Kejadian kapal tenggelam akibat cuaca buruk di laut menimbulkan kesadaran pentingnya informasi cuaca laut bagi pelayaran terutama aktivitas di pelabuhan. Kualitas informasi cuaca laut tidak hanya ditentukan dari ketepatan, namun juga kecepatan dan kemudahan mengakses data tersebut. Salah satu teknologi yang dapat mewujudkan kecepatan dan kemudahan analisa data adalah Business Intelligence. Dimana data ditampilkan dalam bentuk grafik dan spasial yang bersifat multidimensi, sehingga dapat dilakukan pemilihan informasi sesuai kebutuhan. Dalam proses pembuatan informasi prakiraan cuaca maritim diperlukan banyak komponen data cuaca diantaranya arah dan tinggi gelombang, arah dan kecepatan angin, tinggi pasang surut, tinggi swell. Data-data tersebut diintegrasikan dalam bentuk Data warehouse secara multidimensi melalui dimensi waktu dan lokasi. Output meliputi report nilai antar komponen data cuaca dalam dimensi waktu dan dimensi ruang. Karena data pengamatan sangat terbatas dan model prakiraan yang digunakan masih sangat kasar (resolusi rendah), maka Data warehouse yang dikembangkan untuk mendukung model Business Intelligence hanya yang bersifat deparmental atau per divisi, yaitu berbentuk datamart. Business Intelligence yang akan dikembangkan menggunakan beberapa BI tools. Hasil menunjukkan bahwa dashboard kecepatan angin, tutupan awan serta perbandingan suhu udara dan suhu titik embun menggambarkan kesamaan pola dan waktu kejadian. Melalui teknik data mining Association Rule dihasilkan beberapa alternatif model prediksi yang dapat dijadikan pertimbangan. Metode klasifikasi Classification Tree dan Random Forest menghasilkan model prediksi cuaca yang lebih spesifik dengan adanya nilai tertentu sebagai syarat batas dari masing-masing komponen data cuaca. Dalam penelitian ini, metoda Random Forest memiliki akurasi yang lebih tinggi sebesar 84% dibandingkan dengan metode Classification Tree yakni sebesar 78% untuk prediksi cuaca dengan masukan kecepatan angin, tutupan awan, suhu udara dan suhu titik embun.