Data Science Dan Prediksi Cuaca

By: Tommy Wijaya   |   February 6th, 2018

Belakangan ini, Jakarta tengah melalui musim hujan. Sekaranglah saat yang tepat untuk membawa payung kemanapun kita pergi, karena kita tidak tahu kapan hujan akan turun lagi. Kalau kita lihat prediksi cuaca di Jakarta untuk bulan ini, keseluruhan prediksi tersebut didominasi oleh prediksi hujan deras, hujan singkat, maupun badai petir.

prediksi-cuaca-jakarta-februari

source: www.accuweather.com

Pernahkan kalian bertanya, teknologi seperti apa yang memungkinkan kita untuk bisa memprediksi cuaca?

Manusia telah mencoba prediksi cuaca sejak awal abad ke-19. Mereka mengumpulkan data kuantitatif mengenai kondisi atmosfir pada saat tertentu, dan menggunakan ilmu meteorologi untuk memprediksi perubahan yang akan terjadi pada atmosfir ke depannya. Seiring berjalannya waktu dan berkembangnya teknologi, manusia mulai menggunakan komputer untuk memprediksi cuaca. Akan tetapi, komputer tersebut masih bergantung pada input yang dilakukan oleh tenaga manusia untuk mendapatkan prediksi cuaca yang lebih akurat. Hal ini dikarenakan kondisi atmosfir bumi yang tidak dapat ditebak dan sifat alam yang sulit ditebak.

Di masa yang akan datang, prediksi cuaca dapat dibuat lebih efisien dan akurat dengan adanya penerapan data science. Dengan menggunakan machine learning, sebuah model/sistem dapat mengumpulkan data-data sejarah perubahan atmosfir dan menganalisa perubahan yang akan datang. Seseorang bernama Scott Capps tengah mempengaruhi dunia prediksi cuaca dengan ilmu data science. Scott mengatakan bahwa machine learning dalam prediksi cuaca masih dalam tahap awal, walaupun sudah mulai diterapkan dalam model prediksi.

Menurutnya, teknologi machine learning yang tersedia sekarang masih memiliki kekurangan dalam analisa data. Beliau mengatakan bahwa langkah selanjutnya perkembangan machine learning dalam data science adalah memberi machine learning sebuah kemampuan untuk menjelaskan mengapa sebuah kesimpulan gagal dibuat. Dengan begitu, kita dapat mengetahui data apa yang kurang dari dataset yang sedang digunakan.

“Jadi misalnya sebuah model salah memprediksi terbentuknya awan di lokasi tertentu, apa yang menyebabkan prediksi yang salah tersebut? Apakah karena tanahnya, tingkat kelembabannya, atau anginnya? Jika kita bisa mengetahui data atmosfir apa yang kurang dari model tersebut dan dapat mencoba untuk melengkapinya.”, ujar Scott Capps.

Sources:

http://www.zdnet.com/article/raiders-of-the-storm-the-data-science-behind-weather-prediction/
https://www.infoplease.com/science/weather/weather-forecasting-beginning

MAU BELAJAR MACHINE LEARNING?