Tesis ini membahas tentang eksplorasi kebergantungan statistika data iklim
menggunakan copula, model Markov, dan model Markov tersembunyi. Peneli-
tian sebelumnya pada bidang klimatologi menggunakan berbagai asumsi yang
diterapkan seperti variabel-variabel yang diasumsikan berdistribusi normal,
atau dianggap memiliki fungsi distribusi marginal yang sama. Pada kenyata-
annya, hanya beberapa variabel yang berdistribusi normal. Selain itu, setiap
variabel tidak selalu memiliki fungsi distribusi marginal yang sama. Asumsi
tersebut menyebabkan hasil analisis tidak sesuai dengan kenyataannnya. Ma-
salah tersebut dapat diatasi dengan metode copula. Dalam tesis ini, metode
copula akan digunakan untuk mempelajari kebergantungan dari urutan data
time series. Peluang transisi dari satu keadaan ke keadaan lain dalam model
Markov dapat ditentukan dan akan digunakan untuk mengestimasi keadaan
selanjutnya menggunakan model Markov tersembunyi.