Penelitian ini mengembangkan metode rekonstruksi data curah hujan historis periode 1900-2010 untuk mengatasi keterbatasan data observasi, khususnya dalam mendokumentasikan kejadian ekstrem jangka panjang. Metode ini merupakan pengembangan *downscaling statistik Constructed Analogue* (DS CA) yang diterapkan secara retrospektif, dengan memanfaatkan dataset iklim global (seperti reanalisis dan presipitasi berbasis grid).
Setelah evaluasi komprehensif terhadap delapan produk presipitasi global berbasis grid menggunakan multi-metrik, dataset MSWEP (resolusi 0,1) terpilih sebagai basis data terbaik karena performanya dalam distribusi, *time sequences*, dan representasi ekstrem. Metode DS CA kemudian dikembangkan untuk menghasilkan estimasi probabilistik melalui pendekatan *multiwindow*, dengan optimasi pemilihan prediktor untuk merepresentasikan ekstrem.
Hasil rekonstruksi awal menunjukkan *overestimate* dibandingkan MSWEP dan *underestimate* dibandingkan data observasi, serta korelasi dan keandalan yang rendah pada estimasi hujan lebat. Namun, dengan agregasi data dan perlakuan kalibrasi *Bayesian Model Averaging* (BMA), keandalan estimasi hujan ekstrem (200 dan 300 mm, serta dasarian) meningkat secara signifikan (65-91%) dan distribusi hasilnya lebih mendekati observasi.
Pemanfaatan hasil rekonstruksi data yang telah dikalibrasi terbukti mampu memberikan estimasi probabilistik kejadian kekeringan di masa lalu, seperti studi kasus kekeringan panjang periode 1960-1970 yang berhasil direpresentasikan oleh indeks kekeringan SPI hasil rekonstruksi. Implikasi dari penelitian ini adalah penambahan informasi probabilistik mengenai variabilitas, perubahan, dan kejadian iklim ekstrem selama periode hingga 100 tahun.
