Peneliti Kembangkan AI untuk Tingkatkan Akurasi Prediksi Cuaca hingga Empat Pekan

KebonCinta.com - Keterbatasan prakiraan cuaca dalam memprediksi kondisi atmosfer lebih dari dua pekan menjadi tantangan bagi perkembangan teknologi meteorologi. Kesalahan kecil dalam membaca perubahan atmosfer dapat terakumulasi seiring waktu sehingga menghasilkan prediksi yang semakin tidak akurat.

Persoalan tersebut mendorong sekelompok peneliti mengembangkan teknologi berbasis machine learning untuk meningkatkan ketepatan prakiraan cuaca, khususnya dalam rentang tiga hingga empat pekan ke depan. Teknologi ini dirancang sebagai alat koreksi tambahan pada model prediksi cuaca berbasis kecerdasan buatan (AI).

Baca Juga: Karhutla Kalbar Meningkat, Kementerian Kehutanan Kerahkan 104 Personel Tambahan dan Perkuat Operasi Modifikasi Cuaca 

Penelitian berjudul Advancing Subseasonal Forecasting with Machine Learning tersebut melibatkan sejumlah peneliti dari berbagai institusi pendidikan, dengan Hannah Guan dari Harvard College sebagai penulis utama. Salah satu peneliti yang terlibat, Judah Cohen dari Massachusetts Institute of Technology (MIT), menjelaskan bahwa pendekatan ini berangkat dari upaya mengidentifikasi kesalahan yang berulang dalam model prediksi AI.

Baca Juga: Kenapa Cuaca Panas Bikin Emosi Mudah Meledak? Ini Temuan Mengejutkan Peneliti Georgetown University 

Selama ini, prakiraan cuaca jangka panjang menghadapi persoalan mendasar berupa ketidakpastian atmosfer. Edward Lorenz, ilmuwan MIT, telah menjelaskan lebih dari lima dekade lalu bahwa dinamika atmosfer yang kompleks membuat prediksi cuaca sulit dipertahankan akurasinya setelah sekitar dua pekan.

Dalam proses pemodelan, perubahan kecil pada kondisi atmosfer dapat menghasilkan perbedaan besar pada hasil prediksi berikutnya. Akumulasi kesalahan tersebut membuat prakiraan cuaca untuk periode yang lebih jauh semakin sulit diandalkan.

Baca Juga: Waspada Perubahan Cuaca, Jaga Kesehatan agar Tubuh Tetap Fit 

Padahal, informasi cuaca dalam rentang tiga hingga empat pekan memiliki peran penting untuk mengantisipasi potensi bencana. Peristiwa badai musim dingin di Texas pada Februari 2021 menjadi salah satu contoh dampak cuaca ekstrem yang membutuhkan sistem peringatan lebih dini. Bencana tersebut menyebabkan pemadaman listrik dan menewaskan 246 orang.

Mengoreksi Kesalahan Model Prediksi

Teknologi yang dikembangkan para peneliti disebut probabilistic bias correction. Berbeda dengan model prakiraan cuaca pada umumnya, perangkat ini tidak menghasilkan prediksi atmosfer secara mandiri. Sistem tersebut bekerja dengan mengevaluasi hasil prakiraan yang sudah tersedia, kemudian menyesuaikannya berdasarkan pola kesalahan sebelumnya.

Proses koreksi dilakukan melalui dua pendekatan. Pertama, sistem membandingkan data prakiraan selama 20 tahun dengan kondisi cuaca yang benar-benar terjadi. Perbandingan tersebut dilakukan berdasarkan lokasi dan musim untuk mengidentifikasi pola kesalahan yang berulang.

Kedua, sistem menggabungkan hasil prakiraan dengan kondisi cuaca beberapa pekan terakhir serta rata-rata kondisi atmosfer dalam jangka panjang. Kedua hasil koreksi kemudian dikombinasikan untuk menghasilkan prediksi yang lebih terukur.

Kemampuan sistem juga diperbarui setiap hari seiring masuknya data cuaca terbaru. Menariknya, teknologi tersebut dikembangkan agar dapat dijalankan tanpa bergantung pada superkomputer berkapasitas besar.

Dalam pengujiannya, peneliti menggunakan tiga sistem prakiraan dari European Centre for Medium-Range Weather Forecasts (ECMWF), yakni model ensemble berbasis fisika, model berbasis AI, dan model hibrida yang menggabungkan AI dengan sistem ensemble.

Hasil pengujian menunjukkan peningkatan kemampuan prediksi pada ketiga sistem tersebut. Akurasi model AI meningkat hingga dua kali lipat, sedangkan kemampuan model hibrida dalam memprediksi curah hujan meningkat sekitar 68 hingga 98 persen.

Pada model ensemble, kemampuan memprediksi hujan meningkat hingga tiga kali lipat. Sementara itu, prediksi suhu dan tekanan udara yang sebelumnya berada di bawah rata-rata kinerja dapat mengalami perbaikan setelah proses koreksi diterapkan.

Deteksi Cuaca Ekstrem Lebih Dini

Selain meningkatkan ketepatan prakiraan cuaca secara umum, teknologi ini juga diuji untuk mendeteksi potensi kejadian ekstrem. Pengujian dilakukan dengan mengidentifikasi kondisi suhu dan curah hujan yang termasuk dalam kategori lima persen paling ekstrem pada masing-masing wilayah.

Hasilnya menunjukkan kemampuan model Eropa dalam mendeteksi panas ekstrem meningkat sebesar 51 persen dibandingkan metode koreksi standar yang sebelumnya digunakan.

Untuk potensi banjir, kemampuan memprediksi curah hujan di sekitar kejadian banjir meningkat antara 76 hingga 92 persen. Peningkatan tersebut terlihat signifikan ketika sistem diuji pada 88 peristiwa banjir besar yang menyebabkan lebih dari 100 korban jiwa atau sedikitnya 80.000 orang mengungsi.

Teknologi ini juga sempat diuji dalam situasi prakiraan cuaca nyata. Pada November 2025, para peneliti memprediksi kemungkinan terjadinya gelombang dingin di Amerika Serikat pada pertengahan Desember tahun yang sama.