SEJAK kebelakangan ini, negara kita khususnya kawasan Lembah Klang semakin kerap berdepan dengan kejadian hujan lebat, angin kencang dan ribut petir.
Walaupun kejadian seperti ini biasanya berlaku dalam tempoh yang singkat, kesannya boleh menjadi sangat serius, sama ada di kawasan bandar mahupun luar bandar.
Pada Oktober 2025, kejadian ribut kuat di Kampung Medan, Telok Panglima Garang, Selangor dilapor telah merosakkan puluhan rumah, lima buah sekolah dan sebuah dewan orang ramai. Insiden tersebut turut menyebabkan 11 pelajar cedera manakala seorang wanita patah kaki.
Kejadian cuaca ekstrem berlaku sekali lagi pada April 2026 di beberapa kawasan di Selangor diikuti kejadian ribut kuat di Kedah yang merosakkan sekolah, rumah, premis perniagaan dan kemudahan awam.
Terbaharu, hujan lebat menyebabkan banjir kilat di beberapa kawasan Lembah Klang termasuk Petaling Jaya yang menjejaskan aliran trafik di Lebuhraya Shah Alam dan Lebuhraya Pantai Baru.
Kejadian yang berulang ini menunjukkan betapa pentingnya sistem ramalan cuaca dan pengurusan bencana yang mampu bertindak balas dengan lebih pantas terhadap banjir kilat dan ribut setempat.
Secara umum, sistem ramalan cuaca semasa menggunakan pelbagai sumber maklumat seperti imej satelit, data radar, ukuran hujan, model cuaca serta kepakaran ahli meteorologi. Ia amat berguna untuk memantau corak cuaca dan mengeluarkan amaran awal pada skala kawasan yang lebih luas.
Walau bagaimanapun, sistem ini masih boleh ditambah baik bagi meramal cuaca ekstrem setempat atau banjir kilat yang berlaku dengan sangat pantas dalam tempoh yang singkat.
Sebagai contoh, sistem ramalan sedia ada mungkin boleh memberi amaran bahawa ribut petir berpotensi berlaku di sesuatu daerah di Selangor atau Kuala Lumpur.
Namun, sistem tersebut mungkin belum cukup terperinci untuk mengenal pasti jalan, kawasan perumahan, sekolah atau sistem saliran tertentu yang akan terjejas dalam masa terdekat.
Di sinilah teknologi Kecerdasan Buatan (AI) boleh memainkan peranan penting. AI berpotensi meningkatkan keupayaan ramalan hujan, banjir kilat dan ribut dengan lebih cepat serta lebih terfokus. Ini kerana AI mampu memproses jumlah data yang besar dan mengesan corak isyarat yang kompleks.
Sebagai contoh, untuk meramal ribut, AI boleh menggabungkan imej radar, data satelit, rekod hujan, corak angin, suhu, kelembapan dan laluan ribut terdahulu.
Melalui gabungan maklumat ini, AI boleh membantu memahami bagaimana sesuatu ribut setempat bergerak, sejauh mana kekuatannya, dan bagaimana jumlah hujan mungkin berubah dalam tempoh tertentu.
Keupayaan melakukan 'nowcasting' juga sangat penting. Nowcasting merujuk kepada ramalan cuaca jangka pendek iaitu dari semasa ke semasa sehingga beberapa jam akan datang. Keupayaan ini amat relevan untuk Malaysia kerana banjir kilat sering berlaku selepas hujan lebat dalam tempoh singkat.
Salah satu model berasaskan AI yang dibangunkan untuk menyokong ramalan ribut petir jangka pendek ialah COALITION-4. Model ini dibangunkan oleh MeteoSwiss, iaitu Pejabat Meteorologi dan Klimatologi Persekutuan Switzerland.
Model tersebut boleh menganggarkan risiko kilat, hujan lebat dan hujan batu. Dengan menganalisis data radar, kilat, satelit dan model cuaca, sistem ini dapat menilai risiko cuaca buruk dengan lebih cepat, tepat dan setempat.
Contoh lain ialah GraphCast oleh Google DeepMind yang diperkenalkan pada tahun 2023. Model ramalan cuaca berasaskan AI ini mampu menghasilkan ramalan cuaca global sehingga 10 hari dalam tempoh kurang daripada satu minit.
Bagi ramalan banjir pula, AI boleh menggabungkan data seperti ramalan hujan, paras sungai, kapasiti saliran, ketinggian tanah, kelembapan tanah dan rekod banjir terdahulu.
Melalui teknologi ini, peta kebarangkalian banjir boleh dihasilkan bagi membantu mengenal pasti lokasi yang lebih berisiko mengalami banjir kilat.
Sistem amaran masa nyata juga boleh dibangunkan menggunakan AI bagi membantu pihak berkuasa dan orang awam mengambil tindakan awal apabila sesuatu bencana dijangka berlaku.
Google Flood Hub merupakan salah satu contoh penggunaan AI dalam menyediakan ramalan banjir sehingga tujuh hari lebih awal. Sistem ini menggunakan peta banjir, data paras air dan maklumat hidrologi berkaitan bagi membantu memberi gambaran awal tentang risiko banjir di sesuatu kawasan.
Dalam konteks Malaysia, amaran cuaca dan banjir melibatkan beberapa agensi kerajaan. Oleh itu, usaha menambah baik sistem ramalan hujan, banjir dan ribut menggunakan AI perlu termasuk melibatkan penyelarasan serta perkongsian maklumat yang lebih berkesan antara agensi.
Hasil ramalan berasaskan AI boleh digunakan untuk mengeluarkan amaran setempat kepada penduduk, sekolah, pengguna jalan raya dan pihak berkuasa tempatan.
Namun, AI tidak wajar dilihat sebagai pengganti kepada kaedah ramalan cuaca sedia ada. Sebaliknya, ia perlu dilihat sebagai alat sokongan yang dapat mempercepat analisis, meningkatkan ketepatan ramalan setempat dan memudahkan penyampaian maklumat kepada pihak yang memerlukan.
Pada masa yang sama, ramalan yang baik hanya akan memberi manfaat jika maklumat tersebut sampai kepada orang awam dengan cepat dan jelas.
Oleh itu, pembangunan teknologi perlu disokong oleh sistem komunikasi yang berkesan, pendidikan awam dan penyelarasan tindak balas kecemasan yang tersusun. Orang ramai juga perlu tahu tindakan yang perlu diambil apabila menerima amaran cuaca buruk.
Secara keseluruhannya, AI mempunyai potensi besar untuk membantu Malaysia mengurus risiko cuaca ekstrem dengan lebih berkesan. Dengan data yang bersepadu, kepakaran teknikal dan kerjasama antara agensi, AI boleh menyokong ramalan cuaca yang pantas, amaran bencana setempat dan tindakan kecemasan yang teratur.
Dr Siti Salasiah Mokri dan Dr Seri Mastura Mustaza merupakan pensyarah kanan di Jabatan Kejuruteraan Elektrik, Elektronik dan Sistem
Fakulti Kejuruteraan dan Alam Bina, Universiti Kebangsaan Malaysia.
Penulisan artikel ini adalah pandangan penulis dan tidak semestinya mencerminkan pandangan Sidang Pengarang Astro AWANI.
