Jakarta, 05 November 2025 – Pusat Pengembangan Sumber Daya Manusia (PPSDM) MKG BMKG bekerja sama dengan Direktorat Perubahan Iklim dan Lembaga Sains Terapan (LST) UI menggelar pelatihan In House Training (IHT) Advanced Machine Learning for Climatology: Forecasting and Predicting Climate Parameter yang diselenggarakan secara luring dilaksanakan dari tanggal 05 – 07 November 2025 dan diikuti oleh 30 peserta dari Direktorat Perubahan Iklim, Direktorat Layanan Iklim, dan Pusat Standarisasi di Auditorium BMKG, Rabu (5/11).

Direktur Informasi Perubahan Iklim, Fachri Radjab, menekankan dalam sambutannya mengenai relevansi krusial pelatihan ini. Beliau menyampaikan bahwa dengan perkembangan Artificial Intelligence (AI) yang pesat, teknologi ini harus dimanfaatkan secara optimal. Tujuannya adalah untuk memperkuat interpretasi data dan meningkatkan kualitas informasi terkait perubahan iklim yang disajikan kepada publik.

”kegiatan in house training ini merupakan salah satu upaya kita untuk memperkuat informasi iklim, informasi prediksi musim, prediksi curah hujan bulanan dan dasarian dengan mengadopsi teknologi terkini terkait AI”, tandas Fachri.

Kedeputian Bidang Klimatologi BMKG secara berkelanjutan berupaya mengembangkan dan mempercepat layanan informasi iklim penting—mulai dari prediksi curah hujan, musim, hingga fenomena besar seperti El Nino dan La Nina—yang disediakan dalam skala dasarian hingga tahunan. Meskipun saat ini BMKG telah mengoperasikan metode statistik seperti Ensemble Mean Model ECMWF dan Singular Spectrum Analysis (SSA) dengan baik, perkembangan ilmu data sains mendorong kebutuhan akan metode baru. Oleh karena itu, adopsi AI dan Machine Learning (ML) menjadi krusial, sebab teknologi ini mampu memproses dan menganalisis data dalam jumlah sangat besar secara cepat dan akurat, serta mengidentifikasi pola kompleks, yang pada akhirnya akan mendukung dan menyempurnakan operasional prediksi iklim BMKG.

Pelatihan ini menghadirkan beberapa narasumber ahli. Donaldi Sukma memaparkan materi mengenai implementasi machine learning untuk pemodelan iklim. Selanjutnya, Supari menyajikan Studi Kasus Paper Rujukan (dengan contoh spesifik: Multi-view Stacking Rainfall Prediction – Morocco). Sementara itu, Adhi Harmoko S dari Lembaga Sains Terapan (LST) UI bertindak sebagai narasumber utama, berbagi ilmu tentang deep learning dengan tujuan akhir mengembangkan sebuah proyek yang relevan dengan data yang diajukan oleh direktorat perubahan iklim.

Pusat Pengembangan Sumber Daya Manusia (PPSDM) MKG BMKG sangat berharap bahwa inisiatif seperti In House Training Advanced Machine Learning for Climatology ini dapat terus dilanjutkan dan menjangkau lebih banyak peserta. Upaya ini merupakan langkah strategis untuk mengembangkan kapasitas skill SDM dalam menghadapi tantangan modern. Kegiatan ini diharapkan dapat memperkuat kapasitas prakirawan iklim dalam mengembangkan model prediksi yang lebih adaptif dan presisi tinggi untuk prakiraan parameter iklim dengan memanfaatkan teknologi machine learning dan deep learning. Di akhir pelatihan, peserta diharapkan mampu mengimplementasikan teknik processing data menggunakan machine learning dan deep learning untuk prakiraan dan prediksi parameter iklim di lingkungan BMKG.