WeatherNext 3: Prakiraan Cuaca Google Kini 5x Lebih Presisi

Gw pernah gagal syuting outdoor gara-gara ramalan cuaca bilang cerah, padahal hujan deras turun sejam kemudian. Masalahnya bukan aplikasinya jelek — modelnya baru belajar dari data yang udah basi enam jam.

Apa yang baru

• Resolusi 5 kilometer: WeatherNext 3 memetakan suhu dan kelembapan permukaan sampai resolusi 5 kilometer, lima kali lebih tajam dari WeatherNext 2 yang cuma 25 kilometer.
• Data satelit real-time: model ini belajar langsung dari mosaik satelit geostasioner yang diperbarui tiap jam, bukan dari simulasi fisika yang punya jeda enam jam kayak model NWP tradisional.
• Terintegrasi ke produk Google: prediksinya sudah masuk ke Search, Gemini, Maps, Google Maps Platform, dan Google Cloud, jadi bisa diakses lewat produk yang kalian pakai tiap hari.
• Prediksi presipitasi dan energi bersih: model ini juga ngasih prediksi kecepatan angin di ketinggian 100 meter serta radiasi matahari buat bantu ladang angin dan panel surya ngitung produksi listrik.

Cara kerjanya

Bedanya ada di bahan belajarnya. Model cuaca AI kebanyakan, termasuk versi sebelumnya, dilatih dari data simulasi NWP (numerical weather prediction) — kayak masak pakai bahan yang disimpen di kulkas enam jam sebelum dipakai, jeda itu yang bikin prediksi hujan sering meleset. WeatherNext 3 sebaliknya, langsung "makan" data mentah dari satelit geostasioner ditambah data stasiun cuaca yang tersebar tidak merata, diproses lewat satu arsitektur transformer. Hasilnya, forecast baru bisa keluar tiap jam, bukan tiap enam jam.

Kenapa ini penting

Buat kerjaan yang nempel sama cuaca — bisnis pertanian, event organizer, sampai kreator konten yang bikin liputan lapangan — akurasi prakiraan lokal bukan cuma soal nyaman, tapi soal duit dan risiko. Google secara eksplisit menyebut Asia-Pasifik, Amerika Latin, dan Afrika sebagai wilayah yang selama ini kurang kebagian model regional beresolusi tinggi karena mahalnya biaya komputasi.

Yang bikin ini relevan buat konteks Indonesia: semua data ini nempel di Search, Maps, dan Gemini, bukan produk berbayar terpisah. Startup agritech atau platform cuaca lokal nggak perlu bangun infrastruktur satelit sendiri buat dapet data setara. Tapi ini juga berarti kalian makin nempel ke satu ekosistem — kayak yang gw bahas soal risiko taruh semua data operasional di satu vendor, termasuk saat vendor itu lagi ada gangguan.

Buat kalian

• Yang harus peduli: kalian yang jalanin bisnis atau konten yang keputusannya gantung sama cuaca — petani, event organizer, kreator liputan lapangan, atau startup yang bikin dashboard cuaca buat klien.
• Yang boleh santai: kalau kerjaan kalian nggak sensitif sama cuaca jam-per-jam, upgrade ini nggak ngubah apa-apa buat kalian sekarang.
• Langkah kecil pertama: buka Google Maps atau Search buat lokasi yang biasa kalian pantau, bandingin detail prakiraan jam-per-jamnya sama sumber yang kalian pakai sekarang, lalu lihat mana yang lebih match sama kondisi asli di lapangan.

Yang lebih penting dari prakiraan cuacanya sendiri adalah prinsip di baliknya: data yang lebih segar dan lebih granular selalu ngalahin model yang lebih besar tapi makan data basi. Prinsip yang sama berlaku pas kalian milih tools AI buat kerjaan sehari-hari — bukan soal modelnya paling canggih, tapi soal data apa yang dia proses dan seberapa cepat itu nyampe ke tangan kalian. Itu salah satu hal yang gw bedah bareng murid-murid di kelas gw.

Sumber primer: blog resmi Google DeepMind (deepmind.google, "Introducing WeatherNext 3, our most advanced and accurate global weather AI model").