Bagaimana sebuah fenomena atmosferik yang berpusat di Samudra Pasifik bisa membuat petani di Jawa Tengah memeriksa aplikasi cuaca tiap dua jam, sementara tim pemeliharaan BMKG di Makassar kehabisan stok kalibrator suhu?
Apa yang Berubah di Balik Angka '2 Derajat'?
Fase moderat El Nino tidak berarti ancaman mereda — justru sebaliknya. Menurut Tempo Tekno, lonjakan suhu permukaan laut di wilayah Niño-3.4 diperkirakan mencapai 2 derajat Celsius pada bulan depan. Angka ini tidak hanya parameter akademis. Dalam skala praktis, kenaikan sebesar itu menggeser pola konveksi udara secara sistematis: curah hujan turun 40–60% di wilayah Jawa-Bali-Nusa Tenggara menurut data BMKG 2023, sementara tekanan uap air di atmosfer atas naik signifikan — kondisi ideal untuk kebakaran lahan dan gagal panen dini.
Yang jarang dibahas adalah ketimpangan infrastruktur pengamatan. Indonesia memiliki 185 stasiun cuaca otomatis (AWS), tapi hanya 37 di antaranya terhubung real-time ke sistem nasional. Sisanya masih mengandalkan pengiriman data harian via SIM card atau bahkan laporan manual. Di tengah El Nino moderat, keterlambatan satu hari dalam pelaporan suhu tanah bisa berarti perbedaan antara pemberian irigasi tambahan atau keputusan beralih ke tanaman kering.
Baca juga: Mosseri Klaim Tak Tahu Data Keselamatan Remaja Dibatasi
Sensor Impor vs Kalibrasi Manual di Lapangan
Mayoritas sensor cuaca di stasiun AWS Indonesia — termasuk model yang dipakai di 12 provinsi kering potensial — adalah produk impor dari Jerman dan Korea Selatan. Mereka dirancang untuk kondisi iklim sedang, bukan tropis lembap dengan fluktuasi suhu ekstrem siang-malam. Dilansir Tempo Tekno, tim teknis BMKG di Palangkaraya melaporkan drift kalibrasi rata-rata 1,2°C pada sensor kelembapan setelah tiga bulan operasi di musim kemarau. Artinya, angka '45% RH' yang muncul di layar pusat bisa jadi sebenarnya 38% ; cukup untuk melewatkan ambang kritis kekeringan tanah.
Perbaikan tidak bisa dilakukan di tempat. Kalibrator portabel yang dibutuhkan harus dikirim dari Jakarta ke Pontianak, lalu ke Banjarmasin — proses yang memakan waktu 11–14 hari kerja. Sementara itu, petani di Hulu Sungai Selatan sudah mulai menanam padi varietas tahan kekeringan, berdasarkan prakiraan cuaca yang mungkin saja salah karena sensor tidak terkalibrasi.
Baca juga: Komposter Dapur AI: Uji Coba 2 Tahun dan Realitas di Rumah Jakarta
Ini bukan soal kurang dana, tapi soal arsitektur sistem. Platform AI seperti 'RainWatch' yang dikembangkan oleh tim riset ITB dan LIPI memang bisa memperbaiki estimasi curah hujan lokal lewat interpolasi data satelit dan stasiun tetangga. Namun, model tersebut butuh input data aktual dari lapangan — bukan prediksi. Tanpa sensor yang andal, AI jadi 'membaca kabut dengan mata tertutup'.
startup lokal seperti AgriSens dan CuacaNusantara mulai menguji sensor buatan dalam negeri berbasis mikrokontroler ESP32 dan sensor BME680. Harganya sepertiga dari impor, bisa dikalibrasi ulang via Bluetooth di lokasi, dan dirancang khusus untuk rentang kelembapan 15–95% RH. Uji coba awal di 17 desa di Kabupaten Kebumen menunjukkan deviasi maksimal 0,4°C dalam suhu dan 3% RH dalam kelembapan — jauh di bawah ambang kesalahan kritis yang ditetapkan BMKG.
tidak ada regulasi nasional yang mengharuskan sensor cuaca publik memenuhi standar kalibrasi berkala. Standar SNI 7379:2013 hanya mengatur spesifikasi teknis saat produksi, bukan validasi operasional tahunan. Banyak stasiun cuaca daerah tetap menggunakan sensor yang sudah melewati masa garansi kalibrasi — tapi tak ada mekanisme audit independen untuk mengungkapnya.
Fakta tambahan yang jarang diketahui: dari 185 stasiun AWS aktif, hanya 22 unit yang dilengkapi sensor tanah (soil moisture probe). Padahal, indikator kekeringan paling relevan bagi pertanian bukanlah curah hujan bulanan, tapi juga kadar air di lapisan 30 cm bawah permukaan — data yang tidak tersedia di lebih dari 88% wilayah produsen padi nasional.