by

Artificial Intelligence untuk Memprakirakan Cuaca

Bagi orang-orang pada umumnya, prakiraan cuaca hanya digunakan pada saat tertentu saja. Misal melihat prediksi cuaca untuk liburan akhir pekan atau mengecek cuaca un. Untuk sebagian orang lainnya, ini membantu mereka mempersiapkan diri dengan lebih cermat dalam menanggapi kemungkinan bencana alam yang mungkin terjadi. Ini dapat membantu petani membuat keputusan tentang kapan waktunya menanam dan memanen. Bahkan perusahaan penerbangan akan mendapatkan keuntungan dalam memetakan rute perjalanan atau memutuskan tentang perlunya membatalkan penerbangan jika terjadi badai atau melakukan pendaratan darurat.

Model ramalan cuaca tradisional didasarkan pada ukuran statistik model numerik, dan tidak memberikan jawaban dalam biner. Data yang dikumpulkan dapat berasal dari satelit luar angkasa (misalnya, NOAA’s Deep Space Climate Observatory (DSCOVR)), balon cuaca, sistem radar, peringatan cuaca nowcasting dan analisis lingkungan dan terkadang dari sensor berbasis IoT. Tetapi dengan kumpulan data yang terus meningkat, kondisi atmosfer yang berubah, keakuratan prediksi dapat berfluktuasi, terutama untuk waktu yang lebih lama. Di sinilah AI berperan dalam meningkatkan akurasi dan keandalan prakiraan cuaca.

Gambar 1
Animasi reflektifitas radar simulasi NAM, prakiraan dari 0000 UTC pada 10 Juli 2012 sampai 13 Juli 2012, pada 1200 UTC — perkiraan tiga setengah hari — dalam interval tiga jam. Dalam beberapa frame awal, Badai Emilia dapat dilihat di pojok kiri bawah berputar ke barat. Gambar ini dibuat dengan Grid Analysis dan Display System and ImageMagick.

Prediksi AI utamanya didasarkan pada algoritma machine learning. Dengan memproses data yang lebih kompleks dalam rentang waktu yang lebih singkat menggunakan prinsip regresi linier, sekarang ahli meteorologi dapat membuat prediksi dengan akurasi yang lebih baik dan dengan demikian menghemat tenaga dan biaya. Machine learning juga dapat bekerja dengan prakiraan lain, termasuk suhu, tinggi gelombang, dan curah hujan. Salah satu model yang populer adalah Numerical Weather Prediction (NWP). Model ini mempelajari dan memanipulasi kumpulan data besar yang direlay dari satelit cuaca, stasiun relay, dan radiosonde untuk menyampaikan ramalan cuaca jangka pendek atau prediksi iklim jangka panjang. Teknik AI lainnya untuk prediksi cuaca adalah Artificial Neural Network, Ensemble Neural Network, Backpropagation Network, Radial Basis Function Network, General Regression Neural Network, Genetic Algorithm, Multilayer Perceptron, Fuzzy clustering.

Gambar 2
Animasi ini membandingkan pola cuaca dunia (tengah) dengan ramalan cuaca konvensional (kiri) dan ramalan cuaca Google (kanan). Perkiraan Google memiliki lebih banyak detail dalam waktu dan ruang.

Alat prakiraan AI Google yang didasarkan pada UNET convolutional neural network (CNN) memungkinkan para peneliti membuat prediksi curah hujan yang akurat enam jam sebelum hujan terjadi. CNN adalah urutan lapisan operasi matematika yang disusun dalam fase pengkodean. Ini mengambil citra satelit masukan dan kemudian mengubahnya menjadi citra keluaran. Lapisan tersebut secara berulang menurunkan resolusi gambar dalam fase pengkodean, dan representasi dimensi rendah dari gambar yang dibuat oleh fase pengkodean diperluas kembali ke resolusi yang lebih tinggi dalam fase pendekodean berikutnya.

AI prakiraan cuaca memiliki banyak fitur. Dari membantu dalam manajemen bencana hingga industri logistik dan ritel hingga pertanian. Suatu saat nanti mungkin dapat digunakan untuk citra radar untuk mendeteksi pusat badai, curah hujan tinggi di dunia, dan musim hama. Tetapi kita tidak boleh lupa bahwa meskipun meningkatkan tingkat akurasi, prakiraan cuaca tidak pernah bisa spesifik seratus persen. Idenya adalah untuk mengatasi kekurangan saat ini dalam proses prediksi dan analisis, di mana AI membantu melakukannya.

Safa Muazam – H1D020048

https://www.analyticsinsight.net/ai-empowering-weather-forecasting-technology/
https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/numerical-weather-prediction (Gambar 1)
https://arstechnica.com/science/2020/01/google-used-deep-learning-to-improve-short-term-weather-forecasts/ (Gambar 2)

Comment

Leave a Reply

Your email address will not be published. Required fields are marked *

News Feed