Curah hujan merupakan salah satu parameter cuaca yang dipengaruhi oleh berbagai faktor, seperti suhu udara, tekanan udara, kecepatan angin, dan kelembapan udara. Hubungan antarparameter cuaca yang kompleks dan bersifat tidak pasti menyebabkan estimasi curah hujan menjadi suatu permasalahan yang sulit dimodelkan secara eksak. Fuzzy Inference System (FIS) merupakan salah satu pendekatan yang dapat digunakan untuk menangani ketidakpastian tersebut melalui aturan berbasis linguistik. Penelitian ini bertujuan untuk merancang dan mengimplementasikan FIS menggunakan Metode Sugeno dan Metode Tsukamoto dalam mengestimasi curah hujan Kota Banjarbaru serta membandingkan performa kedua metode berdasarkan kesesuaian kategori linguistik dan tingkat kesalahan kuantitatif Mean Absolute Percentage Error (MAPE). Data yang digunakan berupa data bulanan tahun 2021–2025 dengan empat variabel input, yaitu suhu udara, tekanan udara, kecepatan angin, dan kelembapan udara, serta curah hujan sebagai variabel output. Masing-masing variabel input direpresentasikan ke dalam tiga himpunan fuzzy, yaitu rendah, sedang, dan tinggi. Proses estimasi dilakukan menggunakan FIS Metode Sugeno dan Metode Tsukamoto, kemudian hasilnya dibandingkan dengan data aktual. Hasil penelitian menunjukkan bahwa Metode Sugeno memperoleh tingkat kesesuaian kategori linguistik sebesar  dengan nilai MAPE sebesar . Sementara itu, Metode Tsukamoto memperoleh tingkat kesesuaian kategori linguistik sebesar  dengan nilai MAPE sebesar . Berdasarkan hasil perbandingan tersebut, Metode Tsukamoto memberikan performa yang lebih baik dalam mengestimasi curah hujan Kota Banjarbaru pada data yang digunakan dalam penelitian ini, baik ditinjau dari kesesuaian variabel linguistik yang lebih tinggi (selisih ) maupun tingkat deviasi kesalahan numerik (MAPE) yang lebih rendah.

Kata kunci: Curah Hujan, Fuzzy Inference System, Sugeno, Tsukamoto.