Bagaimana prakiraan cuaca dibuat, dan seberapa akurat mereka sebenarnya

Prakiraan cuaca dimulai dengan data, bukan tebakan. Menurut Administrasi Nasional Kelautan dan Atmosfer AS (NOAA), superkomputer mengumpulkan miliaran pengamatan setiap hari dari balon cuaca, satelit, pelampung laut, radar, sensor pesawat dan stasiun darat, mengonversi setiap pembacaan menjadi nilai numerik untuk suhu, tekanan udara, kelembaban dan angin.

Dari pengamatan hingga model run

Angka-angka tersebut menjadi titik awal, atau 'kondisi awal', untuk model prediksi cuaca numerik: serangkaian persamaan matematika yang menggambarkan bagaimana udara bergerak, menghangat dan menahan kelembaban. NOAA mengatakan superkomputer mereka menjalankan 2,8 kuadrilion perhitungan per detik dari pusat data di Virginia dan Florida, melangkah model maju dalam kenaikan waktu singkat, secara berulang menghitung ulang keadaan atmosfer sampai periode prakiraan berakhir, saat ini hingga 16 hari untuk model global NOAA.

Peramal tidak mengandalkan satu model. NOAA mencatat bahwa beberapa model global dan regional dibandingkan untuk setiap situasi; ketika mereka setuju, kepercayaan pada prakiraan meningkat, dan ketika mereka berbeda, peramal mengkomunikasikan ketidakpastian itu kepada publik.

Mengapa peramal menjalankan puluhan versi sekaligus

Karena atmosfer bersifat kacau, kesalahan kecil dalam data awal dapat tumbuh menjadi kesalahan besar beberapa hari kemudian, seperti dijelaskan oleh Pusat Prakiraan Cuaca Jangka Menengah Eropa (ECMWF) di bawah. Untuk mengatasi hal ini, ECMWF menjalankan ensemble: model yang sama diluncurkan berkali-kali dari titik awal yang sedikit berbeda. Ensemble operasional pertamanya pada Desember 1992 memiliki 33 anggota; pada 2023 ensemble jangka panjang telah tumbuh menjadi 101 anggota, dengan ensemble jangka menengah dijalankan pada resolusi sekitar 9 kilometer. Penyebaran antara anggota ensemble menunjukkan seberapa percaya diri suatu prakiraan harus.

Seberapa akurat prakiraan saat ini

Layanan satelit dan informasi NOAA, NESDIS, menyatakan bahwa prakiraan 5 hari akurat sekitar 90% waktu, prakiraan 7 hari sekitar 80% waktu, dan prakiraan 10 hari atau lebih hanya benar sekitar setengah waktu karena model tidak dapat mengakses data masa depan dan harus ekstrapolasi dari kondisi saat ini.

Prakiraan juga telah meningkat secara tajam selama beberapa dekade terakhir. Kantor Meteorologi, layanan cuaca nasional Inggris, mengatakan prakiraan empat hari mereka saat ini seakurat prakiraan satu hari mereka 30 tahun yang lalu. Kantor Meteorologi juga menyatakan bahwa modelnya diverifikasi terhadap standar Organisasi Meteorologi Dunia dan secara konsisten berada di antara dua penyedia prakiraan terbaik di dunia. Secara terpisah, Data Dunia Kami melaporkan bahwa prakiraan tiga hari, mengutip ECMWF, telah secara konsisten akurat sejak tahun 1980-an dan sekarang mencapai sekitar 97%.

Resolusi, kekuatan komputasi dan perubahan terbaru: model AI

Sebagian dari peningkatan berasal dari kisi model yang lebih halus. ECMWF mengatakan resolusi horizontalnya telah meningkat dari sekitar 210 kilometer menjadi 18 kilometer dalam 30 tahun, dan waktu depan dari prediksi ensemble terampilnya telah meningkat sekitar satu setengah hari per dekade rata-rata. Data Dunia Kami menambahkan bahwa kisi prakiraan Met Office sendiri telah bergerak dari jarak sekitar 90 kilometer menjadi 1,5 kilometer, menutup celah antara titik pengamatan.

Perubahan terbaru adalah pembelajaran mesin. Dalam evaluasi kinerja 2025-nya, ECMWF melaporkan bahwa sistem prakiraan berbasis AI-nya, AIFS, menghasilkan kesalahan 5–15% lebih rendah daripada model berbasis fisika tradisionalnya untuk prakiraan jangka menengah hingga 15 hari, dan AIFS secara substansial mengungguli sistem yang lebih lama dalam memprediksi jalur siklus tropis, meskipun meremehkan intensitas badai. ECMWF juga mengatakan 2025 membawa peningkatan keterampilan tahun tunggal terbesar dalam lebih dari satu dekade, didorong oleh upgrade sistem yang diperkenalkan pada akhir 2024, termasuk pengurangan sekitar 10% dalam kesalahan untuk suhu dekat permukaan dan kecepatan angin dalam prakiraan ensemble-nya.

Tidak setiap prakiraan sama-sama dapat diandalkan

Akurasi tidak didistribusikan secara merata di seluruh dunia. Data Dunia Kami melaporkan bahwa negara-negara berpenghasilan rendah mengeluarkan 15 hingga 20 kali lebih sedikit per orang untuk layanan cuaca daripada negara-negara berpenghasilan tinggi, kesenjangan yang mempengaruhi kualitas prakiraan lokal dan jangkauan sistem peringatan dini untuk cuaca ekstrem.