Malaysia mempunyai iklim tropikal yang panas dengan taburan hujan yang banyak sepanjang tahun. Air merupakan salah satu sumber asas alam yang utama bagi semua hidupan di atas bumi. Oleh itu, penentuan quantiti taburan hujan yang betul adalah sangat penting. Taburan hujan dipengaruhi oleh beberapa faktor cuaca yang sukar diramal seperti kelembapan udara, tekanan udara, suhu persekitaran dan kelajuan angin yang selalu berubah-ubah. Dengan menggunakan perisian SPSS 15.0, analisis pembeza layan dijalankan ke atas taburan hujan (pembolehubah bersandar), kelembapan udara, tekanan udara, suhu persekitaran dan kelajuan angin (pembolehubah tak bersandar). Sebanyak 340 kes daripada tahun 2008 telah digunakan untuk membangunkan satu model yang dapat membezakan dua kelas taburan hujan iaitu hujan dan tiada hujan. Tujuan projek ini dijalankan adalah untuk membangunkan satu set pembeza layan yang boleh digunakan untuk meramal kategori taburan hujan. Kegunaan model pembeza layan ini bergantung kepada ketepatan atau kebolehannya untuk meramal kategori pembolehubah bersandar. Sebagai kesimpulan, analisis pembeza layan dalam kajian ini berjaya meramalkan kategori taburan hujan. Kejituannya adalah sangat tinggi iaitu 84.7%. Oleh sebab itu, keputusan yang ditunjukkan daripada analisis pembeza layan merupakan salah satu alat yang berkesan dalam meramal keadaan hujan sama ada hujan ataupun tiada hujan.
_________________________________________________________________________________________
Malaysia has a tropical climate that is consistently hot with high frequent rainfall. Water is one of the most vital natural resources for all life on Earth. So, it is important to quantify it accurately. Rainfall rate is affected by some unpredicted weather conditions such as humidity, air pressure, temperature and wind speed which are liable to change. The relationship between the rainfall rate (dependent variable) to the humidity, temperature, air pressure, and wind speed (independent variables) is analyzed by the method of discriminant analysis using the SPSS 15.0 software. A total of 340 cases for year 2008 were used to develop a model to discriminate among the 2 levels of rainfall rate which is rain or no rain. The aim of this project is to develop a set of discriminating functions to predict the category of the rainfall rate. The usefulness of a discriminant model is based upon its accuracy rate, or ability to predict the categories of the dependent variable. As a conclusion, the discriminant analysis in this study successfully estimates the categories of the rainfall rate. The accuracy is high that is 84.7%. So, the results show that the discriminant analysis can be considered as an effective tool in forecasting the type of rainfall condition.
Predicting occurrence of rainfall using discriminant analysis_Kee Pei Hoon_E3_2009_875004506_00003095327