AI Makin Jago Ramal Cuaca Global, tapi Keteteran Prediksi Ledakan Badai Tropis

Kemampuan kecerdasan buatan dalam meramal cuaca global telah melesat dalam beberapa tahun terakhir, bahkan menyaingi sistem prediksi berbasis fisika terbaik. Namun, ketika diminta memprediksi intensitas badai tropis, model AI masih menunjukkan keterbatasan mendasar yang tidak bisa diselesaikan hanya dengan menambah data atau kecepatan komputasi.

Kesenjangan ini menjadi sorotan setelah sejumlah badai mengalami penguatan eksplosif dalam hitungan jam. Hurricane Polo, misalnya, berubah dari badai tropis biasa menjadi badai Kategori 5 dalam 24 jam pada September 2026, dengan kecepatan angin mencapai 180 mph. Peristiwa serupa terjadi pada Hurricane Michael 2018 yang menguat drastis sebelum menghantam Florida, meninggalkan komunitas dengan waktu evakuasi yang minim.

Perbedaan skala menjadi akar masalahnya. AI cuaca global dilatih dengan data iklim dan cuaca historis yang mencakup seluruh Bumi, memungkinkan model mengenali pola atmosfer berskala besar. Namun, intensitas badai adalah fenomena regional yang melibatkan proses cepat dan ekstrem, sehingga membutuhkan data jauh lebih rinci daripada yang tersedia saat ini.

Dalam melatih AI untuk prediksi intensitas badai, ilmuwan biasanya mengandalkan dua sumber data. Pertama, observasi langsung dari stasiun cuaca, radar, buoy, dan satelit. Data ini detail di wilayah pesisir, tetapi minim di samudra terbuka tempat badai tumbuh. Satelit modern memang membantu, tetapi tidak dapat memindai struktur tiga dimensi badai secara simultan di seluruh dunia.

Kedua, simulasi model cuaca yang menggabungkan kondisi atmosfer dan hukum fisika untuk menghasilkan gambaran tiga dimensi resolusi tinggi. Sayangnya, simulasi ini pun tidak sempurna karena mengandung aproksimasi dan ketidakpastian akibat pemahaman yang belum lengkap tentang atmosfer Bumi. Akibatnya, belum ada dataset tiga dimensi yang benar-benar memadai untuk melatih AI memprediksi intensitas badai.

Namun, data bukan satu-satunya hambatan. Bahkan jika ilmuwan mampu mengukur seluruh badai setiap detik untuk ribuan badai, prediksi sempurna tetap sulit diwujudkan. Penyebabnya adalah chaos: perbedaan kecil pada kondisi awal badai dapat berkembang cepat seiring waktu. Penelitian terbaru yang dilakukan Chanh Kieu, associate professor ilmu atmosfer di Indiana University, bersama koleganya menunjukkan bahwa badai mengandung elemen chaos yang membatasi akurasi prediksi jangka panjang.

Dalam lingkungan yang mendukung, badai tropis dapat menguat menuju batas maksimum yang disebut intensitas potensial, yang ditentukan oleh suhu permukaan laut, wind shear, dan faktor lingkungan lain. Semakin hangat laut, semakin besar fluktuasi intensitas. Studi mutakhir mengusulkan bahwa fluktuasi ini tidak sepenuhnya acak, melainkan terjadi dalam apa yang disebut chaotic attractor—kumpulan keadaan badai yang memungkinkan evolusi tak terduga.

"Model AI yang dilatih untuk meminimalkan kesalahan prediksi mungkin justru menghaluskan fluktuasi tak terduga, sehingga kehilangan aspek chaos yang penting," tulis Kieu dalam analisisnya.

Ada dilema mendasar: di satu sisi, AI ingin meminimalkan kesalahan prediksi; di sisi lain, AI juga harus menangkap chaos intrinsik badai. Kedua tujuan ini saling bertentangan. Jika AI menangkap chaos, kesalahan tidak dapat ditekan tanpa batas. Jika AI hanya mengejar akurasi, ia akan mengabaikan fluktuasi yang justru krusial untuk peringatan dini.

Bagi Indonesia, implikasi dari keterbatasan ini sangat nyata. Sebagai negara kepulauan yang dikelilingi perairan hangat, Indonesia rentan terhadap siklon tropis yang dapat berkembang cepat, meskipun frekuensinya relatif rendah dibandingkan wilayah lain. Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) telah mengadopsi berbagai model numerik, tetapi integrasi AI untuk prediksi intensitas badai masih dalam tahap awal. Keterbatasan data observasi di laut lepas dan sifat chaos menjadi tantangan tersendiri bagi peramal cuaca di Tanah Air.

Ke depan, peningkatan prediksi bukan sekadar soal menambah data, membangun jaringan neural lebih canggih, atau mempercepat komputer. Yang tak kalah penting adalah memahami perilaku badai dan bagaimana chaos muncul. Pendekatan evaluasi sistem prediksi generasi berikutnya pun perlu bergeser dari sekadar angka intensitas tunggal menjadi rentang probabilitas berbagai kemungkinan intensitas. Pertanyaannya, apakah investasi besar dalam AI cuaca akan cukup untuk mengatasi batas fundamental chaos, atau kita perlu paradigma baru yang menggabungkan fisika dan pembelajaran mesin secara lebih mendalam?