Pengembangan Modul Backend Sistem Penilaian Tingkat Keparahan Area Pasca Kebakaran Hutan dan Lahan

Abstract

Penilaian tingkat keparahan pasca kebakaran hutan dan lahan diperlukan untuk mendukung pemulihan ekosistem, penegakan hukum, dan perlindungan kawasan terdampak. SIPARTAN dikembangkan untuk mengotomatisasi proses ini, namun modul backend sebelumnya memiliki keterbatasan, seperti tidak adanya verifikasi email, login menggunakan akun Google, dukungan untuk penilaian ulang lahan, serta fitur pagination, search, dan filter. Selain itu, sistem belum menerapkan role-based access control (RBAC) dan masih menggunakan titik koordinat untuk penyimpanan, yang kurang akurat dalam merepresentasikan area terdampak kebakaran. Penelitian ini bertujuan untuk mengatasi keterbatasan tersebut dengan mengembangkan modul backend SIPARTAN. Penelitian ini berhasil dalam menerapkan fitur verifikasi email, login menggunakan akun Google, dukungan penilaian ulang lahan, serta RBAC, yang meningkatkan keamanan dan fleksibilitas sistem. Selain itu, sistem kini telah mendukung pagination, search, dan filter, serta mengubah penyimpanan data lahan dari titik koordinat menjadi poligon, sehingga lebih akurat dalam merepresentasikan luas area terdampak. Seluruh API yang dikembangkan, terdiri dari kelompok Auth, User, Info, Lahan, dan Observasi, diuji menggunakan blackbox testing dengan 104 skenario pengujian yang seluruhnya berhasil. Deployment dilakukan menggunakan Docker dengan menggunakan docker compose, memastikan bahwa modul backend dapat diakses oleh frontend dan mobile. Hasil penelitian ini meningkatkan efisiensi, keamanan, dan akurasi penilaian pasca kebakaran hutan dan lahan.

The assessment of post-wildfire severity is essential to support ecosystem recovery, law enforcement, and the protection of affected areas. SIPARTAN was developed to automate this process; however, the previous backend module had several limitations, such as the absence of email verification, login via Google accounts, support for land reassessment, as well as pagination, search, and filter features. Additionally, the system had not yet implemented role-based access control (RBAC) and still used coordinate points for data storage, which was less accurate in representing burned areas. This study aims to address these limitations by developing the SIPARTAN backend module. The study successfully implemented email verification, Google login, land reassessment support, and RBAC, enhancing system security and flexibility. Moreover, the system now supports pagination, search, and filter functions, and replaces coordinate point-based storage with polygons, improving accuracy in representing affected areas. All developed APIs, categorized into Auth, User, Info, Land, and Observation groups, were tested using black-box testing with 104 test scenarios, all of which were successful. Deployment was carried out using Docker and Docker Compose, ensuring backend accessibility for both frontend and mobile applications. This study improves the efficiency, security, and accuracy of post-wildfire severity assessments.