1 Perbandingan Teknik Interpolasi Terhadap Estimasi Missing Data Curah Hujan di Kota Makassar Comparison of Interpolation Techniques against Estimation of Missing Rainfall Data in Makassar City Andi Illa Erviani Nensi 1) , Mita Puri Handayani 1) , Indah Kurniawati 2) , Rika Yunita Elevenny 2) , Muflihah 2) , Sukarna 1) 1) Matematika / Universitas Negeri Makassar 2) Manajemen Data / Balai Besar Meteorologi Klimatolgi dan Geofisika Wilayah IV Makassar ABSTRAK Data curah hujan merupakan salah satu faktor terbesar yang mempengaruhi iklim suau wilayah. Data hilang yang seringkali ditemukan pada data curah hujan membuat Analisis dan proses pengambilan keputusan akan sulit dilakukan sehingga, penting untuk menemukan metode estimasi yang akurat dan efisien untuk mengisi data hilang agar inferensi statistik dapat dilakukan. Estimasi dilakukan dengan beberapa metode interpolasi pada program RStudio yaitu function na.StructTS, dan function na.approx pada package “zoo” serta function na_ma, function na_locf dan function na.interpolation pada package “imputeTS”. Data yang diolah adalah data curah hujan bulanan pada tahun 2009-2020 di kota Makassar. Beberapa nilai dari data lengkap secara acak dianggap sebagai data hilang yang terbagi dalam empat kategori, yaitu (6,9%), (10,4%), (13,9%), dan (20%). Hasil penelitian menujukkan bahwa metode na.StructTS merupakan metode terbaik dalam mencari data hilang dengan koefisien korelasi terbesar yaitu 0,85 dan nilai RMSE terkecil yaitu 159,967 pada kategori 20%. Kata kunci: curah hujan, interpolasi, missing values ABSTRACT Rainfall data is one of the biggest factors that affect the climate of a region. Frequently missing rainfall data found in rainfall data makes analysis and decision- making difficult, so it is important to find an accurate and efficient estimation method to fill in the data so that statistical inference can be carried out. The estimation is carried out using several interpolation methods in the RStudio program, namely the na.StructTS function, and the na.approx function in the "zoo" package as well as the na_ma function, na_locf function and na.interpolation function in the "imputeTS" package. The data processed is monthly rainfall data in 2009-2020 in the city of Makassar. Some values of the data were randomly considered as missing data which were divided into four categories, namely (6.9%), (10.4%), (13.9%), and (20%). The results showed that the