofsson, G. M. Foody, M. Herold, S. V. Stehman, C. E. Woodcock, and M. A. Wulder, "Good practices for
estimating area and assessing accuracy of land change," Remote Sensing of Environment, vol. 148, pp. 42-57, 2014,
doi: 10.1016/j.rse.2014.02.015.
[33] D. Balla and M. Gede, "Vector Data Rendering Performance Analysis of Open-Source Web Mapping Libraries,"
ISPRS International Journal of Geo-Information, vol. 14, no. 9, Art. no. 336, 2025, doi: 10.3390/ijgi14090336.
[34] Bisnis.com, "BNPB: Karhutl a di Kalimantan hingga 513,89 hektare," Oct. 13, 2026. [Online]. Available:
https://kabar24.bisnis.com/read/20261013/15/2012121/bnpb-karhutla-di-kalimantan-hingga-51389-hektare
[35] Direktorat Pengendalian Kebakaran Hutan, Kementerian Kehutanan, "Indikasi luas kebakaran," SiPongi+,
2026. [Online]. Available: https://sipongi.gakkum.kehutanan.go.id/indikasi-luas-kebakaran

论文原文与出版信息

Journal of Artificial Intelligence and Technology Information (JAITI)
查看论文原文

继续探索