Bagaimana Peramalan Cuaca Modern Bekerja: Dari Satelit hingga Superkomputer

Setiap peramalan cuaca, baik itu prospek tujuh hari di aplikasi ponsel atau jalur badai yang dikeluarkan oleh agensi nasional, dimulai dengan cara yang sama: dengan pengamatan atmosfer seperti saat ini. Pusat Eropa untuk Peramalan Cuaca Jangka Menengah (ECMWF) mengatakan ia menerima sekitar 800 juta pengamatan per hari, sebagian besar dari sekitar 90 instrumen satelit yang memantau atmosfer, samudra, darat, salju dan es laut; setelah kontrol kualitas, kira-kira 60 juta pengamatan tersebut benar-benar digunakan dalam sistem peramalannya.

Mengubah pengamatan menjadi peramalan: asimilasi data

Pengamatan mentah tidak mencakup setiap titik di Bumi, jadi peramal tidak dapat hanya membaca cuaca saat ini dari pengamatan tersebut. Sebaliknya, agensi menggunakan teknik yang disebut asimilasi data untuk menggabungkan pengamatan yang tidak lengkap dengan peramalan jangka pendek dari run sebelumnya, menghasilkan gambaran atmosfer yang lengkap dan konsisten secara fisik yang disebut analisis. ECMWF menggunakan metode yang disebut asimilasi variasional empat dimensi (4D-Var), yang dijelaskan sebagai menggabungkan "tebakan pertama cuaca saat ini dengan bukti baru dari pengamatan" di seluruh ruang dan waktu. Kantor Meteorologi Inggris menjelaskan langkah yang sama secara lebih sederhana: asimilasi data "mengisi celah di mana pengamatan langsung hilang... dengan menggabungkan data yang tersedia dengan prediksi model."

Di antara jenis pengamatan yang diprioritaskan oleh ECMWF adalah pembacaan suhu dan kelembaban dari instrumen satelit gelombang mikro dan inframerah, perkiraan angin yang diturunkan dari pelacakan awan dan dari instrumen radar, lidar dan scatterometer, dan teknik yang disebut asimilasi 'all-sky' yang menggunakan data satelit dari area berawan dan hujan bukannya membuangnya.

Menjalankan model: persamaan fisika di superkomputer

Setelah analisis dibangun, model prediksi cuaca numerik mengambil alih. Model-model ini membagi atmosfer menjadi grid tiga dimensi dan menyelesaikan persamaan yang mengatur gerak, energi, massa dan kelembaban di setiap titik grid, kemudian maju seluruh sistem dalam waktu. Sistem Peramalan Global AS (GFS), yang dijalankan oleh Pusat Prediksi Lingkungan Nasional NOAA, menggunakan resolusi horizontal dasar sekitar 28 kilometer (18 mil) antara titik grid untuk output minggu pertama, menjadi kasar hingga sekitar 70 kilometer (44 mil) untuk peramalan lebih dari tujuh hari, dan menggabungkan model terpisah dari atmosfer, samudra, tanah/tanah dan es laut. Ini menghasilkan peramalan lengkap empat kali sehari, hingga 16 hari.

Sistem setara ECMWF, Sistem Peramalan Terintegrasi (IFS), ditingkatkan pada November 2024 di bawah rilis yang disebut Cycle 49r1. Menurut ECMWF, upgrade itu asimilasi pengamatan suhu dua meter untuk pertama kalinya, merevisi bagaimana model merepresentasikan ketidakpastian dalam fisikanya, dan mencocokkan grid model gelombang laut ke resolusi model atmosfer sekitar 9 kilometer untuk peramalan jangka menengah. ECMWF melaporkan keuntungan terukur dari upgrade, termasuk peningkatan sekitar 0,5% dalam skor peramalan di dekat Antartika hingga hari keempat, didorong sebagian oleh data gelombang mikro baru di atas es laut.

Peramalan ensemble: memprediksi ketidakpastian itu sendiri

Satu run model dari satu analisis memberikan satu versi masa depan, tetapi atmosfer adalah apa yang disebut ilmuwan sebagai sistem yang kacau: menurut Kantor Meteorologi, "kesalahan yang sangat kecil dalam keadaan awalnya dapat menyebabkan kesalahan besar dalam peramalan." Karena pengamatan tidak pernah dapat menangkap keadaan atmosfer yang sebenarnya dengan sempurna, agensi menjalankan model yang sama puluhan kali dari kondisi awal yang sedikit berbeda namun sama-sama masuk akal. Koleksi peramalan paralel ini disebut ensemble, dan setiap run individual adalah 'anggota ensemble.'

Mengapa peramalan kehilangan kepercayaan lebih jauh ke depan

ECMWF telah melaporkan bahwa upgrade Cycle 49r1 November 2024 menghasilkan keuntungan terukur dalam akurasi peramalan, termasuk peningkatan sekitar 0,5% dalam skor peramalan di dekat Antartika hingga hari keempat, yang dikaitkan sebagian dengan data satelit gelombang mikro baru di atas es laut. Secara lebih luas, karena kesalahan kecil dalam kondisi awal sistem yang kacau berkembang seiring waktu, agensi juga mengeluarkan prospek bulanan dan musiman terpisah, berdasarkan metode statistik yang berbeda, setelah peramalan hari ke hari kehilangan kegunaannya.

Kebangkitan peramalan berbasis AI

Bersama model berbasis fisika ini, agensi nasional telah mulai menjalankan sistem machine-learning yang dilatih pada puluhan tahun data cuaca masa lalu. NOAA mengumumkan pada Desember 2025 bahwa ia telah membuat tiga sistem tersebut operasional: AIGFS (versi AI dari Sistem Peramalan Global), AIGEFS (sistem ensemble AI) dan HGEFS, ensemble 62-anggota yang menggabungkan peramalan berbasis AI dan fisika. Menurut NOAA, AIGFS dapat menghasilkan peramalan global 16 hari dalam sekitar 40 menit menggunakan kira-kira 0,3% dari sumber daya komputasi yang diperlukan GFS tradisional, dan AIGEFS memerlukan sekitar 9% dari sumber daya ensemble standar. Administrator NOAA Neil Jacobs menggambarkan sistem sebagai "lompatan signifikan maju dalam inovasi model cuaca Amerika," mengutip akurasi yang lebih baik untuk pola skala besar dan peramalan jalur badai, meskipun NOAA juga mengakui bahwa AIGFS saat ini menunjukkan kinerja yang merosot dalam meramalkan intensitas badai, area yang menurut pejabat masih memerlukan pengembangan lebih lanjut.

Dari output model ke peramalan yang Anda lihat

Data model biasanya bukan produk akhir. Kantor Meteorologi mengatakan bahwa setelah run superkomputer selesai, peramal manusia menafsirkan output model, memperhitungkan medan lokal dan kondisi yang resolusi model tidak dapat sepenuhnya tangkap, dan menyesuaikan peramalan sebelum dipublikasikan, menggabungkan penilaian manusia dengan output komputasional untuk menghasilkan peramalan yang dapat digunakan.