5.

Menganalisis dan Menterjemah Data

5.1

Pengenalan

Bab ini akan memperkenalkan bidang Statistik yang asas. Di sini, beberapa analisis
data yang mudah akan dijalankan Data- data ini akan dikumpul dan diringkaskan
dalam jadual dan diwakilkan dengan perwakilan- perwakilan seperti carta dan graf.
Seterusnya perwakilan ini akan diterjemahkan melalui penerangan yang berkaitan
seperti mengenalpasti ukuran kecenderungan memusat, serakan atau jenis taburan
dan ini akan memberi makna dan gamabaran yang jelas. Kemahiran ini amat perlu
diterapkan dalam pendidikan guru khususnya dan sangat
berguna dalam
kehidupan seharian.
5.2

Pembahagian Data

Data kuantitatif boleh dibahagi kepada 4 jenis menggunakan empat jenis skala
pengukuran. Skala boleh ditakrifkan sebagai angka yang digunakan untuk mengkelas
atau menunjukkan tahap/nilai sesuatu ukuran. Suatu data dikelaskan dalam skala
a. nominal,
b. ordinal,
c. sela, dan
d. nisbah
5.2.1 Data Nominal
Nominal ialah skala yang dianggap paling mudah dan mempunyai ketepatan yang
paling rendah. Skala ini mengkategorikan pemboleh ubah berdasarkan persamaan dan
seterusnya memberikan nama kepada pemboleh ubah berkenaan. Jantina, ras dan
warna adalah contoh data nominal. Jantina diwakilkan dengan 1 bagi lelaki dan 2 bagi
perempuan. Nilai nombor 1 bukan bermaksud lebih kecil dari 2 atau lebih baik dari 2.
Nilai nombor 1 dan 2 hanyalah melambangkan atau mewakili kategori bagi lelaki dan
perempuan. Begitu juga bagi ras dimana 1 mewakili kaum Melayu, 2 mewakili kaum
Cina, 3 mewakili kaum India dan 4 mewakili kaum-kaum lain. Nombor hanya perwakilan
sesuatu kumpulan data. Serupa juga bagi warna dimana kita boleh menyatakan 1
sebagai Merah, 2 sebagai kuning, 3 sebagai hijau dan sebagainya.
Ciri-ciri utama skala nominal adalah:
i. Setiap ahli hanya dimiliki oleh satu kategori sahaja, misalnya, individu yang
dikelaskan ke dalam kategori lelaki tidak boleh menjadi ahli kategori jantina lain.
ii. Nombor yang mewakili setiap kategori tidak mempunyai nilai pemeringkatan, tetapi
dianggap sebagai nama kategori sahaja.
iii. Pengkelasan data asal bagi data nominal bersifat satu kepada satu.

5.2.2 Data Ordinal

Ordinal ialah skala yang memberikan nilai pemeringkatan atau pangkatan. Data ordinal
boleh disusun sama ada daripada yang terendah kepada nilai yang tertinggi atau
daripada yang lemah kepada yang cemerlang. Nombor atau kategori yang diguna
menggambarkan ukuran asal pemboleh ubah mengikut susunan daripada kecil kepada
yang besar atau dari kategori yang kurang baik kepada kategori yang lebih baik.
Kedudukan, gred dan jawatan adalah contoh data ordinal. Pelajar yang mendapat
nombor 1 dalam kelas tentunya lebih baik dari pelajar yang mendapat nombor 2, 3 dan
seterusnya. Gred A juga lebih baik dari gred B, C dan D. Sarjan lebih berpangkat
berbanding koperal dan lans-koperal.
Ciri-ciri utama data ordinal adalah :
i. Kategori yang digunakan bagi mengkelaskan data ordinal adalah saling eksklusif.
ii. Ukuran yang digunakan, memperlihatkan pemeringkatan secara logik.
iii. Ukuran mempunyai pemberat dimana setiap kategori mempunyai pemberat yang
kurang atau lebih berbanding kategori lain.
Markah, ketinggian, berat, gred, dan jawatan adalah contoh data ordinal. Markah 80%
tentunya lebih baik dari 50%. 160 cm sudah pasti lebih tinggi dari 100 cm. Benda yang
beratnya 60 kg tentunya lebih berat dari 25 kg.
5.2.3 Data Sela
Skala sela ini mempunyai ciri pemeringkatan dan juga mempunyai perbezaan bagi
setiap unit sela yang sama nilai. Skala ini berupaya menunjukkan perbezaan antara
beberapa kategori dan ia boleh menunjukkan kesamaan dalam unit ukuran yang
digunakan. Contoh ukuran berskala sela ialah ukuran suhu. Dalam hal ini, perbezaan
suhu antara 25C dengan 35C adalah sama dengan perbezaan suhu antara 5C
dengan 15C, iaitu perbezaan 10 darjah. Nilai perbezaan ini sama kerana ia dikira dari
titik origin iaitu 0C. Nilai sifar (0) merupakan suatu nilai yang arbitrari, yang tidak
menggambarkan nilai kuantiti kosong, iaitu skala sela tidak mempunyai nilai mutlak.
Misalnya, suhu 0C merupakan nilai permulaan sistem pengukuran suhu dalam C.
Suhu 0C di sini bukan bermakna tidak ada kepanasan. Begitu juga dengan markah
pencapaian. Katakan pelajar A mendapat markah 90 dan pelajar B mendapat markah
75. Bezanya adalah 15 markah. Jika pelajar C mendapat 60 markah dan pelajar D
mendapat 45 markah, bezanya juga adalah 15 markah. Kita boleh kata perbezaan
pelajar A dengan B dan perbezaan C dengan D adalah sama. Kita tidak boleh katakan
kepandaian pelajar A dua kali ganda pelajar D walau pun pelajar A mendapat 90
markah dan pelajar D mendapat 45 markah. Sekiranya seorang pelajar memperolehi 0
markah, tidak bererti dia tiada kepandaian kerana nilai sifar (0) ini bukan mutlak dan
hanya sebagai permulaan ukuran sahaja.

Ciri-ciri skala sela adalah :

i. Kategori yang digunakan bagi mengkelaskan data sela adalah saling eksklusif.
ii. Ukuran yang diguna menggambarkan susunan pemeringkatan secara logik.

iii. Ukuran yang diguna mempunyai pemberat, iaitu sesuatu ukuran sama ada lebih kecil
atau lebih besar daripada yang lain.
iv. Ukuran dalam skala sela bernilai arbitrari (tidak mutlak). Nilai sifar (0) juga adalah
arbitrari.
v. Perbezaan satu unit ukuran mempunyai nilai yang sama bagi semua perbezaan
ukuran.
5.2.4 Data Nisbah
Skala nisbah ialah skala yang mempunyai semua ciri skala sela dan juga nilai mutlak.
Dalam skala nisbah nilai sifar (0) adalah kosong dan mutlak. Jarak, berat dan wang
adalah contoh data berskala nisbah. Jarak 6 km adalah dua kali jarak 3 km. Nilai wang
RM10 adalah dua kali ganda nilai wang RM5. Nilai sifar (0) bagi jarak 0 km dan RM0
adalah benar-benar tiada jarak dan tiada wang.
Latihan 1 :
Apakah jenis data bagi makanan kegemaran?
Apakah jenis data bagi saiz kasut?
Apakah jenis data bagi kedudukan dalam kelas?
Latihan 2 :
Apakah yang dimaksudkan dengan skala Likert?
Berikan contoh yang sesuai bagi data yang menggunakan skala Likert.
5.3

Mengumpul dan Mewakilkan Data

5.3.1 Mengumpul Data

Data asal atau data mentah boleh samaada digunakan terus atau dikumpulkan
untuk diwakilkan dalam bentuk yang dikehendaki. Data yang digunakan terus atau
tidak perlu dikumpulkan biasanya adalah dalam kuantiti yang kecil atau mempunyai
julat yang kecil. Misalnya data mengenai cita-cita pelajar dalam sesuatu kelas.
Perwakilan data boleh digambarkan secara terus samada melalui piktograf, carta
palang atau apa saja perwakilan yang sesuai.
Bagi kuantiti data yang banyak atau besar julatnya, maka adalah lebih baik
dikumpulkan dahulu data tersebut dalam sela mengikut saiz kelasnya. Perwakilan
data boleh digambarkan melalui histogram atau apa saja perwakilan yang sesuai.
Misalnya data mengenai umur orang yang datang ke dewan orang ramai. Data ini
elok dikumpulkan dahulu. Jika umur 1-5 tahun dikumpulkan, maka saiz kelasnya
adalah 5. secara umum data dikumpul dalam kelas umur mengikut jadual berikut:

Umur (Tahun)
1-5
6 - 10
11 -15
16 - 20

Gundalan

Kekerapan
3
8
12
1
2

Secara lebih statistikal, bilangan kelas dan saiz kelas dapat ditentukan dengan lebih
baik melalui formula berikut;
Bilangan kelas :

K 1 + 3.3 log(n)

K = bilangan kelas yang sesuai

n = jumlah data
Saiz kelas :
saiz kelas =
Latihan 3 :

35
65
65
70
74

75
70
62
50
62

65
66
78
70
45

62
60
80
72
52

68
72
47
55
55

55
95
70
55
68

66
85
68
60
82

60
66
90
56
80

62
70
40
48
75

80
68
72
75
75

Kirakan berapa bilangan kelas (K) dan saiz kelas yang sesuai bagi data di atas?

5.3.2 Perwakilan Data

Perwakilan data boleh dibuat dalam bentuk seperti carta dan graf. Di antaranya
ialah piktograf, carta palang, histogram, graf garis, carta pai dan ogif. Kita perlu
tahu membaca data, memilih dan membina perwakilan
data dan boleh
menterjemah data tersebut.
Lihat contoh contoh di bawah:

Piktograf

Carta Palang

Histogram

Graf
Garis

Poligon Kekerapan

Ogif

Stem and Leaf

Boxplot
Latihan 4 :

Scattergram

Anda dikehendaki mengumpul beberapa keratan perwakilan data dari mana-mana

bahan bercetak seperti akhbar, majalah, bulletin dan sebagainya dan buat ulasan
mengenai perwakilan tersebut.
Latihan 5 :
Anda dikehendaki mendapatkan maklumat tentang bagaimana cara mewakilkan
data menggunakan stem and leaf, box-plot dan scattergram.
Contoh data tidak terkumpul
Berikut adalah data pemilikan kereta bagi 26 keluarga.

Bilangan kereta
0
1
2
3
4

Gundal

Kekerapan
3
8
12
1
2

Pembacaan data : Data dibaca secara terus mengikut bilangan kereta dan kekerapan
yang diberi. Tiga keluarga tidak memiliki kereta. Lapan keluarga memiliki sebuah kereta
dan dua belas keluarga memiliki dua buah kereta. Manakala hanya satu keluarga
memiliki sebuah kereta dan dua keluarga memiliki empat buah kereta.
Terjemahan data : Data diterjemah mengikut tujuan. Kebanyakan keluarga memiliki satu
dan dua buah kereta. Sejumlah 12 keluarga memiliki dua buah kereta dan 8 keluarga
memiliki sebuah kereta. Terdapat 3 keluarga yang kurang mampu untuk memiliki kereta
manakala ada 3 keluarga lain mampu memiliki tiga dan empat buah kereta.

Data boleh diwakilkankan dalam bentuk carta palang seperti berikut :

Carta Palang Pemilikan Kereta

kereta setiap
Setiapkeluarga
Keluarga

Bilangan kereta (buah)

Kekerapan
(keluarga)

Latihan 6 :
Penggunaan
gundal
sangat membantu dalam
mempastikan setiap data
telah diambilkira. Jelaskan
bagaimana teknik analisis
data
yang cepat dan
tepat bagi data latihan 4
di bawah dilaksanakan?

Bilangan kereta (buah)

Latihan 7 :
Bayangkan anda telah mengutip data mengenai jumlah binatang peliharaan pelajar
dalam kelas anda. Data mentah dari 60 pelajar adalah seperti berikut:
0 2 1 2 0 4 1 0 2 2
1 6 1 1 2 8 0 1 2 4
2 1 2 0 3 2 0 1 3 0
1 4 0 3 0 2 3 6 4 3
3 3 0 1 2 0 1 1 3 0
2 0 3 2 0 4 2 2 3 1
Pilih satu perwakilan data yang sesuai untuk menggambarkan data tersebut.
Apabila anda menterjemah data di atas, selain dari jumlah binatang peliharaan, apakah
maklumat lain yang anda fikir penting?.
Contoh data terkumpul
Berikut adalah data umur bagi 200 orang yang berada dalam satu dewan orang
ramai.

Umur
0-9
10-19
20-29
30-39
40-49
50-59
60-69
70-79
80-89
90-99

Gundal

Kekerapan
8
12
24
43
41
27
23
18
3
1

Histogram Pengunjung Dewan Orang Ramai

Kekerapan (orang)

Umur (tahun)

Latihan 8 :
Apakah beza antara carta palang dan histogram?
Bincangkan sifat-sifat carta palang dan histogram.
Berikan 2 contoh data yang sesuai dipaparkan menggunakan carta palang dan
histogram.
Latihan 9 :
Satu pemerhatian di pintu pagar sekolah telah dilakukan untuk mencatat bilangan
penumpang setiap kereta yang masuk ke kawasan sekolah.
Berikut adalah carta palang yang dibina hasil dari pemerhatian tersebut.

Bincangkan
berikut:

Kekerapan (bil kereta)

Carta palang kereta yang masuk ke sekolah

perkara

Berapa buah kereta

yang membawa empat
penumpang?
Berapa jumlah kereta
yang masuk ke sekolah?

Bilangan penumpang
(orang)

Latihan 10 :
Jadual berikut menunjukkan data rancangan TV yang diminati oleh pelajar SMK Jalan
Merab. Jumlah pelajar sekolah ini adalah 840 orang.
Rancangan

Bilangan Pelajar

46

32

28

25

23

21

25

a. Berapakah saiz sampel yang digunakan?

b. Dalam peratus terhampir, berapa peratuskah Rancangan A diminati oleh pelajar
sekolah ini?
c. Berapa ramaikah pelajar sekolah ini berkemungkinan meminati rancangan A?
d. Sekiranya Jamal kurang setuju dengan hasil dapatan ini dan dia membuat kajian
keatas 35 orang pelajar perempuan dalam kelas pendidikan jasmani beliau.
Adakah sampel kajian Jamal rawak? Jelaskan.

Latihan 11` :
Bincangkan apakah kesilapan atau kekeliruan yang terdapat dalam perwakilan data
berikut?

5.4

Ukuran Kecenderungan Memusat

Selain menterjemah perwakilan data, kita juga boleh mengira nilai ukuran-ukuran
kecenderungan memusat iaitu nilai min, mod dan media. Sebaran data pula boleh
dilihat melalui nilai julat, sisihan piawai dan varians.
Secara umumnya, min adalah purata, median adalah nilai di tengah- tengah kumpulan
data yang tersusun manakala mod adalah data yang mempunyai kekerapan tertinggi
atau paling kerap berlaku.
5.4.1 Mencari nilai min, mod dan median data tidak terkumpul:
Data : 13, 18, 13, 14, 13, 16, 14, 21, 13
Min adalah purata :
= (13 + 18 + 13 + 14 + 13
+ 16 + 14 + 21 + 13) 9 = 15

Median adalah nilai ditengah- tengah. Data perlu disusun dalam susunan menaik
atau menurun.

13, 13, 13, 13, 14, 14, 16, 18, 21

Jumlah data ialah sembilan, Maka, nilai di tengah - tengah adalah nilai ke (9+1) 2 =
10 2 = 5 (nilai kelima) :
13, 13, 13, 13, 14, 14, 16, 18, 21, maka median adalah 14. C
Mod adalah kekerapan tertinggi dan dalam senarai ini mod adalah 13.
Nilai terbesar adalah 21 dan nilai terkecil adalah 13. Maka julat adalah beza nilai terbesar
dengan nilai terkecil.
Maka julat adalah 21 13 = 8.
Min
Median
Mod
Julat

: 15
: 14
: 13
:8

Ukuran
Min
Untuk mengira min,
kita perlu jumlahkan
semua data dan
bahagi dengan
bilangan data.

Set A : 2, 2, 3, 5, 5, 7, 8
Jumlahkan:
2+2+3+5+5+7+8=
32
Terdapat 7 data, maka perlu
dibahagi 7: 32 7 =
4.57...

Set B : 2, 3, 3, 4, 6, 7
Jumlahkan:
2 + 3 + 3 + 4 + 6 + 7 = 25
Terdapat 6 data, maka perlu
dibahagi 6: 25 6 =
4.166...
Jadi min adalah 4.17

Jadi min adalah 4.57

Median
Untuk mengira
median, kita perlu
susunkan data
secara menaik atau
menurun. Nilai
ditengah- tengah
adalah median. Jika
terdapat dua nilai
ditengah, maka
puratanya adalah
median.

Susunkan secara menaik:

2 , 2 , 3 , (5) , 5 , 7 , 8

Susunkan secara menaik:

2 , 3 , (3 , 4) , 6 , 7

Nombor ditengah
ditandakan dalam kurungan
adalah 5.

Nampaknya terdapat dua

nilai ditengah dan puratanya
adalah median.

maka median adalah 5

(3 + 4) 2 = 3.5
maka median adalah 3.5

Mod
Mod adalah data
yang mempunyai
kekerapan tertinggi.
Mod boleh jadi lebih
dari satu nilai
samada dwimod atau
multimod mengikut
nilai pada data.

Data :
2,2,3,5,5,7,8

Data :
2,3,3,4,6,7

Nilai yang kerap pada data

adalah 2 dan 5. Keduaduanya adalah nilai mod.

hanya nilai 3 sahaja yang

kerap berbanding nilai lain.
Maka mod adalah 3

maka mod adalah 2 dan 5

(dwimod)
Julat
Untuk mendapatkan
julat, cari beza
antara nilai tertinggi
dengan nilai
terendah

(unimod)

Data :
2,2,3,5,5,7,8

Data :
2,3,3,4,6,7

Nilai terendah adalah 2 dan

nilai tertinggi adalah 8.
Maka julat : 8 - 2 = 6

Nilai terendah adalah 2 dan

nilai tertinggi adalah 7. Maka
julat : 7 - 2 = 5

Julat adalah 6

Julat adalah 5

Latihan 12 :
Apakah yang anda faham bagi situasi berikut :
a) Min bagi matapelajaran matematik kelas 5 Cempaka adalah 85 dan kelas 5 Mawar
adalah 70 pada Ujian semester satu?
b) Markah matematik kelas Cempaka berjulat 40 manakala kelas Mawar berjulat 60.
5.4.2 Mencari nilai min, mod dan median data terkumpul
Bagi data terkumpul, pengiraan ukuran kecenderungan memusat min, mod, median
dapat dilakukan menggunakan formula. Anda digalakkan secara berkumpulan membuat
pembelajaran kendiri mengenai ukuran kecenderungan memusat bagi data terkumpul.
Dilampirkan bersama sedikit panduan untuk anda.
Min
Min adalah purata dan ia dikira menggunakan nilai titik tengah. Pengiraannya adalah
menggunakan formula
fiMi

fi

Median

Nilai median bagi data tidak terkumpul adalah nilai yang terletak ditengah-tengah
apabila data tersebut disusun secara menaik. Bagi data yang terkumpul, pengiraan
median agak rumit dan menggunakan formula berikut:

Median L
L
cfp
fmed
W
N

N
2

- cf p

f med

W
di mana

= had bawah selang kelas median

= jumlah terkumpul kekerapan sehingga kelas tersebut,
tetapi tidak melibatkan kekerapan kelas median
= kekerapan median
= keluasan selang kelas median (had atas kelas had
bawah kelas)
= jumlah bilangan kekerapan

Mod

Kelas mod adalah selang kelas yang mempunyai kekerapan yang tertinggi. Nilai mod
bagi data terkumpul dikira mengikut formula berikut :

dimana

LB sempadan bawah kelas mod

B beza kekerapan kelas mod dengan kelas sebelumnya
A beza kekerapan kelas mod dengan kelas selepasnya
C

5.5

saiz kelas mod.

Ukuran Serakan

Ukuran serakan menerangkan serakan atau taburan sesuatu set data. Menggunakan
ukuran serakan bersama-sama ukuran kecenderungan memusat membuatkan
pemerihalan atau perwakilan data lebih lengkap lagi.
Tiga Taburan dengan Min Sampel yang sama dan Serakan Berbeza

Julat

Julat
adalah
perbezaan
di
antara
nilai
terbesar dan nilai
=50
terkecil. Walaupun ia hanya merupakan nilai numerik tunggal yang merupakan ukuran
serakan kasar dan dapat menerangkan jarak ke sempadan luar set data atau taburan
sesuatu data.
Julat = Nilai terbesar nilai terkecil
Varian
Varian ialah purata jumlah kuasadua sisihan antara min dan set nombor. Populasi
varian ditandakan dengan huruf Greek, 2 dan formulanya ialah:
2

(X - ) 2
N

Menggunakan set nombor seperti berikut, kita boleh mengira variannya::

X

X-

( X - )2

-8

64

-4

16

16

+3

17

+4

16

18

+5

25

X = 65

(X - ) = 0

(X - )2 = 130

(X - )
N

130
26.0
5

Varian =

Varian adalah kuasadua

sisihan piawai, maka nilai varian digunakan untuk memperolehi nilai sisihan piawai.

Sisihan Piawai

Sisihan piawai ialah punca kuasadua varian.

sebagai , dan dikira sebagaimana berikut:

(X - )

Berdasarkan
kepada
contoh di atas, nilai sisihan piawai ialah

Sisihan piawai populasi ditandakan

26 5.1

Data Terkumpul
Sisihan Piawai Populasi dan Sampel

Bagi data terkumpul, ukuran serakan seperti varian dan sisihan piawai dikira
menggunakan formula seperti berikut:

Varian bagi sampel ditandakan sebagai s 2 dan sisihan piawai ialah s. Pengiraan varian
dan sisihan piawai bagi sampel berbeza sedikit daripada pengiraan varian dan sisihan
piawai untuk populasi. Tujuan utama pengiraan varian dan sisihan piawai untuk
sampel adalah untuk menganggar varian dan sisihan piawai untuk populasi.
Menggunakan n 1 sebagai pembahagi (denominator) bagi sampel berbanding N
untuk populasi, menghasilkan penganggaran yang lebih baik untuk nilai populasi.

Varian untuk sampel:

s2

Sisihan
sampel:

piawai

(X - X) 2
n -1

untuk

Dan,
Varian untuk populasi:

s2

Sisihan
populasi:

piawai

f(M - ) 2

untuk

di mana,
f = kekerapan
M = titik tengah kelas
N = f atau jumlah kekerapan populasi
= min kumpulan bagi populasi.

Latihan 13 :
Berdasarkan nilai min, mod dan median dalam taburan data berikut, bincangkan:
i)

sifat-sifat data

ii)

berikan contoh- contoh yang berkaitan.

a) Taburan Normal

b) Pencong
Positif
(positively
skewed)

c) Pencong Negatif (negatively skewed)

Latihan 14 :
Bincangkan
tentang serakan
data berikut :
a) Lengkung berikut mempunyai serakan yang berbeza dan min yang sama.

lengkung 1

lengkung 2

b) Lengkung
berikut
mempunyai serakan yang sama tetapi nilai minnya berbeza.

lengkung 3

Latihan 15 :
a) Apakah sifatsifat yang ada
pada taburan
normal?

lengkung 4

b)

Gambarkan situasi pada data yang ada pada lengkung leptokurtic, mesokurtic dan
platykurtic
Skor Z
Skor Z mewakili
nilai
sisihan
piawai di atas
atau di bawah
min bagi set
nombor
yang
mempunyai
taburan normal.
Menggunakan
skor Z membolehkan kita menterjemahkan nilai kasar jarak daripada min kepada unit
sisihan piawai.

X-

X-X
s

dan untuk sampel

Skor T

T=10z + 50

Perkaitan antara sisihan piawai, skor Z dan skor T dapat dilihat pada rajah berikut :

Kaji dan bincangkan situasi berikut :

a) Jamal mendapat markah matematik dan sains sebanyak 90 dan 80 masing- masing.
Diberi min bagi matematik dan sains adalah 70, sisihan piawai matematik adalah 8
manakala sisihan piawai sains adalah 4.
Kirakan nilai skor Z dan skor T.
Adakah markah matematik Jamal lebih baik dari sains?

b) Azmi mendapat markah muzik dan pendidikan jasmani sebanyak 70 dan 85

masing- masing. Diberi min bagi muzik dan pendidikan jasmani adalah 80, sisihan
piawai juga sama iaitu 5.
Kirakan nilai skorZ dan skor T.
Adakah markah pendidikan jasmani Azmi lebih baik dari muzik?

5.6

KEBARANGKALIAN

Aida melakukan ujikaji melambung sebiji dadu adil di atas meja dan dicatatkan
kesudahannya. Adakah nombor 0 ialah kesudahannya? Mungkin jawapannya ialah
barangkali atau kurang pasti atau mustahil. Daripada kenyataan di atas unsur-unsur
ketidakpastian berlaku dan muncul dalam kehidupan harian. Oleh itu adalah penting
untuk kita memperoleh pengetahuan dan kemahiran dalam menentukan sejauh mana
sesuatu kejadian itu mungkin berlaku.
Dalam matematik unsur ketidakpastian dikaji dalam bidang kebarangkalian.
Kebarangkalian berlaku daripada permainan yang melibatkan peluang seperti
perjudiaan, kajian fizik, genetik, insuran dan sebagaimya.
Beberapa terminologi yang berkaitan dengan kebarangkalian seperti ujikaji, kesudahan
yang mungkin, ruang sampel dan peristiwa akan diberi tumpuan dalam modul ini.
5.6.1 Ujikaji dan Kesudahan
Ujikaji ialah satu proses atau tindakan yang dilakukan untuk melihat kepada hasil
Misalnya aktiviti melambung duit syiling, kita akan memperhatikan kepada hasil
yang berlaku.
Dalam ujiikaji melambung duit syiling, terdapat dua keputusan yang mungkin
terjadi iaitu muka angka dan muka gambar dan setiap keputusan ini dikenali
sebagai kesudahan. Dengan kata lain kesudahan bagi suatu ujikaji ialah
keputusan yang mungkin terjadi dalam ujikaji.

5.6.2 Ruang Sampel

Ruang sampel ialah set semua kesudahan yang mungkin bagi suatu ujikaji.
Ruang sampel diwakili oleh S atau dan boleh ditulis dengan menggunakan tata
tanda set. Misalnya ruang sampel bagi ujikaji melambung sekeping duit syiling
mempunyai 2 titik sampel. Semua kesudahan yang mungkin ialah gambar dan
angka, S = { g, a }. Begitu juga dengan ujikaji melambung sebiji dadu iaitu
semua kesudahan yang mungkin 1, 2, 3. 4, 5, 6 iaitu S = {1, 2, 3, 4, 5, 6}.

Dalam suatu ujikaji kita boleh menyenaraikan semua kesudahan yang mungkin
untuk mendapatkan ruang sampel secara aktiviti dan penaakulan

Contohnya
Sebuah beg mengandungi guli yang berwarna putih, biru, dan hijau. Sebiji guli
dikeluarkan secara rawak daripada beg itu. .
Kita boleh menentukan semua kesudahan yang mungkin bagi ujikaji mengambil
sebiji guli daripada aktiviti. Sebaliknya kita boleh juga menentukan kesudahan
yang mungkin secara penaakulan iaitu kita menganalisis ujikaji atau situasi
berkenaan dan mempertimbangkan secara teliti semua kesudahan yang
mungkin berlaku. Setiap kali guli diambil, guli berwarna putih atau biru atau hijau
mungkin dipilih. Maka semua kesudahan yang mungkin ialah { putih, biru, hijau}
Begitu juga kita boleh meramalkan keputusan perlawanan hoki secara
penaakulan, Terdapat 3 keputusan yang mungkin dicapai oleh perlawanan
tersebut iaitu menang atau seri atau kalah. Maka kesudahan yang mungkin ialah
{ menang, seri, kalah }.

Terdapat dua kaedah untuk menyenaraikan semua kesudahan yang mungkin

dengan menggunakan

(a) Jadual
(b) Gambar rajah
(a) Jadual
2 biji dadu dilambung serentak, maka ruang sampelnya.
Dadu 2
Dadu 1

(1, 1)

(1, 2)

(1, 3)

(1, 4)

(1, 5)

(1, 6)

2
3
4
5
6

(2, 1)

(2, 2)

(2, 3)

(2, 4)

(2, 5)

(2, 6)

(3, 1)

(3, 2)

(3, 3)

(3, 4)

(3, 5)

(3, 6)

(4, 1)

(4, 2)

(4, 3)

(4, 4)

(4, 5)

(4, 6)

(5, 1)

(5, 2)

(5, 3)

(5, 4)

(5, 5)

(5, 6)

(6, 1)

(6, 2)

(6, 3)

(6, 4)

(6, 5)

(6, 6)

S = { (1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1),
(3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3),
(5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6) }
(b) Gambar rajah pokok
Gambar rajah pokok biasanya digunakan untuk membantu menyenaraikan semua
kesudahan yang mungkin bagi suatu uji kaji yang melibatkan pemilihan secara
berturut-turut. Dalam suatu permainan tertentu, seseorang pemain perlu memilih
secara rawak dua keping kad dari sebuah kotak yang mengandungi dua keping kad
yang masing-masing berlabel a dan b. Kad pertama dikeluarkan dikehendaki masuk
semula ke dalam kotak sebelum kad kedua dipilih.
a) Senaraikan semua kesudahan yang mungkin.
b) Tuliskan ruang sampel dengan menggunakan tatatanda set.

Pilihan 1

Pilihan 2

Kesudahan

(a,a)

(a,b)

(b,a)

b
b

(b,b)

S = { (a,a), (a,b), (b,a), (b,b) }

5.6.3 Peristiwa

Dalam bahasa perkataan peristiwa bermaksud kejadian atau perkara yang

Dalam bahasa perkataan peristiwa bermaksud kejadian atau perkara yang
menarik perhatian. Tanggal 31 Ogos 1957, adalah suatu peristiwa dalam sejarah
negara kita,

Dalam matematik, perkataan peristiwa menunjukkan kesudahan yang memenuhi

syarat-syarat tertentu. Peristiwa adalah suatu subset bagi ruang sampel.

Contoh

Apabila sebiji dadu dilambung

S = {1, 2, 3, 4, 5, 6}
A : Peristiwa nombor genap diperolehi
B : Peristiwa mendapat nombor perdana
C : Peristiwa mendapat nombor ganjil

A = { 2, 4, 6}
B = { 2, 3, 5 }

C = {1, 3, 5 }

Cuba selesaikan.

Lima keping kad seperti yang ditunjukkan di atas telah dimasukkan ke dalam
sebuah kotak. Sekeping kad itu adalah dipilih secara rawak daripada kotak itu.
Nyatakan unsur-unsur ruang sampel yang memenuhi setiap syarat berikut.:
(a) Sekeping kad berhutruf vokal dipilih
(b) Sekeping kad berhuruf konsonan dipilih

Sesuatu peristiwa A adalah mungkin bagi suatu sampel jika A c S dan A .

Jika A = , maka peristiwa A adalah tidak mungkin berlaku.

Contoh
Satu nombor dua digit adalah dibentukkan daripada digit-digit 1, 2, 3. Tentukan
sama ada setiap peristiwa yang berikut adalah mungkin bagi suatu ruang sampel
atau tidak.
a)

A : Peristiwa mendapat satu nombor genap,

b)

B : Peristiwa mendapat satu nombor di antara 10 dan 34.

c)

C : Peristiwa mendapat satu nombor dengan keadaan hasil tambah digitdigitnya adalah lebih besar daripada 6.

Penyelesaian

S = {11, 12, 13, 21, 22, 23, 31, 32, 33}

a) A = {12, 22, 32} c S

Maka, peristiwa A adalah mungkin.

b) B = {11, 12, 13, 21, 22, 23, 31, 32, 33} = S

Maka, peristiwa B adalah mungkin.

c) C = {

} =

Maka, peristiwa C adalah tidak mungkin.

5.6.4 Kebarangkalian

Kebarangkalian bagi peristiwa A berlaku ialah nisbah bilangan unsur dalam

peristiwa A kepada bilangan unsur dalam ruang sampel, S

P( A ) =

n ( A ) = bilangan unsur dalam peristiwa A atau bilangan kesudahan bagi

peristiwa A
n ( S ) = bilangan unsur dalam ruang sampel atau bilangan cubaan

Kebarangkalian mempunyai nilai dari 0 hingga 1 iaitu

1 P(A) 1
P (A) = 0 bermakna peristiwa A tidak akan berlaku atau mustahil berlaku
P (A) = 1 bermakna peristiwa A pasti atau tentu berlaku

Contoh
Sebiji dadu adil dilambung. A ialah peristiwa mendapat nombor perdana. Cari
kebarangkalian A.
S = { 1, 2, 3, 4, 5, 6 }
n( S ) = 6
A = { 2, 3, 5 }
n( A ) = 3

P( A ) =
=
=
Kebarangkalian tidak dapat meramalkan peristiwa secara pasti atau mutlak.
Pada amnya, bilangan kesudahan yang dijangkakan bagi peristiwa A
= (Bilangan cubaan) P(A)
Contoh

Dua keping duit syiling dilambung sebanyak 200 kali. Tentukan bilangan kali
untuk mendapat dua gambar.
Bilangan kali untuk mendapat dua gambar = x 200
= 50

5.6.5 Kebarangkalian Peristiwa Pelengkap

Peristiwa pelengkap bagi peristiwa A dalam suatu ruang sampel S terdiri

daripada semua kesudahan S yang bukan kesudahan A. Peristiwa pelengkap
bagi peristiwa A biasanya ditandakan sebagai A.
Jika A ialah sebarang peristiwa bagi ruang sampel S dan A ialah peristiwa
pelengkapnya, iaitu kebarangkalian bagi peristiwa A tidak akan berlaku
P( A) = 1 P ( A )

Contoh

Satu huruf dipilih secara rawak daripada perkataan NKRA. Jika V mewakili
peristiwa mendapatkan vokal, nyatakan pelengkap V

S = { N, K, R, A }

V = {A}

V = { N, K, R }

5.6.6 Kebarangkalian Peristiwa Bergabung

Peristiwa bergabung ialah peristiwa yang dihasilkan daripada kesatuan atau

persilangan dua peristiwa atau lebih.
Peristiwa bergabung A atau B dan A dan B masing-masing dihasilkan
daripada kesatuan dan persilangan dua peristiwa itu. Oleh itu, kita boleh
menyenaraikan semua kesudahan bagi
a) Peristiwa A atau B sebagai unsur set A B
b) Peristiwa A dan B sebagai unsur set A
Contoh

B.

Sekeping duit syiling dilambungkan sebanyak dua kali. Senaraikan semua

kesudahan yang mungkin bagi peristiwa
a) Mendapat angka pada lambungan pertama atau kedua
b) Mendapat angka pada lambungan pertama dan kedua.
S = { (a,a), (a,g), (g,a), (g,g)
A : Peristiwa mendapat angka pada lambungan pertama
A = { (a,a), (a,g) }

B : Peristiwa mendapat angka pada lambungan kedua

B = { (a,a), (g,a) }
Peristiwa mendapat angka pada lambungan pertama atau kedua ialah peristiwa
A atau B.
Peristiwa A atau B = A

= {(a, a) , (a, g) , (g, a)}

a) Peristiwa mendapat angka pada lambungan pertama dan kedua ialah peristiwa A
dan B.
Peristiwa A dan B = A B = {(a, a)}

Jika kita dapat menyenaraikan set kesudahan bagi peristiwa bergabung A atau B
dan A dan B, maka kita boleh mengira kebarangkalian dengan rumus
P(A atau B) = P(A
dan P(A dan B) = P(A

B) =

B) =

Rujukan :
Chua Yan Piaw (2006). Kaedah Dan Statistik Penyelidikan. The McGraw-Hill
companies, Malalaysia.

Hopkins, K.D. (1998). Educational and Psycological Measurement and Evaluation. (8 th.
Ed). Boston: Allyn and Bacon.
Jerry Howett (2000). Number power ( a real world approach toMaths). Contemporary
Books. USA
Mohd Majid Konting (2000). Kaedah Penyelidikan Pendidikan. Kuala Lumpur,

Noll, V.H. & Scannel, D.P. (1992). Introductions to Educational Measurement. Boston:
Houghton Mifflin Company.
Popham, W.J. (2000). Modern Educational Measurement, Practical Guidelines for
Educational Leaders. (3rd. Ed). Boston: Allyn and Bacon.
Siti Rahayah Ariffin (2003). Teori, Konsep dan Amalan Dalam Pengukuran dan
Penilaian. Penerbitan Pusat Pembangunan Akademik, Bangi, Universiti
Kebangsaan Malaysia.
Yap Yee Khiong, Wan Chwee Seng, Ismail Abu Bakar (1985). Pengukuran Dan
Penilaian dalam Pendidikan. Kuala Lumpur, Heinemann Asia. Percetakan
Dewan Bahasa Dan Pusaka.