El Nino dan La Nina merupakan fenomena alam global, yang tidak hanya memengaruhi Indonesia, tetapi juga dunia. Akibat efeknya ini, el nino dan la nina menjadi permasalahan tersendiri baik pemegang kebijakan di beberapa negara. Berbagai masalah bisa terjadi seperti kebakaran, gagal panen, maupun banjir. Untuk itu perlu perencanaan kebijakan umtuk menghindari efek yang merugikan dari fenomena ini. Hingga saat ini para ahli masih terus menyempurnakan model yang digunakan untuk memprediksi kejadian El Nino dan La Nina. Berbagai organisasi menggunakan pendekatan berbeda seperti menggunakan SOI (South Oscilation Index) dan ONI (Oceanic Nino Index). Pada penelitian ini, data iklim dibentuk menjadi star schema di dalam RDBMS. Proses pengolahan data mining dilakukan dalam dua kategori yaitu descriptive dan predictive data mining. Descriptive data mining menggunakan algoritma FPGrowth association rule yang menunjukkan keterkaitan antara nilai LWR di atas 109.62750000000005, PRECIPITATION di bawah 16.92 mm, SST di atas 23.4225 °C dan temperature udara di atas 23.37 °C akan memiliki keadaan atmosfer normal. Sedangkan predicitive data mining menggunakan teknik Support Vector Machine (SVM) Classisification yang menghasilkan predictive confidence sebesar 42.77% .