<![CDATA[Changes in rainfall patterns in tropical regions increase uncertainty in agricultural water management, particularly in rainfed areas such as Temanggung Regency, Indonesia. This condition highlights the need for data-driven rainfall prediction models to support precision irrigation planning and drought risk mitigation. This study aims to develop rainfall and rainday prediction models using the Seasonal Autoregressive Integrated Moving Average (SARIMA) method based on monthly climatological data for the period 2014–2024. The analysis follows the Box–Jenkins procedure, including seasonal pattern exploration, stationarity testing, parameter identification using ACF and PACF, parameter estimation, and diagnostic and accuracy evaluation. The results indicate that the SARIMA(0,0,1)(1,0,1,12) model provides the best performance for rainfall prediction, achieving an RMSE of 99.92 mm and an MAE of 57.84 mm, while rainday prediction exhibits relatively higher errors. The model successfully captures consistent annual seasonal patterns and generates projections for 2025, indicating higher rainfall at the beginning of the year and a significant decrease during the dry season. These findings provide a quantitative basis for developing water availability risk calendars and adjusting precision irrigation strategies at the regional level, supporting sustainable water resource management and regional food security. Abstrak Perubahan pola curah hujan di wilayah tropis meningkatkan ketidakpastian dalam pengelolaan air pertanian, terutama pada wilayah tadah hujan seperti Kabupaten Temanggung. Kondisi ini menuntut pemanfaatan model prediksi berbasis data sebagai landasan perencanaan irigasi presisi dan mitigasi risiko kekeringan. Penelitian ini bertujuan untuk membangun model prediksi curah hujan dan hari hujan menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) berbasis data klimatologis bulanan periode 2014–2024. Analisis dilakukan menggunakan prosedur Box–Jenkins yang mencakup eksplorasi pola musiman dan pengujian stasioneritas. Tahapan selanjutnya meliputi identifikasi parameter melalui ACF dan PACF, estimasi parameter, serta evaluasi diagnostik residual dan akurasi model. Hasil pemodelan menunjukkan bahwa model SARIMA(0,0,1)(1,0,1,12) memberikan kinerja terbaik untuk prediksi curah hujan dengan nilai RMSE sebesar 99,92 mm dan MAE sebesar 57,84 mm, sedangkan prediksi hari hujan menghasilkan tingkat kesalahan yang relatif lebih tinggi. Model mampu merepresentasikan pola musiman tahunan secara konsisten dan menghasilkan proyeksi tahun 2025 yang menunjukkan curah hujan tertinggi pada awal tahun serta penurunan signifikan pada periode kemarau. Temuan ini memberikan landasan kuantitatif untuk penyusunan kalender risiko ketersediaan air dan penyesuaian strategi irigasi presisi pada skala regional, sehingga mendukung pengelolaan sumber daya air dan ketahanan pangan daerah.]]>
