MODEL CUACA AI MELACAK SIKLON LEBIH BAIK, TETAPI MASIH MEMBUATNYA TERLALU LEMAH

Model cuaca yang dilatih dengan data kini rata-rata bersaing dengan sistem prakiraan berbasis fisika terbaik, dengan biaya komputasi yang jauh lebih kecil. Apakah hal itu juga berlaku untuk peristiwa langka dan ekstrem — justru peristiwa yang paling membutuhkan prakiraan yang baik — masih diperdebatkan. Evaluasi sebelumnya menemukan kegagalan serius pada cuaca pemecah rekor dan siklon tropis yang intens, tetapi sebagian besar menguji model deterministik, yang hanya mengeluarkan satu prakiraan. Model terbaru bersifat probabilistik: model ini menghasilkan ansambel berbagai kemungkinan masa depan, yang masing-masing disebut “anggota”.

Siklon tropis adalah ujian yang berat. Siklon termasuk bahaya cuaca paling merusak, dan evakuasi bergantung pada prakiraan posisi dan kekuatannya beberapa hari sebelumnya, disertai ukuran ketidakpastian yang jujur. Namun siklon hanya menempati sekitar 0,5% titik grid dalam simulasi iklim global.

178 badai, diputar ulang

Nathan Chalumeau dan rekan-rekannya — dari INRIA, Universitas Sorbonne dan CNRS, serta AXA di Paris — membandingkan tiga model AI: GenCast, yang mengambil sampel cuaca masa depan dengan model difusi; FourCastNet 3, yang dirilis oleh NVIDIA; dan FGN, yang membangun ansambelnya dari empat jaringan yang dilatih secara terpisah. Tolok ukurnya adalah IFS-ENS, ansambel operasional berbasis fisika milik ECMWF, yang dipakai sebagai acuan numerik.

Mereka memilih 178 siklon yang mencapai kecepatan angin berkelanjutan minimal 64 knot, di semua cekungan samudra, dalam dua skenario: 125 badai dari 2021–2023 dengan model yang dilatih pada reanalisis ERA5, dan 53 badai dari 2025 dengan versi operasional yang disetel ulang (fine-tuned) pada analisis resolusi tinggi ECMWF. Setiap prakiraan berjalan selama 15 hari dengan 49 atau 50 anggota, dimulai 12 jam sebelum laporan angin pertama badai — total 26.541 prakiraan anggota. Menjalankan ulang prakiraan 2021–2023 menghabiskan lebih dari 6.000 jam prosesor grafis H100.

Menilai awan posisi yang mungkin

Lintasan prakiraan biasanya dinilai dari posisi rata-rata ansambel. Para penulis menunjukkan mengapa cara itu bisa menyesatkan lewat Topan Bualoi pada 2025: anggota IFS-ENS terpecah menjadi beberapa kelompok terpisah yang tidak dapat diwakili oleh rata-rata mana pun.

Topan Bualoi (2025): posisi prakiraan dari FGN (merah) dan IFS-ENS (biru) pada empat waktu tenggang, di sekitar lintasan yang teramati (titik hitam). — Gambar 2, Chalumeau dkk. (2026), arXiv:2610.22077.

Sebagai gantinya, mereka mengubah setiap ansambel menjadi peta probabilitas dan menghitung seberapa banyak bagiannya jatuh tepat di posisi badai yang teramati. Skor yang lebih rendah berarti prakiraan yang lebih baik.

Pada badai 2021–2023, GenCast mengungguli IFS-ENS pada 68% siklon dan FourCastNet 3 pada 58% — selisih yang tidak besar. Pada badai 2025, jaraknya melebar: FGN mengungguli IFS-ENS pada sekitar 90% dari 41 badai yang dipertahankan, dan menempati peringkat pertama di antara ketiga model pada 59% di antaranya, dibandingkan 34% untuk GenCast dan 7% untuk IFS-ENS. FGN juga meraih skor terbaik pada medan cuaca secara keseluruhan, dan kedua model AI unggul lebih besar atas IFS-ENS di sekitar siklon daripada di seluruh dunia. Ketika wilayah dengan angin terkuat dan tekanan terendah dibandingkan hanya berdasarkan bentuk dan posisinya, urutannya tetap sama: FGN, lalu GenCast, lalu IFS-ENS.

Badai yang terlalu lembut

Penempatan yang lebih baik tidak berarti kekuatan yang lebih tepat. Pada badai 2025, FGN dan GenCast sama-sama meremehkan angin puncak pada jangka pendek dan menengah, sementara IFS-ENS tetap dalam rentang 10% dari acuan. Penyetelan ulang dengan data operasional tidak menghilangkan bias ini. Pada skenario sebelumnya, GenCast punya skor lokal lebih baik namun defisit angin lebih besar. Ansambelnya juga kurang terkalibrasi, dengan sebaran yang terlalu sempit di beberapa tempat.

Ada kejutan. Badai versi AI memang lebih lemah, tetapi hubungan antara angin dan tekanan di dalamnya tampak benar. Setelah bias intensitas tiap model dihilangkan dengan pemeringkatan, korelasi antara angin maksimum dan tekanan minimum adalah −0,83 untuk FGN dan −0,84 untuk GenCast, dibandingkan −0,88 untuk analisis resolusi tinggi dan −0,87 untuk IFS-ENS. Untuk FGN, yang dilatih satu variabel dan satu lokasi pada satu waktu, hubungan itu tidak pernah dipaksakan. Hubungan itu tetap muncul dengan sendirinya.

Kiri: badai dari model AI memiliki angin lebih lemah dan tekanan rendah yang lebih dangkal dibanding acuan. Kanan: setelah diperingkat, semua sumber mengikuti hubungan angin–tekanan yang hampir sama. — Gambar 6, Chalumeau dkk. (2026), arXiv:2610.22077.

Belum menjadi sistem peringatan

Para penulis sendiri memberi batas pada hasil mereka. Studi ini memutar ulang badai masa lalu yang dipilih; studi ini tidak mencakup periode tanpa siklon, sehingga tidak dapat menilai apakah model menimbulkan alarm palsu. Kedua skenario berbeda dalam hal badai, versi model, bahkan pembaruan IFS-ENS, sehingga efek penyetelan ulang tidak dapat diisolasi. Dan pernyataan etikanya lugas: hasil ini “tidak boleh dibaca sebagai panduan untuk menggunakan model mana pun dari model-model ini untuk peringatan operasional.”

Kesimpulan mereka berupa daftar pekerjaan. Mengoreksi intensitas, merancang target pelatihan yang memberi bobot pada angin ekstrem, memperbaiki ketidakpastian — dan setiap kali memeriksa bahwa keunggulan dalam posisi dan dalam hubungan angin–tekanan tetap bertahan.