Projek ini membincangkan tentang kecerdikan buatan untuk menganalisis taburan hujan di Sitiawan. Teknik kecerdikan buatan adalah meliputi rangkaian neural buatan, sistem mahir, sistem fuzzi dan sebagainya. Metodologi yang digunakan bagi kecerdikan buatan adalah Perceptron Berbilang Lapisan. Data yang digunakan merangkumi data selama 30 tahun. Bilangan data yang digunakan secara keseluruhan adalah sebanyak 360 data dan dibahagikan kepada dua bahagian iaitu set data latihan dan set data pengujian. Jumlah sampel latihan adalah 200 manakala jumlah sampel ujian adalah 160. Penganalisisan taburan hujan menggunakan kedua-dua kaedah rangkaian neural dapat menentukan samada hujan atau sebaliknya melalui pembelajaran yang dilakukan. Perisian Matlab 7 digunakan untuk mengimplementasikan rangkaian neural buatan ini. Jenis algoritma pembelajaran yang dipilih untuk melatih rangkaian tersebut adalah algoritma `Bayesian regularization`. Fasa latihan dilakukan dahulu sebelum fasa pengujian. Fasa pengujian dilakukan untuk melihat sejauh mana kebolehan sistem rangkaian neural buatan dalam menganalisis taburan hujan. Keputusan yang diperolehi menunjukkan bahawa analisis tersebut memberikan nilai peratus kejituan yang tinggi iaitu 100%. Ini menandakan bahawa rangkaian neural buatan mempunyai keupayaan yang tinggi untuk menganalisis taburan hujan di Sitiawan.
_________________________________________________________________________________________
This paper is about artificial intelligence (AI) applications to analyze rainfall in Sitiawan. Beside that, statistical analysis also have been use to analyze rainfall. The AI techniques include artificial neural networks, expert system, fuzzy system and multivariate regression while statistical analysis can be done using SPSS, Stata or SAS. For this project, multilayer perceptron has been chosen among other methodology in neural network. The data consists of 360 data which include 30 years of data from January 1951 to December 1980. All 360 data were divided onto 2 sets of data: a set of 200 samples for training phase and the remaining 160 samples are used to test for the validity and applicability of the artificial intelligence neural network approach. Neural network can detect rainfall or not through the learning process. Matlab 7 is used to design multilayer perceptron. A learning algorithm used in this project to train the multilayer perceptron is Bayesian regularization algorithm. Training process will be done first before testing process. Testing process is used to determine how accurate neural network system in analyze rainfall. From training and testing, the result of back propagation algorithm gives a high percentage of accuracy. The percentage is 100%. The results proved that the multilayer perceptron network has high capability to analyze rainfall in Sitiawan.