El modelo espaciotemporal consta de datos estacionarios y no estacionarios, respectivamente conocidos como el modelo Autorregresivo Generalizado Espacio-Tiempo (GSTAR) y el modelo Autorregresivo Generalizado Espacio-Tiempo Integrado (GSTARI). La aplicación de este modelo en la predicción del clima con variables de lluvia también está influenciada por variables exógenas como la humedad, y a menudo la suposición del error no es constante. Por lo tanto, este estudio tiene como objetivo diseñar un modelo espaciotemporal con la adición de variables exógenas y superar la varianza del error no constante. El modelo propuesto se llama GSTARI-X-ARCH. El modelo se utiliza para predecir fenómenos climáticos en Java Occidental, obtenidos de los datos de la Predicción de Recursos Energéticos Mundiales de la Administración Nacional de Aeronáutica y del Espacio (NASA POWER). Los datos climáticos son big data, por lo que utilizamos el descubrimiento de conocimiento en bases de datos (KDD) en este estudio. El paso de preprocesamiento consiste en recopilar y limpiar datos. Luego, el proceso de minería de datos con el modelo GSTARI-X-ARCH sigue el procedimiento de Box-Jenkins: identificación del modelo, estimación de parámetros y verificación de diagnóstico. Finalmente, se llevó a cabo el paso de postprocesamiento para la visualización e interpretación de los resultados de pronóstico. Se espera que esta investigación contribuya al desarrollo del modelo espaciotemporal y a los resultados de pronóstico como recomendaciones para las agencias pertinentes.