Penelitian ini dilakukan untuk memprediksi awal musim hujan berdasarkan prediktor iklim menggunakan beberapa prediktor iklim. Adapun metode yang digunakan yaitu dengan metode Regresi Linier Berganda (RLB). RLB ialah suatu metode yang dipergunakan untuk menyatakan pola hubungan antara beberapa variabel respon dan variabel prediktor. RLB menggunakan OLS memerlukan  beberapa  uji asumsi  yang  harus terpenuhi  oleh  komponen  error  dalam  model. Ketika  asumsi  tidak terpenuhi,  maka  estimator  OLS  akan  memberikan  kesimpulan yakni metode yang tidak tepat sehingga interpretasi menjadi tidak valid.Salahsatu  penyebab terlanggarnya uji asumsi tersebut  ialah karena adanya  outlier  pada amatan. Oleh sebab itu, diperlukan alternatif  metode pendugaan parameter lain yang bisa mengatasi keberadaan outlier pada data. Metode tersebut ialah  regresi robust, yakni metode yang tidak sensitif terhadap outlier. Tujuan dari penelitian ini untuk menyusun model regresi linier berganda untuk memprediksi awal musim hujan di Kota Banjarbaru dengan parameter Suhu Permukaan Laut, Index Monsun, dan Indeks Osilasi Selatan. Hasil dari penelitian adalahprediksi AMH di Banjarbaru tahun 2011-2020 paling awal terjadi pada tahun 2016 yaitu AMH jatuh di dasarian ke 26 (September dasarian ke 2), sedangkan AMH paling lambat terjadi pada tahun 2015, 2018, dan 2019 yang jatuh di dasarian ke 34 (Desember dasarian ke 1). Secara keseluruhan prediksi awal musim hujan di Banjarbaru selama 10 tahun dari tahun 2011-2020 dengan menggunakan prediktor dasarian ke 30 menghasilkan nilai RMSE sebesar 2.1. Hal ini menunjukkan bahwa nilai error hasil prediksi awal musim hujan ± 2 dasarian yang berarti hasil prediksi tersebut bisa maju 2 dasarian atau mundur 2 dasarian.Tingkat akurasi hasil verifikasi yang tergolong “sesuai prediksi” adalah  sebanyak 6 kejadian dan yang “menyimpang prediksi” sebanyak 4 kejadian. Persentase hasil prediksi yang sesuai prediksi sebesar 60.0%.

(

Kata Kunci: Curah Hujan, Suhu Permukaan Laut, Iklim, Prediksi, Regresi Linier Berganda, Regresi Robust, RMSE, RLB, OLS