Membongkar Rahasia Arktik: AI & Prediksi Cuaca Musim Dingin

Setiap musim gugur, seiring Belahan Bumi Utara bergerak menuju musim dingin, seorang ilmuwan riset di Departemen Teknik Sipil dan Lingkungan (CEE) MIT bernama Judah Cohen mulai menyusun teka-teki atmosfer yang kompleks. Selama puluhan tahun, Cohen telah mengabdikan dirinya untuk mempelajari bagaimana kondisi di Arktik menentukan arah cuaca musim dingin di seluruh Eropa, Asia, dan Amerika Utara. Penelitiannya yang berawal dari pekerjaan pascadoktoral dengan Profesor Bacardi dan Stockholm Water Foundations, Dara Entekhabi, menyoroti hubungan antara tutupan salju di wilayah Siberia dan prediksi musim dingin. Meskipun Indonesia tidak mengalami musim dingin seperti di Belahan Bumi Utara, pemahaman tentang dinamika iklim global ini sangat penting. Perubahan di Arktik dapat memicu efek domino yang memengaruhi pola cuaca di seluruh dunia, termasuk kondisi yang relevan bagi Indonesia seperti pola monsun atau intensitas fenomena El Niño/La Niña yang berdampak pada pertanian, perikanan, dan mitigasi bencana.

Prospek Cohen untuk musim dingin 2025–26 menyoroti musim yang ditandai oleh indikator yang muncul dari Arktik, kini diperkaya dengan penggunaan alat kecerdasan buatan (AI) generasi baru yang membantu membangun gambaran atmosfer secara lengkap. Ini adalah langkah maju yang signifikan dalam ilmu meteorologi, menunjukkan bagaimana teknologi mutakhir dapat mengungkap rahasia iklim yang selama ini sulit dipecahkan.

Mengintip di Balik Pemicu Iklim Konvensional

Prediksi cuaca musim dingin umumnya sangat bergantung pada diagnostik El Niño–Southern Oscillation (ENSO), yaitu kondisi samudra Pasifik tropis dan atmosfer yang memengaruhi cuaca di seluruh dunia. Namun, Cohen mencatat bahwa ENSO relatif lemah pada tahun ini. “Ketika ENSO lemah, saat itulah indikator iklim dari Arktik menjadi sangat penting,” jelas Cohen. Ini menegaskan bahwa dunia ilmiah tidak bisa hanya terpaku pada satu variabel; diperlukan pendekatan yang lebih holistik dan adaptif, terutama ketika pemicu utama menunjukkan anomali.

Indikator Kunci dari Kutub Utara

Dalam perkiraan submusimannya, Cohen memantau diagnostik lintang tinggi seperti tutupan salju bulan Oktober di Siberia, perubahan suhu awal musim, luas es laut Arktik, dan stabilitas pusaran kutub. “Indikator-indikator ini dapat menceritakan kisah yang sangat detail tentang musim dingin yang akan datang,” ujarnya. Bagi negara-negara seperti Indonesia, meskipun tidak secara langsung merasakan dinginnya musim dingin utara, memahami bagaimana indikator ini saling berkaitan memberikan wawasan berharga tentang sistem iklim global yang lebih besar, yang pada gilirannya dapat memengaruhi kondisi iklim di daerah tropis.

Salah satu prediktor data yang paling konsisten dari Cohen adalah cuaca bulan Oktober di Siberia. Tahun ini, ketika Belahan Bumi Utara mengalami bulan Oktober yang luar biasa hangat, Siberia justru lebih dingin dari normal dengan hujan salju dini. “Suhu dingin yang dipadukan dengan tutupan salju awal cenderung memperkuat pembentukan massa udara dingin yang kemudian dapat menyebar ke Eropa dan Amerika Utara,” kata Cohen. Pola cuaca ini secara historis terkait dengan periode dingin yang lebih sering terjadi di akhir musim dingin. Lebih lanjut, suhu laut yang hangat di Laut Barents–Kara dan fase “timur” dari osilasi kuasi-dua tahunan juga menunjukkan potensi melemahnya pusaran kutub di awal musim dingin. Ketika gangguan ini berpadu dengan kondisi permukaan di bulan Desember, hal ini dapat menyebabkan suhu yang lebih rendah dari normal di sebagian Eurasia dan Amerika Utara lebih awal di musim tersebut. Pemahaman akan mekanisme ini menjadi sangat penting dalam konteks global, di mana perubahan iklim di satu wilayah dapat memiliki dampak yang luas.

Revolusi AI dalam Prediksi Cuaca Submusiman

Meskipun model cuaca AI telah membuat kemajuan yang mengesankan dalam prakiraan jangka pendek (1–10 hari), kemajuan ini belum banyak diterapkan pada periode yang lebih panjang. Prediksi submusiman, yang mencakup dua hingga enam minggu, tetap menjadi salah satu tantangan terberat di bidang ini. Inilah mengapa tahun ini bisa menjadi titik balik bagi prakiraan cuaca submusiman. Sebuah tim peneliti yang bekerja dengan Cohen meraih juara pertama untuk musim gugur dalam kompetisi prakiraan submusiman AI WeatherQuest 2025, yang diselenggarakan oleh Pusat Eropa untuk Prakiraan Cuaca Jangka Menengah (ECMWF). Tantangan ini mengevaluasi seberapa baik model AI menangkap pola suhu selama beberapa minggu, di mana prakiraan secara historis sangat terbatas.

Model pemenang menggabungkan pengenalan pola pembelajaran mesin dengan diagnostik Arktik yang sama yang telah disempurnakan Cohen selama puluhan tahun. Sistem ini menunjukkan peningkatan signifikan dalam prakiraan multi-minggu, melampaui tolok ukur AI dan statistik terkemuka lainnya. “Jika tingkat kinerja ini bertahan di berbagai musim, itu bisa menjadi langkah maju yang nyata untuk prediksi submusiman,” ujar Cohen. Hal ini bukan hanya kabar baik bagi negara-negara yang mengalami musim dingin, tetapi juga inspirasi bagi lembaga meteorologi di seluruh dunia, termasuk Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) di Indonesia, untuk mengintegrasikan teknologi serupa dalam memprediksi fenomena cuaca regional yang kompleks.

Model tersebut juga mendeteksi potensi gelombang dingin di pertengahan Desember untuk Pantai Timur AS jauh lebih awal dari biasanya, berminggu-minggu sebelum sinyal-sinyal semacam itu biasanya muncul. Prakiraan tersebut dipublikasikan secara luas di media secara real-time. Jika divalidasi, Cohen menjelaskan, hal itu akan menunjukkan bagaimana kombinasi indikator Arktik dengan AI dapat memperpanjang waktu persiapan untuk memprediksi cuaca yang berdampak. “Menandai potensi peristiwa ekstrem tiga hingga empat minggu sebelumnya akan menjadi momen penting,” tambahnya. “Hal itu akan memberi perusahaan utilitas, sistem transportasi, dan lembaga publik lebih banyak waktu untuk bersiap.” Bagi Indonesia, kemampuan prediksi dini semacam ini dapat diterapkan untuk mitigasi bencana hidrometeorologi seperti banjir dan tanah longsor, yang sangat krusial.

Prospek Musim Dingin Berdasarkan Model Arktik-AI

Model Cohen menunjukkan kemungkinan yang lebih besar untuk kondisi yang lebih dingin dari normal di sebagian Eurasia dan Amerika Utara bagian tengah di akhir musim dingin, dengan anomali terkuat kemungkinan terjadi di pertengahan musim. “Kita masih di tahap awal, dan pola bisa berubah,” kata Cohen. “Namun, bahan-bahan untuk pola musim dingin yang lebih dingin sudah ada.” Ini mengingatkan kita bahwa prediksi selalu memiliki tingkat ketidakpastian, tetapi dengan alat yang lebih baik, kita dapat mengurangi margin kesalahan.

Seiring dengan percepatan pemanasan Arktik, dampaknya terhadap perilaku cuaca musim dingin menjadi semakin jelas, menjadikannya semakin penting untuk memahami hubungan ini demi perencanaan energi, transportasi, dan keselamatan publik. Pekerjaan Cohen menunjukkan bahwa Arktik menyimpan kekuatan prakiraan submusiman yang belum termanfaatkan, dan AI dapat membantu membukanya untuk jangka waktu yang telah lama menjadi tantangan bagi model tradisional. Di bulan November, Cohen bahkan muncul sebagai petunjuk dalam teka-teki silang The Washington Post, sebuah tanda kecil bagaimana penelitiannya telah masuk ke dalam percakapan publik yang lebih luas tentang cuaca musim dingin. “Bagi saya, Arktik selalu menjadi tempat untuk diamati,” katanya. “Kini AI memberi kita cara baru untuk menafsirkan sinyal-sinyalnya.” Cohen akan terus memperbarui prospeknya sepanjang musim di blognya. Kemajuan sains data dan AI ini tidak hanya berdampak di wilayah utara, tetapi juga membuka peluang besar bagi negara-negara tropis seperti Indonesia untuk mengembangkan sistem peringatan dini yang lebih akurat dan adaptif terhadap perubahan iklim global.