Permintaan maaf dari Manila dan pertanyaan-pertanyaan yang belum terjawab
“Ini bukan kesalahan kami, tetapi kami meminta maaf.” Kata-kata itu terlontar dalam pidato Presiden Prabowo saat menghadiri KTT Pemimpin ASEAN ke-49 di Manila, Filipina, pada 15 November 2026. Presiden Indonesia secara resmi meminta maaf kepada Malaysia dan Singapura atas kabut asap akibat kebakaran hutan dan lahan yang meluas ke kedua negara tersebut.
Dalam KTT ASEAN tersebut, Indonesia tampak berada di “kursi panas”. Di bawah Perjanjian ASEAN tentang Pencemaran Asap Lintas Batas (ASEAN Agreement on Transboundary Haze Pollution), Indonesia berkewajiban mencegah, memantau, dan memitigasi kebakaran hutan dan lahan (karhutla) beserta kabut asap lintas batas yang ditimbulkannya. Menurut Presiden, Indonesia “telah melakukan yang terbaik.” Indonesia telah mengerahkan 71.000 pemadam kebakaran hutan dan mencabut 17 izin konsesi korporasi. Selain itu, 11 korporasi telah dituntut, 26 perusahaan sedang dalam penyidikan, 23 perusahaan dijadwalkan akan dituntut, dan 104 perusahaan sedang diselidiki oleh kepolisian.
Pernyataan Presiden menekankan langkah-langkah respons yang diambil setelah api terlanjur membesar. Padahal, pertanyaan yang perlu ditelaah jauh lebih mendasar: mengapa lanskap yang berada di bawah mandat perlindungan terus mencatatkan area indikatif terbakar yang sangat luas? Lebih jauh lagi, apakah perlindungan warga negara—terutama kelompok paling rentan, seperti ibu hamil, anak-anak, lansia, dan penyandang disabilitas—telah diperlakukan sebagai tolok ukur yang sama pentingnya dengan pemadaman api dan penegakan hukum?
Pemantauan oleh MADANI Berkelanjutan mencatat 4.004.540 hektare Area Indikatif Terbakar (AIT) di seluruh Indonesia dari Januari hingga Oktober 2026. Sebanyak 1.603.988 hektare AIT terdeteksi pada bulan Oktober saja—angka bulanan tertinggi sejak Januari.
Empat juta hektare: angka yang harus dibaca secara cermat
Model Area Indikatif Terbakar (AIT) MADANI Berkelanjutan didasarkan pada delineasi titik panas (hotspot) berkeyakinan tinggi yang dikombinasikan dengan citra satelit. Angka-angka ini bersifat indikatif, bukan angka resmi kebakaran yang diverifikasi di lapangan. Analisis rangkaian terbaru ini tidak menghitung area yang terbakar lebih dari satu kali: jika lokasi yang sama terdeteksi terbakar selama beberapa bulan, luasannya hanya dihitung pada bulan pertama.
Dalam rangkaian ini, 95,3 persen AIT Januari–Oktober terdeteksi hanya dalam kurun waktu tiga bulan, yaitu Agustus–Oktober. Luasan bulanan melonjak drastis dari 777.411 hektare pada bulan Agustus menjadi 1.435.832 hektare pada bulan September dan 1.603.988 hektare pada bulan Oktober.

Gambar 1. Luas AIT yang pertama kali terdeteksi setiap bulan dan persentase kumulatifnya. Sumber: MADANI Berkelanjutan, Pembaruan Area Indikatif Terbakar (AIT) Januari–Oktober 2026.
Dinamika spasial mengungkap konsentrasi kebakaran di Kalimantan, Papua, dan Sumatra bagian selatan. Kalimantan Tengah mencatatkan area indikatif terbakar terluas yaitu 1.123.030 hektare, diikuti Papua Selatan dengan 582.350 hektare dan Kalimantan Barat dengan 522.817 hektare. Di tingkat kabupaten, AIT di Merauke mencapai 411.633 hektare. Meskipun area indikatif terbakar relatif terkonsentrasi, jangkauan paparan kabut asap meluas melintasi batas-batas negara (lihat Gambar 2). Menurut laporan Centre for Research on Energy and Clean Air (CREA), jumlah warga negara Indonesia yang terpapar udara tidak sehat hingga mematikan pada bulan September saja mencapai 58 juta jiwa, belum termasuk warga negara tetangga seperti Singapura, Malaysia, Brunei Darussalam, Timor-Leste, dan Australia.

Gambar 2. Visualisasi distribusi emisi karbon dari kebakaran hutan dan lahan di Indonesia dan wilayah sekitarnya untuk periode Oktober–November 2026 (Sumber: Copernicus Atmosphere Monitoring Service (CAMS), Fire Emissions Watch, 2026.)
Jejak api di kawasan yang seharusnya dilindungi
Sebanyak 2.932.908 hektare, atau 73,2 persen dari area indikatif terbakar, berada di dalam kawasan hutan. Dari luasan tersebut, 587.840 hektare tercatat di kawasan konservasi dan 386.039 hektare di hutan lindung. Proporsi area indikatif terbakar di dalam kawasan konservasi meningkat dari 7,1 persen pada bulan Agustus menjadi 19,4 persen pada bulan Oktober. Hal ini menunjukkan bahwa status hukum semata tidak cukup untuk memastikan perlindungan, pencegahan, dan pengendalian yang efektif di lapangan.
Secara khusus, Taman Nasional mencatatkan area indikatif terbakar seluas 306.579 hektare. Sekitar 156 ribu hektare di antaranya terjadi di Taman Nasional Tanjung Puting, diikuti Wasur (±42 ribu), Berbak Sembilang (±40 ribu), Sebangau (±29 ribu), dan Lorentz (±16 ribu). Sebanyak 187.561 hektare, atau 61,2 persen dari AIT di taman nasional, terdeteksi pada bulan Oktober saja. Pola ini menggarisbawahi tekanan luar biasa yang dialami kawasan konservasi selama bulan terakhir pengamatan.

Gambar 2. Lima taman nasional dengan AIT terbesar dan distribusi berdasarkan bulan deteksi. Sumber: MADANI Berkelanjutan, Pembaruan Area Indikatif Terbakar (AIT) Januari–Oktober 2026.
Kebakaran di Taman Nasional bukan sekadar persoalan hutan dan keanekaragaman hayati, melainkan juga lahan gambut yang melepaskan emisi karbon dalam jumlah masif. Di Tanjung Puting, sekitar 94 persen AIT tumpang tindih dengan lahan gambut. Di Sebangau, seluruh area indikatif terbakar terdeteksi di dalam ekosistem lahan gambut.
Secara nasional, pemantauan MADANI mengidentifikasi 1.574.353 hektare area indikatif terbakar di dalam ekosistem lahan gambut, termasuk 928.828 hektare di zona lindung gambut dan 640.290 hektare di kubah gambut, yang seharusnya mendapatkan tingkat perlindungan tertinggi. Sebuah studi terbaru oleh World Weather Attribution yang dirilis pada 13 November menyimpulkan bahwa pembukaan dan pengeringan lahan gambut selama beberapa dekade telah menciptakan kondisi rentan yang memicu kebakaran hebat dan sulit dikendalikan ketika lahan gambut terbakar di tengah fenomena El Niño yang kuat.
Hutan alam pun tidak luput dari kobaran api. Sekitar 1.027.106 hektare AIT berada di dalam tutupan hutan alam tahun 2024, termasuk sekitar 142 ribu hektare hutan primer. Temuan AIT di hutan alam tidak serta-merta membuktikan deforestasi permanen, namun temuan ini cukup spesifik untuk memerlukan verifikasi lapangan dan pemantauan perubahan tutupan lahan pascakebakaran. Pernyataan pemerintah bahwa area hutan dan lahan gambut yang terbakar harus direboisasi harus dibuktikan melalui pelaporan publik yang transparan mengenai berapa luas area yang terbakar, apa saja yang terbakar, dan apa yang kemudian muncul di lahan-lahan bekas terbakar tersebut. Hal ini sangat penting mengingat publik telah lama tidak memiliki akses yang bebas dan terbuka terhadap data rinci kehutanan dan lahan, serta data kebakaran dan rencana pemulihan.

Gambar 3. Komposisi tutupan lahan di dalam AIT di lima taman nasional. Sumber: MADANI Berkelanjutan, Pembaruan Area Indikatif Terbakar (AIT) Januari–Oktober 2026.
Penegakan hukum itu penting, tetapi siapa yang mengawasi izin yang terbakar?
Dalam pidatonya di KTT ASEAN, Presiden memaparkan pencabutan izin konsesi dan proses hukum terhadap beberapa perusahaan. Analisis AIT MADANI menunjukkan bahwa 1.647.387 hektare, atau 41,1 persen AIT selama periode Januari–Oktober 2026, tumpang tindih dengan izin kelapa sawit, Perizinan Berusaha Pemanfaatan Hutan (PBPH), serta konsesi mineral, batu bara, dan migas. Sekitar 532 ribu hektare AIT terdeteksi di izin perkebunan kelapa sawit; 521 ribu hektare di PBPH; 250 ribu hektare di konsesi migas; dan 127,5 ribu hektare di konsesi pertambangan mineral dan batu bara. Area indikatif terbakar yang terdeteksi bahkan lebih luas lagi jika memperhitungkan batas izin yang saling tumpang tindih.
Tumpang tindih geospasial tidak serta-merta membuktikan bahwa pemegang izin sengaja menyulut api di dalam konsesi mereka, namun hal ini memberikan dasar yang kuat untuk melakukan investigasi dan audit perizinan yang berlandaskan pada prinsip tanggung jawab mutlak (strict liability), yang mewajibkan pemegang izin untuk mencegah dan mengendalikan kebakaran di dalam area konsesi mereka. Begitu wilayah mereka terbakar, pemegang izin harus dimintai pertanggungjawaban. Lebih lanjut, pihak berwenang yang menerbitkan izin-izin ini juga harus menjawab pertanyaan publik terkait pengawasan mereka terhadap izin-izin yang areanya terbakar. Pihak berwenang terkait harus menjelaskan kepada publik mengenai apa langkah berbeda yang akan mereka ambil ke depan guna mencegah terulangnya krisis yang sama.
Kabut asap lintas batas dan tanggung jawab di balik kata “maaf”
Perjanjian ASEAN tentang Pencemaran Asap Lintas Batas menyediakan kerangka kerja sama regional untuk mencegah, memantau, dan menangani kabut asap lintas batas. Dengan menyebutkan Malaysia dan Singapura dalam pidatonya, Presiden mengakui kebakaran hutan dan lahan (karhutla) sebagai persoalan internasional. Namun, Presiden bersikukuh bahwa kebakaran tersebut “bukan kesalahan kami.”
Di sinilah letak perbedaan antara kesalahan dan tanggung jawab. Penegakan hukum terhadap korporasi yang menyulut atau membiarkan api membakar harus terus berjalan. Di samping itu, pemerintah memikul tanggung jawab untuk mengevaluasi apakah sistem pencegahan, pemantauan, perlindungan kesehatan, dan penegakan regulasi telah berfungsi secara efektif. Oleh karena itu, pernyataan “bukan kesalahan kami” seharusnya tidak mengakhiri pembicaraan. Permintaan maaf mungkin menjadi titik awal pertanggungjawaban diplomatik, namun publik berhak mengetahui langkah konkret apa yang sedang dipersiapkan pemerintah untuk mengurangi risiko karhutla di tahun-tahun mendatang. Hal ini menjadi semakin mendesak mengingat risiko kebakaran di Indonesia tidak hanya diperparah oleh El Niño, tetapi juga oleh krisis iklim yang kian memburuk.
Di balik angka luasan: siapa yang paling rentan terhadap kabut asap?
Pidato Presiden di Manila mencatat bahwa 16 orang meninggal dunia dan banyak personel mengalami luka-luka saat memadamkan api. Namun, krisis kemanusiaan akibat karhutla tidak boleh hanya dilihat dari korban jiwa di kalangan mereka yang berjuang memadamkan api di garis depan. Paparan partikel halus dari asap, khususnya PM2.5, menimbulkan risiko kesehatan serius yang dampaknya kerap kali baru bermanifestasi di kemudian hari, seperti serangan jantung. Anak-anak, lansia, ibu hamil, serta individu dengan gangguan kardiovaskular atau pernapasan jauh lebih rentan ketika kualitas udara memburuk.
Penyandang disabilitas ragam sering kali menjadi kelompok yang paling tertinggal ketika karhutla melanda dan kabut asap menyelimuti permukiman warga. Sistem peringatan dini yang hanya mengandalkan sirene tidak dapat diakses oleh warga Tuli; informasi visual tanpa format aksesibel menimbulkan hambatan bagi warga dengan gangguan penglihatan; dan tempat evakuasi yang tidak aksesibel membatasi warga dengan disabilitas fisik. Selain itu, kebutuhan spesifik penyandang disabilitas psikososial atau mental kerap diabaikan dan tidak diakui. Padahal, UNDRR menekankan pentingnya melibatkan penyandang disabilitas dalam pengurangan risiko bencana agar kesiapsiagaan tidak hanya melindungi sebagian kecil populasi saja.
Ketimpangan gender juga memperluas dampak yang dialami perempuan selama karhutla. Perempuan dengan tanggung jawab pengasuhan sering kali memikul beban tambahan di tengah krisis air bersih, ketika anggota keluarga jatuh sakit, atau saat aktivitas sekolah anak-anak terganggu. Pekerja luar ruangan (seperti pedagang kaki lima) dan rumah tangga berpenghasilan rendah terpaksa menghentikan aktivitas mata pencaharian mereka atau terus bekerja tanpa alat pelindung yang memadai seperti masker. Masyarakat adat dan komunitas lokal yang penghidupannya bergantung pada ekosistem hutan, pesisir, dan perairan juga menghadapi gangguan parah terhadap sarana penghidupan mereka.
Dalam Lokakarya Suara Perempuan untuk Keadilan Iklim—yang diselenggarakan bersama oleh MADANI, Koalisi Perempuan Indonesia (KPI), Himpunan Wanita Disabilitas Indonesia (HWDI), dan Pusat Pengembangan Sumberdaya Wanita (PPSW) pada 16–18 November—berbagai dampak berhasil didokumentasikan, termasuk musnahnya ribuan pohon kakao yang menjadi tabungan dan investasi perempuan adat di Kepulauan Seram, Maluku, akibat dilalap si jago merah.
IPCC menunjukkan bahwa kerentanan iklim dibentuk oleh ketimpangan sosioekonomi dan marjinalisasi, serta bahwa kelompok rentan memerlukan penilaian risiko terpilah. Namun hingga saat ini, belum ada peta komprehensif untuk memverifikasi jumlah, lokasi, dan kebutuhan spesifik kelompok rentan. Indonesia juga belum memiliki sistem yang secara konsisten melacak dampak multitahun yang dialami perempuan, ibu hamil dan menyusui, penyandang disabilitas, anak-anak, dan lansia akibat krisis karhutla dan kabut asap.
Oleh karena itu, ukuran keberhasilan penanganan karhutla seharusnya tidak hanya dihitung dari berapa banyak personel yang dikerahkan atau berapa banyak kasus korporasi yang diproses, melainkan berapa persentase kelompok rentan yang menerima perlindungan dan bantuan pemulihan yang memadai. Kelompok rentan bukan sekadar penerima bantuan saat bencana terjadi, melainkan pemegang hak yang harus dilibatkan sejak tahap perencanaan dan pencegahan.
Lima tolok ukur untuk menguji akuntabilitas negara
Pertama, buka data secara konsisten. Publikasikan peta resmi dan data perkembangan karhutla guna memungkinkan evaluasi dan perbandingan metodologis.
Kedua, fokuskan pencegahan pada perlindungan lanskap berisiko tinggi. Untuk mencegah kebakaran berulang, pemerintah harus melindungi dan memulihkan seluruh ekosistem lahan gambut, bukan hanya lahan gambut yang dikategorikan sebagai zona lindung atau kubah gambut. Lebih dari 1,5 juta hektare ekosistem lahan gambut yang terbakar harus diprioritaskan untuk dipulihkan oleh Badan Pengelola Gambut dan Mangrove Nasional (BPGMN). Seluruh hutan alam yang tersisa harus dilindungi dari deforestasi dan degradasi yang meningkatkan risiko karhutla, termasuk hutan alam sekunder, hutan alam di luar kawasan hutan negara yang telah ditetapkan, dan hutan alam yang berada di dalam izin atau konsesi.
Ketiga, buka hasil penegakan hukum secara transparan dan terukur. Rilis pembaruan rinci mengenai tahapan perkara dan tindak lanjut di area izin yang terbakar, termasuk kewajiban pemulihan yang jelas dengan batas waktu yang terukur. Cabut izin perusahaan yang konsesinya terbakar berulang kali.
Keempat, ukur perlindungan bagi kelompok rentan. Perkuat pemantauan PM2.5 dan layanan kesehatan. Sediakan peringatan dini multiformat untuk karhutla dan polusi udara bersamaan dengan sistem evakuasi yang aksesibel. Susun protokol untuk melibatkan masyarakat adat, perempuan, dan penyandang disabilitas dalam kesiapsiagaan dan tanggap bencana, serta alokasikan anggaran yang memadai bagi Unit Layanan Disabilitas di daerah.
Kelima, lacak dampak setelah api padam. Perbarui status kerusakan lahan gambut yang terdampak kebakaran dan perubahan tutupan hutan. Publikasikan rencana pemulihan dan status perkembangannya agar dapat dipantau oleh publik. Lacak dampak kesehatan terkait asap selama beberapa tahun setelah kebakaran, termasuk data terpilah bagi kelompok rentan.
Permintaan maaf kepada negara-negara tetangga, betapapun terkesan setengah hati, merupakan bagian dari diplomasi. Namun lingkup akuntabilitas melampaui hal tersebut. Negara bertanggung jawab untuk melindungi lanskap hutan alam dan lahan gambut yang tersisa, memulihkan apa yang telah terbakar, memperkuat pengawasan dan melaksanakan audit perizinan, serta melindungi kelompok rentan yang menanggung beban dampak terberat.
Pertanyaan yang tersisa bukan sekadar siapa yang harus disalahkan atas kabut asap ini, melainkan siapa yang bertahan hidup saat kabut asap tiba.
Unduh infografik Area Indikatif Terbakar Januari–Oktober 2026 (Halaman 1)
Tentang Model Area Indikatif Terbakar
Metodologi Model Area Indikatif Terbakar (AIT)
Model Area Indikatif Terbakar (AIT) memperkirakan luasan dan lokasi kebakaran hutan dan lahan (karhutla) di Indonesia menggunakan data titik panas (hotspot), yang dikembangkan oleh MADANI Berkelanjutan sejak tahun 2019. Istilah “indikatif” digunakan untuk membedakan AIT dari peta bekas luka kebakaran (burn scar) terverifikasi lapangan yang didelineasi dari citra satelit. AIT berfungsi sebagai estimasi cepat yang menunjukkan di mana dan seberapa luas kebakaran terindikasi terjadi. Model ini melengkapi tabulasi data resmi luasan karhutla dari SiPongi (KLHK) dengan memberikan gambaran perkembangan kebakaran secara hampir seketika (near real-time) bagi para pemangku kepentingan.
Tahapan analisis:
Penyiapan data: Pengambilan data titik panas VIIRS, penyaringan berdasarkan tingkat keyakinan (confidence level), dan penapisan titik panas yang bukan berasal dari kebakaran.
Pemodelan: Mengubah data titik panas yang telah bersih menjadi jejak luasan area indikatif terbakar.
Validasi dan luaran: Memeriksa silang hasil dengan citra Sentinel-2 dan data SiPongi, kemudian menyajikannya melalui visualisasi dan analisis.
2. Data yang Digunakan
Model AIT menggunakan satu kumpulan data masukan primer (titik panas VIIRS) dan tiga kumpulan data pendukung untuk penapisan dan validasi.
Data | Peran dalam Model | Deskripsi |
Titik Panas VIIRS | Masukan primer | Hanya mencakup kelas keyakinan nominal dan tinggi. Resolusi piksel VIIRS adalah sekitar 375 m. |
Lapisan referensi area sumber panas non-karhutla | Menapis titik panas yang bukan disebabkan oleh kebakaran hutan dan lahan, seperti gunung berapi, cerobong asap, dan sumber lainnya | Mencakup kawasan perkotaan, utilitas industri (pabrik, stockpile, zona konstruksi), dan kompleks kawah gunung berapi aktif. |
Citra Sentinel-2 | Verifikasi visual pada sampel lokasi AIT | Melakukan uji petik (spot-check) hasil model AIT terhadap api dan asap yang terlihat. Dengan resolusi 10–20 m, citra ini memadai untuk mendeteksi bekas kebakaran. |
Data tabulasi luasan karhutla | Tolok ukur luasan AIT per provinsi | Dibandingkan pada periode yang sama menggunakan akumulasi AIT terhadap data SiPongi (KLHK). |
3. Alur Kerja Model AIT
Analisis AIT dilakukan dalam sembilan tahap.
Tahap 1. Pengumpulan data titik panas
Data titik panas VIIRS untuk periode pelaporan dikumpulkan setiap hari dan dikompilasi setiap minggu. Setiap titik memuat atribut koordinat, tanggal dan waktu deteksi, serta kelas keyakinan. Hanya titik panas dengan tingkat keyakinan di atas normal yang digunakan dalam model AIT.
Tahap 2. Penyaringan berdasarkan tingkat keyakinan
Hanya titik panas dengan kelas keyakinan di atas normal yang dipertahankan. Titik panas dengan tingkat keyakinan rendah disisihkan untuk mencegah deteksi keliru terhitung sebagai kebakaran.
Tahap 3. Penapisan titik panas (hotspot filtering)
Tahap ini memastikan bahwa hanya titik panas yang berasal dari kebakaran vegetasi yang masuk ke dalam model. Titik panas ditumpangsusunkan dengan lapisan referensi area sumber panas non-kebakaran, dan setiap titik panas yang berada di dalam area tersebut atau dalam jarak penyangga (buffer) di sekitarnya akan dihapus.
Tiga kategori area yang ditapis keluar:
Kawasan perkotaan, karena panas dari permukiman dan aktivitas perkotaan dapat terdeteksi sebagai titik panas.
Utilitas industri, yaitu pabrik, stockpile, dan lokasi konstruksi yang memancarkan panas dari aktivitas produksi, bukan dari kebakaran lahan.
Kompleks kawah gunung berapi aktif, karena aktivitas vulkanik menghasilkan anomali termal yang mirip dengan api.
Titik keputusan pertama. Hasil penapisan diperiksa kembali: apakah masih ada titik panas yang berada di dalam area pengecualian? Jika ya, penapisan diulang, misalnya dengan menyempurnakan lapisan referensi atau jarak penyangga. Jika tidak ada lagi yang tersisa, data dilanjutkan ke tahap berikutnya.
Tahap 4. Titik panas bersih
Luaran dari Tahap 3 adalah kumpulan titik panas bersih—titik termal yang diyakini berasal dari kebakaran hutan dan lahan. Kumpulan data ini berfungsi sebagai masukan model.
Tahap 5. Masukan model AIT: pengelompokan dan pembuatan poligon
Tahap ini mengubah data titik menjadi jejak luasan area.
Pengelompokan (clustering). Titik-titik panas bersih yang terletak berdekatan dikelompokkan ke dalam satu klaster. Asumsinya adalah bahwa titik panas yang berdekatan berasal dari peristiwa kebakaran yang sama dan saling menguatkan adanya area yang terbakar.
Pembuatan poligon. Setiap klaster dibentuk menjadi poligon yang melingkupi sebaran titik panas di dalamnya. Poligon ini disebut sebagai Area Indikatif Terbakar. Berdasarkan pengamatan sejak tahun 2019, langkah ini paling efektif dalam radius kurang dari 1 km.
Perhitungan luas. Luas setiap poligon dihitung dalam satuan hektare dan kemudian dijumlahkan berdasarkan provinsi dan periode pelaporan.
Tahap 6. Validasi ganda
Luaran model divalidasi menggunakan dua pendekatan yang dilakukan secara bersamaan.
Verifikasi sampel dengan Sentinel-2. Sejumlah poligon AIT dipilih sebagai sampel untuk uji petik dan dicocokkan dengan citra Sentinel-2 pada lokasi dan rentang waktu yang bersesuaian. Sebuah poligon dinyatakan terverifikasi jika citra menunjukkan adanya bekas kebakaran di dalamnya. Uji petik ini mewakili kelas ukuran poligon di beberapa rentang luasan hektare.
Sebagai salah satu dataset tabulasi karhutla terdekat yang dirilis, data SiPongi dibandingkan secara statistik dengan data AIT. Akumulasi luasan AIT per provinsi dibandingkan berdampingan dengan tabulasi luas karhutla SiPongi untuk periode yang sama. Tingkat kesesuaian antara keduanya diukur menggunakan koefisien korelasi ($r$) dan koefisien determinasi ($R^2$) pada diagram tebar (scatter plot), dengan satu titik data mewakili setiap provinsi.
Tahap 7. Validasi bentuk poligon AIT
Penyesuaian bentuk dan pengaturan ambang batas diterapkan pada luaran model AIT yang dihasilkan. Setiap bentuk poligon AIT yang tidak beraturan menjalani pengujian verifikasi ulang. Selain itu, berdasarkan pengamatan sejak tahun 2019, poligon terfragmentasi dengan luas kurang dari 3 hektare dikeluarkan. Area-area ini dikategorikan sebagai residu model karena intensitas titik panas bersih terlalu rendah untuk dimasukkan ke dalam hasil akhir model AIT.
Tahap 8. Luaran AIT
Luaran yang lolos validasi terdiri dari poligon area indikatif terbakar beserta total luasannya per provinsi. Luaran dirilis dengan jeda waktu sekitar satu minggu dari tanggal pelaporan.
Tahap 9. Visualisasi dan analisis
Luaran AIT disajikan dalam peta sebaran, diagram tren luasan temporal, dan perbandingan antarprovinsi. Selain itu, analisis AIT ditumpangsusunkan dengan 18 lapisan spasial tematik untuk menambah konteks dan memperkaya perspektif analisis pelaporan karhutla MADANI Berkelanjutan. Pada akhirnya, hasil ini menjadi rujukan bagi para pemangku kepentingan untuk memantau perkembangan karhutla terkini.
4. Hasil validasi
Uji $R^2$ antara AIT dan SiPongi secara konsisten berada di atas 0,8. Hal ini menunjukkan bahwa model ini cukup akurat untuk melacak tren karhutla.
Periode | Korelasi (r) | R² | Catatan |
Januari hingga Juli 2026 | 0,90 | 0,82 | SIPONGI 202.000 ha vs AIT 229.000 ha untuk periode yang sama |
Januari hingga September 2025 | 0,91 | 0,75 | AIT vs SIPONGI per provinsi |
Januari hingga Oktober 2024 | 0,92 | 0,85 | AIT vs SIPONGI per provinsi |
Selain keselarasan luasan, grafik tren di berbagai periode menunjukkan bahwa fluktuasi AIT mencerminkan fluktuasi SiPongi, termasuk lonjakan pada puncak musim kebakaran tahun 2023. Pada tahun 2026, verifikasi menggunakan citra Sentinel-2 dilakukan untuk bulan Februari, Juni, dan Juli. Hasil sampel menunjukkan poligon AIT tumpang tindih secara langsung dengan bekas kebakaran yang terlihat pada citra.
5. Keterbatasan model
AIT merupakan estimasi area terbakar yang sedang berlangsung dan yang telah lalu, bukan pengukuran akhir dari bekas luka kebakaran (burn scar). Beberapa pertimbangan perlu diperhatikan:
Ketergantungan pada deteksi satelit. Kebakaran yang tertutup awan tebal atau asap, terjadi di luar waktu lintas satelit, atau membakar di bawah tanah (seperti di lahan gambut) mungkin tidak terdeteksi sebagai titik panas.
Batas poligon bersifat indikatif. Poligon dihasilkan dari sebaran titik, yang berarti batas-batasnya bisa lebih luas atau lebih sempit daripada bekas kebakaran sebenarnya.
Kualitas penapisan bergantung pada lapisan referensi. Kawasan industri atau permukiman yang baru dibangun dan belum tercatat dalam lapisan referensi dapat lolos sebagai titik panas kebakaran. Akibatnya, lapisan referensi penapisan harus terus diperbarui dari waktu ke waktu.
Validasi SiPongi bersifat retrospektif. Perbandingan dengan tabulasi SiPongi kerap kali terkendala oleh keterlambatan pembaruan data resmi. Validasi AIT terhadap dataset tematik lainnya belum memungkinkan untuk dilakukan karena terbatasnya data yang dapat diakses publik.
Validasi Sentinel-2 berbasis sampel. Karena keterbatasan akses dan sumber daya, verifikasi hanya mencakup sebagian poligon dan dapat terhalang oleh tutupan awan pada citra satelit.
Validasi AIT vs. Citra Sentinel










