Tugasan

MODUL PENDIDIKAN JARAK JAUH
UNIVERSITI PENDIDIKAN SULTAN IDRIS
SMU3063
STATISTIK ASAS
FAKULTI SAINS DAN MATEMATIK
SMU3063
Statistik Asas
Zulkifley Mohamed
Sazelli Ab. Ghani
2013
II
PRAKATA
Modul ini dibina untuk membantu pelajar dalam proses pembelajaran dan
pembelajaran bagi kursus statistik asas. Modul ini bukan sahaja dapat
melengkapkan pelajar tentang pengetahuan berkait dengan statistik asas,
ianya juga mampu membantu pelajar untuk mengarap pengetahuan statistik
untuk digunakan di peringkat yang lebih tinggi.
III
ISI KANDUNGAN
1.
Sifat-sifat statistik
2.
Taburan kekerapan dan graf
15
3.
Statistik pemerihalan
35
4.
Konsep kebarangkalian
61
5.
Pembolehubah rawak diskret dan selanjar
84
6.
Teknik pensampelan
97
7.
Penganggaran parameter populasi
8.
Analisis korelasi dan regresi
111
128
IV
Sifat-sifat Statistik
UNIT PELAJARAN 1
SIFAT-SIFAT STATISTIK
HASIL PEMBELAJARAN
Pada penghujung unit ini, pelajar diharap dapat:
1. Menerangkan maksud statistik, jenis-jenis statistik dan istilah-istilah
asas statistik.
2. Menerangkan dan mentakrifkan semula istilah asas statistik seperti
populasi, sampel, parameter populasi dan statistik sampel.
3. Mengenalpasti beberapa jenis pembolehubah dan sumber data.
PENGENALAN
Statistik digunakan sangat meluas bukan sahaja dalam menganalisis data
tetapi bersangkut dengan memberi makna kepada data yang dianalisis.
Statistik
digunakan
untuk
mengumpul,
mengatur,
meringkaskan,
menganalisis, dan membuat kesimpulan menarik atau memberi pengertian

kepada data secara saintifik. Statistik pada masa kini bukan hanya berdiri
sendiri tetapi ia juga digabungkan dengan bidang ilmu lain seperti ekonomi
yang menjadi ekonometrik. Gabungan antara biologi dan statistik menjadi
biostatistik manakala gabungan antara psikologi dan statistik menjadi
psikometrik.
ISI KANDUNGAN
Jenis-jenis statistik
Statistik pada umumnya boleh dibahagikan kepada dua, iaitu statistik

deskriptif dan statistik inferensi.
Statistik deskriptif adalah teknik statistik digunakan bagi merumus dan

menerangkan tentang sesuatu set data. Penjadualan dan persembahan data
adalah contoh statistik deskriptif. Begitu juga perumusan dan penerangan
tentang ukuran kecenderungan memusat dan ukuran serakan termasuk
dalam statistik deskriptif.
Statistik inferensi atau statistik induktif adalah penggunaan statistik dalam

memperihalkan beberapa aspek yang tidak diketahui dalam populasi
berdasarkan sampel.
Statistik inferensi digunakan dalam penganggaran,
mengukur selang keyakinan, pengujian hipotesis, analisis regresi dan korelasi

dan lain-lain lagi.
Peranan statistik ditunjukkan pada rajah di bawah:
Kumpul
data
Persembah
Data
Analisis
Data
Interpretasi
Istilah asas dalam statistik

Pembolehubah
Pembolehubah adalah satu sifat yang menggambarkan orang, tempat, benda,
atau idea. Nilai pembolehubah boleh berbeza dari satu entiti kepada yang
lain.
Dengan kata lain, apa sahaja yang berubah-ubah dikenali sebagai
pembolehubah. Ciri-ciri ahli populasi atau sampel yang dikaji dinamakan

pembolehubah. Pembolehubah adalah sesuatu tatatanda yang diberikan
kepada nilai, bilangan, kategori dan ciri-ciri. Antara contoh pembolehubah
adalah ketinggian seseorang dalam meter, berat dalam kilogram,
taburan
6
hujan
di sesebuah negeri, kelajuan kenderaan, jantina pelajar dalam
sesebuah kelas, kelulusan akademik, warna bunga

Pembolehubah
pula
boleh
dibahagikan
mengikut
dan sebagainya.
sifatnya,
iaitu
pembolehubah kuantitatif dan kualitatif.
Pembolehubah yang dinyatakan dalam bentuk berangka dikenali sebagai

pembolehubah kuantitatif. Manakala pembolehubah yang dinyatakan dalam
kategori yang berbeza mengikut ciri-ciri atau atributnya dikenali sebagai
pembolehubah kualitatif. Antara contoh pembolehubah kuantitatif adalah
ketinggian seseorang dalam meter, berat dalam kilogram, taburan hujan di
sesebuah negeri, kelajuan kenderaan berat dan ketinggian seseorang, jarak
perjalanan, bilangan kesalahan menaip yang dilakukan oleh seorang jurutaip.
Pembolehubah-pembolehubah
seperti
jantina
(sama
ada
lelaki
atau
perempuan), warna (hitam, putih, kuning, merah dan sebagainya), taraf

pendidikan,
status
perkahwinan
dan
sebagainya
dikenali
sebagai
diklasifikasikan
kepada
pembolehubah kualitatif.
Pembolehubah kuantitatif diskret dan delanjar

Pembolehubah
kuantitatif
seterusnya
boleh
pembolehubah kuantitatif diskret dan pembolehubah kuantitatif selanjar. Jika

sesuatu pembolehubah boleh mengambil sebarang nilai antara nilai minimum
dan nilai maksimum, ia dikenali sebagai pembolehubah kuantitatif selanjar;
sebaliknya, ia dikenali sebagai pembolehubah kuantitatif diskret. Dengan kata
lain pembolehubah yang boleh diukur secara tepat dikenali sebagai
pembolehubah
diskret.
Manakala
pembolehubah
pembolehubah yang diambil dari nilai-nilai sahih.
selanjar
pula
ialah
Pembolehubah selanjar
diperoleh dengan cara mengukur dan mungkin terdiri dari nombor pecahan
dan nombor perpuluhan.
Rajah di bawah adalah ringkasan berkenaan dengan kategori pembolehubah

yang boleh membantu anda untuk memahami lebih lanjut tentang
7
pembolehubah kualitatif, pembolehubah kuantitatif diskret dan pembolehubah
kuantitatif selanjar.
Pembolehubah
Kuantitatif
Diskret
Kualitatif
Selanjar
Contoh-contoh berikut dapat membantu anda memahami perbezaan antara

pembolehubah selanjar dan diskret:
Contoh
Berat pelajar
Ketinggian bangunan di Kuala Lumpur
Kelajuan kenderaan di litar perlumbaan
Bilangan peserta di sebuah seminar
Bilangan kesalahan menaip yang dilakukan
oleh jurutaip
Bilangan aduan yang diterima oleh
sesebuah organisasi
Pembolehubah
kuantitatif
Diskret
Selanjar
Populasi dan sampel

Populasi adalah keseluruhan unit-unit lengkap yang hendak dikaji, ia
mengandungi kesemua subjek berdasarkan kepentingan sesuatu kajian.
Kajian yang melibatkan kesemua unit-unit dalam populasi lazimnya besar. Ini
berkemungkinan akan menyebabkan kita
untuk setiap objek yang dikaji.
gagal untuk mendapatkan data
Semakin banyak unit-unit populasi yang
hendak dikaji, semakin besarlah kos yang perlu ditanggung. Untuk mengatasi
masalah ini, sampel digunakan. Perbezaan utama di antara populasi dan
sampel mempunyai kaitan dengan bagaimana pemerhatian diberikan kepada
8
sesuatu set data. Populasi merangkumi setiap unsur daripada set
pemerhatian
yang
boleh
dibuat.
Manakala
sampel
terdiri
daripada
pemerhatian yang diambil daripada sebahagian populasi.
Populasi
Sampel
Parameter dan statistik

Parameter adalah ciri-ciri yang menerangkan populasi. Ukuran pemerihalan
berangka yang dihitung daripada sesebuah populasi dinamakan parameter.
Manakala statistik adalah ciri-ciri yang menerangkan sampel. Ukuran
pemerihalan yang dihitung daripada sesebuah sampel dinamakan statistik.
Perbezaan antara parameter dan statistik adalah statistik menggambarkan
sampel,
manakala
parameter
menggambarkan
keseluruhan
populasi.
Sebagai contoh min bagi populasi ditanda sebagai dan varians bagi
populasi ditanda sebagai 2. Kedua-dua ukuran ini dinamakan parameter
populasi. Manakala min bagi sampel pula ditanda sebagai x dan varians bagi
sampel ditanda sebagai s2. Kedua-dua ukuran ini dinamakan statistik sampel.
Sebagai contoh, rajah di bawah menerangkan tentang parameter dan statistik
min yang dihitung daripada populasi dan sampel.
Populasi
Sampel
Sampel Rawak
Parameter
populasi, min .
Statistik sampel,
min x .
Sumber-sumber data
Sumber-sumber data boleh dibahagikan kepada dua, iaitu sumber primer
(peringkat pertama) dan sumber sekunder (peringkat kedua). Data mungkin
boleh diperoleh daripada penyelidikan, laporan penyelidikan, laporan tahunan
statistik, laporan tahunan syarikat, laporan terbitan kerajaan, jurnal dan lainlain.
Data sumber primer
Data sumber primer adalah data yang belum pernah diterbitkan, iaitu data
yang diperolehi daripada kajian penyelidikan yang baru dan dipungut dari
sumber asalnya, contohnya, dalam pemasaran, ia adalah maklumat yang
diperolehi secara langsung daripada sumber asalnya iaitu melalui kaji selidik,
pemerhatian atau eksperimen. Data yang dipungut oleh penyelidik, badanbadan kerajaan atau organisasi yang memerlukan data dinamai data primer
atau data peringkat pertama. Data primer belum pernah dikumpul oleh
sesiapa sebelum ini. Kaedah pemerhatian, temuduga berdepan atau melalui
pos boleh digunakan untuk memunggut data primer.
10
Data sumber sekunder
Data sekunder atau data peringkat kedua adalah data yang telah pun
dikumpulkan sebelum ini dan mudah didapati daripada sumber-sumber lain.
Data sekunder lebih murah dan lebih cepat diperolehi daripada data primer.
Data sekunder kemungkinan boleh didapati apabila data primer tidak boleh
diperolehi. Data sekunder adalah data yang telah diterbitkan bertujuan untuk
kegunaan orang perseorangan atau sesebuah organisasi. Data sekunder
boleh didapati daripada laporan statistik, laporan penyelidikan, laporan
daripada terbitan kerajaan, jurnal, laporan syarikat dan seumpamanya.
11
PENILAIAN KENDIRI
1. Terdapat dua jenis pembolehubah yang dikenali sebagai:
A. Sampel dan populasi

B. Kualitatif dan kategori
C. Kuantitatif dan kualitatif
2. Antara yang berikut, yang mana merupakan pembolehubah kualitatif?
A. Siaran TV kegemaran remaja

B. Markah ujian IQ
C. Bilangan ternakan di sebuah ladang
3. Subset bagi satu populasi dikenali sebagai:
A. Statistik
B. Sampel
C. Populasi
4. Satu set unit (cth: pelajar) yang berpotensi untuk dikaji dikenali sebagai:
A. Statistik
B. Sampel
C. Populasi
5. Antara berikut, yang manakah pembolehubah kuantitatif selanjar?
A. Jantina seseorang
B. Jarak (KM) antara Tanjong Malim dan Kuala Lumpur
C. Bilangan pemilikan kenderaan sesebuah keluarga
12
6. Satu kajian telah dilakukan terhadap 200 orang pelajar yang dipilih secara
rawak daripada pelajar fakulti Sains dan Matematik, UPSI.
Apakah
populasi bagi kajian ini?
A. 200 pelajar yang terpilih

B. Pelajar fakulti Sains dan Matematik
C. Pelajar UPSI
7. Satu kajian telah dilakukan terhadap 50 pelajar yang dipilih secara rawak
daripada fakulti Sains dan Matematik UPSI. Apakah sampel bagi kajian
ini?
A. 50 pelajar yang terpilih

B. Pelajar fakulti Sains dan Matematik
C. Pelajar UPSI
8. 100 batang pen telah dipilih secara rawak daripada simpanan pen yang
dikeluarkan oleh sebuah syarikat pengeluar pen. 100 batang pen ini
dikenali sebagai:
A. Parameter
B. Statistik
C. Sampel
9. 100 batang pen telah dipilih secara rawak daripada simpanan pen yang
dikeluarkan oleh sebuah syarikat pengeluar pen. Simpanan pen yang
dikeluarkan oleh sebuah syarikat pengeluar pen dikenali sebagai:
A. Parameter
B. Populasi
C. Sampel
13
10. Min dan sisihan piawai dikenali sebagai statistik jika ia dihitung daripada:
A. Sampel
B. Populasi
C. Parameter
11. Min berkemungkinan adalah:
A. Parameter sahaja
B. Statistik sahaja
C. Parameter dan statistik
RUJUKAN
Bluman, A.G.(2009). Elementary Statistics: A Step by Step Approach (7th ed). New
York: McGraw Hill.
Johnson, R. & Kuby, P. (2004). Elementary Statistics (9th ed). Boston: Duxbury
Press.
14
Taburan Kekerapan dan Graf
UNIT PELAJARAN 2
TABURAN KEKERAPAN DAN GRAF
HASIL PEMBELAJARAN
1. Menentukan taburan kekerapan dan membina taburan kekerapan.

2. Membina dan mempersembahkan data dalam bentuk bergraf yang
melibatkan histogram dan graf ogif, carta bulatan dan carta bar;
3. Membezakan antara persembahan data berbentuk kuantitatif dan
kualitatif.
PENGENALAN
Topik ini mendedahkan kepada pelajar tentang teknik-teknik bagi merekod
dan mempersembahkan data pembolehubah kuantitatif dan kualitatif dalam
bentuk yang sistematik dan tersusun. Topik-topik yang akan dibincangkan
merangkumi jadual taburan kekerapan, jadual taburan kekerapan selanjar,
jadual taburan kekerapan melonggok, jadual taburan kekerapan relatif,
histogram, poligon kekerapan, graf kekerapan melonggok (ogif), carta
bulatan, carta palang ringkas, carta palang berganda, carta palang
berkomponen dan carta palang berkomponen berperatusan.
15
ISI KANDUNGAN
Jadual taburan kekerapan
Pelajar boleh menggunakan beberapa kaedah dalam menghimpunkan data

supaya mudah difahami.
Antara kaedah yang sering digunakan adalah
taburan kekerapan. Taburan kekerapan boleh dibentuk menjadi jadual. Ini

dikenali sebagai jadual taburan kekerapan.
Jadual yang menghimpunkan
data dengan nilai yang sama atau hampir-hampir sama ke dalam satu
kumpulan dinamai jadual taburan kekerapan.
Berikut adalah contoh bagaimana kita boleh membina jadual taburan

kekerapan berdasarkan maklumat yang diberikan.
Contoh 1
Satu kajian telah dilakukan di sebuah kawasan perumahan untuk mengetahui
pemilikan telefon bimbit bagi setiap keluarga.
Data pemilikan telefon bimbit
bagi 20 keluarga yang dikaji adalah seperti berikut:
2, 3, 2, 1, 4, 5, 1, 2, 2, 2, 3, 3, 4, 3, 4, 3, 2, 5, 1, 1
Data di atas boleh dipersembahkan dalam jadual taburan frekuensi dengan
menggunakan langkah-langkah berikut:
(i)
Bahagikan nilai pembolehubah (x) kepada selang, kemudian hitung

bilangan nilai bagi setiap selang. Bagi contoh ini, selang diwakili oleh
bilangan keluarga dengan 1, 2, 3, 4, dan 5 telefon bimbit.
(ii)
Bina jadual dengan tiga jalur, iaitu nombor bagi selang (x), tally
(bilangan yang dihitung) dan frekuensi.
16

Jadual Taburan Frekuensi
Bilangan Telefon Bimbit (x)
1
Tally
||||
Frekuensi (f)
4
|||| |
||||
|||
||
Jumlah
20
Jadual di atas juga dikenali sebagai jadual taburan diskret kerana

pembolehubah bilangan telefon bimbit mengambil nilai diskret.
Satu lagi
contoh jadual taburan frekuensi yang mengambil nilai diskret adalah seperti
berikut.
Contoh 2
Markah ujian statistik
60
Frekuensi (f) /Bilangan pelajar

5
65
11
70
20
75
25
80
15
85
10
90
Jumlah
90
Jadual taburan frekuensi selanjar

Jika kita menghimpunkan data berdasarkan pembolehubah selanjar dengan
nilai yang sama atau hampir-hampir sama ke dalam satu kumpulan, maka
jadual ini dikenali sebagai jadual taburan frekuensi selanjar.
Langkah-langkah berikut boleh digunakan bagi membina jadual taburan

frekuensi selanjar jika kita dihidangkan dengan data mentah:
17
(i)
Tentukan selang kelas, kebiasaannya dalam gandaan 5, 10, 15,
(ii)
Kirakan bilangan selang kelas, iaitu BSK
(iii)
Hitungkan tally dan frekuensi (f).
NT NR
SK
Contoh 3
Markah yang diperoleh oleh 40 pelajar yang menduduki peperiksan kursus
statistik asas adalah seperti berikut:
51
62
72
80
87
66
73
83
74
65
78
88
53
75
92
76
82
93
77
84
89
65
81
68
75
58
94
79
67
86
69
71
77
98
81
79
64
70
85
71
Data di atas boleh dipersembahkan dalam jadual taburan frekuensi dengan

menggunakan langkah-langkah berikut:
(i)
Katakan kita mengambil selang kelas 10.
(ii)
Kirakan bilangan selang kelas, iaitu BSK
(iii)
Hitungkan tally dan frekuensi (f).
98 51
5
10
Markah (y)
50-59
Tally
|||
Frekuensi (f)
3
60-69
|||| |||
70-79
|||| |||| ||||
14
80-89
|||| |||| |
11
90-99
||||
Jumlah
40
18

Jadual taburan frekuensi melonggok
Jadual taburan frekuensi melonggok boleh dibentuk dengan mengumpulkan

(menjumlahkan) frekuensi pada setiap selang dengan selang sebelumnya.
Jadual taburan frekuensi melonggok dibina bertujuan untuk memperlihatkan
jumlah yang telah terkumpul pada sesuatu selang tertentu. Cuba kita rujuk
contoh 2 dan 3 di atas, dengan kedua-dua contoh ini kita cuba membina
jadual taburan kekerapan melonggok.
Contoh 4
Markah ujian
statistik
60
Frekuensi (f)/
Bilangan pelajar
5
Frekuensi
Melonggok
5
65
11
5 1116
70
20
16 2036
75
25
36 2561
80
15
61 1576
85
10
76 1086
90
86 490
Contoh 5
Markah (y)
Tally
Frekuensi (f)
50-59
|||
Frekuensi
Melonggok
3
60-69
|||| |||
3 811
70-79
|||| |||| ||||
14
11 1425
80-89
|||| |||| |
11
25 1136
90-99
||||
36 440
19

Jadual taburan frekuensi relatif
Jadual taburan frekuensi yang dinyatakan dalam nilai nisbah atau peratus
dinamakan jadual taburan frekuensi relatif. Sila rujuk Contoh 2 dan 3 bagi
jadual frekuensi diskret dan jadual frekuensi selanjar di atas. Jadual-jadual
tersebut boleh ditokok menjadi jadual frekuensi relatif seperti berikut:
Contoh 6
Markah Ujian
Statistik
60
Frekuensi (f) /Bilangan

Pelajar
5
Frekuensi Relatif
65
11
11
100 12.22
90
70
20
20
100 22.22
90
75
25
25
100 27.78
90
80
15
15
100 16.67
90
85
10
10
100 11.11
90
90
4
100 4.44
90
Jumlah
90
90
100 100.00
90
5
100 5.56
90
Histogram
Maklumat-maklumat daripada jadual yang telah dibina sebelum ini boleh kita
persembahkan dalam bentuk graf.
Histogram boleh dilukis dengan
menggunakan maklumat yang diperoleh daripada jadual frekuensi dan

frekuensi relatif. Histogram juga boleh digunakan untuk menunjukkan bentuk
taburan sesuatu data kuantitatif.
Selain daripada itu mod boleh dianggar
20

daripada histogram. Di dalam Contoh 7, kita ditunjukkan bagaimana melukis
histogram daripada jadual taburan frekuensi.
Contoh 7
Kelajuan kenderaan yang dicatatkan di sebuah lebuh raya adalah seperti
berikut:
Kelajuan kenderaan
(KM/Jam)
Bil. Kenderaan/ Frekuensi
9599
2
100- 105- 110- 115- 120104 109 114 119 124

5
7
11
6
3
125129
1
Histogram:
Bilangan Kenderaan Mengikut Kelajuan (KM/Jam)
12
BilanganKenderaan
10
8
6
4
2
0
94.5
99.5 104.5 109.5 114.5 119.5 124.5 129.5
Kelajuan (KM/Jam)
Poligon Frekuensi
Graf
poligon
frekuensi
diperolehi
dengan
melakarkan
garis
yang
menyambungkan titik tengah setiap palang histogram. Bentuk taburan

sesuatu data dapat dilihat dengan lebih jelas apabila terbinanya poligon
frekuensi. Contoh di bawah dipetik daripada Contoh 7 yang menunjukkan
bagaimana graf poligon frekuensi dibentuk daripada histogram.
21
Contoh 8
Kelajuan kenderaan yang dicatatkan di sebuah lebuh raya adalah seperti
berikut:
Kelajuan kenderaan
(KM/Jam)
Bil. Kenderaan/ Frekuensi
9599
2
100- 105- 110- 115- 120104 109 114 119 124

5
7
11
6
3
125129
1
Poligon:
Bilangan Kenderaan Mengikut Kelajuan (KM/Jam)
12
BilanganKenderaan
10
8
6
4
2
0
94.5
99.5 104.5 109.5 114.5 119.5 124.5 129.5
Kelajuan (KM/Jam)
Graf frekuensi melonggok (ogif)

Jika pelajar melakar graf daripada jadual frekuensi melonggok, graf yang
diperolehi dinamakan ogif. Terdapat dua bentuk ogif yang boleh dibentuk,
iaitu ogif kurang daripada dan ogif
lebih daripada.
Bagi ogif kurang
daripada paksi-x diwakili oleh had bawah data dan paksi-y mewakili frekuensi
melonggok. Manakala bagi ogif lebih daripada paksi-x diwakili oleh had atas
data dan paksi-y mewakili frekuensi melonggok. Daripada ogif yang diperoleh,
pelajar boleh menganggar nilai median. Perhatikan contoh di bawah, iaitu
data berkenaan taburan hujan di bandar Tanjong Malim yang dicatatkan pada
bulan Disember 2012.
22
Contoh 9
Taburan hujan (mm)
Bilangan Hari/ Frekuensi
300
Frekuensi
Melonggok
3
400
3+6=9
500
9+7=16
600
16+8=24
700
24+3=27
800
27+2=29
900
29+1=30
Jumlah
30
Ogif Kurang Daripada
Kekerapan Melonggok
35
30
25
20
15
10
5
0
300
400
500
600
700
800
900
Taburan hujan (mm)
Satu lagi ogif yang boleh dibina adalah Ogif lebih daripada. Iaitu ogif yang
menggunakan frekuensi melonggok lebih daripada sebagai paksi-y. Contoh
10 menunjukkan bagaimana Ogif lebih daripada dibina.
23
Contoh 10
Taburan Hujan (mm)
300
Bilangan Hari/ Frekuensi

3
Frekuensi Melonggok
27+3=30
400
21+6=27
500
14+7=21
600
6+8=14
700
3+3=6
800
1+2=3
900
Jumlah
30
Ogif Lebih Daripada
Kekerapan Melonggok
35
30
25
20
15
10
5
0
300
400
500
600
700
800
900
Taburan hujan (mm)
Carta bulatan
Sebelum ini kita telah mempelajari bagaimana mempersembahkan data
kuantitatif
dalam bentuk bergraf. Seterusnya kita akan mempelajari
bagaimana untuk mempersembahkan data kualitatif dalam bentuk bergraf.
24

Data kualitatif boleh dipersembahkan dalam bentuk carta bulatan dan carta
palang.
Carta bulatan sesuai digunakan jika kita ingin membuat perbandingan

beberapa sektor yang dibentuk. dalam sesuatu bulatan, maka carta yang
paling sesuai digunakan adalah carta bulatan. Sebagai contoh jika kita ingin
membanding penduduk bagi negara-negara Malaysia, Thailand dan Filipina.
Ini boleh dilakukan dengan mempersembahkan data penduduk dalam bentuk
carta bulatan. Perbandingan penduduk bagi negara-negara ini dilakukan
dengan membahagikan sektor-sektor mengikut Negara.
Contoh 12
Bilangan program yang ditawarkan di sebuah universiti tempatan.
Negara
Malaysia
Bilangan penduduk
29
Thailand
70
Filipina
96
Jumlah
195
Sudut sector
29
360 o 53.6 o
195
70
360 o 129.2 o
195
96
360 o 177.2 o
445
Setiap sudut sektor dalam carta bulatan dihitung seperti berikut:

Sudut sektor = (Jumlah item / jumlah keseluruhan)
25
Carta Bulatan:
Penduduk di Negara Asean Terpilih
Malaysia 29
Filipina 96
Thailand 70
Carta Palang
Carta yang sering digunakan untuk mempersembahkan data kualitatif adalah

carta palang. Terdapat beberapa jenis carta palang yang boleh digunakan.
Antaranya carta palang ringkas; carta palang berganda; carta palang
berkomponen; dan carta palang berkomponen berperatusan. Carta-carta
palang yang dinyatakan digunakan untuk mempersembahkan data begantung
kepada kesesuaiannya.
Carta palang ringkas digunakan untuk membanding beberapa perkara atau

pembolehubah secara serentak. Setiap komponen diwakili oleh hanya satu
pembolehubah atau perkara sahaja.
26

Contoh 13
Jadual di bawah menunjukkan bilangan pelajar Ijazah Sarjana Muda yang
mendaftar di Fakulti Sains dan Matematik, UPSI mengikut program pada
Semester 1 Sesi 2012/2013.
Program
Sarjana Muda Pendidikan (Biologi)
Sarjana Muda Pendidikan (Fizik)
Sarjana Muda Pendidikan (Kimia)
Sarjana Muda Pendidikan
(Matematik)
Sarjana Muda Sains (Matematik)
Jumlah
Bilangan
Pelajar
150
70
80
200
150
650
Pelajar boleh menggunakan carta palang ringkas untuk membentangkan

maklumat seperti Rajah di bawah.
Carta Palang:
Pendaftaran Pelajar Mengikut Program di FSM, UPSI
250
Bilangan Pelajar
200
150
100
50
Sarjana Muda
Pendidikan
(Biologi)
Sarjana Muda
Pendidikan
(Fizik)
Sarjana Muda
Pendidikan
(Kimia)
Sarjana Muda
Pendidikan
(Matematik)
Sarjana Muda
Sains
(Matematik)
Program
Carta palang berganda pula digunakan untuk membanding beberapa perkara

atau pembolehubah dalam sesuatu kelompok. Setiap kelompok diwakili oleh
perkara atau pembolehubah yang sama.
27

Contoh 14
Jadual di bawah menunjukkan jualan minyak di dua buah stesyen minyak di
sebuah bandar dalam masa sehari.
Minyak
Jualan (Liter)
Stesyen
Stesyen
Minyak A
Minyak B
7000
6000
Ron 95
Ron 97
8000
7000
Diesel
4000
7000
Jumlah
19000
20000
Carta palang berganda boleh digunakan untuk mempersembahkan data di

atas. Carta palang berganda yang dihasilkan daripada maklumat di atas
adalah seperti berikut:
Carta Palang Berganda:
Jualan Minyak di Stesyen Minyak A dan Stesyen Minyak B
9000
8000
Jualan (Liter)
7000
6000
5000
4000
3000
Stesyen Minyak A
2000
1000
Stesyen Minyak B
0
Ron 95
Ron 97
Diesel
Jenis Minyak
Carta palang berkomponen mempunyai cara yang sama pembinaannya

seperti carta palang berganda. Perbezaannya hanyalah dari segi bentuk.
Carta palang berkomponen berbentuk bertingkat.
28

Contoh 15
Dengan menggunakan data daripada Contoh 14, lakarkan carta palang
berkomponen.
Minyak
Jualan (Liter)
Stesyen
Stesyen
Minyak A
Minyak B
7000
6000
Ron 95
Ron 97
8000
7000
Diesel
4000
7000
Jumlah
19000
20000
Carta Palang Berkomponen:

16000
14000
Jualan (Liter)
12000
10000
8000
6000
Stesyen Minyak B
4000
2000
Stesyen Minyak A
0
Ron 95
Ron 97
Diesel
Jenis Minyak
Carta
palang berkomponen berperatusan mempunyai bentuk yang sama dengan
carta palang berkomponen. Walau bagaimanapun nilai palang bagi setiap
komponen dihitung dalam bentuk peratus.
29

Contoh 16
Cuba kita perhatikan contoh di bawah. Untuk melakarkan carta palang
berkomponen berperatusan kita perlu menukarkan setiap nilai komponen
kepada nilai peratus.
Minyak
Stesyen
Minyak A
7000
Ron 95
Hasil Jualan
Peratus
Stesyen
Minyak B
7000
6000
100 36.8
19000
Peratus
6000
100 30
20000
Ron 97
8000
8000
100 42.1
19000
7000
7000
100 35
20000
Diesel
4000
4000
100 21.1
19000
7000
7000
100 35
20000
Jumlah
19000
100
20000
100
Carta Palang Berkomponen Berperatusan:

100%
90%
Jualan (Peratus)
80%
70%
60%
50%
40%
Stesyen Minyak B
30%
20%
Stesyen Minyak A
10%
0%
Ron 95
Ron 97
Diesel
Jenis Minyak
30
PENILAIAN KENDIRI
1. Senaraikan
graf
dan
carta
yang
sesuai
digunakan
bagi
mempersembahkan data kuantitatif dan data kualitatif, mengikut jenis data

masing-masing.
2. Bayaran bil letrik (RM) yang dicatatkan oleh sebuah keluarga setiap bulan
dalam tempoh 36 bulan adalah seperti berikut:
191
170
148
198
162
133
152
125
143
122
115
131
150
185
102
174
175
135
183
144
154
151
168
112
167
108
124
157
146
111
149
166
129
169
155
137
Bina jadual taburan frekuensi dengan mengambil nilai 10 sebagai selang

kelas.
3. Sekumpulan pelajar ditanya tentang minuman kegemaran mereka.

Maklum balas adalah seperti di bawah:
Minuman Kegemaran
Kopi
Teh
Coklat
Bijirin
Berkarbonat
Tally
|||| ||||
|||| |||| ||
|||| ||||
|||| ||
|||| |||| |||| ||||
Frekuensi
(a) Lengkapkan jadual di atas.

(b) Lakarkan carta palang.
(c) Lakarkan carta bulatan.
4.
Lakarkan carta yang sesuai bagi data di bawah untuk mengambarkan

rancangan TV kegemaran remaja.
31

Rancangan TV
Komedi
Nyayian
Drama
Berita
Dokumentari
Remaja lelaki
|||| |||| ||||
|||| |||| |||
|||| ||||
|||| |||
|||| ||||
Remaja perempuan
|||| |||| |||| ||
|||| |||| ||||
|||| |||| ||
|||| |
|||| |
5. Bilangan pinjaman buku yang dibuat oleh pelajar yang mengikuti program
PhD di sebuah IPTA dalam masa satu semester dicatatkan seperti di
bawah:
Bil. Pinjaman Buku
Bil. Pelajar
1
6
2
10
3
12
4
15
5
13
6
11
7
5
Bina jadual frekuensi melonggok.

6. Pendaftaran pelajar tempatan dan luar negara di sebuah IPTA adalah
seperti di bawah:
Program
Bilangan
Tempatan
Luar negara
3000
1000
5000
1500
400
200
600
200
200
100
9200
3000
BSc
BEd
MSc
MEd
PhD
Jumlah
Lakarkan carta yang sesuai bagi mempersembahkan maklumat di atas.
7. Jumlah masa yang dihabiskan oleh pelajar bagi menganalisis data projek
tahun akhir adalah seperti berikut:
Masa (Jam)
Bil. Pelajar
1-3
5
3-5
10
5-7
13
7-9
25
9-11
8
11-13
6
13-15
4
Lakar histogram dan poligon frekuensi.
32

8. Pinjaman peribadi yang diluluskan oleh sebuah bank komersial setiap
bulan adalah seperti berikut:
Nilai Pinjaman (RM)
20,000-39,999
40,000-59,999
60,000-79,999
80,000-99,999
100,000-119,999
120,000-139,999
140,000-159,999
160,000-179,999
Jumlah
Bilangan
3
5
7
9
11
8
6
4
53
Lakarkan ogif kurang daripada bagi maklumat di atas.
9. Pecahan bajet bagi perbelanjaan operasi bagi sebuah negara dicatatkan

seperti berikut:
Perbelanjaan Operasi
Emolumen
Perkhidmatan dan
bekalan
Pemberian dan kenaan
bayaran tetap
Pembelian asset
Bilangan
(000,000,000)
50
30
100
10
Lakar carta yang sesuai bagi maklumat di atas.
33

10. Paparan carta di bawah menunjukan bilangan pekerja tempatan dan
asing bagi sebuah negeri.
Carta Palang Berkomponen:
Bilangan Pekerja Tempatan dan Asing Mengikut Sektor
80000
70000
Bilangan
60000
50000
40000
30000
Asing
20000
Tempatan
10000
0
Pertanian
Pengilangan
Pembinaan
Perkhidmatan
(a)
Berapa ramaikah pekerja tempatan yang bekerja di sektor

perkhidmatan?
(b)
Berapa ramaikah pekerja asing yang bekerja di sektor pengilangan

dan pembinaan?
(c)
Dalam sektor apakah pekerja tempatan banyak bekerja?
(d)
Berapakah nisbah pekerja tempatan dan asing dalam semua

sektor?
RUJUKAN
Bluman, A.G.(2009). Elementary Statistics: A Step by Step Approach (7th ed).
New York: McGraw Hill.
Johnson, R. & Kuby, P. (2004). Elementary Statistics (9th ed). Boston:
Duxbury Press.
34
Statistik Pemerihalan
UNIT PELAJARAN 3
STATISTIK PEMERIHALAN
HASIL PEMBELAJARAN
1. Menguasai konsep kecenderungan memusat iaitu min, median dan

mod.
2. Mengaplikasikan min, median dan mod.
3. Menguasai konsep ukuran serakan iaitu julat, sisihan kuartil, sisihan
piawai dan sukatan kepencongan bagi menerangkan sesuatu data.
PENGENALAN
Ukuran kecenderungan memusat banyak digunakan dalam kehidupan harian.
Purata taburan hujan, purata kelajuan kenderaan di sebuah lebuhraya, purata
perbelanjaan isi rumah dalam sebulan, purata markah kursus statistik yang
diperolehi oleh sekumpulan pelajar dan sebagainya adalah antara contoh
ukuran kecenderungan memusat yang melibatkan min.
Purata atau min
merupakan salah satu ukuran kecenderungan memusat. Selain daripada min

kita juga akan mempelajari median dan mod yang juga merupakan ukuran
kecenderungan memusat
yang terkandung dalam ukuran memusat yang
akan diterangkan.
Ukuran kecenderungan memusat hanya mengukur satu nilai yang mewakili

sekumpulan data. Jika kita ingin mengetahui lebih lanjut mengenai sesuatu
data, kita bolehlah menghitung sisihan atau serakan data tersebut. Selain
daripada ukuran kecenderungan memusat, pelajar juga akan diterangkan
mengenai ukuran serakan yang melibatkan julat, sisihan kuartil dan sisihan
35
piawai. Seterusnya daripada nilai-nilai ukuran kencenderungan memusat dan
ukuran serakan pelajar akan didedahkan kaitan antara kedua-dua ukuran ini.
ISI KANDUNGAN
Min aritmetik
Satu nilai yang mewakili sekumpulan data dinamakan ukuran memusat. Min
aritmetik adalah salah satu ukuran memusat.
Min diperoleh dengan
menjumlahkan keseluruhan data, kemudian dibahagikan dengan bilangan

data yang dijumlahkan tadi. Sebagai contoh, katakan markah yang diperoleh
oleh sepuluh (10) orang pelajar dalam ujian statistik adalah seperti berikut:
5, 5, 6, 6, 6, 7, 7, 8, 8, 9.
Nilai min dihitung seperti berikut:

5 5 6 6 6 7 7 8 8 9 67
6.7
10
10
Bagi menghitung min, pelajar terlebih dahulu perlu mengenal pasti jenis data
kuantitatif. Jenis data yang dimaksudkan adalah data tak terkumpul dan data
terkumpul. Kaedah menghitung min bagi data tak terkumpul dan data
terkumpul ditunjukkan seperti di bawah:
Menghitung min aritmetik daripada data tak terkumpul
Rumus bagi menghitung min aritmetik bagi data tak terkumpul adalah seperti berikut:
n
xi
x i 1
n
Dengan xi ialah cerapan ke-i; dan n ialah bilangan data.
36
Contoh 1
Markah matematik bagi ujian percubaan PMR yang diperoleh oleh tujuh (7) orang
pelajar di sebuah sekolah adalah seperti berikut:
50, 65, 78, 73, 75, 84, 90
Min dihitung seperti berikut.

n
xi
x i 1
n
50 65 73 75 78 82 90 513
73.3
7
7
Menghitung min aritmetik daripada data terkumpul

Bagi menghitung min yang melibatkan data terkumpul, rumus berikut digunakan:
n
fi x i
x i 1
fi
i 1
Dengan xi ialah nilai tengah; dan fi ialah frekuensi.
Contoh 2
Sekumpulan pelajar diberi ujian matematik. Markah yang diperoleh dikumpulkan
dalam bentuk jadual seperti di bawah:
Markah Matematik
55
65
75
80
85
90
95
Bilangan pelajar
10
15
20
14
12
Nilai min bagi taburan data di atas dihitung dengan menggunakan rumus:
n
fi x i
x i 1
fi
i 1
37
xi
55
65
75
80
85
90
95
fi
10
15
20
14
12
275
650
1125
1600
1190
1080
570
fi xi
7
fi x i
x i 1
7
fi
275 650 1125 1600 1190 1080 570 6490
79.1
5 10 15 20 14 12 6
82
i 1
Nilai di atas juga dikenali sebagai min berpemberat. Dengan fi
sebagai
pemberat. Seterusnya Contoh 3 dan Contoh 4 dapat memahirkan pelajar

dalam menghitung min bagi data terkumpul.
Contoh 3
Taburan hujan yang dicatatkan pada bulan tertentu di sebuah daerah di
Malaysia adalah seperti berikut:
Taburan Hujan (mm)
300 349
Bilangan Hari
3
350 399
400 449
450 499
500 549
550 599
600 649
Jumlah
30
Nilai min taburan hujan (mm) dihitung menggunakan rumus yang berikut:
n
fi x i
x i 1
fi
i 1
Taburan Hujan (mm)
fi
xi
fi xf
300 349
324.5
973.5
350 399
374.5
1872.5
38
400 449
424.5
2971.5
450 499
474.5
4270.5
500 549
524.5
1573.5
550 599
574.5
1149.0
600 649
624.5
624.5
Jumlah
30
13435
fi x i
x i 1
n
fi
13435
447.8
30
i 1
Contoh 4
Seorang pegawai statistik ingin menghitung min pendapatan isi rumah bagi
sebuah bandar. Maklumat yang telah dikumpul adalah seperti berikut:
Pendapatan Isi rumah (RM000)
10 dan kurang daripada 20
Frekuensi
5
10
15
30
40
20
16
14
12
Rumus yang digunakan ialah:

n
fi x i
x i 1
fi
i 1
Pendapatan Isi rumah (RM000)
fi
xi
fi xf

5
10
15
30
15
25
35
45
75
250
525
1350
39
Jumlah
40
20
16
14
12
162
55
65
75
85
95
2200
1300
1200
1190
1140
9230
fi x i
x i 1
fi
9230
57 (RM000)
162
i 1
Median
Selain daripada min, ukuran kecenderungan memusat yang sering digunakan
ialah median. Nilai yang berada di kedudukan tengah bagi sekumpulan data
dinamakan median dengan syarat data tersebut telah disusun sama
ada
mengikuti turutan menaik atau menurun.
Menghitung median daripada data tak terkumpul
Bagi menghitung nilai median bagi data tak terkumpul, kita hanya perlu
menyusun data sama ada mengikut turutan menaik atau menurun. Dengan
kata lain tiada rumus khusus bagi menghitung median bagi data tak
terkumpul.
Contoh 5
Wang saku (RM) yang dibawa oleh tujuh (7) pelajar ke sekolah setiap hari
4.00, 2.00, 2.50, 1.50, 3.50, 3.00, 4.50
Bagi menghitung nilai median, pelajar perlu menyusun mengikut turutan

menaik, diberikan seperti berikut:
1.50, 2.00, 2.50, 3.00, 3.50, 4.00, 4.50 (susunan menaik)
40
Maka median ialah ~x 3.00

Contoh 6
Katakan wang saku (RM) yang dibawa oleh lapan (8) pelajar semasa ke
sekolah adalah seperti berikut:
4.00, 2.00, 2.50, 1.50, 3.50, 3.00, 4.50, 3.50
1.50, 2.00, 2.50, 3.00, 3.50, 3.50, 4.00, 4.50 (susunan menaik)
3.00 3.50 6.50

Maka median ialah ~
x
3.25
2
Menghitung median daripada data terkumpul
Bagi menghitung median untuk data terkumpul, kita memerlukan maklumat

tentang kekerapan dan kekerapan melonggok. Rumus yang boleh digunakan
bagi menghitung median bagi data terkumpul adalah seperti berikut:
nf
i 1
F
m 1
2
~
x Lm
c
fm
Dengan:
Lm
had bawah kelas median;
Fm1
kekerapan melonggok kelas sebelum kelas median;
fm
kekerapan kelas median;
selang kelas.
41
Contoh 7
Bayaran penggunaan air bagi sebuah keluarga besar di bandar Kuala Lumpur
untuk tempoh dua (2) tahun dicatatkan seperti berikut:
Bayaran
Penggunaan Air (RM)
Bilangan Bulan
100-149
150-199
200-249
250-299
300-349
Median bayaran penggunaan air (RM) dihitung dengan menggunakan rumus

seperti berikut:
nf
i 1
Fm 1
2
~
x Lm
c
fm
Had bawah
99.5
149.5
199.5
249.5
299.5
fi
8 fm
Fi
14
20
24
6
Fm1
Kelas median
x~ Lm
nf
i 1
Fm 1
12 6
2
c 199.5 8 50 237
fm
Contoh 8
Markah yang diperoleh oleh tiga puluh (30) pelajar Program Matematik yang
mengambil kursus Fizik adalah seperti berikut:
Markah Fizik
Bilangan Pelajar
3
5
42
Jumlah
30
Median markah Fizik dihitung dengan menggunakan rumus seperti berikut:

nf
i 1
Fm 1
2
~
x Lm
c
fm
Had bawah
fi
Fi
30
40
50
12 Fm1
60 Lm
7 fm
19
70
24
80
28
90
30
Jumlah
30
x~ Lm
Kelas median
nf
i 1
Fm 1
15 12
c 60
10 64.3
fm
7
Menganggar median dengan menggunakan ogif

Salah satu cara untuk mengganggar median adalah dengan menggunakan
Ogif. Median boleh dianggar sama ada dengan menggunakan ogif kurang
daripada atau lebih daripada.
Contoh 9
Dengan merujuk pada Contoh 8, data adalah seperti berikut:
Markah Fizik
Bilangan Pelajar
3
5
43
Jumlah
30
Anggaran median markah Fizik dengan menggunakan ogif kurang daripada

dilakukan seperti berikut:
Had atas
fi
Fi
40
50
60
12
70
19
80
24
90
28
100
30
Jumlah
30
Ogif "Kurang daripada"
Kekerapan Melonggok
35
30
25
20
15
Anggaran nilai median
10
5
0
40
50
60
70
80
90
100
Markah Fizik (Had Atas)
Nilai median bagi contoh di atas ialah 64.

44
Mod
Mod ialah nilai yang paling kerap berlaku dalam sesuatu kumpulan data. Mod
juga boleh diperolehi jika data tersebut adalah data kualitatif.
Menghitung mod daripada data tak terkumpul

Bagi data tak terkumpul mod diperoleh dengan memilih cerapan yang paling
kerap berlaku.
Contoh 10
Harga tiket yang dibeli oleh sepuluh orang pengunjung bagi satu perlumbaan
kereta adalah seperti berikut:
200, 150, 100, 50, 100, 300, 100, 50, 300, 200
Nilai yang paling kerap berlaku bagi contoh ini ialah 100. Ini bermaksud nilai
mod bagi harga tiket ialah 100.
Contoh 11
Program yang diminati oleh sepuluh orang pelajar untuk kemasukan ke
universiti adalah seperti berikut:
Matematik, Pengurusan, Perakaunan, Perakaunan, Matematik, Kejuruteraan,

Sains, Matematik, Pengurusan
Maka mod bagi program yang diminati pelajar ialah Matematik.
Contoh 12
Jumlah bulan yang dihabiskan oleh penyelidik-penyelidik di sebuah universiti
untuk melengkapkan projek mereka adalah seperti berikut:
Jumlah Bulan
10
11
12
Bilangan Projek
13
Daripada jadual di atas didapati nilai yang mempunyai kekerapan tertinggi

ialah 9 dengan kekerapan sebanyak 13. Maka nilai mod ialah 9 bulan.
45
Menghitung mod daripada data terkumpul
Pelajar boleh menggunakan rumus seperti di bawah dalam menghitung mod
daripada data terkumpul.
1
x Lm
c
1 2
Dengan
Lm had bawah kelas mod;
1 f m f m 1 ;
2 f m f m 1 ;
c selang kelas;
f m kekerapan kelas mod;
f m1 kekerapan sebelum kelas mod;
f m1 kekerapan selepas kelas mod.
Contoh 13
Jangka masa menunggu pelanggan yang dicatatkan di sebuah bank
komersial sebelum mendapat perkhidmatan di kaunter bank adalah pada hari
Isnin minggu pertama adalah seperti berikut:
Jangka Masa
Menunggu (Minit)
Bilangan Pelanggan
0-4
5-9
10-14
15-19
20-24
25-29
10
15
20
Kelas mod
Nilai mod dihitung seperti berikut:

1
x Lm
c
1 2
5
9 .5
5
5 13
9.5 1.39
10.89
Mod bagi jangka masa menunggu ialah 10.89 minit.
46
Menganggar mod daripada histogram
Pelajar juga boleh memperoleh mod dengan menganggar daripada

histogram. Bagi menganggar mod dari histogram, pelajar boleh menggunakan
contoh seperti di bawah.
Contoh 14
Jangka masa menunggu pelanggan yang dicatatkan di sebuah bank
komersial sebelum mendapat perkhidmatan di kaunter bank adalah pada hari
Isnin minggu pertama adalah seperti berikut:
Jangka Masa
Menunggu (Minit)
Bilangan Pelanggan
0-4
5-9
10-14
15-19
20-24
25-29
10
15
20
Kelas mod
Anggaran mod daripada histogram dilakukan seperti berikut:
Histogram
25
Bilangan Pelanggan
20
15
Anggaran nilai mod
10
5
4.5
9.5
14.5
19.5
24.5
29.5
0
Jangka Masa Menunggu
Nilai mod yang dianggarkan daripada histogram di atas ialah 11 minit.
47
Kebaikan dan kelemahan min, median dan mod
Kebaikan dan kelemahan min, median dan mod boleh disenaraikan seperti
berikut:
Kebaikan min
1. Min merupakan pengukur yang sesuai digunakan jika kesemua
cerapan perlu diambil kira dalam menghitung ukuran kecenderungan
memusat
2. Min merupakan pengukuran yang baik jika terdapat bilangan data yang
besar
3. Min memberi pemberat yang seragam secara relatif mengikut saiz data
4. Min sering digunakan dalam analisis lanjutan
Kelemahan min
1. Min tidak dapat dianggarkan secara bergraf
2. Min tidak boleh digunakan bagi mengukur data kualitatif
3. Min dipengaruhi oleh nilai melampau
Kebaikan median
1. Median tidak dipengaruhi oleh nilai melampau
2. Median sesuai digunakan dalam ukuran kecenderungan memusat
yang melibatkan data yang berkelas terbuka
3. Median boleh dianggarkan daripada ogif
Kelemahan median
1. Median tidak seuai digunakan sebagai ukuran kecenderungan
memusat jika kesemua nilai termasuk yang terkecil dan terbesar dalam
sesuatu kumpulan data perlu diambil kira
2. Median tidak mengambil kira kesemua cerapan dalam kumpulan data
Kebaikan mod
1. Mod tidak dipengaruhi oleh nilai melampau
48
2. Mod boleh diperolehi jika data melibatkan dalam selang terbuka
3. Mod boleh dianggarkan dari histogram
Kelemahan Mod
1. Mod tidak boleh dihitung jika melibatkan data berbentuk bi-modal
2. Mod tidak mengambil kira kesemua cerapan dalam kumpulan data
Serakan berasaskan julat
Julat merupakan salah satu ukuran serakan yang mengambil perbezaan

antara nilai kecil dan nilai terbesar bagi sesuatu data.
Contoh 15
Markah matematik yang diperoleh oleh sekumpulan sepuluh orang pelajar
85, 92, 70, 68, 60, 65, 75, 62, 73, 64
Julat = 92 62=30
Serakan berasaskan sisihan kuartil

Dalam penghitungan julat, pelajar akan berhadapan dengan masalah nilai
ekstrim. Sebagai contoh jika kita diberi data seperti di bawah :
2, 2, 4, 5, 6, 100
Nilai julat bagi data in ialah julat=100-2=98 walaupun kebanyakan data

berada dalam lingkungan 2 dan 6. Untuk mengatasi masalah ini kita gunakan
sisihan kuartil. Sebelum pelajar dapat mengira nilai sisihan kuartil, pelajar
perlu terlebih dahulu mengira kuartil atau penyuku bagi sesuatu data.
Kuartil bagi data tak terkumpul

Untuk mengira kuartil, perhatikan bentuk data yang telah disusun mengikut
jujukan menaik seperti di bawah
49
. . . k1 . . . k2 . . . k3 . . .
25%
25% 25% 25%
k1, k2 dan k3 mewakili kuartil pertama kuratil kedua (median) dan kuartil
ketiga.
Kuartil pertama boleh dihitung dengan mula-mula mencari kedudukan kuartil
tersebut. Rumus yang digunakan adalah seperti berikut:
Kedudukan k1
(n 1)
4
Kedudukan k 3
3(n 1)
4
Seterusnya dapatkan nilai kuartil pertama dan ketiga pada kedudukan

tersebut.
Contoh 16
Markah diperolehi oleh 9 orang pelajar dalam satu ujian matematik adalah
seperti berikut:
55, 57,70, 73,74, 77,81, 84,85
Kedudukan k1
(n 1) (9 1)
2.5
4
4
Maka nilai k1 57 0.5(70 57) 57 6.5 63.5
Kedudukan k 3
3(n 1) 3(9 1)
7.5
4
4
Maka nilai k 3 81 0.5(84 81) 81 1.5 82.5
Sisihan kuartil kita boleh menggunakan rumus seperti berikut:
sk
k 3 k1 82.5 63.5
9.5.
2
2
50
Kuartil bagi data terkumpul

Pelajar boleh menggunakan rumus berikut bagi menghitung nilai kuartil
pertama dan kuartil ketiga bagi data terkumpul:
Rumus kuartil pertama
k 1 Lk1
dengan Lk1
nf
i 1
Fk11
f k1
had bawah kelas kuartil pertama; Fk11 kekerapan melonggok
kelas sebelum kelas kuartil pertama; fk1 kekerapan kelas kuartil pertama; c
selang kelas.
Rumus kuartil ketiga
k 3 Lk3
3 n f
i 1
Fk3 1
f k3
Dengan Lk3 had bawah kelas kuartil ketiga; Fk3 1 kekerapan melonggok kelas
sebelum kelas kuartil ketiga; fk3
kekerapan kelas kuartil ketiga; c selang
kelas.
51
Contoh 17
Bayaran bulanan sewa premis perniagaan di sebuah kompleks membeli
belah adalah seperti berikut:
Bayaran Bulanan (RM)
Bilangan Premis
2
12
14
Jumlah
50
Kuartil pertama, kuartil ketiga dan sisihan kuartil dihitung seperti berikut:
(1) Dapatkan kedudukan kelas k 1
(2) Dapatkan kedudukan kelas
k3
f
4
3
f
4
(3) Seterusnya pelajar dikehendaki membina jadual kekerapan bagi

menentukan nilai-nilai yang akan digunakan dalam rumus kuartil.
Jadual kerapan adalah seperti berikut:
Had Bawah
fi
Fi
999.5
1999.5
6 Fk11
Lk1
2999.5
3999.5
Lk3
4999.5
5999.5
8 fk1
12
14 fk3
14
Kelas k1
26 Fk3 1
40
48
6999.5
50
Jumlah
50
Kelas k3
52
n f
i 1
F
12.5 6
k11
k1 Lk1 4
c 2999.5
1000 3812
f k1
8
k 3 Lk3
3 n f
i 1
F
37.5 26
k3 1
4
c 4999.5
1000 5821
fk3
14
Maka sisihan kuartil ialah
k 3 k1 5821 3812
1004.5
2
2
Sisihan piawai
Antara ukuran serakan yang kerap digunakan dalam statistik adalah sisihan
piawai. Pelajar boleh mendapatkan sisihan piawai dengan mengira punca
kuasa dua min perbezaan kuasa dua antara nilai sesuatu cerapan dan min.
Sisihan piawai bagi data tak terkumpul

Rumus berikut digunakan bagi menghitung nilai sisihan piawai data tak
terkumpul.
Sisihan piawai berdasarkan data populasi:

n
i1
x
i1
2
i
x
i1
Dengan
xi cerapan ke-i;
N ialah bilangan data.
Sisihan piawai berdasarkan data sampel:
53
x i
i1
n -1
xi
i1
i1
n
n
n -1
Dengan
xi cerapan ke-i;
n ialah bilangan data.
Contoh 18
Berat badan (kg) yang diperoleh daripada sampel yang terdiri daripada enam
orang pelajar adalah seperti berikut:
50, 55, 60, 70, 80, 85
Sisihan piawai boleh dihitung seperti berikut:
i 1
i 1
xi
n 1
50
55 2 60 2 70 2 80 2 85 2
50 55 60 70 80 852
6
14.02
Sisihan piawai bagi data terkumpul
Sisihan piawai bagi data terkumpul daripada populasi dihitung dengan

menggunakan rumus berikut:
f x
i
i1
n fi xi2 n fi xi
i1N i1N
Dengan xi titik tengah ke-i; dan fi ialah kekerapan ke-i.
54
Contoh 19
Catatan masa yang dibuat oleh 20 orang atlet dalam saringan larian 100
meter adalah seperti berikut:
Catatan Masa (Minit)
8.5
9.0
9.5
10
Bilangan Atlet
Sisihan piawai dihitung seperti berikut:

xi
8.5
9.0
9.5
10
fi
20
f i xi
16
42.5
54
38
30
180.5
f i xi2
128
361.25
486
361
300
1636.25
6 fi xi2 6 fi xi
i1N i1N
1636.25 180.5 0.3619 0.6016
20 20
Jika data yang diperoleh adalah daripada sampel, rumus sisihan piawai di
atas menjadi
n
f x
i 1
n 1
fi x i
n
2
fi x i i 1
n
i 1
n 1
Contoh 20
Masa (saat) yang diambil oleh seorang telefonis di sebuah syarikat untuk
menjawab panggilan telefon dicatatkan seperti berikut:
Masa(saat)
Bilangan Panggilan
10 14
15 19
20 24
25 29
30 34
35 39
Jumlah
30
55
Maklumat di atas diambil daripada sampel 30 panggilan telefon. Sisihan

piawai dihitung seperti berikut:
xi
12
17
22
27
32
37
fi
30
f i xi
36
102
176
189
128
74
705
f i xi2
432
1734
3872
5103
4096
2738
17975
fi x i
n
2
i 1
7052
fi x i
17975
n
30 6.97
i 1
n 1
29
56
PENILAIAN KENDIRI
1. Dalam ukuran kecenderungan memusat, nyatakan perbezaan antara min,
median dan mod.
2. Dapatkan min, median bagi cerapan berikut:

10, 13, 35, 17, 10, 15, 32.
3. Bilangan komputer riba yang dimiliki penduduk di sebuah bandar

dicatatkan seperti berikut:
Bilangan Komputer Riba
Bilangan Keluarga
60
150
50
Kira nilai min, median dan mod bilangan komputer riba.
4. Seorang pegawai pemasaran syarikat minyak telah mengumpul maklumat

tentang pembelian petrol di sebuah pinggir bandar dalam masa sehari.
Maklumat yang diperoleh adalah seperti berikut:
Pembelian Petrol (RM)
Bilangan Kenderaan
30-<50
20
50-<70
25
70-<90
35
90-<110
40
110-<130
50
130-<150
70
150-<170
50
170-<190
40
190-<210
30
210-<230
50
57
Kira min, median dan mod pembelian petrol.
5. Anggarkan nilai median dan mod dengan menggunakan graf yang sesuai
daripada soalan 4.
6. Ketua sebuah kesatuan kakitangan menjangkakan nilai median dapat membantu
bagi menentukan tuntutan kenaikan gaji bulanan yang dicadangkan terhadap
organisasinya. Maklumat gaji bulanan yang diperoleh adalah seperti berikut:
Gaji Bulanan (RM)
Bilangan Kakitangan
12
Jumlah
45
Kira nilai median gaji bulanan (RM) kakitangan.
7. Harga jualan ikan bawal yang dicatatkan oleh pegawai LKIM di sebuah pasar
runcit dalam masa sebulan adalah seperti berikut:
Harga (RM)
Bilangan Hari
10-<12
12-<14
14-<16
16-<18
18-<20
20-<22
Jumlah
30
Kira nilai median jualan ikan kembong.
8. Lebihan potongan besi yang dilakukan oleh sebuah syarikat kejuruteraan dalam
penghasilan cerucuk besi bagi tujuan pembinaan dicatatkan seperti berikut:
Lebihan Potongan Besi (cm)
Bilangan Batang Besi
0.95-<1.45
210
1.45-<1.95
160
58
1.95-<2.45
240
2.45-<2.95
120
2.95-<3.45
50
Jumlah
780
Kira nilai min lebihan potongan besi.
9. Hitung nilai julat dan sisihan kuartil bagi data di bawah:

22, 15, 47, 19, 22, 17, 35
10. Bilangan motosikal yang dimiliki penduduk di sebuah bandar dicatatkan seperti
berikut:
Bilangan Motosikal
Bilangan keluarga
10
150
50
Kira sisihan piawai.
11. Seorang pegawai pemasaran syarikat minyak telah mengumpul maklumat

tentang pembelian petrol di sebuah pinggir bandar dalam masa sehari. Maklumat
yang diperoleh adalah seperti berikut:
Pembelian Petrol (RM)
Bilangan Kenderaan
30-<50
20
50-<70
25
70-<90
35
90-<110
40
110-<130
50
130-<150
70
150-<170
50
170-<190
40
190-<210
30
210-<230
50
Jumlah
410
Kira nilai sisihan kuartil.
59
12. Perbelanjaan bulanan daripada sampel 40 keluarga di sebuah taman perumahan
Perbelanjaan
bulanan(RM)
Bilangan Keluarga
10001099
1
11001199
4
12001299
12
13001399
7
14001499
6
15001599
10
Hitung min, mod, sisihan piawai dan tentukan bentuk taburan data ini.
13. Maklumat tentang gaji bulanan yang diperoleh oleh kakitangan awam di sebuah
organisasi adalah seperti berikut:
Gaji Bulanan (RM)
Bilangan Kakitangan
1000-<1250
1250-<1500
1500-<1750
12
1750-<2000
2000-<2250
2250-<2500
Jumlah
45
Tentukan bentuk taburan data di atas.
RUJUKAN
York: McGraw Hill.
Press.
60
Konsep Kebarangkalian
UNIT PELAJARAN 4
KONSEP KEBARANGKALIAN
HASIL PEMBELAJARAN
Pada akhir unit ini, anda diharap dapat:
1. Memahami dan menerangkan konsep asas kebarangkalian.

2. Memahami aksiom kebarangkalian, petua-petua kebarangkalian,
ruang kebarangkalian terhingga dan tak terhingga.
3. Memahami dan mengaplikasi kebarangkalian bersyarat.
PENGENALAN
Peluang, kemungkinan dan kebarangkalian terjadinya sesuatu perkara dan
peristiwa sering kita dengar dalam kehidupan harian. Kadangkala kita lebih
lebih suka menyebutnya sebagai kebarangkalian. Kebarangkalian terjadinya
sesuatu perkara amat menarik untuk kita ketahui kerana dengan berbuat
demikian kita mampu membuat perancangan. Umpamanya jika kita
mengetahui bahawa kemungkinan hari ini akan berlaku kesesakan disebuah
lebuhraya, sudah pasti kita akan mengelak daripada melalui lebuhraya seperti
berikut. Begitu juga, jika seorang penganalisis pemasaran merasakan
sesuatu produk tidak lagi diterima oleh penggunaan, sudah pasti beliau akan
memikirkan produk yang disukai oleh pelanggan.
Contoh
yang
kemungkinan
diberikan
atau
ialah
dengan
beberapa
istilah
keadaan
matematiknya
ia
yang
melibatkan
disebut
sebagai
kebarangkalian.
61
Kebarangkalian boleh ditakrifkan sebagai kajian secara rawak atau
kemungkinan berlakunya sesuatu peristiwa yang dikaitkan dengan
ujikaji.
Jika kita ambil contoh mudah iaitu melambung duit syiling (ujikaji), kesudahan
ujikaji ini adalah sama ada mendapat bunga (X) atau sen (Y). Ini dikenali
sebagai ruang sampel S{X, Y}.
Maka kebarangkalian untuk mendapatkan bunga, K(X) pada lambungan itu
adalah:
[(Bilangan bunga pada lambungan n(X)]/ [(Jumlah keseluruhan n(S)] atau ia
boleh ditulis sebagai:
K(X )
n( X ) 1
.
n( S ) 2
Perlu diingat lambungan dilakukan secara adil, di mana peluang untuk

berlakunya sesuatu peristiwa sama ada bunga (X) atau sen (Y) adalah
saksama.
Sebelum ini kita telah ditunjukkan peristiwa dan ujikaji dalam sesuatu
kebarangkalian, seterusnya kita akan diterangkan mengenai ruang sampel.
ISI KANDUNGAN
Ruang sampel
Ruang sampel ialah set yang mengandungi kesudahan yang mungkin dari
sesuatu ujikaji. Simbol yang biasa digunakan bagi ruang sampel ialah S.
Setiap kesudahan dalam sesuatu ruang sampel dikenali sebagai unsur atau
elemen atau titik sampel. Sebagai contoh dalam lambungan sebiji buah dadu,
ruang sampel bagi kesudahan lambungan ini boleh ditulis sebagai:
62
S {1, 2, 3, 4, 5, 6} .
Ruang sampel juga boleh dinyatakan dalam bentuk pernyataan. Sebagai

contoh:
S { x | x ialah kesudahan mendapat nombor ganjil dalam lambungan sebiji
buah dadu}.
Ruang sampel juga boleh ditulis seperti berikut:
S x 1 x 0, 2, 4
ialah set nombor ganjil dalam lambungan sebiji buah dadu.
Aksiom kebarangkalian
Ukuran kebarangkalian atau taburan kebarangkalian K
bagi ujikaji rawak
adalah nilai nyata ditakrifkan ke atas himpunan peristiwa yang mematuhi

aksiom berikut:
a)
Bagi setiap peristiwa X , 0 K ( X ) 1.
b)
K ( S ) 1 di mana S ialah ruang sampel.
c)
Jika peristiwa X dan Y adalah saling eksklusif maka,

K ( X Y ) K ( X ) K (Y ).
d)
Jika X 1 , X 2 , X 3 ,...adalah jujukan terhingga atau tak terhingga peristiwa

saling eksklusif maka,
K ( X 1 X 2 X 3 ...) K ( X 1 ) K ( X 2 ) K ( X 3 ) ...
63
Hukum asas kebarangkalian
Jika X dan Y ialah dua peristiwa dari satu ujikaji rawak dengan ruang sampel
S, maka hukum asas kebarangkaliannya adalah:
a)
K(Xc ) 1 K(X).
Pembuktian
S= X Xc dan X Xc ,
maka dari aksiom (b) dan (d),
1 K(X) + K(Xc), maka
K(Xc) 1 K(X)
b)
K() 0.
Pembuktian
Jika X maka Kc S. Maka
K() 1 - K(S) 1 - 1 0.
c)
K(Y Xc) K(Y) K(X Y).
Pembuktian
X Y = X (Y Xc ), dan dari aksiom (d)
K(X Y) = K(X) + K(Y Xc ), walaubagaimanapun
Y = (X Y) (Y Xc ), dan
K(Y) = K(X Y) + K(Y Xc ), maka
K(Y Xc) K(Y) K(X Y).
d)
Jika X Y, maka K(Y X c) K(Y) K(X).
64
Pembuktian
Y = X (Y Xc ), daripada aksiom (d),
K(Y) = K(X) + K(Y X c ), maka
K(Y X c) K(Y) K(X).
e)
Jika X Y, maka K(X) K(Y).
Pembuktian
Y = X (Y X c ) dan X (Y X c ) ,
daripada aksiom (d),
K(Y) = K(X) + K(Y X c ) K(X),
disebabkan aksiom (a) maka,
K(Y X c ) 0.
f)
Jika X dan Y ialah dua peristiwa, maka

K(X Y) = K(X) + K(Y) K(X Y )
Pembuktian
(X Y) boleh diwaklili oleh kesatuan bagi peristiwa saling eksklusif,
iaitu,
X Y = X (X c Y), dan dari aksiom (d),
K(X Y) = K(X) + K(X c Y),
(1)
walaubagaimanapun,
Y = (X Y) (X c Y) iaitu kesatuan bagi peristiwa saling eksklusif.
Maka
K(Y) = K(X Y) + K(X c Y), dan
K(X
Y) K(Y) K(X Y). Jika ini digantikan ke
dalam (1),
memberikan hasil
K(X Y) = K(X) + K(Y) K(X Y ).
65
g)
Jika X, Y dan Z ialah tiga peristiwa, maka

K(X Y Z) = K(X) + K(Y) + K(Z) K(X Y )
- K(X Z ) - K(Y Z ) + K(X Y Z )
secara umumnya untuk sebarang peristiwa

X1 , X2 , X3 , , Xn petua berikut boleh digunakan:
K X 1 ... X n K X i K X i X J
i j
K X
i j k
X j X k ... K X i ... X n
Pembuktian
K(X Y Z) = K(X) + K(Y)+ K(Z) K(X Y )
- K(X Z ) - K(Y Z ) + K(X Y Z )
Biar WY Z, maka X W X (Y Z) (X Y) (X Z) dan
K(X W) K(X Y) K(X Z) - K(X Y X Z)
= K(X Y) + K(X Z) - K(X Y Z) maka,
K(X Y Z ) K(X W)
=K(X) + K(W) - K(X W)
=K(X) + K(Y) + K(Z) - K(Y Z)
-[K(X Y) + K(X Z) - K(XY Z)]
K(X Y Z) = K(X) + K(Y)+ K(Z) K(X Y )
- K(X Z ) - K(Y Z ) + K(X Y Z ).
66
Ruang kebarangkalian terhingga dan tak terhingga
Ruang kebarangkalian diperolehi dengan menguntukkan kebarangkalian

nombor nyata ki bagi setiap titik xi S di mana ruang sampel S { x1, x2 ,,
xn } yang memenuhi syarat:
a) ki 0
b) k1 k 2 k 3 ... k n 1
Jika ruang sampel S { x1, x2 ,, xn }, maka ia dikenali sebagai ruang sampel
terhingga dan akan menghasilkan ruang kebarangkalian terhingga. Manakala,
jika ruang sampel S { x1, x2 ,, } maka ia dikenali sebagai ruang sampel
tak terhingga dan akan menghasilkan ruang kebarangkalian tak terhingga.
Ruang kebarangkalian sama terhingga

Ruang kebarangkalian sama terhingga adalah ruang kebarangkalian
terhingga dengan setiap titik sampel mempunyai kebarangkalian yang sama.
Jika ruang S mengandungi N titik (unsur), maka setiap titik mempunyai
kebarangkalian
1
N
Seterusnya jika peristiwa X mengandungi n titik, maka kebarangkaliannya

adalah:
n. N1
n
N
atau
bil . unsur dalam n

K ( X ) bil
. unsur dalam N
n
.
N
Pembuktian
Katakan X 1 , X 2 ,..., X n mewakili kesudahan dari ruang sampel S
kebarangkalian setiap satu ialah
1
N
dengan
. Jika peristiwa X ialah kesatuan bagi
kesudahan saling eksklusif peristiwa X 1 , X 2 ,..., X n maka,

67
K ( X ) K ( X 1 X 2 ... X n )
K ( X 1 ) K ( X 2 ) ... K ( X n )
1
N
N1 ... N1
Nn .
Contoh 1
Jika X dan Y ialah dua peristiwa dengan
K ( X ) 12 , K (Y ) 13 dan K ( X Y ) 14 .
Kira nilai bagi:
a)
K(X c )
e)
K(X Y c )
b)
K (Y c )
f)
K(X c Y c )
c)
K(X Y)
g)
K(X c Y c )
d)
K(X c Y )
Penyelesaian:
a)
K ( X c ) 1 K ( X ) 1 12
b)
K (Y c ) 1 K (Y ) 1 13
1
2
2
3
c)
K ( X Y ) K ( X ) K (Y ) K ( X Y )
12 13 14
127
d)
K ( X c Y ) K (Y ) K ( X Y )
13 14
121
e)
K(X Y c ) K(X ) K(X Y)
12 14
1
4
68
f)
K ( X c Y c ) K ( X Y )c
1 K(X Y)
1 127
125
g)
K ( X c Y c ) K ( X Y )c
1 K(X Y)
1 14
3
4
Contoh 2
Katakan ruang sampel S terdiri daripada 3 unsur iaitu S{x,y,z}. Bagi setiap
yang berikut tentukan sama ada ia merupakan fungsi bagi ruang
kebarangkalian S.
a)
K ( x) 15 , K ( y) 12 , K ( z) 103
b)
K ( x) 13 , K ( y) 17 , K ( z)
c)
K ( x) 17 , K ( y) 72 , K ( z)
d)
K ( x) 18 , K ( y) 78 , K ( z) 0
2
7
6
7
Penyelesaian:
Dengan menggunakan aksiom (a) dan (b), fungsi bagi ruang kebarangkalian
S adalah seperti berikut:
a)
K ( x) K ( y) K ( z) 15 12 103 1
Merupakan fungsi bagi ruang kebarangkalian S.
b)
K ( x) K ( y) K ( z) 13 17 72 16
21
Ia bukan fungsi bagi ruang kebarangkalian S.
c)
Disebabkan K ( x) 17
Ia bukan fungsi bagi ruang kebarangkalian S.
69
d)
K ( x) K ( y) K ( z) 18 78 0 1
Merupakan fungsi bagi ruang kebarangkalian S.
70
PENILAIAN KENDIRI
1. Ruang sampel S mengandungi 4 unsur iaitu S{w,x,y,z}. Fungsi berikut
yang manakah merupakan ruang kebarangkalian S.
a) K(w) 41 ,K(x) 41 ,K(y) 41 , K(z) 41
b) K(w) 32 ,K(x) 31 ,K(y) 0, K(z) 0
c) K(w) 61 ,K(x) 125 ,K(y) 121 , K(z) 31
d) K(w) 37 ,K(x) 71 ,K(y) 37 , K(z) 72
23
2. Diberi K (Y c ) 54 , K ( X Y ) 17 dan K ( X Y ) 55
, kira
a) K (Y )
b) K (X )
c) K ( X c Y c )
d) K ( X c Y c )
e) K ( X Y c )
3. Jika X dan Y ialah dua peristiwa dengan K ( X ) 15 , K (Y ) 17 dan
K ( X Y ) 19 .
Kira nilai bagi:
a) K ( X c )
b) K (Y c )
c) K ( X Y )
d) K ( X c Y )
e) K ( X Y c )
f)
K(X c Y c )
g) K ( X c Y c )
71
4. Diberi K ( X ) 13 , K (Y c ) 54 , K ( X Y ) 17 dan K ( X Y Z ) 19
kira
a) K ( X c Y c )
b) K ( X c Y c Z c )
c) K ( X Y c )
5. Kirakan K(X Y Z) jika K(X) 0.3, K(Y) 0.4, K(Z) 0.5 dan ruang
sampel S X Y Z.
6. Senaraikan ruang sampel S bagi ujikaji melambung dadu adil sebanyak

dua kali.
7. Satu ujikaji melambung syilling adil sebanyak tiga kali telah dilakukan.
Katakan X adalah kesudahan mendapat bunga pada lambungan pertama,
Y mendapat sekurang-kurangnya satu bunga dan Z mendapat bunga
pada lambungan terakhir. Dapatkan K(Xc), K(X Y) dan K(X Z).
8. Lokman, Mizah dan Hanim menyertai satu pertandingan berpidato.

Kebarangkalian Lokman memenangi pertandingan berpidato adalah tiga
kali berbanding Hanim. Kebarangkalian Mizah memenangi pertandingan
berpidato adalah dua kali berbanding Lokman. Kira kebarangkalian:
a) Lokman memenangi pertanding berpidato.

b) Mizah atau Hanim memenangi pertandingan berpidato.
Kebarangkalian bersyarat
Dalam situasi tertentu, kebarangkalian terjadinya sesuatu peristiwa berkait

atau
bergantung
kepada
sesuatu
peristiwa
yang
lain.
Umpamanya
kemampuan menjawab soalan peperiksaan bergantung kepada persediaan
72
sebelum peperiksaan. Serangan jantung berkait dengan amalan hidup.
Kebarangkalian bersyarat akan dihasilkan apabila kebarangkalian bagi
peristiwa-peristiwa di atas dihitung.
Katakan X Berlaku kemalangan jalanraya , dan Y Berlakunya kehilangan

jiwa
Kebarangkalian bersyarat K(Y | X) bermaksud berlakunya kehilangan jiwa
diberi berlakunya kemalangan jalanraya.
K(Y | X) boleh ditulis seperti
berikut:
K (Y X )
n(Y X ) n(S ) K (Y X )
n( X ) n(S )
K(X )
Daripada kebarangkalian bersyarat K (Y X )
K ( X Y )
, kita akan perolehi:
K(X )
K(X Y) K(X ) K(Y | X).
begitu juga jika K( X Y)
K(Y X)
K(Y)
maka:
K(X Y) K(Y ) K(X | Y).
Dalam teorem pendaraban, untuk setiap peristiwa X1, X2 ,, Xn
K(X1 X2 X3 Xn)K(X1) K(X2 | X1) P(X3) K(X3 | X1 X2)
K(Xn | X1 X2 Xn-1 )
Kebarangkalian bersyarat juga membabitkan beberapa aksiom, iaitu:

a) K(X | Y) 0.
b) K(Y | Y) 1.
c) Jika X1, X2, X3,, Xr adalah peristiwa saling eksklusif, maka:
K(X1 X2 X3 X v | Y)K(X1 | Y)+ K(X2 | Y) ++ K(Xr | Y),
73
untuk semua integer positif r, dan
K(X1 X2 X3 | Y ) K(X1 | Y) + K(X2 | Y)+
untuk peristiwa tak terhingga.
Pembuktian
K (X 1 X 2 ...) Y
K(Y)
K (X 1 Y ) (X 2 Y ) ...
K(Y)
K( X 1 X 2 ... Y)
disebabkan (X1Y ), (X2 Y), ialah peristiwa saling eksklusif, maka:

K(X 1 Y ) K(X 2 Y ) ...
K(Y)
K(X 1 Y ) K(X 2 Y
...
K(Y)
K(Y)
K( X 1 X 2 ... Y)
K( X 1 Y) K( X 2 Y) ...
Contoh 3
Jika kebarangkalian untuk dua peristiwa X dan Y adalah seperti berikut:
K (X )
2
1
1
, K(Y) , dan K(X Y) .
5
4
2
Kira
a) K(X Y)
b) K(X | Y)
c) K(Y | X)
d) K(Xc | Y c)
e) K(Yc | Xc)
74
Penyelesaian:
a) K(X Y) K(X) K(Y) K(X Y), maka:
K(X Y) K(X) K(Y) K(X Y)
2 1 1

5 4 2
3
20
K(X Y )
K(X Y) 3 / 20 3
.
K(Y)
1/ 4
5
c) K(Y X )
K(X Y) 3 / 20 3
.
K(X)
2/5 8
b)
d)
K(X c | Y c )
K(X c Y c )
K(Y c )
K(X Y) c
1 K(Y)
1 K(X Y)
1 K(Y)
1/ 2
3/4
2
e)
K(Y c | X c )
K(X c Y c )
K(X c )
K(X Y) c
1 K(X)
1 K(X Y)
1 K(X)
1/ 6
3/5
5
18
75
Persitiwa merdeka
Dua peristiwa X dan Y dikatakan merdeka jika kebarangkalian terjadinya

peristiwa X tidak mempengaruhi kebarangkalian terjadinya peristiwa Y. Ia
ditulis sebagai:
K(X Y) K(X) K(Y|X)
K(X) K(Y)
Peristiwa-peristiwa,
a) Xc dan Y
b) X dan Yc
c) Xc dan Yc
merupakan peristiwa merdeka jika X dan Y ialah peristiwa merdeka.
Pembuktian
a)
K(X c Y) K(Y X c )
K(Y) K(X c Y )
K(Y) [1 K( X Y)]
K(Y) K(X c )
maka Xc dan Y ialah peristiwa merdeka.
b)
K(X Y c ) K(X)K(Y c X )
K(X) [1 K(Y X)]
K(X) K(Y c )
maka X dan Yc ialah peristiwa merdeka.

76
c)
K(X c Y c ) K(X Y)c
1 K (X Y)
1 K(X) K(Y) K(X Y)
1 K(X)1 K(Y)
K(X c )K(Y c )
maka Xc dan Yc ialah peristiwa merdeka.
Jika terdapat tiga peristiwa X, Y dan Z. Peristiwa-peristiwa ini ialah peristiwa

saling merdeka jika dan hanya jika memenuhi dua syarat berikut:
a) K(X Y) K(X) K(Y)
K(X Z) K(X) K(Z)
K(Y Z) K(Y) K(Z)
b) K(X Y Z) K(X) K(Y) K(Z).
Jika terdapat X1, X2, , Xn peristiwa merdeka, maka:
K(X1 X2 Xn) K(X1)K(X2) K(Xn).
Contoh 4
Katakan X dan Y ialah dua peristiwa merdeka dengan K ( X )
K (Y )
1
dan
4
1
, kira
5
a) K(X Y)
b) K(X Y)
c) K(Xc Yc)
77
d) K(Xc Yc)
e) K(Xc Y)
f) K(Xc Y)
Penyelesaian:
a) K(X Y) K(X)K (Y)
1 1
1

4 5 20
b) K(X Y) K(X) K(Y) K(X)K(Y)
1 1 1 1
8

4 5 4 5 20
c) K(X c Y c ) K(X Y) c 1 K(X Y) 1
8
12
20 20
d) K(X c Y c ) K(X Y) c 1 K(X Y) 1
1
19
20 20
e) K(X Y) c K(X c )K(Y) 1 K(X) K(Y)

f)
K(X c Y) K(X c ) K(Y) K(X c )K(Y)
3 1
3

4 5 20
3 1 3 1 16

4 5 4 5 20
Gambarajah pokok
Gambarajah pokok amat sesuai digunakan dalam menyelesaikan masalah

kebarangkalian bersyarat. Untuk memahami pengunaan gambarajah pokok
dalam menyelesaikan masalah kebarangkalian, cuba kita perhatikan contoh
berikut.
Contoh 5
Katakan kebarangkalian berlaku kemalangan di sebuah lebuh raya pada hari
tertentu
ialah
0.30.
Jika
kemalangan
berlaku,
kebarangkalian
akan
menyebabkan lebuh raya sesak adalah 0.50. Manakala jika kemalangan tidak
berlaku, kebarangkalian akan lebuh raya sesak 0.05.
78
Lukiskan gambarajah pokok bagi situasi di atas dan kira kebarangkalian
kemalangan tidak berlaku.
Penyelesaian:
Katakan X = peristiwa berlaku kemalangan.
Y = peristiwa berlakunya kesesakan lebuh raya.
K(Y |X)=0.50
K(Yc | X)=0.50
K(X)= 0.30
K(Y | Xc)=0.05
K(Xc)= 0.70
K(Yc | Xc)=0.95
Daripada gambarajah pokok, kita telah diperlihatkan dua peristiwa saling
eksklusif
iaitu
berlaku
kemalangan
dan
tidak
berlaku
kemalangan.
Kebarangkalian berlakunya kesesakan lebuh raya boleh dihitung seperti

berikut:
K(Y) K(X) K(Y X ) K(X c ) K(Y X c )

0.30 0.50 0.70 0.05
0.185
Manakala kebarangkalian tidak berlaku kemalangan adalah seperti berikut
K(Y c ) K(X) K(Y c | X) K(X c ) K(Y c | X c )
0.30 0.50 0.70 0.95
0.815
atau
K(Y c ) 1 K(Y) 1 0.185 0.815
79
Contoh 6
Kebarangkalian seorang perlumba kereta memenangi perlumbaan dalam
setiap perlumbaan ialah 0.20. Perlumba berkenaan telah berlumba dalam tiga
perlumbaan.
a) Lukiskan gambarajah pokok bagi situasi di atas.
b) Kira kebarangkalian perlumba tersebut memenangi dalam kesemua
perlumbaan.
c) Kira kebarangkalian perlumba memenangi dalam perlumbaan kedua
sahaja.
d) Kira kebarangkalian perlumba memenangi dalam perlumbaan dalam
sekurang-kurang dua perlumbaan.
Penyelesaian:
Katakan X = peristiwa perlumba memenangi perlumbaan.
a)
b) K(X X X ) K(X) K(X) K(X) (0.20)3 0.008
80
c) K(Xc X Xc ) K(Xc)K(X)K(Xc)
=0.80 0.20 0.80=0.128
d) Katakan
K(0) kebarangkalian tiada menangi perlumbaan.
K(1) kebarangkalian menang dalam satu perlumbaan.
K(2) kebarangkalian menang dalam dua perlumbaan.
K(3) kebarangkalian menang dalam tiga perlumbaan.
Di mana berdasarkan hukum kebarangkalian:

K(0)+ K(1) + K(2) + K(3) 1
maka kebarangkalian perlumba memenangi dalam sekurang-kurang dua
perlumbaan adalah seperti berikut:
K(2) + K(3) 1 - K(0) - K(1)
1 - K(Xc Xc Xc ) [ K(X Xc Xc )+ K(Xc X Xc )+ K(Xc Xc X )]
1 - (0.80)3 - 3(0.2) (0.80)2
1- 0.896
0.104.
81
PENILAIAN KENDIRI
1. X dan Y ialah dua peristiwa dengan
K(X) 0.35 , K(Y) 0.55 dan K[(X Y)c] 0.15. Kira
a) K(X Y)
b) K(X | Y)
c) K( Xc | Y)
2. X dan Y ialah dua peristiwa dengan

K(X)
2
5
, K(Y)
2
3
dan K[(X Y)]
1
5
. Kira
a) K(X Y)
b) K(Y | X)
c) K( Yc | X)
3. Kebarangkalian pelajar di sebuah universiti dapat menamatkan pengajian

peringkat doktor falsafah ialah 0.55. Jika pelajar berjaya menamatkan
pengajian, kebarangkalian pelajar dapat menamatkan pengajian dalam
masa yang ditetapkan ialah 0.6.
a) Lukis gambarajah pokok bagi situasi ini.

b) Kira kebarangkalian pelajar berjaya menamatkan pengajian dalam
masa yang ditetapkan.
c) Jika pelajar tidak berjaya menamatkan pengajian dalam masa yang
ditetapkan, kira kebarangkalian ia dapat menamatkan pengajian.
4. Seorang calon guru dikehendaki menduduki tiga ujian dan perlu lulus
sekurang-kurangnya dua ujian sebelum boleh menjadi guru. Ujian-ujian
tersebut adalah ujian emosi, ujian ketrampilan diri dan ujian pengucapan
awam. Kebarangkalain calon guru berjaya dalam setiap ujian ialah 0.80.
82
a) Lukis gambarajah pokok bagi situasi ini.

b) Kira kebarangkalian calon guru layak menjadi guru.
5. X dan Y ialah dua peristiwa merdeka dengan

K(X ) 0.2 dan K(Y) 0.5. Kira
a) K(X Y)
b) K(Xc Y)
c) K(X Yc)
d) K(Xc Yc)
e) K[(X Y)c]
6. K(X) 0.2, K(Y) 0.5 dan K(Z) 0.7 ialah kebarangkalian bagi ujikaji
peristiwa-peristiwa merdeka X, Y dan Z. Kira kebarangkalian:
a) Satu peristiwa berlaku.

b) Sekurang-kurangnya dua peristiwa berlaku.
c) Kesemua peristiwa tidak berlaku.
7. X dan Y ialah dua peristiwa merdeka dengan

K(X) = 13 dan K(X Y) =
4
5
. Kira
a) K(Y)
b) K(X|Y)
c) K(Y|X)
d) K(Yc|X)
RUJUKAN
Seymour, L. & Schiller, J. (1998). Introduction to Probability and Statistics. San
Francisco: McGraw-Hill.
Jusoh, M. (1986). Kebarangkalian dan Statistik. Kuala Lumpur: Dewan Bahasa dan
Pustaka.
83
Pembolehubah Rawak Diskret dan Selanjar
UNIT PELAJARAN 5
PEMBOLEHUBAH RAWAK DISKRET DAN SELANJAR
HASIL PEMBELAJARAN
Di akhir topik ini, anda diharap dapat:
1. Memahami apakah yang dikatakan pembolehubah rawak diskret dan
selanjar.
2. Mendapatkan fungsi kebarangkalian sesuatu pembolehubah rawak diskret
dan selanjar.
PENGENALAN
Bahagian ini akan membincangkan fungsi kebarangkalian pembolehubah
rawak diskret dan selanjar. Selain daripada itu fungsi taburan kebarangkalian
pembolehubah rawak diskret dan selanjar turut dibincangkan.
ISI KANDUNGAN
Pembolehubah rawak diskret
Pembolehubah rawak ialah kesudahan bagi ruang sampel S dari satu ujikaji
rawak dengan fungsi X yang memetakan setiap unsur s dalam S
bagi
nombor nyata X(s) x. Ia ditulis sebagai {x: X(s) x, s S} yang mana sS

bermaksud unsur s dipunyai oleh set S. Bagi pembolehubah rawak diskret X,
kebarangkalian K(Xx) kebiasaanya ditulis sebagai f(x). f(x) dikenali sebagai
fungsi kebarangkalian.
84

Teorem 1
Sifat-sifat bagi fungsi kebarangkalian f(x) pembolehubah rawak diskret adalah

seperti berikut:
a)
f(x) 0, x R.
b)
xR f(x) 1.
c)
K(XA) xA f(x) , yang mana A R.
Contoh 1
Katakan f ( x)
x
untuk x1,2,3,4, 5 merupakan fungsi pembolehubah rawak
15
diskret X. Ia dikatakan fungsi kebarangkalian kerana memenuhi Sifat-sifat

bagi fungsi kebarangkalian f(x) pembolehubah rawak diskret seperti berikut:
(i)
f(x) 0, x R iaitu:
f (1)
(ii)
1
2
3
4
5
, f (2) , f (3) , f (4) , f (5) 0
15
15
15
15
15
xR f(x) 1
iaitu:
f (1) f (2) f (3) f (4) f (5) 1.
(iii)
K(XA) xA f(x) , yang mana A R.
Contoh 2
Sebiji buah dadu adil dilambung. Ruang sampel yang terbentuk dalam
lambungan dadu ini adalah seperti berikut:
S{1,2,3,4,5,6}
Kebarangkalian bagi setiap titik sampel pula adalah seperti berikut:

1
1
1
K(1) ; K(2) ; K(3) ;
6
6
6
85

1
1
1
K(4) ; K(5) ; K(6) .
6
6
6
Contoh 3
Katakan X ialah pembolehubah rawak dalam ruang sampel S mendapat
nombor ganjil dalam lambungan dadu. Maka
Jika sekeping siling dilambung sebanyak dua kali. Ruang sampel yang
terbentuk daripada dua lambungan ini ialah:
S{KK, KB,BB, BK}.
Manakala kebarangkalian bagi setiap titik sampel ialah:
K(KK)
1
1
1
1
; K(KB) ; K(BB) ; K(BK) .
4
4
4
4
Katakan X ialah pembolehubah rawak dalam ruang sampel S mendapat

kepala dalam lambungan siling. Maka
X(BB)0, tiada kepala,

X(KB)1, X(BK)1 mendapat satu kepala,
X(KK)2, mendapat dua kepala.
Set imej bagi X ialah X(S){0,1,2}. Maka fungsi kebarangkalian bagi X ialah:
f(0) K(BB)
1
4
f(1) K(KB,BK)
f(2) K(KK)
1
1 2
+
4
4 4
1
4
86

Dalam bentuk jadual, fungsi kebarangkalian bagi X dipersembahkan seperti
berikut:
xi
f(xi)
1
4
2
4
1
4
Dengan menggunakan sifat-sifat yang terdapat dalam fungsi kebarangkalian

kita boleh mendapat nilai pekali atau konstan yang tidak diketahui dalam
dalam sesuatu fungsi kebarangkalian. Cuba kita lihat contoh di bawah:
Contoh 4
Katakan beberapa fungsi kebarangkalian pembolehubah rawak X adalah
seperti berikut:
a)
f(x) qx
x1, 2, 3.
b)
f ( x ) q( x 2)2
x 1, 2, 3.
c)
3
f ( x ) q
4
x 1
x0, 1, 2.
Penyelesaian:
Dengan menggunakan syarat fungsi kebarangkalian pembolehubah rawak X,

xR f(x) 1. Nilai-nilai q di atas diperoleh seperti berikut:
a)
f(1) f(2) f(3) 1
q 2q 3q 1
6q 1
q
b)
1
.
6
f(1) f(2) f(3) 1
87
q(1 2)2 q(2 2)2 q(3 2)2 1

9q 16q 25q 1
50q 1
q
1
.
50
f(1) f(2) f(3) 1
c)
q( 34 )0 q( 34 )1 q( 34 )2 1
q 34 q 169 q 1
37
16
q 1
q
16
.
37
Fungsi taburan atau taburan melonggok pembolehubah rawak diskret
Fungsi taburan atau taburan melonggok bagi pembolehubah rawak X dengan

F: R R ditakrifkan seperti berikut:
F x K X x
f x
xi x
- x
Teorem 2
Jika F(x) ialah fungsi taburan pembolehubah rawak X, maka ia perlu

memenuhi syarat-syarat seperti di bawah:
1.
F(-)0;
2.
F()1;
3.
Jika v w, maka F(v) F(w) untuk sebarang nombor nyata v dan w.
Contoh 6
Jika fungsi kebarangkalian pembolehubah rawak X diberi seperti berikut:
88
f(x)
1
10
2
2
10
3
3
10
4
4
10
Maka fungsi kebarangkalian melonggok pembolehubah rawak X yang

dihasilkan adalah seperti berikut:
X
F(x)
1
10
2
3
10
3
6
10
4
10
10
Contoh 7
Tunjukkan fungsi F(x)
x 2 4
20
untuk x1, 2, 3, 4 memenuhi syarat fungsi
taburan pembolehubah rawak diskret X.
Penyelesaian:
F(1)
13
8
5
, F(2)
, F(4) 1.
, F(3)
20
20
20
F(-)0;
F()1;
F(1) F(2) F(3) F(4).
Teorem 3
Bagi pembolehubah rawak diskret X dengan fungsi kebarangkalian dan fungsi

taburan masing-masing f(x) dan F(x), begitu juga x1 x2 x3 ... xn , maka
f(x1 ) F ( x1 ) dan f x i 1 F x i 1 F x i untuk i 1, 2, 3, , n.
89
Contoh 8
Katakan fungsi taburan pembolehubah rawak X diberi seperti berikut:
F (x)
0
1
7
3
7
6
7
1
x 1
1 x 3
3 x 5
5 x 7
7 x 10
Dapatkan fungsi kebarangkalian X, K(X=5) dan K(3 X 5)
Penyelesaian:
Fungsi kebarangkalian X adalah seperti berikut:
f(x)
1
7
2
7
3
7
1
7
K ( X 5) f ( x )
x 5
3
.
7
K (3 X 5) f ( x ) f (3) f (4) f (5)

x 3
2
3 5
0 .
7
7 7
Fungsi ketumpatan kebarangkalian pembolehubah rawak selanjar
Fungsi pembolehubah rawak selanjar f(x) bagi set nombor nyata R dikenali
sebagai fungsi ketumpatan kebarangkalian bagi pembolehubah rawak
selanjar X jika dan hanya jika
K (a X b) f ( x ) dx.
a
90
yang mana a b.
Sifat-sifat bagi fungsi ketumpatan kebarangkalian f(x) pembolehubah rawak

selanjar adalah seperti berikut:
a)
b)
f(x) 0, x R.
f(x )dx 1.
Contoh 9
Tunjukkan fungsi kebarangkalian yang berikut merupakan fungsi ketumpatan
kebarangkalian pembolehubah rawak selanjar X.
1
7 3 x 10
f (x)
0 sebaliknya
Penyelesaian:
Fungsi ketumpatan kebarangkalian f(x) pembolehubah rawak selanjar di atas
mempunyai sifat-sifat berikut:
a)
f(x) 0, x R.
b)
10
f(x) dx 1 iaitu:
1
7
10
dx 71 x 3 1.
maka pembolehubah rawak selanjar X merupakan
fungsi ketumpatan
kebarangkalian.
Contoh 10
Fungsi ketumpatan kebarangkalian f(x) pembolehubah rawak selanjar X
diberi sebagai:
91
1 x 3
qx
f (x)
0
sebaliknya
dapatkan nilai q dan K(X2)
Penyelesaian:
q 2
9q q 8q
1 qx dx 2 x 1 2 2 2 1
3
maka q
1
.
4
3
K ( X 2)
1
2 4
x dx x8
3
2
98 84 58 .
Fungsi taburan kebarangkalian pembolehubah rawak selanjar
Bagi pembolehubah rawak selanjar X, fungsi taburan kebarangkalian atau

taburan melonggok F(x) ditakrifkan sebagai:
F(x)
f(x)dx
- x
Syarat-syarat bagi fungsi taburan kebarangkalian pembolehubah rawak X

adalah seperti di bawah:
a)
F(-)0;
b)
F()1;
c)
Jika v w, maka F(v) F(w) untuk sebarang nombor nyata v dan w.
Contoh 11
Fungsi ketumpatan kebarangkalian pembolehubah rawak selanjar X diberi
seperti berikut:
92

x 76
f (x)
0
0x3
sebaliknya
Fungsi taburan kebarangkalian F(x) diperolehi dengan mengkamilkan fungsi

ketumpatan kebarangkalian f(x).
Untuk x 0,
x
x2 7
x2 7
F(x) f(x)dx x dx
6x
6 x.
-
0
2
2
0
x
7
6
Fungsi taburan kebarangkalian F(x) ditulis sebagai:

x2 7
6x
2
F(x)
0
0x3
sebaliknya
Teorem 4
Bagi
pembolehubah
kebarangkalian
f(x)
rawak
dan
selanjar
fungsi
dengan
taburan
fungsi
kebarangkalian
ketumpatan
F(x),
nilai
kebarangkalian di antara x1 dan x 2 ialah:
K x1 X x 2 F x1 F x 2
untuk nilai sahih x1 dan x 2 dengan x1 x2 ,
dan perlu wujudnya pembezaan bagi f(x)
dF(x)
dx
93
PENILAIAN KENDIRI
1.
x 22
Tunjukkan bahawa f ( x )
50
untuk x1,2,3 merupakan fungsi
kebarangkalian pembolehubah rawak diskret dengan menggunakan

syarat-syarat fungsi kebarangkalian pembolehubah rawak diskret.
2.
Tunjukkan bahawa f ( x )
12
25 x
untuk x1,2,3,4 merupakan fungsi
kebarangkalian pembolehubah rawak diskret dengan menggunakan

syarat-syarat fungsi kebarangkalian pembolehubah rawak diskret.
3.
Fungsi kebarangkalian pembolehubah rawak diskret X diberi sebagai

f (x)
x2
14
untuk x1,2,3. Dapatkan fungsi taburan kebarangkalian
fungsi kebarangkalian ini.
4.
Dapatkan nilai k yang memenuhi syarat fungsi kebarangkalian

pembolehubah rawak X.
5.
a)
f ( x ) kx
x 1, 2, 3, 4, 5.
b)
f (x) k x
2
x 2, 3, 4.
c)
3
f (x) k
x
x 1, 2, 3.
Fungsi taburan pembolehubah rawak X diberi seperti berikut:
94
0
1
5
3
F(x)
5
4
5
1
x3
3x5
5x7
7x9
9 x 11
Dapatkan fungsi kebarangkalian X, K(X=3) dan K(5 X 9)
6.
Fungsi ketumpatan kebarangkalian pembolehubah rawak selanjar X

ialah seperti berikut:
qx
f (x)
0
1 x 5
sebaliknya
Dapatkan:
7.
a)
Nilai q,
b)
K(X<3).

q2x 7
f (x)
0
0x5
sebaliknya
Dapatkan:
8.
a)
Nilai q,
b)
Fungsi taburan kebarangkalian,
c)
K(X < 3).

4 x 2 (3 x )
f ( x ) 27
0
0 x 3
sebaliknya
95

Dapatkan:
9.
a)
Fungsi taburan kebarangkalian,
b)
K(1<X<2).

2 ( x - 2)
f (x) 3
0
1 x 4
sebaliknya
Dapatkan:
a) Fungsi taburan kebarangkalian,
b) F(x=2).
RUJUKAN
York: McGraw Hill.
Press.
96
Teknik Pensampelan
UNIT PELAJARAN 6
TEKNIK PENSAMPELAN
HASIL PEMBELAJARAN
1. Menerangkan maksud pensampelan dan mengapa pensampelan

diperlukan
2. Menerangkan teknik-teknik pensampelan rawak dan teknik-teknik
pensampelan bukan rawak dalam pengambilan sampel
3. Menerangkan
maksud
ralat
pensampelan
dan
ralat
bukan
pensampelan atau ralat sistematik
PENGENALAN
Dalam Unit Pelajaran 1, telah dibincang tentang populasi dan sampel. Dalam
melakukan sesuatu kajian atau penyelidikan, proses mendapatkan data yang
tepat daripada populasi atau sampel adalah penting bagi menerbitkan hasil
yang boleh dipercayai serta boleh membuat keputusan yang jitu. Daripada
manakah data ini diperolehi? Data bagi sesuatu penyelidikan itu boleh
diperolehi melalui tinjauan, melakukan eksperimen, meneliti dokumen atau
cara-cara yang lain.
Dalam tinjauan dan melakukan eksperimen, data diperolehi daripada sampel

sesuatu populasi itu atau keseluruhan populasi. Jika tinjauan itu melibatkan
keseluruhan populasi, proses pengumpulan data itu dipanggil banci. Tinjauan
sampel pula melibatkan satu sampel yang dipilih secara rawak atau atidak
rawak. Pemilihan sampel ini melibatkan teknik-teknik pensampelan tertentu.
97
Teknik Pensampelan
Ada tiga sebab utama mengapa teknik pensampelan digunakan dalam

memilih sampel dan bukannya banci apabila melakukan sesuatu kajian
terutamanya yang berkenaan dengan tinjauan dan kajian eksperimen:
a)
Dalam kebanyakan kes, saiz populasi adalah agak besar. Oleh itu
penglibatan keseluruhan populasi mungkin mengambil masa yang lama.

Sebaliknya, jika sampel digunakan akan mengambil masa yang lebih singkat.
Menemubual atau menghubungi ratusan atau ribuan orang sudah tentu
memerlukan masa yang panjang. Di akhir proses yang panjang ini, mungkin
hasil dapatan kajian yang diperolehi tidak berguna lagi bagi penyelidik
tersebut.
b)
Kos untuk mengumpul maklumat bagi semua ahli dalam sesuatu
populasi itu mungkin melebihi bajet yang terhad bagi kebanyakan kajian. Oleh
sebab ltu, maka mengambil sampel adalah opsyen yang paling sesuatu
dalam menangani masalah bajet yang terhad ini
c)
Adakalanya amat mustahil sekali untuk melakukan sesuatu banci atas
sebab-sebab berikut: (1) seseorang penyelidik itu mungkin tidak boleh

mengenal pasti atau mendekati setiap ahli bagi sesuatu populasi. Sebagai
contoh seorang penyelidik itu ingin mengkaji tentang orang-orang yang
merempat di bandaraya Kuala Lumpur mungkin tidak tahu lokasi setiap ahli
bagi golongan tersebut. (2) Kadang-kadang dalam melakukan sesuatu kajian
atau tinjauan mungkin terpaksa menghapuskan item-item yang berharga.
Sebagai contoh untuk mengkaji tentang purata hayat mentol lampu
terpaksalah pengkaji menyalakan mentol-mentol tersebut sehingga malap.
Bolehkah anda fikirkan sebab-sebab lain mengapa teknik pensampelan perlu

digunakan?
98
Teknik Pensampelan
ISI KANDUNGAN
Jenis-jenis sampel
Bergantung kepada cara sampel diambil, sampel-sampel itu mungkin sampel

rawak
atau
tidak
rawak.
Sampel
rawak
adalah
sampel
di
mana
pengambilannya adalah dengan cara setiap ahli dalam populasi mempunyai

peluang yang sama untuk dipilih dalam sampel itu. Sebaliknya sampel bukan
rawak adalah sampel di mana pengambilannya mungkin tidak melibatkan
peluang yang sama bagi setiap ahli dalam populasi itu.
Katakan kita mempunyai satu senarai nama 100 orang pelajar dan kita
berhasrat memilih 10 orang pelajar sahaja. Jika kita menulis setiap satu nama
itu di atas secebis kertas dan kemudian memasukkannya ke dalam satu
kotak, goncangkan kotak itu dan seterusnya mengambil 10 nama daripada
kotak itu, maka ini dipanggil pengambilan sampel secara rawak. Sebaliknya,
jika kita menyenaraikan 100 nama mengikut abjad dan kemudian memilih 10
nama teratas, maka pengambilan sampel ini bukan secara rawak kerana 90
nama yang lain di bawah senarai itu langsung tidak berpeluang untuk dipilih.
Bolehkah anda memberi contoh yang lain bagi pengambilan secara rawak
dan bukan rawak?
Tujuan pengambilan sampel secara rawak adalah untuk membuat kesimpulan

umum bagi sesuatu populasi itu berdasarkan kepada maklumat yang
diperolehi daripada data sampel. Persoalannya sekarang adalah sampel
hanya merupakan sebahagian kecil sampel daripada populasi. Jadi,
bagaimanakah sampel itu boleh dibebankan sebagai asas untuk membuat
satu kesimpulan umum bagi populasi tersebut?
Bagi menjawab soalan di atas, seseorang penyelidik itu mestilah memastikan

dua perkara berikut apabila mengambil secara rawak sesuatu sampel
daripada sesuatu populasi:
99
Teknik Pensampelan
i) Sampel yang dipilih mestilah mewakili ciri-ciri populasi asalnya dengan

jelas. Dalam erti kata yang lain, sampel mestilah semirip mungkin dengan
populasi asal.
ii) Sampel yang dipilih mestilah saksama. Sebagai contoh, jika kita ingin
meninjau pilihan rakyat tentang parti politik mana yang sesuai untuk
mentadbir Malaysia dan kita hanya memilih rakyat yang tinggal di bandarbandar besar sahaja, maka ini tidak mencerminkan keseluruhan rakyat
Malaysia kerana tidak ada penglibatan rakyat di luar bandar. Sudah tentu
data yang dperolehi itu pincang dan tidak saksama.
Untuk pengambilan sampel secara rawak, ada empat teknik pensampelan

yang boleh kita gunakan berdasarkan kepada kehendak kajian kita dan
populasi itu sendiri. Empat teknik pensampelan rawak itu adalah
i)
Pensampelan rawak mudah
ii) Pensampelan rawak sistematik
iii) Pensampelan rawak berstrata
iv) Pensampelan rawak berkelompok (kluster)

Pensampelan rawak mudah
Pensampelan rawak mudah adalah satu teknik pengambilan sampel yang

dipilih dengan cara setiap ahli dalam sesuatu populasi mempunyai peluang
yang sama untuk dipilih sebagai ahli sampel. Begitu juga bagi setiap
gabungan sampel rawak yang mungkin wujud mempunyai peluang yang
sama untuk dipilih.
Untuk mendapatkan sampel rawak mudah, biasanya kesukaran dihadapi bagi

mencapai keadaan untuk memenuhi syarat bagi mewujudkan peluang yang
100
Teknik Pensampelan
sama. Ahli statistik selalunya menggunakan jadual sifir nombor rawak bagi
mengatasi kesukaran ini. Jadual sifir nombor rawak adalah adalah satu jadual
dengan senarai digit dari 0 sehingga 9 yang diperolehi dengan syarat setiap
digit wujud dengan peluang yang sama. Jadual sifir ini amat berguna apabila
kita hendak membentuk suatu sampel rawak daripada suatu populasi.
Cara yang biasa digunakan dalam menggunakan jadual sifir ini ialah setiap
ahli dalam satu populasi itu diberi satu nombor. Nombor-nombor ini mestilah
berbeza di antara satu sama lain dn digit-digitnya mestilah berturutan.
Kemudian kita pilih nombor daripada jadual sifir nombor rawak.
Ada banyak langkah memilih nombor daripada jadual sifir rawak. Di antaranya
adalah:
a) Memilih baris mana yang perlu dilihat dahulu.
b) Memilih lajur mana untuk mula-mula dibaca.
c) Memilih digit dan padankannya dengan nombor yang diberi kepada ahli
-ahli populasi.
Contoh 1
Katakan kita hendak memdapatkan satu sampel rawak mudah seramai 50
orang pelajar daripada 1000 orang pelajar di sebuah fakulti di UPSI untuk
meninjau sama ada mereka memiliki komputer riba atau sebaliknya.
Mula-mula setiap 1000 orang pelajar dari fakulti itu diberi satu nombor yang
berlainan dari 000 sehingga 999. Kemudian kita pilih mana-mana baris
katakan baris ke-10, dan lajur pertama untuk memulakan bacaan.
Jadi, nombor yang didapati daripada jadual sifir adalah seperti berikut:
32 70 17 72 03 61 66 26 24 71 22 77 88 33 17 78 08 92 73 49
101
Teknik Pensampelan
Didapati, sampel kita terdiri daripada pelajar-pelajar dengan nombor-nombor

berikut:
327 017 720 361 662 624 712 277 883 317 780 892 734 ...
Nombor-nombor yang wujud lebih daripada sekali, misalnya nombor 327,

akan digunakan sekali sahaja. Nombor-nombor di luar julat ini tidak akan
dipertimbangkan. Proses ini diteruskan sehingga diperolehi saiz sampel yang
dikehendaki (dalam contoh di atas seramai 50 orang pelajar).Kaedah ini
dianggap mudah oleh kerana berpandukan jadual sifir nombor rawak sahaja.
Pensampelan rawak sistematik
Pensampelan rawak sistematik adalah satu teknik pengambilan sampel di

mana ahli-ahli sampel dipilih daripada populasi pada jarak selang yang
teratur. Jika satu populasi bersaiz N dan kita bertujuan untuk memilih satu
sampel bersaiz n, maka saiz jarak selangnya k = N/n. Dengan demikian ada n
selang yang masing-masing mempunyai k ahli dan daripada setiap selang
diambil satu ahli.Pemilihan ahli yang pertama dari selang pertama dilakukan
secara rawak manakala ahli-ahli selanjutnya dipilih pada setiap jarak selang
k.
Satu kelebihan menggunakan teknik pensampelan sistematik adalah kosnya

yang rendah dan tidak memerlukan usaha yang berat untuk mengendalikan
teknik ini. Namun demikian terdapat satu kelemahan dalam menggunakan
teknik ini di mana hanya k ahli populasi yang pertama sahaja yang
mempunyai yang sama untuk dipilih. Selepas pemilihan k ahli populasi yang
pertama ini, ahli-ahli yang lain tidak mempunyai peluang untuk dipilih lagi.
102
Teknik Pensampelan
Contoh 2
Katakan kita hendak menguji kualiti bateri kecil yang dikeluarkan oleh sebuah
kilang. Jadi kita mengambil satu sampel bersaiz 100 daripada 3000 bateri
kecil yang dikeluarkan oleh kilang tersebut setiap hari.
Oleh itu N = 3000 dan n = 100. Maka k = 3000/100 = 30.
Pada mulanya, kita pilih sebiji bateri kecil secara rawak daripada 30 biji bateri
kecil yang pertama dihasilkan. Jika bateri kecil yang terpilih adalah bateri ke7, bateri yang seterusnya ialah bateri yang mempunyai selang 30, iaitu ke-37,
ke-67, ke-97, ke-127 dan seterusnya sehinggalah 100 bateri kecil diperolehi.
Pensampelan rawak berstrata
Pensampelan rawak berstrata adalah satu teknik pengambilan sampel di

mana populasi dibahagikan kepada beberapa strata atau lapisan mengikut
syarat-syarat yang ditetapkan oleh penyelidik seperti umur, etnik, pekerjaan
dan sebagainya. Jika sampel rawak dipilh daripada setiap stratum ini, maka
sampel yang terkumpul adalah sampel yang berstrata. Untuk mendapatkan
sampel rawak daripada setiap stratum menggunakan jadual sifir nombor
rawak atau dengan cara lain.
Hasil keputusan yang diperolehi daripada sampel satu stratum akan

digabungkan dan dihitungkan bersama dengan hasil keputusan sampel strata
yang lain untuk mendapatkan hasil keputusan keseluruhan.
Kelebihan pensampelan rawak berstrata adalah ahli daripada setiap stratum
akan diwakili dalam sampel yang diambil. Seterusnya ini akan memberi satu
gambaran yang lebih bersifat realiti. Kelemahan bagi teknik pensampelan ini
adalah ianya melibatkan kos yang agak tinggi dan perlu usaha yang gigih dari
pihak penyelidik untuk mengendalikan teknik pensampelan ini.
103
Teknik Pensampelan
Contoh 3
Jadual menunjukkan pendapatan bulanan 1000 orang pekerja di dalam satu

zon industri bebas.
Strata
1
2
3
Pendapatan
< RM 1000
RM 1000 RM 3000
> RM 3000
Jumlah
Bilangan pekerja
600
300
100
1000
Katakan seorang penyelidik ingin mengkaji mengenai pendapatan minimum

bagi pekerja-pekerja di zon industri bebas itu. Diketahui pendapatan
meningkat dari golongan kolar biru ke golongan staf sokongan dan golongan
eksekutif. Setiap golongan mempunyai bilangan pekerja yang berlainan. Oleh
itu, setiap golongan pekerja membentuk satu strata yang berlainan dan
populasi pekerja di zon industri bebas ini dikatakan terdiri daripada 3 strata.
Jika kita ingin mengambil satu sampel rawak bersaiz 50 orang daripada
populasi keseluruhan pekerja di zon industri bebas ini, maka saiz sampel
daripada setiap strata adalah seperti berikut:
Strata
1
2
3
Pendapatan
< RM 1000
RM 1000 RM 3000
> RM 3000
Jumlah
Populasi
setiap strata
600
300
100
1000
Saiz sampel
600 50/1000 = 30
300 50/1000 = 15
100 50/1000 = 5
50
Pensampelan rawak berkelompok
Kadang-kadang populasi yang ingin diselidiki adalah bertaburan pada satu

kawasan geografi yang luas.Akibatnya, jika digunakan pensampelan rawak
mudah mungkin melibatkan kos yang tinggi untuk mendapatkan setiap ahli
bagi sampel tersebut. Dalam situasi sebegini, kita bahagikan populasi kepada
104
Teknik Pensampelan
kumpulan-kumpulan geografi yang berbeza. Kumpulan-kumpulan ini dipanggil
kelompok atau kluster. Sebagai langkah pertama, pilih secara rawak
beberapa kelompok. Kemudian kita pilih secara rawak satu sampel yang
terdiri daripada ahli-ahli tertentu bagi setiap kelompok yang terpilih itu.
Contoh 4
Katakan kita ingin meninjau tentang keberkesanan metodologi pengajaran
yang baru di sekolah-sekolah dalam satu negeri yang besar. Mula-mula kita
bahagikan negeri itu kepada katakan 20 buah daerah yang kita rujukkan
sebagai kelompok-kelompok. Pastikan kesemua 20 daerah ini adalah hampir
serupa dan oleh itu adalah mewakili ciri-ciri populasi. Kemudian kita pilih
secara rawak katakan 4 daerah daripada 20 daerah tersebut. Selepas itu kita
pilih pula beberapa sekolah secara rawak daripada setiap kelompok untuk
meninjau
tentang
keberkesanan
kaedah
pengajaran
yang
baru
itu.
Keseluruhan sekolah yang dipilih daripada kelompok yang terpilih itu

dipanggil sampel kelompok.
Ralat pensampelan dan ralat bukan pensampelan
Hasil dapatan kajian daripada tinjauan atau melakukan eksperimen mungkin

mengandungi
dua
jenis
ralat:
ralat-ralat
pensampelan
atau
bukan
pensampelan. Ralat pensampelan juga dikenali sebagai ralat peluang dan

ralat bukan pensampelan dipanggil juga ralat sistematik.
Ralat pensampelan adalah perbezaan antara hasil kajian yang diperolehi

dengan hasil kajian yang mungkin diperolehi jika keseluruhan populasi
digunakan. Misalnya perbezaan antara min sampel dan min populasi. Apabila
kita membuat tinjauan atau sebagainya, ralat ini tidak dapat dielakkan.
Ralat bukan pensampelan atau ralat sistematik berlaku disebabkan oleh

penyelidik sendiri semasa melakukan pengumpulan dan penganalisisan data.
Sebagai contoh, soalan-soalan yang dikemukakan oleh penyelidik dalam soal
selidik atau dalam temubual mungkin tidak difahami oleh reponden,
105
Teknik Pensampelan
responden mungkin memberi maklumat palsu atau penyelidik membuat
kesilapan apabila memasuki data ke dalam komputer dan sebagainya.
Teknik pensampelan bukan rawak
Dalam menjalankan sesuatu tinjauan atau kajian, bukan semua sampel boleh
diperolehi secara rawak oleh sebab-sebab tertentu. Dalam sesuatu populasi
itu, tidak semua ahli mempunyai peluang untuk dipilih menganggotai ssesuatu
sampel. Jadi, pengambilan sampel tidak dapat dilakukan secara rawak.
Misalnya seorang penyelidik ingin mengkaji sikap pelajar tingkatan 4 terhadap
pembelajaran statistik dan pengetua hanya membenarkan kajian dijalankan
ke atas sebuah kelas sahaja. Penyelidik tidak dapat mendapatkan sampel
secara rawak.
Antara teknik-teknik pensampelan bukan rawak adalah seperti berikut:
(a) Teknik pensampelan keselesaan (convenience)
(b) Teknik pensampelan pertimbangan (judgment)
(c) Teknik pensampelan kuota
Teknik pensampelan keselesaan
Dalam teknik pensampelan keselesaan, pengambilan sampel dilakukan

terhadap ahli-ahli yang senang didekati atau dicapai dalam sesuatu populasi
itu bagi mendapatkan hasil kajian dengan cepat. Misalnya satu tinjauan
pendapat umum (opinion poll) boleh dilakukan dalam masa yang singkat
dengan mendapatkan maklumat daripada pengunjung-pengunjung di sebuah
kompleks membeli-belah.
106
Teknik Pensampelan
Teknik pensampelan pertimbangan
Dalam teknik pensampelan pertimbangan, pengambilan sampel di kalangan

ahli-ahli dalam sesuatu populasi dibuat berdasarkan pertimbangan penyelidik
atau pengetahuan awalannya tentang populasi berkenaan. Sebagai contoh,
seorang penyelidik ingin mengkaji tentang kelemahan pelajar dalam
matematik dan dia pergi mengumpul maklumat dari satu sekolah yang
memang diketahui mempunyai prestasi yang rendah dalam matematik.
Teknik pensampelan kuota
Dalam teknik pensampelan kuota penyelidik menentukan terlebih dahulu

kuota atau bilangan untuk setiap kumpulan yang ada dalam sesuatu populasi
itu untuk dimasukkan ke dalam sampelnya. Penentuan ini dilakukan sendiri
oleh penyelidik dan tidak berdasarkan kepada ciri-ciri setiap kumpulan yang
ada. Kelebihan teknik ini adalah ia memerlukan kos yang lebih rendah dan
usaha yang lebih senang jika dibandingkan dengan teknik pensampelan
rawak berstrata. Kekurangan teknik jika dibandingkan dengan pensampelan
rawak berstrata adalah teknik ini kurang diyakini hasil kajiannya oleh kerana
bukan semua ahli dalam seeuatu kumpulan itu mempunyai peluang yang
sama untuk dipilih.
Sebagai contoh, katakan seorang pengkaji itu ingin memilih satu sampel
bersaiz 1000 orang daripada satu bandaraya dengan populasinya terdiri
daripada 52% lelaki dan 48% perempuan. Untuk memilih atu sampel kuota,
pengkaji itu akan memilih 520 orang lelaki dan 480 orang perempuan yang
pertama didekatinya. Dengan ini sampel itu memgandungi dengan tepat 52%
lelaki dan 48% perempuan.
107
Teknik Pensampelan
PENILAIAN KENDIRI
1. Nyatakan dengan ringkas sebab-sebab sampel-sampel diambil apabila
menjalankan kajian.
2. Terangkan kelebihan mengambil satu sampel rawak berstrata berbanding

dengan sampel rawak mudah.
3. Sebuah ladang mempunyai 6 baris pokok kelapa sawit di mana setiap baris
mengandungi 15 pokok kelapa sawit. Nyatakan secara ringkas sama ada
sampel-sampel yang diperolehi dengan cara-cara berikut adalah adil.
(a) 10 keping kad dipilih secara rawak daripada sebuah kotak yang
mengandungi 90 keping kad bernombor di mana setiap kad sepadan
dengan sepohon pokok kelapa sawit.
(b) Pokok yang kelapan dalam setiap baris dipilih.
(c) Pokok
yang ketujuh dipilih
daripada
pokok-pokok yang telah
dinomborkan daripada 1 hingga 90.
4. Dengan menggunakan jadual sifir nombor rawak, dapatkan suatu sampel

rawak yang mengandungi 10 nombor daripada integer-integer berikut:
(a) daripada 000 hingga 999

(b) daripada 100 hingga 999
5. Seorang professor ingin memilih 20 orang pelajar daripada kelas kuliahnya

seramai 300 orang di mana maklumat terperinci mengenai pelajar yang
terpilih diambil. Professor itu menggunakan pengetahuannya yang ada
mengenai pelajar-pelajarnya dan juga kepakarannya untuk memilih 20
orang pelajar itu.
108
Teknik Pensampelan
(a) Adakah sampel yang diambil itu sampel rawak atau sampel bukan
rawak?
(b) Apakah teknik pensampelan yang digunakan dan terangkan?
(c) Apakah ralat sistematik yang mungkin telah dilakukan?
6. Rujuk soalan 5. Katakan professor tersebut memasukkan semua 300 nama

pelajar yang mengikuti kelas kuliahnya ke dalam komputer. Kemudian
beliau memilih secara rawak 20 orang pelajar dengan menggunakan
nombor rawak yang terdapat dalam perisian statistik seperti MINITAB.
(a) Adakah sampel yang diambil itu sampel rawak atau sampel bukan
rawak?
(b) Jika sampel rawak, apakah teknik pensampelan yang digunakan?
(c) Apakah ralat sistematik yang mungkin telah dillakukan?
7. Untuk mengetahui reaksi pengundi di sebuah kawasan parlimen, seorang

pengundi ditemubual. Dua kaedah pengambilan sampel dicadangkan:
(a) memilih secara rawak nama-nama dari buku panduan telefon.

(b) memilih pengundi dari kalangan pengunjung di beberapa pusat
membeli belah di kawasan parlimen tersebut.
Terangkan mengapa kedua-dua kaedah ini kurang memuaskan.

Cadangkan satu kaedah yang lebih berkesan.
8. Sebuah syarikat mempunyai 100 orang pekerja di mana 58% adalah lelaki
dan 48% adalah perempuan. Jabatan sumber manusia syarikat itu ingin
meninjau pendapat para pekerja mengenai satu isu dengan mengambil
satu sampel seramai 50 orang pekerja. Untuk menjalankan tinjauan ini,
para pekerja dibahagikan kepada dua kumpulan iaitu lelaki dan
perempuan.dan kemudian dipilih secara rawak 29 orang lelaki dan 21
orang perempuan daripada kumpulan-kumpulan itu. Apakah teknik
pensampelan yang digunakan untuk mengambil sampel? Terangkan.
109
Teknik Pensampelan
RUJUKAN
York: McGraw Hill.
Press.
Mann, P.S.(2005). Introductory Statistics Using Technology (5th ed). Hoboken,NJ:
Wiley.
110
Penganggaran Parameter Populasi
UNIT PELAJARAN 7
PENGANGGARAN PARAMETER POPULASI
HASIL PEMBELAJARAN
1. Menerangkan maksud
anggaran titik dan anggaran selang
keyakinan
2. Menyelesaikan masalah untuk menentukan anggaran titik bagi min
populasi
3. Menyelesaikan masalah untuk menentukan selang keyakinan bagi
min populasi menggunakan taburan z dan juga taburan t
PENGENALAN
Satu masalah statistik yang biasa dihadapi oleh para penyelidik adalah untuk
mendapatkan maklumat mengenai parameter sesuatu populasi, misalnya min
populasi . Jika saiz populasi adalah besar, kita boleh mendapatkan
maklumat yang secukupnya dengan mengambil satu sampel daripada
populasi berkenaan. Dengan pengambilan sampel ini melalui teknik-teknik
pensampelan yang telah dipelajari dalam Unit Pelajaran 6, seseorang
penyelidik itu dapat membuat penganggaran tentang nilai parameter populasi
yang sedang dikaji.
Penganggaran adalah satu prosedur di mana satu nilai berangka atau nilainilai berangka diberikan kepada satu parameter populasi berdasarkan
maklumat yang diperolehi daripada sampel yang diambil. Parameter populasi
111

ini boleh jadi min populasi, perkadaran populasi, sisihan piawai dan lain-lain.
Dalam unit ini, kita hanya akan mencari penganggaran bagi min populasi.
Nilai atau nilai-nilai yang diberikan kepada parameter populasi ini adalnh
berasaskan kepada nilai satu statistik sampel yang dipanggil anggaran bagi
parameter populasi tersebut. Statistik sampel itu pula dipanggil penganggar.
Sebagai contoh, min sampel x adalah penganggar bagi min populasi . Ada
dua jenis penganggaran yang akan dibincangkan iaitu penganggaran titik dan
penganggaran selang.
Prosedur bagi mendapatkan penganggaran itu melibatkan langkah-langkah

berikut:
a) Pilih satu sampel
b) Kumpul maklumat yang dikehendaki daripada sampel itu
c) Hitungkan nilai statistik sampel yang dihajati
d) Berikan nilai atau nilai-nilai yang diperolehi kepada parameter populasi

yang sepadan.
ISI KANDUNGAN
Penganggaran titik
Penganggaran titik adalah satu prosedur untuk mendapatkan nilai satu

statistik sampel (contoh: min sampel) untuk menganggarkan parameter
populasi (contoh: min populasi). Nilai ini di panggil anggaran titik. Sebagai
contoh, nilai yang dihitungkan untuk min sampel x , daripada satu sampel
adalah anggaran titik bagi min populasi .
Contoh 1
112

Dewan Bandaraya Kuala Lumpur mengisytiharkan harga-harga semasa bagi
rumah-rumah kos rendah di bandaraya tersebut dalam satu laporan yang
diwartakan. Angka-angka yang dinyatakan adalah diperolehi daripada
pensampelan. Satu sampel mengandungi data harga bagi 36 buah rumah kos
rendah
adalah
diberikan
di
bawah.
Gunakan
data
tersebut
untuk
menganggarkan min populasi harga bagi semua rumah kos rendah di

bandaraya itu. (Angka dalam ribu RM)
53.8 54.4 45.2 42.9 49.9 48.2 41.6 58.9 48.6 53.1 59.4 49.7 43.7 52.7
47.7 41.5 35.3 58.9 35.9 42.5 57.2 45.1 50.3 50.0 41.9 37.3 39.7 42.0
62.7 62.8 46.6 60.5 43.9 56.4 49.8 63.9
Penyelesaian:
Kita anggarkan min populasi harga bagi semua rumah kos rendah di Kuala
Lumpur dengan menggunakan nilai min sampel harga
, bagi sampel
sebanyak 36 buah rumah kos rendah.
Maka, x
x 1774.0 49.28
n
36
Oleh itu, min populasi harga
bagi semua rumah kos rendah adalah
dianggarkan sebanyak RM 49,280.
Perlu diingatkan bahawa anggaran titik ini mungkin berlainan jika kita ambil
sampel yang lain daripada populasi yang sama. Jadi, nilai yang diberikan
kepada sesuatu min populasi itu bergantung kepada anggaran titik daripada
mana sampel itu diambil.
Contoh 2
Satu sampel seramai 32 orang murid daripada sebuah sekolah mengambil
bahagian dalam satu kajian di mana mereka diminta menyatakan jarak rumah
mereka ke sekolah. Dapatan kajian adalah seperti berikut (dalam kilometer).
113

12 9
8 7
3 27 21 10 13 3 7
6 13 6 14 4 1 10 3
13
30
9 2 12 16 18
Cari anggaran titik bagi min populasi.
Penyelesaian:
Cari min sampel sebagai anggaran titik bagi min populasi
Min sampel x
x 303 9.47 km
n
32
Jadi anggaran titik bagi min populasi adalah 9.47 km.
Penganggaran selang
Penganggaran selang adalah satu prosedur untuk mendapatkan satu selang

atau julat nilai-nilai sesuatu sampel statistik (contoh: min sampel) untuk
menganggarkan parameter populasi (contoh: min populasi). Anggaran yang
diperolehi dipanggil anggaran selang.
Perlu ditegaskan di sini bahawa anggaran selang ini mungkin mengandungi

nilai parameter populasi yang dianggarkan dan kemungkinan juga tidak.
Walau bagaimanapun, adalah dijangkakan bahawa nilai parameter populasi
itu terletak di antara dua nilai. Sebagai contoh, jika anggaran titik bagi purata
umur bagi semua mahasiswa di sebuah universiti ialah 20.9 tahun dengan
ralat margin (margin of error) 0.4 tahun, maka anggaran selang bagi purata
umur itu boleh dituls sebagai 20.9 0.4 tahun atau 20.5 < < 21.3 ( adalah
purata umur populasi).
114

Nilai kebarangkalian yang kita yakin betul yang nilai parameter populasi
berada dalam anggaran selang adalah ditetapkan sebelum anggaran selang
ditentukan. Sebagai contoh, kita mungkin berkehendakkan 90%, 95% atau
99% keyakinan bahawa anggaran selang yang akan ditentukan mengandungi
nilai parameter populasi itu. Nilai kebarangkalian ini (90%, 95% atau 99%)
dipanggil aras keyakinan bagi anggaran selang. Oleh itu, selang keyakinan
bagi sesuatu parameter populasi adalah satu anggaran selang yang spesifik
yang ditentukan dengan menggunakan data yang diperolehi daripada sampel
dan aras keyakinan yang spesifik bagi anggaran itu.
Mencari anggaran selang bagi min populasi

Rumus untuk mendapatkan anggaran keyakinan bagi min populasi adalah
seperti berikut:
x z/2 ( / n ) < < x z/2 ( / n )
atau
x z/2 ( / n )
di mana x adalah anggaran titik (iaitu min sampel)
( / n ) adalah sisihan piawai bagi min sampel atau ralat piawai bagi min
adalah jumlah luas bagi kedua-dua hujung bagi satu lengkongan taburan
normal
/2
piawai.
/2
mewakili
luas
bagi
setiap
hujung.
/2
115
Aras keyakinan yang diperlukan adalah bersamaan dengan (1 )100%.

Sebagai contoh, apabila =0.05, maka anggaran selang mempunyai aras
keyakinan 95%; apabila =0.01, maka anggaran selang mempunyai aras
keyakinan 99% dan seterusnya.
Bagi selang keyakinan 95%, z/2 = 1.96 dan

selang keyakinan 99%, z/2 = 2.58 (diperolehi daripada jadual sifir taburan
normal)
Sebutan z/2 .(/n) dikenali sebagai ralat margin atau ralat maksimum
anggaran.
Rumus bagi selang keyakinan di atas boleh digunakan jika diandaikan

populasi bertaburan normal tidak kira apa saiz bagi sampel, n. Jika n > 30,
taburan bagi min sampel dianggap lebih kurang normal walaupiu populasi
asal tidak bertaburan normal. Bagi populasi yang bertaburan normal atau
dianggap bertaburan normal, sisihan piawai sampel, s boleh digunakan jika
sisihan piawai populasi, tidak diketahui.
Peraturan pembundaran
Apabila menghitung sesuatu selang keyakinan bagi min populasi yang
menggunakan data mentah, bundarkan kepada lebih satu titik perpuluhan
berbanding dengan data asal. Jika min sampel diberi di dalam masalah itu,
bundarkan selang keyakinan kepada bilangan titik perpuluhan yang sama
seperti yang diberikan kepada min sampel
116

Contoh 3
Timbalan Naib Canselor (HEP) sebuah universiti ingin menganggarkan purata
umur bagi semua pelajar-pelajar yang berdaftar dengan universiti tersebut.
Daripada data yang lepas, diketahui sisihan piawai adalah 2 tahun. Satu
sampel seramai 50 orang pelajar dipilih dan didapati bahawa purata umur
bagi sampel itu adalah 23.2 tahun. Cari selang keyakinan 95% bagi purata
umur populasi.
Penyelesaian:
Diberi
= 23.2, = 2, n = 50,
Juga, z/2 = 1.96 (untuk selang keyakinan 95%)

Masukkan nilai-nilai di atas ke dalam rumus:
z/2 .(/n) < <
+ z/2 .(/n)
Kita perolehi:
23.2 (1.96) (2/50) < < 23.2 + (1.96) (2/50)
23.2 0.55 < < 23.2 + 0.55
22.65 < < 23.75
22.7 < < 23.8
atau 23.2 + 0.55
Oleh itu Timbalan Naib Canselor (HEP) itu boleh menyatakan dengan
keyakinan 95% bahawa purata umur bagi pelajar-pelajar yang berdaftar
dengan universiti tersebut adalah di antara 22.7 tahun dan 23.8 tahun
berdasarkan kepada sampel bersaiz 50 orang pelajar.
117
Contoh 4
Suatu ubat tertentu diketahui boleh meningkatkan kadar denyutan nadi
penggunanya. Diketahui juga yang sisihan piawai bagi kadar denyutan nadi
itu adalah 5 denyutan setiap minit. Satu sampel seramai 30 orang pengguna
diambil datanya dan didapati min kadar denyutan nadi mereka adalah 104
denyutan setiap minit. Cari selang keyakinan 99% bagi min populasi.
Penyelesaian:
Diberi
= 104, = 5, n = 30, = 104,
Juga, z/2 = 2.58 (bagi selang keyakinan 99%)

Masukkan nilai-nilai di atas ke dalam rumus
z/2 .( /n) < <
+ z/2 .( /n)
Diperolehi:
104 (2.58) (5/30)
< <
104 + (2.58) (5/30)
104 2.4 < < 104 + 2.4
101.6
< < 106.4
(bundarkan kepada titik perpuluhan yang sama dengan min sampel)
102 < <
atau
106
104 + 2
Oleh itu kita boleh nyatakan dengan keyakinan 99% bahawa min bagi kadar
denyutan nadi adalah di antara 102 dan 106 denyutan setiap minit.
118
Contoh 5
Satu sampel sebanyak 50 hari menunjukkan yang sebuah restoran makanan
segera melayani seramai 182 orang pelanggan waktu makan tengahari.
Diberi sisihan piawai bagi sampel itu adalah 8 orang pelanggan. Cari selang
keyakinan 90% bagi min populasi.
Penyelesaian:
Diberi
= 182, s = 8, n = 50,
Juga, z/2 = 1.65 (untuk selang keyakinan 90%)

z/2 .(s/n) < <
+ z/2 .( s/n),
Diperolehi,
182 1.65(8/50) < <
180.1 <
180 <
atau
182 + 1.65(8/50)
< 18.3.9
< 184
(bundarkan)
182 2
Oleh itu, kita boleh nyatakan dengan keyakinan 90% bahawa pada sesuatu
waktu makan tengahari, restoran itu melayani antara 180 dan 184 pelanggan
Contoh 6
119

Satu sampel seramai 32 orang murid daripada sebuah sekolah mengambil
bahagian dalam satu kajian di mana mereka diminta menyatakan jarak rumah
mereka ke sekolah. Dapatan kajian adalah seperti berikut (dalam kilometer).
12 9
8 7
3 27 21 10 13 3 7
6 13 6 14 4 1 10 3
13
30
9 2 12 16 18
Bentukkan satu selang keyakinan 95% bagi min populasi.
Penyelesaian:
Sebelum dibentuk selang keyakinan itu, perlu di cari anggaran titik iaitu min
sampel terlebih dahulu
Didapati anggaran titik x
x 303 9.5 km
n
32
dan sisihan piawai = s = 7.1 km
Juga diketahui z/2 = 1.96 (untuk selang keyakinan 95%)

z/2 ( s/n) < <
+ z/2 ( s/n),
Maka diperolehi:
9.5 1.96 (7.1/32) < < 9.5 + 1.96 (7.1/32)
7.0
< <
11.0
120

Oleh itu, kita boleh nyatakan dengan keyakinan 95% bahawa min populasi
bagi jarak rumah ke sekolah ialah di antara 7.0 dan 11.0 km
Mencari selang keyakinan bagi min populasi apabila tidak

diketahui dan n < 30
Dalam banyak situasi, sisihan piawai populasi tidak diketahui dan saiz
sampel mungkin kurang daripada 30. Dalam situasi begini, sisihan piawai
sampel boleh digunakan dalam membentuk selang keyakinan. Walau
bagaimanapun, taburan z tidak boleh digunakan oleh kerana tidak memenuhi
syarat-syarat yang ditetapkan. Sebaliknya, pakar statistik mengesyorkan
supaya digunakan taburan t apabila sisihan piawai populasi tidak diketahui
dan saiz sampel kurang daripada 30.
Taburan t mempunyai ciri-ciri berikut:
a) Berbentuk loceng (serupa dengan taburan normal z)

b) Bersimetri pad nilai min
c) Nilai min, median dan mod semuanya adalah sifar dan terletak ditengahtengah taburan
d) Lengkongan tidak akan menyentuh paksi mengufuk tetapi akan berlanutan
tak terhingga di kedua-dua hujung lengkongan
e) Nilai varians adalah besar dari 1
f) Taburan t sebenarnya adalah terdiri daripada sekelompok lengkonganlengkongan berdasarkan kepada konsep darjah kebebasan (d.k.) yang
berkaitan dengan saiz sampel (n) Juga diberi d.k. = n 1.
g) Apabila saiz sampel bertambah besar (n > 100), taburan t menhampiri

taburan normal piawai z.
Untuk menentukan selang keyakinan bagi min populasi apabila tidak
diketahui dan n < 30, rumus berikut boleh digunakan:
121
t/2 .( s/n)
Untuk mencari nilai bagi t/2
< <
+ t/2 .( s/n)
lihat mana-mana jadual taburan t dan rujuk
kepada lajur selang keyakinan dan kemudian lajur darjah kebebasan.
Untuk mencari nilai t/2 bagi selang keyakinan 95% dan 21 darjah kebebasan
adalah bersamaan dengan 2.080.
Untuk mencari nilai t/2 bagi selang keyakinan 99% dan 13 darjah kebebasan
adalah bersamaan dengan 3.012
Sebutan t/2 (s/n) juga dikenali sebagai ralat margin.
Contoh 7
Dalam satu pemeriksaan kenderaan oleh pihak JPJ di sebuah lebuhraya, 10
buah
kenderaan
telah
dipilih
secara
rawak oleh
pegawai-pengawai
penguatkuasa berkenaan. Pihak JPJ telah mengukur tahap kehausan tayar

sebelah kanan setiap kenderaan yang diarahkan berhenti untuk pemeriksaan.
Min kehausan tayar itu adalah 0.32 cm dengan sisihan piawai 0.08 cm. cari
selang keyakinan 95% bagi min kehausan tayar kanan yang diukur.
Penyelesaian:
Oleh kerana
tidak diketahui dan mesti menggunakan sisihan piawai
sampel, s = 0.08 dan n = 10 < 30, maka taburan wajar digunakan.
Juga diberi,
= 0.32, s = 0.08, d.f. = 10 -1 = 9. Jadi, t/2 = 2.262
122

Oleh itu, selang keyakinan 95% bagi min populasi adalah seperti berikut:
0.32 (2.262).(0.08/10) < < 0.32 + 2.262 .(0.08/10)
0.32 0.057 < < 0.32 + 0.057
0.263
< <
0.377
0.26 < < 0.38
atau
(bundarkan)
0.32 + 0.06
bagi kehausan tayar sebelah kanan adalah di antara 0.26 cm dan 0.38 cm.
Contoh 8
Min bacaan hemoglobin bagi satu sampel tediri daripada 20 orang guru
adalah 16 g / 100 ml, dengan sisihan piawai sampel ialah 2 g. Cari selang
keyakinan 99% bagi min populasi
Penyelesaian:
Diberi n = 20, jadi d.f. = 20 1 = 19. Juga
= 16 dan s = 2
Bagi selang keyakinan 99% dengan d.f. = 19, t/2 = 2.861.

Oleh itu, selang keyakinan 99% bagi min populasi adalah seperti berikut:
16 (2.861)(2/20) < < 16 + (2.861)(2/20)
14.7 < < 17.3
123

15 < < 17
atau
(bundarkan)
16 1
bagi bacaan hemoglobin adalah di antara 15g / 100ml dan 17g / 100ml.
Contoh 9
Satu sampel rawak yang terdiri daripada 20 meter parker di sebuah
bandaraya menunjukkan hasil kutipan untuk sehari seperti berikut (dalam RM)
2.60
1.05
2.45
2.90
1.30
3.10
2.35
2.00
2.80
2.50 2.10 1.75 1.00 2.75 1.80 1.95
2.40
2.35
2.40
1.95
a) Cari min sampel dan sisihan piawai sampel
b) Tentukan ralat margin bagi selang keyakinan 95%
c) Bentukkan selang keyakinan 95% bagi min populasi.
Penyelesaian:
a)
= 2.175, s = 0.585
b) n = 20, d.k, = 19. Juga, bagi selang keyakinan 95%, t/2 = 2.093
Maka, ralat margin = 2.093 (0.585/20) = 0.274
c) Selang keyakinan 95% bgi min populasi adalah:

2.175 0.274 < < 2.175 + 0.274
124

1.901 < < 2.449
Maka, kita boleh nyatakan dengan keyakinan 95% bahawa hasil kutipan
sehari adalah antara RM1.901 dan RM2.449
PENILAIAN KENDIRI
1. Apabila mencari selang keyakinan bagi min sesuatu populasi, nyatakan
bila anda akan menggunakan taburan z atau taburan t.
2.
Bagi sesuatu set data yang diperolehi daripada satu sampel, didapati
n = 64,
= 24.5 dan s = 3.1
(a) Cari anggaran titik bagi

(b) Bentuk selang keyakinan 99% bagi .
3.
Sisihan piawai bagi satu populasi diketahui sebagai =15.3. Satu sampel
yang mempunyai 36 cerapan dipilih daripada populasi ini dan didapati
74.8.
(a) Bentuk selang keyakinan 90% bagi min populasi.

(b) Cari selang keyakinan 95% bagi min populasi.
(c) Tentukan selang keyakinan 99% bagi min populasi.
(d) Adakah julat bagi selang keyakinan yang dibentuk dari (a) ke (c)
bertambah apabila aras keyakinan bertambah? Terangkan.
4.
Penerbit UPSI telah menerbitkan sebuah statistik khusus untuk peringkat

Sarjana. Sebelum menetapkan harga untuk buku tersebut, pihak penerbit
telah cuba mendapatkan maklumat tentang harga buku-buku yang serupa
125

yang ada di pasaran. Satu sampel sebanyak 36 buah buku diambil purata
harga adalah RM70.50 dengan sisihan piawai RM4.50.
(a) Cari anggaran titik bgi purata harga buku. Bentukkan selang keyakinan
95% bagi purata harga semua buku .
(b) Dapatkan selang keyakinan 90% bagi purata harga semua buku.
5. Seorang penyelidik ingin mengkaji tentang ciri-ciri jutawan di Malaysia.

Di antara makumat yang hendak dianggarkan adalah purata umur para
jutawan itu. Katakan 36 orang jutawan dipilih secara rawak dan umurumur
mereka adalah seperti berikut:
31 45 79 64 38 48 39 68 52 59 68 79 42 79 53 74 66 66
71 61 52 47 39 54 67 55 71 77 64 60 75 42 69 48 57 48
Tentukan selang keyakinan 95% bagi purata umur semua jutawan.
6. Katakan suatu sampel dipilih secara rawak daripada satu populasi dengan
= 68.50 dan s = 8.9
(a) Bina satu selang keyakinan 95% bagi dengan n = 16.
(b) Bina satu selang keyakinan 90% bagi dengan n = 16
(c) Adakah julat bagi selang keyakinan 90% dalam (a) lebih kecil dari
selang keyakinan 95%? Jika ya, terangkan mengapa.
(d) Cari selang keyakinan 95% bagi dengan n = 25.
126

(e) Adakah julat bagi selang keyakinan bagi 95% bagi dengan n = 25
seperti dalam (d) lebih kecil dari selang keyakinan 95% bagi dengan
n=16 seperti dalam (a)? Jika ya, terangkan mengapa.
7. Lapan orang siswa telah dipilih secara rawak daripada sebuah universiti
dan didapati dalam satu minggu secara purata, mereka telah berjalan
sejauh 39.2 km di dalam kampus untuk ke bilik kuliah dengan sisihan
piawainya adalah 3.2 km. Bentukkan satu selang keyakinan 95% untuk
min populasi.
8. Satu sampel rawak sebanyak 16 akaun bank pelajar yang diambil daripada
sebuah bank tempatan di kampus sebuah universiti untuk meninjau jumlah
wang yang dikeluarkan daripada akaun mereka dalam sebulan telah
menghasilkan data berikut (dalam RM):
302 512 97 316 69 16 133 701 107 156 401 14
465 72
128 68
Bentukkan satu selang keyakinan 90% bagi min jumlah wang yang
dikeluarkan oleh semua pelajar universiti tersebut yang ada akaun dalam
bank itu.
RUJUKAN
Bluman, A.G. (2009). Elementary Statistics: A Step by Step Approach (7th ed). New
York: McGraw Hill.
Press.
Wiley.
127
Analsis Korelasi dan Regresi
UNIT PELAJARAN 8
ANALISIS KORELASI DAN REGRESI
HASIL PEMBELAJARAN
1.
Menerangkan maksud analisis korelasi dan regresi.
2.
Menguji kesignifikanan hubungan antara dua pembolehubah dengan

pekali kolerasi.
3.
Menganggar parameter dalam garis regresi ringkas.
PENGENALAN
Kadangkala seseorang penyelidik ingin melihat hubungan antara dua perkara
yang selidik.
Umpamanya seorang pegawai pendidikan ingin mengetahui
hubungan antara jumlah jam belajar dengan pencapaian akademik pelajar.

Untuk tujuan ini analisis statistik yang dikenali sebagai analisis korelasi boleh
dilakukan.
Tujuan
melakukan
analisis
korelasi
bukan
sahaja
untuk
menentukan hubungan antara dua pembolehubah tetapi ia juga digunakan

bagi menentukan kekuatan hubungan antara dua pembolehubah. Kedua-dua
pembolehubah yang ingin ditentukan kekuatan hubungannya dikenali sebagai
pembolehubah bersandar dan pembolehubah tak bersandar.
Setelah kita
dapati terdapat hubungan antara dua pembolehubah, seterusnya kita

mungkin ingin menjelaskan hubungan antara dua pembolehubah.
Ini boleh
dilakukan dengan menyesuaikan data kepada satu garis lurus yang dikenali
128

sebagai garis regresi ringkas. Analisis yang dilakukan terhadap penyuaian ini
disebut analisis regresi.
ISI KANDUNGAN
Analisis korelasi
Analisis korelasi digunakan bagi menentukan hubungan dan kekuatan
hubungan antara dua pembolehubah.
Ini dilakukan dengan menghitung
pekali korelasi. Pekali korelasi Pearson dihitung seperti berikut:
xy - x y
n
x x n y y

Nilai r melambangkan kekuatan hubungan antara dua pembolehubah. Jika

nilai r menghampiri +1, menunjukkan hubungan positif yang kuat. Manakala
jika nilai r menghampiri -1, menunjukkan hubungan negatif yang kuat. Dengan
kata lain hubungan positif bermaksud hubungan terus, manakala hubungan
negatif bermaksud hubungan arah songsang. Sekiranya nilai r menghampiri
0, maka kita katakan tiada hubungan antara dua pembolehubah. Kekuatan
hubungan, iaitu nilai r boleh digambarkan seperti berikut:
-1
Hubungan negatif yang kuat
+1
Hubungan positif yang kuat
Tiada hubungan
Contoh 1
Seorang guru ingin menentukan adakah terdapat hubungan antara jumlah
jam belajar dan pencapaian matematik pelajar.
Jika terdapat hubungan
berapa kuatkah hubungan tersebut? Data mengenai jumlah jam belajar dan
markah matematik pelajar adalah seperti berikut:
Pelajar
Ali
Badariah
Chin
Jumlah jam belajar (x)

1
1
2
Markah matematik (y)

60
65
70
129

Daud
Erma
Faridah
Ganesan
Habibah
Idris
Jasmin
2
2
3
3
3
3
4
70
75
80
85
85
90
90
Penyelesaian:
X
1
1
2
2
2
3
3
3
3
4
Y
60
65
70
70
75
80
85
85
90
90
y 770
x 24
r
Xy
60
65
140
140
150
240
255
255
270
360
xy 1935
x2
1
1
4
4
4
9
9
9
9
16
2
66
y2
3600
4225
4900
4900
5625
6400
7225
7225
8100
8100
60300
(10)(60300)-(24)(770)
xy - x y
0.945
n
10
(
66
)
(
24
)
10
(
60300
)
(
770
)
x x n y y

Nilai r=0.945 menunjukkan hubungan positif yang kuat antara jumlah jam
belajar dengan markah matematik pelajar.
Menguji kesignifikanan hubungan

Dalam analsis korelasi, kita bukan sekadar menghitung nilai pekali korealsi
bagi menentukan kekuatan hubungan antara dua pembolehubah. Kita juga
harus menentukan kesignifikan hubungan antara kedua-dua pembolehubah.
Perkara ini dilakukan supaya kita mempunyai asas yang kukuh dalam
memperkatakan tentang kekuatan hubungan tersebut. Ujian kesignifikan
hubungan antara dua pembolehubah dilakukan seperti berikut:
130
(i)
H0: = 0 (tiada hubungan antara pembolehubah)

H1: 0 (terdapat hubungan yang signifikan antara pembolehubah)
(ii)
H0: 0 (tiada hubungan negatif antara pembolehubah)

H1: < 0 (terdapat hubungan negatif yang signifikan antara
pembolehubah)
(iii)
H0: 0 ( tiada hubungan positif antara pembolehubah)

H1: < 0 (terdapat hubungan positif yang signifikan antara
pembolehubah)
Rumus ujian t bagi pekali kolerasi Pearson adalah seperti berikut:
tujian= r
n2
dengan darjah kebebasan n-2.
1 r 2
Contoh 2
Dengan menggunakan Contoh 1, pada aras keertian =0.01, tunjukkan terdapat
hubungan antara jumlah jam belajar dengan markah matematik pelajar.
Penyelesaian:
LANGKAH 1: Menyatakan hipotesis

H0: = 0 (tidak terdapat hubungan korelasi)
H1: 0 (terdapat hubungan korelasi)
LANGKAH 2: Mencari nilai kritikal
=0.01
Darjah kebebasan = n 2 = 8
Nilai kritikal, t 2 , 8 3.3554
131

LANGKAH 3: Menghitung nilai ujian
t ujian r
n2
1 r
0.945
10 2
1 0.9452
8.172
LANGKAH 4 : Membuat keputusan
Menolak H0
3.3554 8.172
-3.3554
LANGKAH 5 : Membuat kesimpulan
Terdapat hubungan kolerasi yang signifikan antara jumlah jam belajar dengan
markah matematik.
Persamaan garis regresi ringkas

Setelah kita mendapati bahawa terdapat hubungan korelasi yang signifikan
barulah kita melanjutkan kepada satu lagi analisis yang dikaitkan dengan
analisis korelasi.
Analisis ini dikenali sebagai analisis regresi. Di dalam
analisis regresi ringkas, kita cuba menyuaikan data pada satu garis lurus
yang dikenali sebagai garis regresi. Penyuaian data pada satu garis lurus
melibatkan pembolehubah bersandar dan pembolehubah tak bersandar. Garis
regresi juga dikenali sebagai garis penyuaian terbaik di mana jumlah jarak
mencancang daripada setiap titik adalah paling minimum. Dengan membina garis
regresi kita boleh melakukan peramalan. Pembolehubah yang diramalkan dikenali
sebagai pembolehubah bersandar manakala pembolehubah yang digunakan

untuk
meramal
nilai
pembolehubah
pembolehubah tak bersandar.
bersandar
dikenali
sebagai
Sebagai contoh, kita boleh meramalkan
markah matematik pelajar jika pelajar tersebut belajar dengan jumlah jam
132

tertentu. Seringkali pembolehubah bersandar ditandakan sebagai y manakala
pembolehubah tak bersandar ditandakan sebagai x.
Persamaan garis regresi ringkas ditulis sebagai:

y a bx e
dengan
y adalah pembolehubah bersandar

x adalah pembolehubah tak bersandar
e adalah ralat
Penganggaran pembolehubah bersandar y ditulis sebagai

y a bx
dengan
xy - x y
n x x
a y bx
Contoh 3
Dengan menggunakan Contoh 1, dapatkan garis regresi dengan menyuaikan
data tersebut. Seterusnya anggarkan markah matematik yang akan diperoleh
oleh pelajar jika jumlah masa yang dihabiskan untuk belajar adalah 3.5 jam.
133

Penyelesaian:
x
1
1
2
2
2
3
3
3
3
4
y
60
65
70
70
75
80
85
85
90
90
x 24
xy
60
65
140
140
150
240
255
255
270
360
xy 1935
y 770
x2
1
1
4
4
4
9
9
9
9
16
2
66
Bagi mendapatkan persamaan garis regresi, penghitungan seperti berikut

boleh dilakukan:
xy - x y 10(1935) (24)(770) 10.36

10(66) (24)
n x x
a y bx
y b x 770 (10.36) 24 52.14

n
10
10
Maka persamaan garis regresi mudah boleh ditulis sebagai:

y 52.14 10.36 x e
Manakala anggaran bagi y adalah

y 52.14 10.36 x
Bagi contoh ini, katakan kita ingin meramal markah yang bakal diperoleh oleh
pelajar apabila beliau menghabiskan masa belajar selama 3.5 jam. Nilai
anggaran markah adalah seperti berikut:
y 52.14 10.36x 52.14 (10.36)(3.5) 88.4
134
Huraian persamaan regresi
Setiap pertambahan satu unit dalam x (jumlah jam belajar) akan

menyebabkan y (markah) berubah/bertambah sebanyak 10.36.
y 52.14 10.36x
135
PENILAIAN KENDIRI
1. Seorang pensyarah ingin mengetahui kaitan antara ketidakhadiran kuliah
pelajarnya dengan pencapaian bagi kursus statistik asas yang diajar.
Data yang dikumpul ditunjukkan seperti berikut:
Nama Pelajar
Bilangan hari
tidak hadir
kuliah
Markah
statistik asas
Ahmad
1
Badrul
1
Chin
2
Daim
3
Elias
3
Faridah
3
Gobalan
4
80
80
78
75
74
74
65
a. Adakah terdapat hubungan yang signifikan antara ketidakhadiran

kuliah dengan markah statistik asas? Uji pada aras keertian =0.05.
b. Suaikan garis regresi linear bagi data di atas.
2. Taburan hujan (mm) dan harga cili bagi bulan tertentu di sebuah kawasan
Taburan
hujan (mm)
10
12
14
16
18
20
Harga cili
per kg
4.50
5.00
5.00
5.50
6.00
6.00
6.00
6.50
6.50
7.00
a. Adakah terdapat hubungan yang signifikan antara taburan hujan

dengan harga cili? Uji pada aras keertian =0.01.
b. Suaikan garis regresi linear bagi data di atas.
136
3. Peratus kerosakan bahan yang dihasilkan oleh sebuah mesin mengikut

jangka hayat mesin adalah seperti berikut:
Jangka hayat
mesin (tahun)
Peratus
kerosakan
10
10
12
12
15
14
16
18
20
15
18
18
20
Pada aras keertian =0.05, uji sama ada terdapat hubungan antara jangka
hayat mesin (tahun) dengan peratus kerosakan.
4. Sebuah pertubuhan sosial mengatakan bahawa terdapat hubungan antara

kadar jenayah dengan kepadatan penduduk di sesuatu kawasan. Bagi
menguji kenyataan ini, pegawai di pertubuhan sosial tersebut telah
mengumpul data bagi jangka masa 6 bulan seperti berikut:
Kawasan
A
B
C
D
E
F
G
Bilangan penduduk (000)

1.0
2.0
2.5
3.0
3.3
4.5
5.0
Bilangan jenayah
7
6
5
7
4
6
5
Berdasarkan data di atas, pada aras keertian =0.05, adakah kenyataan

pertubuhan sosial tersebut benar?
5. Seorang pegawai pendidikan ingin mengetahui adakah terdapat hubungan

antara bilangan pelajar di dalam sesebuah bilik darjah dengan peratus
pencapaian gred A pelajar bagi matapelajaran matematik. Sepuluh buah
bilik darjah dipilih secara rawak disebuah daerah untuk kajian ini. Data
yang diperoleh adalah seperti berikut.
137

Bilik darjah
Bilangan pelajar
1
2
3
4
5
6
7
8
9
10
15
20
22
25
28
39
32
33
34
35
Peratus pencapaian
gred A matematik
70
65
60
60
58
55
50
50
48
45
a. Pada paras keertian = 0.05, uji sama ada terdapat hubungan antara
bilangan pelajar dengan peratus pencapaian gred A matematik.
b. Jika
terdapat
hubungan
yang
signifikan,
anggarkan
peratus
pencapaian gred A matematik bagi bilik darjah yang mengandungi 30

pelajar.
RUJUKAN
Bluman, A.G. (2009). Elementary Statistics: A Step by Step Approach (7th ed). New
York: McGraw Hill.
Press.
Wiley.
138
Appendiks: Jadual Statistik
APPENDIKS
JADUAL STATISTIK
Jadual Binomial
Jadual Poisson
Jadual Normal Piawai
Jadual Songsang Normal Piawai
Jadual Taburan t
Jadual Khi Kuasadua
Jadual Taburan F
Jadual Binomial
Bagi pembolehubah rawak binomial (n, p), nilai dalam jadual adalah Kb{X x} untuk
setiap x, n dan p.
Contoh: Kb{X 3} = 0.8125 bagi n=5 dan p=0.50,
Kb{X 6} = 0.3504 bagi n=10 dan p=0.70.
Nilai p
x
0.1
10
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0
1
0.5905 0.3277 0.1681 0.0778 0.0313 0.0102 0.0024 0.0003 0.0000

0.9185 0.7373 0.5282 0.3370 0.1875 0.0870 0.0308 0.0067 0.0005
0.9914 0.9421 0.8369 0.6826 0.5000 0.3174 0.1631 0.0579 0.0086
0.9995 0.9933 0.9692 0.9130 0.8125 0.6630 0.4718 0.2627 0.0815
1.0000 0.9997 0.9976 0.9898 0.9688 0.9222 0.8319 0.6723 0.4095
1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0
1
0.4783 0.2097 0.0824 0.0280 0.0078 0.0016 0.0002 0.0000 0.0000

0.8503 0.5767 0.3294 0.1586 0.0625 0.0188 0.0038 0.0004 0.0000
0.9743 0.8520 0.6471 0.4199 0.2266 0.0963 0.0288 0.0047 0.0002
0.9973 0.9667 0.8740 0.7102 0.5000 0.2898 0.1260 0.0333 0.0027
0.9998 0.9953 0.9712 0.9037 0.7734 0.5801 0.3529 0.1480 0.0257
1.0000 0.9996 0.9962 0.9812 0.9375 0.8414 0.6706 0.4233 0.1497
1.0000 1.0000 0.9998 0.9984 0.9922 0.9720 0.9176 0.7903 0.5217
1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
0
1
0.3487 0.1074 0.0282 0.0060 0.0010 0.0001 0.0000 0.0000 0.0000

0.7361 0.3758 0.1493 0.0464 0.0107 0.0017 0.0001 0.0000 0.0000
0.9298 0.6778 0.3828 0.1673 0.0547 0.0123 0.0016 0.0001 0.0000
0.9872 0.8791 0.6496 0.3823 0.1719 0.0548 0.0106 0.0009 0.0000
0.9984 0.9672 0.8497 0.6331 0.3770 0.1662 0.0473 0.0064 0.0001
0.9999 0.9936 0.9527 0.8338 0.6230 0.3669 0.1503 0.0328 0.0016
1.0000 0.9991 0.9894 0.9452 0.8281 0.6177 0.3504 0.1209 0.0128
1.0000 0.9999 0.9984 0.9877 0.9453 0.8327 0.6172 0.3222 0.0702
1.0000 1.0000 0.9999 0.9983 0.9893 0.9536 0.8507 0.6242 0.2639
1.0000 1.0000 1.0000 0.9999 0.9990 0.9940 0.9718 0.8926 0.6513
10
1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
ii
Jadual Binomial (samb.)

Nilai p
n x
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
15
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0.2059
0.5490
0.8159
0.9444
0.9873
0.9978
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0352
0.1671
0.3980
0.6482
0.8358
0.9389
0.9819
0.9958
0.9992
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0047
0.0353
0.1268
0.2969
0.5155
0.7216
0.8689
0.9500
0.9848
0.9963
0.9993
0.9999
1.0000
1.0000
1.0000
1.0000
0.0005
0.0052
0.0271
0.0905
0.2173
0.4032
0.6098
0.7869
0.9050
0.9662
0.9907
0.9981
0.9997
1.0000
1.0000
1.0000
0.0000
0.0005
0.0037
0.0176
0.0592
0.1509
0.3036
0.5000
0.6964
0.8491
0.9408
0.9824
0.9963
0.9995
1.0000
1.0000
0.0000
0.0000
0.0003
0.0019
0.0093
0.0338
0.0950
0.2131
0.3902
0.5968
0.7827
0.9095
0.9729
0.9948
0.9995
1.0000
0.0000
0.0000
0.0000
0.0001
0.0007
0.0037
0.0152
0.0500
0.1311
0.2784
0.4845
0.7031
0.8732
0.9647
0.9953
1.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0008
0.0042
0.0181
0.0611
0.1642
0.3518
0.6020
0.8329
0.9648
1.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0022
0.0127
0.0556
0.1841
0.4510
0.7941
1.0000
20
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
0.1216
0.3917
0.6769
0.8670
0.9568
0.9887
0.9976
0.9996
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0115
0.0692
0.2061
0.4114
0.6296
0.8042
0.9133
0.9679
0.9900
0.9974
0.9994
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0008
0.0076
0.0355
0.1071
0.2375
0.4164
0.6080
0.7723
0.8867
0.9520
0.9829
0.9949
0.9987
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0000
0.0005
0.0036
0.0160
0.0510
0.1256
0.2500
0.4159
0.5956
0.7553
0.8725
0.9435
0.9790
0.9935
0.9984
0.9997
1.0000
1.0000
1.0000
1.0000
1.0000
0.0000
0.0000
0.0002
0.0013
0.0059
0.0207
0.0577
0.1316
0.2517
0.4119
0.5881
0.7483
0.8684
0.9423
0.9793
0.9941
0.9987
0.9998
1.0000
1.0000
1.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0016
0.0065
0.0210
0.0565
0.1275
0.2447
0.4044
0.5841
0.7500
0.8744
0.9490
0.9840
0.9964
0.9995
1.0000
1.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0003
0.0013
0.0051
0.0171
0.0480
0.1133
0.2277
0.3920
0.5836
0.7625
0.8929
0.9645
0.9924
0.9992
1.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0006
0.0026
0.0100
0.0321
0.0867
0.1958
0.3704
0.5886
0.7939
0.9308
0.9885
1.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0004
0.0024
0.0113
0.0432
0.1330
0.3231
0.6083
0.8784
1.0000
iii
Jadual Poisson
Jadual memberikan Kb{X x} bagi taburan Poisson ().
Contoh:
Kb{X 2} = 0.9921 bagi = 0.4, Kb{X 7} = 0.9858 bagi = 2.5, dan Kb{X 5} =
0.1912 bagi = 8.
Nilai
X
0
1
2
3
4
5
6
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.9048
0.9953
0.9998
1.0000
1.0000
1.0000
1.0000
0.8187
0.9825
0.9989
0.9999
1.0000
1.0000
1.0000
0.7408
0.9631
0.9964
0.9997
1.0000
1.0000
1.0000
0.6703
0.9384
0.9921
0.9992
0.9999
1.0000
1.0000
0.6065
0.9098
0.9856
0.9982
0.9998
1.0000
1.0000
0.5488
0.8781
0.9769
0.9966
0.9996
1.0000
1.0000
0.5488
0.8442
0.9659
0.9942
0.9992
0.9999
1.0000
0.4493
0.8088
0.9526
0.9909
0.9986
0.9998
1.0000
0.4066
0.7725
0.9371
0.9865
0.9977
0.9997
1.0000
Nilai
X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
0.3679
0.7358
0.9197
0.9810
0.9963
0.9994
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.2231
0.5578
0.8088
0.9344
0.9814
0.9955
0.9991
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.1353
0.4060
0.6767
0.8571
0.9473
0.9834
0.9955
0.9989
0.9998
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0821
0.2873
0.5438
0.7576
0.8912
0.9580
0.9858
0.9958
0.9989
0.9997
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0498
0.1991
0.4232
0.6472
0.8153
0.9161
0.9665
0.9881
0.9962
0.9989
0.9997
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
0.0302
0.1359
0.3208
0.5366
0.7254
0.8576
0.9347
0.9733
0.9901
0.9967
0.9990
0.9997
0.9999
1.0000
1.0000
1.0000
1.0000
0.0183
0.0916
0.2381
0.4335
0.6288
0.7851
0.8893
0.9489
0.9786
0.9919
0.9972
0.9991
0.9997
0.9999
1.0000
1.0000
1.0000
0.0111
0.0611
0.1736
0.3423
0.5321
0.7029
0.8311
0.9134
0.9597
0.9829
0.9933
0.9976
0.9992
0.9997
0.9999
1.0000
1.0000
0.0067
0.0404
0.1247
0.2650
0.4405
0.6160
0.7622
0.8666
0.9319
0.9682
0.9863
0.9945
0.9980
0.9993
0.9998
0.9999
1.0000
iv
Jadual Poisson (samb.)
Nilai
X
5.5
6.5
7.5
8.5
9.5
0
1
0.0041 0.0025 0.0015 0.0009 0.0006 0.0003 0.0002 0.0001 0.0001

0.0266 0.0174 0.0113 0.0073 0.0047 0.0030 0.0019 0.0012 0.0008
0.0884 0.0620 0.0430 0.0296 0.0203 0.0138 0.0093 0.0062 0.0042
0.2017 0.1512 0.1118 0.0818 0.0591 0.0424 0.0301 0.0212 0.0149
0.3575 0.2851 0.2237 0.1730 0.1321 0.0996 0.0744 0.0550 0.0403
0.5289 0.4457 0.3690 0.3007 0.2414 0.1912 0.1496 0.1157 0.0885
0.6860 0.6063 0.5265 0.4497 0.3782 0.3134 0.2562 0.2068 0.1649
0.8095 0.7440 0.6728 0.5987 0.5246 0.4530 0.3856 0.3239 0.2687
0.8944 0.8472 0.7916 0.7291 0.6620 0.5925 0.5231 0.4557 0.3918
0.9462 0.9161 0.8774 0.8305 0.7764 0.7166 0.6530 0.5874 0.5218
10
0.9747 0.9574 0.9332 0.9015 0.8622 0.8159 0.7634 0.7060 0.6453
11
0.9890 0.9799 0.9661 0.9467 0.9208 0.8881 0.8487 0.8030 0.7520
12
0.9955 0.9912 0.9840 0.9730 0.9573 0.9362 0.9091 0.8758 0.8364
13
0.9983 0.9964 0.9929 0.9872 0.9784 0.9658 0.9486 0.9261 0.8981
14
0.9994 0.9986 0.9970 0.9943 0.9897 0.9827 0.9726 0.9585 0.9400
15
0.9998 0.9995 0.9988 0.9976 0.9954 0.9918 0.9862 0.9780 0.9665
16
0.9999 0.9998 0.9996 0.9990 0.9980 0.9963 0.9934 0.9889 0.9823
17
1.0000 0.9999 0.9998 0.9996 0.9992 0.9984 0.9970 0.9947 0.9911
18
1.0000 1.0000 0.9999 0.9999 0.9997 0.9993 0.9987 0.9976 0.9957
19
1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9995 0.9989 0.9980
20
1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9996 0.9991
21
1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9996
22
1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9999
23
1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999
24
1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000

Jadual Poisson (samb.)
Nilai
x
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
10
11
12
13
14
15
16
17
18
0.0000
0.0005
0.0028
0.0103
0.0293
0.0671
0.1301
0.2202
0.3328
0.4579
0.5830
0.6968
0.7916
0.8645
0.9165
0.9513
0.9730
0.9857
0.9928
0.9965
0.9984
0.9993
0.9997
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0000
0.0002
0.0012
0.0049
0.0151
0.0375
0.0786
0.1432
0.2320
0.3405
0.4599
0.5793
0.6887
0.7813
0.8540
0.9074
0.9441
0.9678
0.9823
0.9907
0.9953
0.9977
0.9990
0.9995
0.9998
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0000
0.0001
0.0005
0.0023
0.0076
0.0203
0.0458
0.0895
0.1550
0.2424
0.3472
0.4616
0.5760
0.6815
0.7720
0.8444
0.8987
0.9370
0.9626
0.9787
0.9884
0.9939
0.9970
0.9985
0.9993
0.9997
0.9999
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0000
0.0000
0.0002
0.0011
0.0037
0.0107
0.0259
0.0540
0.0998
0.1658
0.2517
0.3532
0.4631
0.5730
0.6751
0.7636
0.8355
0.8905
0.9302
0.9573
0.9750
0.9859
0.9924
0.9960
0.9980
0.9990
0.9995
0.9998
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0000
0.0000
0.0001
0.0005
0.0018
0.0055
0.0142
0.0316
0.0621
0.1094
0.1757
0.2600
0.3585
0.4644
0.5704
0.6694
0.7559
0.8272
0.8826
0.9235
0.9521
0.9712
0.9833
0.9907
0.9950
0.9974
0.9987
0.9994
0.9997
0.9999
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0000
0.0000
0.0000
0.0002
0.0009
0.0028
0.0076
0.0180
0.0374
0.0699
0.1185
0.1848
0.2676
0.3632
0.4657
0.5681
0.6641
0.7489
0.8195
0.8752
0.9170
0.9469
0.9673
0.9805
0.9888
0.9938
0.9967
0.9983
0.9991
0.9996
0.9998
0.9999
1.0000
1.0000
1.0000
1.0000
1.0000
1.0000
0.0000
0.0000
0.0000
0.0001
0.0004
0.0014
0.0040
0.0100
0.0220
0.0433
0.0774
0.1270
0.1931
0.2745
0.3675
0.4667
0.5660
0.6593
0.7423
0.8122
0.8682
0.9108
0.9418
0.9633
0.9777
0.9869
0.9925
0.9959
0.9978
0.9989
0.9994
0.9997
0.9999
0.9999
1.0000
1.0000
1.0000
1.0000
0.0000
0.0000
0.0000
0.0000
0.0002
0.0007
0.0021
0.0054
0.0126
0.0261
0.0491
0.0847
0.1350
0.2009
0.2808
0.3715
0.4677
0.5640
0.6550
0.7363
0.8055
0.8615
0.9047
0.9367
0.9594
0.9748
0.9848
0.9912
0.9950
0.9973
0.9986
0.9993
0.9996
0.9998
0.9999
1.0000
1.0000
1.0000
0.0000
0.0000
0.0000
0.0000
0.0001
0.0003
0.0010
0.0029
0.0071
0.0154
0.0304
0.0549
0.0917
0.1426
0.2081
0.2867
0.3751
0.4686
0.5622
0.6509
0.7307
0.7991
0.8551
0.8989
0.9317
0.9554
0.9718
0.9827
0.9897
0.9941
0.9967
0.9982
0.9990
0.9995
0.9998
0.9999
0.9999
1.0000
vi
Jadual Normal Piawai

Luas berlorek adalah, F(z),
atau Kb{Z<z} =
1
2
x2 / 2
dx ,
pada seluruh papahan taburan normal (- , ).
-0.00
-0.01
-0.02
-0.03
-0.04
-0.05
-0.06
-0.07
-0.08
-0.09
-3.70
-3.60
-3.50
-3.40
-3.30
-3.20
-3.10
-3.00
-2.90
-2.80
-2.70
-2.60
-2.50
-2.40
-2.30
-2.20
-2.10
-2.00
-1.90
-1.80
-1.70
-1.60
-1.50
-1.40
-1.30
-1.20
-1.10
-1.00
-0.90
-0.80
-0.70
-0.60
-0.50
-0.40
-0.30
-0.20
-0.10
-0.00
0.0001
0.0002
0.0002
0.0003
0.0005
0.0007
0.0010
0.0013
0.0019
0.0026
0.0035
0.0047
0.0062
0.0082
0.0107
0.0139
0.0179
0.0228
0.0287
0.0359
0.0446
0.0548
0.0668
0.0808
0.0968
0.1151
0.1357
0.1587
0.1841
0.2119
0.2420
0.2743
0.3085
0.3446
0.3821
0.4207
0.4602
0.5000
0.0001
0.0002
0.0002
0.0003
0.0005
0.0007
0.0009
0.0013
0.0018
0.0025
0.0034
0.0045
0.0060
0.0080
0.0104
0.0136
0.0174
0.0222
0.0281
0.0351
0.0436
0.0537
0.0655
0.0793
0.0951
0.1131
0.1335
0.1562
0.1814
0.2090
0.2389
0.2709
0.3050
0.3409
0.3783
0.4168
0.4562
0.4960
0.0001
0.0001
0.0002
0.0003
0.0005
0.0006
0.0009
0.0013
0.0018
0.0024
0.0033
0.0044
0.0059
0.0078
0.0102
0.0132
0.0170
0.0217
0.0274
0.0344
0.0427
0.0526
0.0643
0.0778
0.0934
0.1112
0.1314
0.1539
0.1788
0.2061
0.2358
0.2676
0.3015
0.3372
0.3745
0.4129
0.4522
0.4920
0.0001
0.0001
0.0002
0.0003
0.0004
0.0006
0.0009
0.0012
0.0017
0.0023
0.0032
0.0043
0.0057
0.0075
0.0099
0.0129
0.0166
0.0212
0.0268
0.0336
0.0418
0.0516
0.0630
0.0764
0.0918
0.1093
0.1292
0.1515
0.1762
0.2033
0.2327
0.2643
0.2981
0.3336
0.3707
0.4090
0.4483
0.4880
0.0001
0.0001
0.0002
0.0003
0.0004
0.0006
0.0008
0.0012
0.0016
0.0023
0.0031
0.0041
0.0055
0.0073
0.0096
0.0125
0.0162
0.0207
0.0262
0.0329
0.0409
0.0505
0.0618
0.0749
0.0901
0.1075
0.1271
0.1492
0.1736
0.2005
0.2296
0.2611
0.2946
0.3300
0.3669
0.4052
0.4443
0.4840
0.0001
0.0001
0.0002
0.0003
0.0004
0.0006
0.0008
0.0011
0.0016
0.0022
0.0030
0.0040
0.0054
0.0071
0.0094
0.0122
0.0158
0.0202
0.0256
0.0322
0.0401
0.0495
0.0606
0.0735
0.0885
0.1056
0.1251
0.1469
0.1711
0.1977
0.2266
0.2578
0.2912
0.3264
0.3632
0.4013
0.4404
0.4801
0.0001
0.0001
0.0002
0.0003
0.0004
0.0006
0.0008
0.0011
0.0015
0.0021
0.0029
0.0039
0.0052
0.0069
0.0091
0.0119
0.0154
0.0197
0.0250
0.0314
0.0392
0.0485
0.0594
0.0721
0.0869
0.1038
0.1230
0.1446
0.1685
0.1949
0.2236
0.2546
0.2877
0.3228
0.3594
0.3974
0.4364
0.4761
0.0001
0.0001
0.0002
0.0003
0.0004
0.0005
0.0008
0.0011
0.0015
0.0021
0.0028
0.0038
0.0051
0.0068
0.0089
0.0116
0.0150
0.0192
0.0244
0.0307
0.0384
0.0475
0.0582
0.0708
0.0853
0.1020
0.1210
0.1423
0.1660
0.1922
0.2206
0.2514
0.2843
0.3192
0.3557
0.3936
0.4325
0.4721
0.0001
0.0001
0.0002
0.0003
0.0004
0.0005
0.0007
0.0010
0.0014
0.0020
0.0027
0.0037
0.0049
0.0066
0.0087
0.0113
0.0146
0.0188
0.0239
0.0301
0.0375
0.0465
0.0571
0.0694
0.0838
0.1003
0.1190
0.1401
0.1635
0.1894
0.2177
0.2483
0.2810
0.3156
0.3520
0.3897
0.4286
0.4681
0.0001
0.0001
0.0002
0.0002
0.0003
0.0005
0.0007
0.0010
0.0014
0.0019
0.0026
0.0036
0.0048
0.0064
0.0084
0.0110
0.0143
0.0183
0.0233
0.0294
0.0367
0.0455
0.0559
0.0681
0.0823
0.0985
0.1170
0.1379
0.1611
0.1867
0.2148
0.2451
0.2776
0.3121
0.3483
0.3859
0.4247
0.4641
Baca: Mendapat luas sehingga z = -1.25, lihat nilai 1.20 di lajur pertama dan
nilai 0.05 di baris pertama, nilai F(z) yang dikehendaki adalah tempat
pertemuan baris dan lajur berkenaan. Bagi luas sehingga +1.96, lihat 1.90 di
lajur pertama dan nilai +0.06 di baris pertama, nilai F(z) diperolehi begitu juga.
Di sini, F(-1.25) = 0.1056, dan F(1.96) = 0.9750.
vii

Jadual Normal (samb.)
z
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.00
0.10
0.20
0.30
00
0.40
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.9990
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345
0.9463
0.9564
0.9649
0.9719
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9987
0.9991
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.9357
0.9474
0.9573
0.9656
0.9726
0.9783
0.9830
0.9868
0.9898
0.9922
0.9941
0.9956
0.9967
0.9976
0.9982
0.9987
0.9991
0.9994
0.9995
0.9997
0.9998
0.9999
0.9999
0.9999
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.9370
0.9484
0.9582
0.9664
0.9732
0.9788
0.9834
0.9871
0.9901
0.9925
0.9943
0.9957
0.9968
0.9977
0.9983
0.9988
0.9991
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.9382
0.9495
0.9591
0.9671
0.9738
0.9793
0.9838
0.9875
0.9904
0.9927
0.9945
0.9959
0.9969
0.9977
0.9984
0.9988
0.9992
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.9394
0.9505
0.9599
0.9678
0.9744
0.9798
0.9842
0.9878
0.9906
0.9929
0.9946
0.9960
0.9970
0.9978
0.9984
0.9989
0.9992
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.9406
0.9515
0.9608
0.9686
0.9750
0.9803
0.9846
0.9881
0.9909
0.9931
0.9948
0.9961
0.9971
0.9979
0.9985
0.9989
0.9992
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418
0.9525
0.9616
0.9693
0.9756
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9989
0.9992
0.9995
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429
0.9535
0.9625
0.9699
0.9761
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9990
0.9993
0.9995
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441
0.9545
0.9633
0.9706
0.9767
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
0.9990
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
0.9999
0.50
0.60
0.70
0.80
0.90
1.00
1.10
1.20
1.30
1.40
1.50
1.60
1.70
1.80
1.90
2.00
2.10
2.20
2.30
2.40
2.50
2.60
2.70
2.80
2.90
3.00
3.10
3.20
3.30
3.40
3.50
3.60
3.70
3.80
viii
Jadual Songsang Normal Piawai

Nilai z bila luas sebelah kiri bersamaan , atau
1
2
e x
/2
dx
0.000
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0.008
0.009
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.10
0.11
0.12
0.13
0.14
0.15
0.16
0.17
0.18
0.19
0.20
0.21
0.22
0.23
0.24
0.25
0.26
0.27
0.28
0.29
0.30
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39
0.40
0.41
0.42
0.43
0.44
0.45
0.46
0.47
0.48
0.49
0.50
-2.326
-2.054
-1.881
-1.751
-1.645
-1.555
-1.476
-1.405
-1.341
-1.282
-1.227
-1.175
-1.126
-1.080
-1.036
-0.994
-0.954
-0.915
-0.878
-0.842
-0.806
-0.772
-0.739
-0.706
-0.674
-0.643
-0.613
-0.583
-0.553
-0.524
-0.496
-0.468
-0.440
-0.412
-0.385
-0.358
-0.332
-0.305
-0.279
-0.253
-0.228
-0.202
-0.176
-0.151
-0.126
-0.100
-0.075
-0.050
-0.025
0.000
-3.090
-2.290
-2.034
-1.866
-1.739
-1.635
-1.546
-1.468
-1.398
-1.335
-1.276
-1.221
-1.170
-1.122
-1.076
-1.032
-0.990
-0.950
-0.912
-0.874
-0.838
-0.803
-0.769
-0.736
-0.703
-0.671
-0.640
-0.610
-0.580
-0.550
-0.522
-0.493
-0.465
-0.437
-0.410
-0.383
-0.356
-0.329
-0.303
-0.277
-0.251
-0.225
-0.199
-0.174
-0.148
-0.123
-0.098
-0.073
-0.048
-0.023
0.003
-2.878
-2.257
-2.014
-1.852
-1.728
-1.626
-1.538
-1.461
-1.392
-1.329
-1.270
-1.216
-1.165
-1.117
-1.071
-1.028
-0.986
-0.946
-0.908
-0.871
-0.834
-0.800
-0.765
-0.732
-0.700
-0.668
-0.637
-0.607
-0.577
-0.548
-0.519
-0.490
-0.462
-0.434
-0.407
-0.380
-0.353
-0.327
-0.300
-0.274
-0.248
-0.222
-0.197
-0.171
-0.146
-0.121
-0.095
-0.070
-0.045
-0.020
0.005
-2.748
-2.226
-1.995
-1.838
-1.717
-1.616
-1.530
-1.454
-1.385
-1.323
-1.265
-1.211
-1.160
-1.112
-1.067
-1.024
-0.982
-0.942
-0.904
-0.867
-0.831
-0.796
-0.762
-0.729
-0.697
-0.665
-0.634
-0.604
-0.574
-0.545
-0.516
-0.487
-0.459
-0.432
-0.404
-0.377
-0.350
-0.324
-0.298
-0.272
-0.246
-0.220
-0.194
-0.169
-0.143
-0.118
-0.093
-0.068
-0.043
-0.018
0.008
-2.652
-2.197
-1.977
-1.825
-1.706
-1.607
-1.522
-1.447
-1.379
-1.317
-1.259
-1.206
-1.155
-1.108
-1.063
-1.019
-0.978
-0.938
-0.900
-0.863
-0.827
-0.793
-0.759
-0.726
-0.693
-0.662
-0.631
-0.601
-0.571
-0.542
-0.513
-0.485
-0.457
-0.429
-0.402
-0.375
-0.348
-0.321
-0.295
-0.269
-0.243
-0.217
-0.192
-0.166
-0.141
-0.116
-0.090
-0.065
-0.040
-0.015
0.010
-2.576
-2.170
-1.960
-1.812
-1.695
-1.598
-1.514
-1.440
-1.372
-1.311
-1.254
-1.200
-1.150
-1.103
-1.058
-1.015
-0.974
-0.935
-0.896
-0.860
-0.824
-0.789
-0.755
-0.722
-0.690
-0.659
-0.628
-0.598
-0.568
-0.539
-0.510
-0.482
-0.454
-0.426
-0.399
-0.372
-0.345
-0.319
-0.292
-0.266
-0.240
-0.215
-0.189
-0.164
-0.138
-0.113
-0.088
-0.063
-0.038
-0.013
0.013
-2.512
-2.144
-1.943
-1.799
-1.685
-1.589
-1.506
-1.433
-1.366
-1.305
-1.248
-1.195
-1.146
-1.098
-1.054
-1.011
-0.970
-0.931
-0.893
-0.856
-0.820
-0.786
-0.752
-0.719
-0.687
-0.656
-0.625
-0.595
-0.565
-0.536
-0.507
-0.479
-0.451
-0.423
-0.396
-0.369
-0.342
-0.316
-0.290
-0.264
-0.238
-0.212
-0.187
-0.161
-0.136
-0.111
-0.085
-0.060
-0.035
-0.010
0.015
-2.457
-2.120
-1.927
-1.787
-1.675
-1.580
-1.499
-1.426
-1.359
-1.299
-1.243
-1.190
-1.141
-1.094
-1.049
-1.007
-0.966
-0.927
-0.889
-0.852
-0.817
-0.782
-0.749
-0.716
-0.684
-0.653
-0.622
-0.592
-0.562
-0.533
-0.504
-0.476
-0.448
-0.421
-0.393
-0.366
-0.340
-0.313
-0.287
-0.261
-0.235
-0.210
-0.184
-0.159
-0.133
-0.108
-0.083
-0.058
-0.033
-0.008
0.018
-2.409
-2.097
-1.911
-1.774
-1.665
-1.572
-1.491
-1.419
-1.353
-1.293
-1.237
-1.185
-1.136
-1.089
-1.045
-1.003
-0.962
-0.923
-0.885
-0.849
-0.813
-0.779
-0.745
-0.713
-0.681
-0.650
-0.619
-0.589
-0.559
-0.530
-0.502
-0.473
-0.445
-0.418
-0.391
-0.364
-0.337
-0.311
-0.285
-0.259
-0.233
-0.207
-0.181
-0.156
-0.131
-0.105
-0.080
-0.055
-0.030
-0.005
0.020
-2.366
-2.075
-1.896
-1.762
-1.655
-1.563
-1.483
-1.412
-1.347
-1.287
-1.232
-1.180
-1.131
-1.085
-1.041
-0.999
-0.958
-0.919
-0.882
-0.845
-0.810
-0.776
-0.742
-0.710
-0.678
-0.646
-0.616
-0.586
-0.556
-0.527
-0.499
-0.470
-0.443
-0.415
-0.388
-0.361
-0.335
-0.308
-0.282
-0.256
-0.230
-0.204
-0.179
-0.154
-0.128
-0.103
-0.078
-0.053
-0.028
-0.003
0.023
ix
Jadual Songsang Normal Piawai (samb.)
0.000
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0.008
0.009
0.51
0.52
0.53
0.54
0.55
0.56
0.57
0.58
0.59
0.60
0.61
0.62
0.63
0.64
0.65
0.66
0.67
0.68
0.69
0.70
0.71
0.72
0.73
0.74
0.75
0.76
0.77
0.78
0.79
0.80
0.81
0.82
0.83
0.84
0.85
0.86
0.87
0.88
0.89
0.90
0.91
0.92
0.93
0.94
0.95
0.96
0.97
0.98
0.99
0.025
0.050
0.075
0.100
0.126
0.151
0.176
0.202
0.228
0.001
0.279
0.305
0.332
0.358
0.385
0.412
0.440
0.468
0.496
0.524
0.553
0.583
0.613
0.643
0.674
0.706
0.739
0.772
0.806
0.842
0.878
0.915
0.954
0.994
1.036
1.080
1.126
1.175
1.227
1.282
1.341
1.405
1.476
1.555
1.645
1.751
1.881
2.054
2.326
0.028
0.053
0.078
0.103
0.128
0.154
0.179
0.204
0.230
0.256
0.282
0.308
0.335
0.361
0.388
0.415
0.443
0.470
0.499
0.527
0.556
0.586
0.616
0.646
0.678
0.710
0.742
0.776
0.810
0.845
0.882
0.919
0.958
0.999
1.041
1.085
1.131
1.180
1.232
1.287
1.347
1.412
1.483
1.563
1.655
1.762
1.896
2.075
2.366
0.030
0.055
0.080
0.105
0.131
0.156
0.181
0.207
0.233
0.259
0.285
0.311
0.337
0.364
0.391
0.418
0.445
0.473
0.502
0.530
0.559
0.589
0.619
0.650
0.681
0.713
0.745
0.779
0.813
0.849
0.885
0.923
0.962
1.003
1.045
1.089
1.136
1.185
1.237
1.293
1.353
1.419
1.491
1.572
1.665
1.774
1.911
2.097
2.409
0.033
0.058
0.083
0.108
0.133
0.159
0.184
0.210
0.235
0.261
0.287
0.313
0.340
0.366
0.393
0.421
0.448
0.476
0.504
0.533
0.562
0.592
0.622
0.653
0.684
0.716
0.749
0.782
0.817
0.852
0.889
0.927
0.966
1.007
1.049
1.094
1.141
1.190
1.243
1.299
1.359
1.426
1.499
1.580
1.675
1.787
1.927
2.120
2.457
0.035
0.060
0.085
0.111
0.136
0.161
0.187
0.212
0.238
0.264
0.290
0.316
0.342
0.369
0.396
0.423
0.451
0.479
0.507
0.536
0.565
0.595
0.625
0.656
0.687
0.719
0.752
0.786
0.820
0.856
0.893
0.931
0.970
1.011
1.054
1.098
1.146
1.195
1.248
1.305
1.366
1.433
1.506
1.589
1.685
1.799
1.943
2.144
2.512
0.038
0.063
0.088
0.113
0.138
0.164
0.189
0.215
0.240
0.266
0.292
0.319
0.345
0.372
0.399
0.426
0.454
0.482
0.510
0.539
0.568
0.598
0.628
0.659
0.690
0.722
0.755
0.789
0.824
0.860
0.896
0.935
0.974
1.015
1.058
1.103
1.150
1.200
1.254
1.311
1.372
1.440
1.514
1.598
1.695
1.812
1.960
2.170
2.576
0.040
0.065
0.090
0.116
0.141
0.166
0.192
0.217
0.243
0.269
0.295
0.321
0.348
0.375
0.402
0.429
0.457
0.485
0.513
0.542
0.571
0.601
0.631
0.662
0.693
0.726
0.759
0.793
0.827
0.863
0.900
0.938
0.978
1.019
1.063
1.108
1.155
1.206
1.259
1.317
1.379
1.447
1.522
1.607
1.706
1.825
1.977
2.197
2.652
0.043
0.068
0.093
0.118
0.143
0.169
0.194
0.220
0.246
0.272
0.298
0.324
0.350
0.377
0.404
0.432
0.459
0.487
0.516
0.545
0.574
0.604
0.634
0.665
0.697
0.729
0.762
0.796
0.831
0.867
0.904
0.942
0.982
1.024
1.067
1.112
1.160
1.211
1.265
1.323
1.385
1.454
1.530
1.616
1.717
1.838
1.995
2.226
2.748
0.045
0.070
0.095
0.121
0.146
0.171
0.197
0.222
0.248
0.274
0.300
0.327
0.353
0.380
0.407
0.434
0.462
0.490
0.519
0.548
0.577
0.607
0.637
0.668
0.700
0.732
0.765
0.800
0.834
0.871
0.908
0.946
0.986
1.028
1.071
1.117
1.165
1.216
1.270
1.329
1.392
1.461
1.538
1.626
1.728
1.852
2.014
2.257
2.878
0.048
0.073
0.098
0.123
0.148
0.174
0.199
0.225
0.251
0.277
0.303
0.329
0.356
0.383
0.410
0.437
0.465
0.493
0.522
0.550
0.580
0.610
0.640
0.671
0.703
0.736
0.769
0.803
0.838
0.874
0.912
0.950
0.990
1.032
1.076
1.122
1.170
1.221
1.276
1.335
1.398
1.468
1.546
1.635
1.739
1.866
2.034
2.290
3.090
Jadual Taburan t
Nilai dalam jadual adalah nilai t supaya luas sebelah kanan, Kb{T>t}= ,bagi d.k.
tertentu.
Contoh: Kb{T>2.0150}= 0.05, =5,
Kb{T>2.7181}= 0.01, =11.
Luas pada hujung kanan,
Darjah
kebebasan
1
2
3
4
5
0.25
1.0000
0.8165
0.7649
0.7407
0.7267
0.10
3.0777
1.8856
1.6377
1.5332
1.4759
0.05
6.3137
2.9200
2.3534
2.1318
2.0150
0.025
0.01
0.005
0.001
12.7062 31.8210 63.6559 318.2888
4.3027 6.9645 9.9250 22.3285
3.1824 4.5407 5.8408 10.2143
2.7765 3.7469 4.6041
7.1729
2.5706 3.3649 4.0321
5.8935
6
7
8
9
10
0.7176
0.7111
0.7064
0.7027
0.6998
1.4398
1.4149
1.3968
1.3830
1.3722
1.9432
1.8946
1.8595
1.8331
1.8125
2.4469
2.3646
2.3060
2.2622
2.2281
3.1427
2.9979
2.8965
2.8214
2.7638
3.7074
3.4995
3.3554
3.2498
3.1693
5.2075
4.7853
4.5008
4.2969
4.1437
11
12
13
14
15
0.6974
0.6955
0.6938
0.6924
0.6912
1.3634
1.3562
1.3502
1.3450
1.3406
1.7959
1.7823
1.7709
1.7613
1.7531
2.2010
2.1788
2.1604
2.1448
2.1315
2.7181
2.6810
2.6503
2.6245
2.6025
3.1058
3.0545
3.0123
2.9768
2.9467
4.0248
3.9296
3.8520
3.7874
3.7329
16
17
18
19
20
0.6901
0.6892
0.6884
0.6876
0.6870
1.3368
1.3334
1.3304
1.3277
1.3253
1.7459
1.7396
1.7341
1.7291
1.7247
2.1199
2.1098
2.1009
2.0930
2.0860
2.5835
2.5669
2.5524
2.5395
2.5280
2.9208
2.8982
2.8784
2.8609
2.8453
3.6861
3.6458
3.6105
3.5793
3.5518
21
22
23
24
25
0.6864
0.6858
0.6853
0.6848
0.6844
1.3232
1.3212
1.3195
1.3178
1.3163
1.7207
1.7171
1.7139
1.7109
1.7081
2.0796
2.0739
2.0687
2.0639
2.0595
2.5176
2.5083
2.4999
2.4922
2.4851
2.8314
2.8188
2.8073
2.7970
2.7874
3.5271
3.5050
3.4850
3.4668
3.4502
26
27
28
29
30
0.6840
0.6837
0.6834
0.6830
0.6828
1.3150
1.3137
1.3125
1.3114
1.3104
1.7056
1.7033
1.7011
1.6991
1.6973
2.0555
2.0518
2.0484
2.0452
2.0423
2.4786
2.4727
2.4671
2.4620
2.4573
2.7787
2.7707
2.7633
2.7564
2.7500
3.4350
3.4210
3.4082
3.3963
3.3852
35
40
50
60
80
100
0.6816
0.6807
0.6794
0.6786
0.6776
0.6770
1.3062
1.3031
1.2987
1.2958
1.2922
1.2901
1.6896
1.6839
1.6759
1.6706
1.6641
1.6602
2.0301
2.0211
2.0086
2.0003
1.9901
1.9840
2.4377
2.4233
2.4033
2.3901
2.3739
2.3642
2.7238
2.7045
2.6778
2.6603
2.6387
2.6259
3.3400
3.3069
3.2614
3.2317
3.1952
3.1738
xi
Jadual Khi Kuasadua

Luas sebelah kanan Kb{2() > x} = , dan x tercatat dalam jadual untuk
beberapa x dan , darjah kebebasan.
Contoh: Kb{2(4) > 0.297} = 0.99,
Kb{2(9) > 11.07} = 0.05,
dan Kb{2(23) > 41.638} = 0.01.
Luas sebelah kanan,
Darjah
kebebasan
0.995
0.990
0.975
0.950
0.050
1
2
3
4
0.000
0.010
0.072
0.207
0.000
0.020
0.115
0.297
0.001
0.051
0.216
0.484
0.004
0.103
0.352
0.711
3.841 5.024
5.991 7.378
7.815 9.348
9.488 11.143
6.635 7.879
9.210 10.597
11.345 12.838
13.277 14.860
5
6
7
8
0.412
0.676
0.989
1.344
0.554
0.872
1.239
1.647
0.831
1.237
1.690
2.180
1.145
1.635
2.167
2.733
11.070
12.592
14.067
15.507
12.832
14.449
16.013
17.535
15.086
16.812
18.475
20.090
16.750
18.548
20.278
21.955
9
10
11
12
1.735
2.156
2.603
3.074
2.088
2.558
3.053
3.571
2.700
3.247
3.816
4.404
3.325
3.940
4.575
5.226
16.919
18.307
19.675
21.026
19.023
20.483
21.920
23.337
21.666
23.209
24.725
26.217
23.589
25.188
26.757
28.300
13
14
15
16
3.565
4.075
4.601
5.142
4.107
4.660
5.229
5.812
5.009
5.629
6.262
6.908
5.892
6.571
7.261
7.962
22.362
23.685
24.996
26.296
24.736
26.119
27.488
28.845
27.688
29.141
30.578
32.000
29.819
31.319
32.801
34.267
17
18
19
20
5.697
6.265
6.844
7.434
6.408
7.015
7.633
8.260
7.564 8.672 27.587

8.231 9.390 28.869
8.907 10.117 30.144
9.591 10.851 31.410
30.191
31.526
32.852
34.170
33.409
34.805
36.191
37.566
35.718
37.156
38.582
39.997
21
22
23
24
8.034 8.897 10.283

8.643 9.542 10.982
9.260 10.196 11.689
9.886 10.856 12.401
11.591
12.338
13.091
13.848
32.671
33.924
35.172
36.415
35.479
36.781
38.076
39.364
38.932
40.289
41.638
42.980
41.401
42.796
44.181
45.558
25
26
27
28
29
30
10.520
11.160
11.808
12.461
13.121
13.787
14.611
15.379
16.151
16.928
17.708
18.493
37.652
38.885
40.113
41.337
42.557
43.773
40.646
41.923
43.195
44.461
45.722
46.979
44.314
45.642
46.963
48.278
49.588
50.892
46.928
48.290
49.645
50.994
52.335
53.672
11.524
12.198
12.878
13.565
14.256
14.953
13.120
13.844
14.573
15.308
16.047
16.791
0.025
0.010
0.005
xii
Jadual Taburan F
Menunjukkan nilai genting bagi luas sebelah kanan = 0.10,
pada darjah kebebasan tertentu.
10
1
2
3
4
39.86
8.53
5.54
4.54
49.50
9.00
5.46
4.32
53.59
9.16
5.39
4.19
55.83
9.24
5.34
4.11
57.24
9.29
5.31
4.05
58.20
9.33
5.28
4.01
58.91
9.35
5.27
3.98
59.44
9.37
5.25
3.95
59.86
9.38
5.24
3.94
60.19
9.39
5.23
3.92
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
45
50
60
70
80
90
100
120
4.06
3.78
3.59
3.46
3.36
3.29
3.23
3.18
3.14
3.10
3.07
3.05
3.03
3.01
2.99
2.97
2.96
2.95
2.94
2.93
2.92
2.91
2.90
2.89
2.89
2.88
2.84
2.82
2.81
2.79
2.78
2.77
2.76
2.76
2.75
3.78
3.46
3.26
3.11
3.01
2.92
2.86
2.81
2.76
2.73
2.70
2.67
2.64
2.62
2.61
2.59
2.57
2.56
2.55
2.54
2.53
2.52
2.51
2.50
2.50
2.49
2.44
2.42
2.41
2.39
2.38
2.37
2.36
2.36
2.35
3.62
3.29
3.07
2.92
2.81
2.73
2.66
2.61
2.56
2.52
2.49
2.46
2.44
2.42
2.40
2.38
2.36
2.35
2.34
2.33
2.32
2.31
2.30
2.29
2.28
2.28
2.23
2.21
2.20
2.18
2.16
2.15
2.15
2.14
2.13
3.52
3.18
2.96
2.81
2.69
2.61
2.54
2.48
2.43
2.39
2.36
2.33
2.31
2.29
2.27
2.25
2.23
2.22
2.21
2.19
2.18
2.17
2.17
2.16
2.15
2.14
2.09
2.07
2.06
2.04
2.03
2.02
2.01
2.00
1.99
3.45
3.11
2.88
2.73
2.61
2.52
2.45
2.39
2.35
2.31
2.27
2.24
2.22
2.20
2.18
2.16
2.14
2.13
2.11
2.10
2.09
2.08
2.07
2.06
2.06
2.05
2.00
1.98
1.97
1.95
1.93
1.92
1.91
1.91
1.90
3.40
3.05
2.83
2.67
2.55
2.46
2.39
2.33
2.28
2.24
2.21
2.18
2.15
2.13
2.11
2.09
2.08
2.06
2.05
2.04
2.02
2.01
2.00
2.00
1.99
1.98
1.93
1.91
1.90
1.87
1.86
1.85
1.84
1.83
1.82
3.37
3.01
2.78
2.62
2.51
2.41
2.34
2.28
2.23
2.19
2.16
2.13
2.10
2.08
2.06
2.04
2.02
2.01
1.99
1.98
1.97
1.96
1.95
1.94
1.93
1.93
1.87
1.85
1.84
1.82
1.80
1.79
1.78
1.78
1.77
3.34
2.98
2.75
2.59
2.47
2.38
2.30
2.24
2.20
2.15
2.12
2.09
2.06
2.04
2.02
2.00
1.98
1.97
1.95
1.94
1.93
1.92
1.91
1.90
1.89
1.88
1.83
1.81
1.80
1.77
1.76
1.75
1.74
1.73
1.72
3.32
2.96
2.72
2.56
2.44
2.35
2.27
2.21
2.16
2.12
2.09
2.06
2.03
2.00
1.98
1.96
1.95
1.93
1.92
1.91
1.89
1.88
1.87
1.87
1.86
1.85
1.79
1.77
1.76
1.74
1.72
1.71
1.70
1.69
1.68
3.30
2.94
2.70
2.54
2.42
2.32
2.25
2.19
2.14
2.10
2.06
2.03
2.00
1.98
1.96
1.94
1.92
1.90
1.89
1.88
1.87
1.86
1.85
1.84
1.83
1.82
1.76
1.74
1.73
1.71
1.69
1.68
1.67
1.66
1.65
xiii

Jadual Taburan F (samb.), = 0.10.
2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
45
50
60
70
80
90
100
120
12
15
20
25
30
40
60
90
120
60.71
9.41
5.22
3.90
3.27
2.90
2.67
2.50
2.38
2.28
2.21
2.15
2.10
2.05
2.02
1.99
1.96
1.93
1.91
1.89
1.87
1.86
1.84
1.83
1.82
1.81
1.80
1.79
1.78
1.77
1.71
1.70
1.68
1.66
1.64
1.63
1.62
1.61
1.60
61.22
9.42
5.20
3.87
3.24
2.87
2.63
2.46
2.34
2.24
2.17
2.10
2.05
2.01
1.97
1.94
1.91
1.89
1.86
1.84
1.83
1.81
1.80
1.78
1.77
1.76
1.75
1.74
1.73
1.72
1.66
1.64
1.63
1.60
1.59
1.57
1.56
1.56
1.55
61.74
9.44
5.18
3.84
3.21
2.84
2.59
2.42
2.30
2.20
2.12
2.06
2.01
1.96
1.92
1.89
1.86
1.84
1.81
1.79
1.78
1.76
1.74
1.73
1.72
1.71
1.70
1.69
1.68
1.67
1.61
1.58
1.57
1.54
1.53
1.51
1.50
1.49
1.48
62.05
9.45
5.17
3.83
3.19
2.81
2.57
2.40
2.27
2.17
2.10
2.03
1.98
1.93
1.89
1.86
1.83
1.80
1.78
1.76
1.74
1.73
1.71
1.70
1.68
1.67
1.66
1.65
1.64
1.63
1.57
1.55
1.53
1.50
1.49
1.47
1.46
1.45
1.44
62.26
9.46
5.17
3.82
3.17
2.80
2.56
2.38
2.25
2.16
2.08
2.01
1.96
1.91
1.87
1.84
1.81
1.78
1.76
1.74
1.72
1.70
1.69
1.67
1.66
1.65
1.64
1.63
1.62
1.61
1.54
1.52
1.50
1.48
1.46
1.44
1.43
1.42
1.41
62.53
9.47
5.16
3.80
3.16
2.78
2.54
2.36
2.23
2.13
2.05
1.99
1.93
1.89
1.85
1.81
1.78
1.75
1.73
1.71
1.69
1.67
1.66
1.64
1.63
1.61
1.60
1.59
1.58
1.57
1.51
1.48
1.46
1.44
1.42
1.40
1.39
1.38
1.37
62.79
9.47
5.15
3.79
3.14
2.76
2.51
2.34
2.21
2.11
2.03
1.96
1.90
1.86
1.82
1.78
1.75
1.72
1.70
1.68
1.66
1.64
1.62
1.61
1.59
1.58
1.57
1.56
1.55
1.54
1.47
1.44
1.42
1.40
1.37
1.36
1.35
1.34
1.32
62.97
9.48
5.15
3.78
3.13
2.75
2.50
2.32
2.19
2.09
2.01
1.94
1.89
1.84
1.80
1.76
1.73
1.70
1.68
1.65
1.63
1.62
1.60
1.58
1.57
1.56
1.54
1.53
1.52
1.51
1.44
1.41
1.39
1.36
1.34
1.33
1.31
1.30
1.28
63.06
9.48
5.14
3.78
3.12
2.74
2.49
2.32
2.18
2.08
2.00
1.93
1.88
1.83
1.79
1.75
1.72
1.69
1.67
1.64
1.62
1.60
1.59
1.57
1.56
1.54
1.53
1.52
1.51
1.50
1.42
1.40
1.38
1.35
1.32
1.31
1.29
1.28
1.26
xiv
Jadual Taburan F
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
45
50
60
70
80
90
100
120
10
161.4
18.51
10.13
7.71
6.61
5.99
5.59
5.32
5.12
4.96
4.84
4.75
4.67
4.60
4.54
4.49
4.45
4.41
4.38
4.35
4.32
4.30
4.28
4.26
4.24
4.23
4.21
4.20
4.18
4.17
4.08
4.06
4.03
4.00
3.98
3.96
3.95
3.94
3.92
199.5
19.00
9.55
6.94
5.79
5.14
4.74
4.46
4.26
4.10
3.98
3.89
3.81
3.74
3.68
3.63
3.59
3.55
3.52
3.49
3.47
3.44
3.42
3.40
3.39
3.37
3.35
3.34
3.33
3.32
3.23
3.20
3.18
3.15
3.13
3.11
3.10
3.09
3.07
215.7
19.16
9.28
6.59
5.41
4.76
4.35
4.07
3.86
3.71
3.59
3.49
3.41
3.34
3.29
3.24
3.20
3.16
3.13
3.10
3.07
3.05
3.03
3.01
2.99
2.98
2.96
2.95
2.93
2.92
2.84
2.81
2.79
2.76
2.74
2.72
2.71
2.70
2.68
224.6
19.25
9.12
6.39
5.19
4.53
4.12
3.84
3.63
3.48
3.36
3.26
3.18
3.11
3.06
3.01
2.96
2.93
2.90
2.87
2.84
2.82
2.80
2.78
2.76
2.74
2.73
2.71
2.70
2.69
2.61
2.58
2.56
2.53
2.50
2.49
2.47
2.46
2.45
230.2
19.30
9.01
6.26
5.05
4.39
3.97
3.69
3.48
3.33
3.20
3.11
3.03
2.96
2.90
2.85
2.81
2.77
2.74
2.71
2.68
2.66
2.64
2.62
2.60
2.59
2.57
2.56
2.55
2.53
2.45
2.42
2.40
2.37
2.35
2.33
2.32
2.31
2.29
234.0
19.33
8.94
6.16
4.95
4.28
3.87
3.58
3.37
3.22
3.09
3.00
2.92
2.85
2.79
2.74
2.70
2.66
2.63
2.60
2.57
2.55
2.53
2.51
2.49
2.47
2.46
2.45
2.43
2.42
2.34
2.31
2.29
2.25
2.23
2.21
2.20
2.19
2.18
236.8
19.35
8.89
6.09
4.88
4.21
3.79
3.50
3.29
3.14
3.01
2.91
2.83
2.76
2.71
2.66
2.61
2.58
2.54
2.51
2.49
2.46
2.44
2.42
2.40
2.39
2.37
2.36
2.35
2.33
2.25
2.22
2.20
2.17
2.14
2.13
2.11
2.10
2.09
238.9
19.37
8.85
6.04
4.82
4.15
3.73
3.44
3.23
3.07
2.95
2.85
2.77
2.70
2.64
2.59
2.55
2.51
2.48
2.45
2.42
2.40
2.37
2.36
2.34
2.32
2.31
2.29
2.28
2.27
2.18
2.15
2.13
2.10
2.07
2.06
2.04
2.03
2.02
240.5
19.38
8.81
6.00
4.77
4.10
3.68
3.39
3.18
3.02
2.90
2.80
2.71
2.65
2.59
2.54
2.49
2.46
2.42
2.39
2.37
2.34
2.32
2.30
2.28
2.27
2.25
2.24
2.22
2.21
2.12
2.10
2.07
2.04
2.02
2.00
1.99
1.97
1.96
241.9
19.40
8.79
5.96
4.74
4.06
3.64
3.35
3.14
2.98
2.85
2.75
2.67
2.60
2.54
2.49
2.45
2.41
2.38
2.35
2.32
2.30
2.27
2.25
2.24
2.22
2.20
2.19
2.18
2.16
2.08
2.05
2.03
1.99
1.97
1.95
1.94
1.93
1.91
xv

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
45
50
60
70
80
90
100
120
12
15
20
25
30
40
60
90
120
243.9
19.41
8.74
5.91
4.68
4.00
3.57
3.28
3.07
2.91
2.79
2.69
2.60
2.53
2.48
2.42
2.38
2.34
2.31
2.28
2.25
2.23
2.20
2.18
2.16
2.15
2.13
2.12
2.10
2.09
2.00
1.97
1.95
1.92
1.89
1.88
1.86
1.85
1.83
245.9
19.43
8.70
5.86
4.62
3.94
3.51
3.22
3.01
2.85
2.72
2.62
2.53
2.46
2.40
2.35
2.31
2.27
2.23
2.20
2.18
2.15
2.13
2.11
2.09
2.07
2.06
2.04
2.03
2.01
1.92
1.89
1.87
1.84
1.81
1.79
1.78
1.77
1.75
248.0
19.45
8.66
5.80
4.56
3.87
3.44
3.15
2.94
2.77
2.65
2.54
2.46
2.39
2.33
2.28
2.23
2.19
2.16
2.12
2.10
2.07
2.05
2.03
2.01
1.99
1.97
1.96
1.94
1.93
1.84
1.81
1.78
1.75
1.72
1.70
1.69
1.68
1.66
249.3
19.46
8.63
5.77
4.52
3.83
3.40
3.11
2.89
2.73
2.60
2.50
2.41
2.34
2.28
2.23
2.18
2.14
2.11
2.07
2.05
2.02
2.00
1.97
1.96
1.94
1.92
1.91
1.89
1.88
1.78
1.75
1.73
1.69
1.66
1.64
1.63
1.62
1.60
250.1
19.46
8.62
5.75
4.50
3.81
3.38
3.08
2.86
2.70
2.57
2.47
2.38
2.31
2.25
2.19
2.15
2.11
2.07
2.04
2.01
1.98
1.96
1.94
1.92
1.90
1.88
1.87
1.85
1.84
1.74
1.71
1.69
1.65
1.62
1.60
1.59
1.57
1.55
251.1
19.47
8.59
5.72
4.46
3.77
3.34
3.04
2.83
2.66
2.53
2.43
2.34
2.27
2.20
2.15
2.10
2.06
2.03
1.99
1.96
1.94
1.91
1.89
1.87
1.85
1.84
1.82
1.81
1.79
1.69
1.66
1.63
1.59
1.57
1.54
1.53
1.52
1.50
252.2
19.48
8.57
5.69
4.43
3.74
3.30
3.01
2.79
2.62
2.49
2.38
2.30
2.22
2.16
2.11
2.06
2.02
1.98
1.95
1.92
1.89
1.86
1.84
1.82
1.80
1.79
1.77
1.75
1.74
1.64
1.60
1.58
1.53
1.50
1.48
1.46
1.45
1.43
252.9
19.48
8.56
5.67
4.41
3.72
3.28
2.98
2.76
2.59
2.46
2.36
2.27
2.19
2.13
2.07
2.03
1.98
1.95
1.91
1.88
1.86
1.83
1.81
1.79
1.77
1.75
1.73
1.72
1.70
1.60
1.56
1.53
1.49
1.46
1.44
1.42
1.40
1.38
253.3
19.49
8.55
5.66
4.40
3.70
3.27
2.97
2.75
2.58
2.45
2.34
2.25
2.18
2.11
2.06
2.01
1.97
1.93
1.90
1.87
1.84
1.81
1.79
1.77
1.75
1.73
1.71
1.70
1.68
1.58
1.54
1.51
1.47
1.44
1.41
1.39
1.38
1.35
xvi

Jadual Taburan F
1
2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
45
50
60
70
80
90
100
120
10
4052
98.50
34.12
21.20
16.26
13.75
12.25
11.26
10.56
10.04
9.65
9.33
9.07
8.86
8.68
8.53
8.40
8.29
8.18
8.10
8.02
7.95
7.88
7.82
7.77
7.72
7.68
7.64
7.60
7.56
7.31
7.23
7.17
7.08
7.01
6.96
6.93
6.90
6.85
4999
99.00
30.82
18.00
13.27
10.92
9.55
8.65
8.02
7.56
7.21
6.93
6.70
6.51
6.36
6.23
6.11
6.01
5.93
5.85
5.78
5.72
5.66
5.61
5.57
5.53
5.49
5.45
5.42
5.39
5.18
5.11
5.06
4.98
4.92
4.88
4.85
4.82
4.79
5404
99.16
29.46
16.69
12.06
9.78
8.45
7.59
6.99
6.55
6.22
5.95
5.74
5.56
5.42
5.29
5.19
5.09
5.01
4.94
4.87
4.82
4.76
4.72
4.68
4.64
4.60
4.57
4.54
4.51
4.31
4.25
4.20
4.13
4.07
4.04
4.01
3.98
3.95
5624
99.25
28.71
15.98
11.39
9.15
7.85
7.01
6.42
5.99
5.67
5.41
5.21
5.04
4.89
4.77
4.67
4.58
4.50
4.43
4.37
4.31
4.26
4.22
4.18
4.14
4.11
4.07
4.04
4.02
3.83
3.77
3.72
3.65
3.60
3.56
3.53
3.51
3.48
5764
99.30
28.24
15.52
10.97
8.75
7.46
6.63
6.06
5.64
5.32
5.06
4.86
4.69
4.56
4.44
4.34
4.25
4.17
4.10
4.04
3.99
3.94
3.90
3.85
3.82
3.78
3.75
3.73
3.70
3.51
3.45
3.41
3.34
3.29
3.26
3.23
3.21
3.17
5859
99.33
27.91
15.21
10.67
8.47
7.19
6.37
5.80
5.39
5.07
4.82
4.62
4.46
4.32
4.20
4.10
4.01
3.94
3.87
3.81
3.76
3.71
3.67
3.63
3.59
3.56
3.53
3.50
3.47
3.29
3.23
3.19
3.12
3.07
3.04
3.01
2.99
2.96
5928
99.36
27.67
14.98
10.46
8.26
6.99
6.18
5.61
5.20
4.89
4.64
4.44
4.28
4.14
4.03
3.93
3.84
3.77
3.70
3.64
3.59
3.54
3.50
3.46
3.42
3.39
3.36
3.33
3.30
3.12
3.07
3.02
2.95
2.91
2.87
2.84
2.82
2.79
5981
99.38
27.49
14.80
10.29
8.10
6.84
6.03
5.47
5.06
4.74
4.50
4.30
4.14
4.00
3.89
3.79
3.71
3.63
3.56
3.51
3.45
3.41
3.36
3.32
3.29
3.26
3.23
3.20
3.17
2.99
2.94
2.89
2.82
2.78
2.74
2.72
2.69
2.66
6022
99.39
27.34
14.66
10.16
7.98
6.72
5.91
5.35
4.94
4.63
4.39
4.19
4.03
3.89
3.78
3.68
3.60
3.52
3.46
3.40
3.35
3.30
3.26
3.22
3.18
3.15
3.12
3.09
3.07
2.89
2.83
2.78
2.72
2.67
2.64
2.61
2.59
2.56
6056
99.40
27.23
14.55
10.05
7.87
6.62
5.81
5.26
4.85
4.54
4.30
4.10
3.94
3.80
3.69
3.59
3.51
3.43
3.37
3.31
3.26
3.21
3.17
3.13
3.09
3.06
3.03
3.00
2.98
2.80
2.74
2.70
2.63
2.59
2.55
2.52
2.50
2.47
xvii

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
45
50
60
70
80
90
100
120
12
15
20
25
30
40
60
90
120
6107
99.42
27.05
14.37
9.89
7.72
6.47
5.67
5.11
4.71
4.40
4.16
3.96
3.80
3.67
3.55
3.46
3.37
3.30
3.23
3.17
3.12
3.07
3.03
2.99
2.96
2.93
2.90
2.87
2.84
2.66
2.61
2.56
2.50
2.45
2.42
2.39
2.37
2.34
6157
99.43
26.87
14.20
9.72
7.56
6.31
5.52
4.96
4.56
4.25
4.01
3.82
3.66
3.52
3.41
3.31
3.23
3.15
3.09
3.03
2.98
2.93
2.89
2.85
2.81
2.78
2.75
2.73
2.70
2.52
2.46
2.42
2.35
2.31
2.27
2.24
2.22
2.19
6209
99.45
26.69
14.02
9.55
7.40
6.16
5.36
4.81
4.41
4.10
3.86
3.66
3.51
3.37
3.26
3.16
3.08
3.00
2.94
2.88
2.83
2.78
2.74
2.70
2.66
2.63
2.60
2.57
2.55
2.37
2.31
2.27
2.20
2.15
2.12
2.09
2.07
2.03
6240
99.46
26.58
13.91
9.45
7.30
6.06
5.26
4.71
4.31
4.01
3.76
3.57
3.41
3.28
3.16
3.07
2.98
2.91
2.84
2.79
2.73
2.69
2.64
2.60
2.57
2.54
2.51
2.48
2.45
2.27
2.21
2.17
2.10
2.05
2.01
1.99
1.97
1.93
6260
99.47
26.50
13.84
9.38
7.23
5.99
5.20
4.65
4.25
3.94
3.70
3.51
3.35
3.21
3.10
3.00
2.92
2.84
2.78
2.72
2.67
2.62
2.58
2.54
2.50
2.47
2.44
2.41
2.39
2.20
2.14
2.10
2.03
1.98
1.94
1.92
1.89
1.86
6286
99.48
26.41
13.75
9.29
7.14
5.91
5.12
4.57
4.17
3.86
3.62
3.43
3.27
3.13
3.02
2.92
2.84
2.76
2.69
2.64
2.58
2.54
2.49
2.45
2.42
2.38
2.35
2.33
2.30
2.11
2.05
2.01
1.94
1.89
1.85
1.82
1.80
1.76
6313
99.48
26.32
13.65
9.20
7.06
5.82
5.03
4.48
4.08
3.78
3.54
3.34
3.18
3.05
2.93
2.83
2.75
2.67
2.61
2.55
2.50
2.45
2.40
2.36
2.33
2.29
2.26
2.23
2.21
2.02
1.96
1.91
1.84
1.78
1.75
1.72
1.69
1.66
6331
99.49
26.25
13.59
9.14
7.00
5.77
4.97
4.43
4.03
3.72
3.48
3.28
3.12
2.99
2.87
2.78
2.69
2.61
2.55
2.49
2.43
2.39
2.34
2.30
2.26
2.23
2.20
2.17
2.14
1.95
1.89
1.84
1.76
1.71
1.67
1.64
1.61
1.58
6340
99.49
26.22
13.56
9.11
6.97
5.74
4.95
4.40
4.00
3.69
3.45
3.25
3.09
2.96
2.84
2.75
2.66
2.58
2.52
2.46
2.40
2.35
2.31
2.27
2.23
2.20
2.17
2.14
2.11
1.92
1.85
1.80
1.73
1.67
1.63
1.60
1.57
1.53
Sumber keseluruhan jadual dalam appendiks:

Mohd Nawi Ab Rahman, (2000). Teras Penyelidikan. Serdang: Penerbit Universiti
Putra Malaysia, ms: 159-179.
xviii
xix

Tugasan

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tugasan

Uploaded by

Copyright:

Available Formats

MODUL PENDIDIKAN JARAK JAUH

UNIVERSITI PENDIDIKAN SULTAN IDRIS

FAKULTI SAINS DAN MATEMATIK

Taburan kekerapan dan graf

Pembolehubah rawak diskret dan selanjar

Penganggaran parameter populasi

Analisis korelasi dan regresi

menganalisis, dan membuat kesimpulan menarik atau memberi pengertian

Statistik pada umumnya boleh dibahagikan kepada dua, iaitu statistik

Statistik deskriptif adalah teknik statistik digunakan bagi merumus dan

Statistik inferensi atau statistik induktif adalah penggunaan statistik dalam

Statistik inferensi digunakan dalam penganggaran,

mengukur selang keyakinan, pengujian hipotesis, analisis regresi dan korelasi

Peranan statistik ditunjukkan pada rajah di bawah:

Istilah asas dalam statistik

Dengan kata lain, apa sahaja yang berubah-ubah dikenali sebagai

pembolehubah. Ciri-ciri ahli populasi atau sampel yang dikaji dinamakan

di sesebuah negeri, kelajuan kenderaan, jantina pelajar dalam

sesebuah kelas, kelulusan akademik, warna bunga

pembolehubah kuantitatif dan kualitatif.

Pembolehubah yang dinyatakan dalam bentuk berangka dikenali sebagai

perempuan), warna (hitam, putih, kuning, merah dan sebagainya), taraf

Pembolehubah kuantitatif diskret dan delanjar

pembolehubah kuantitatif diskret dan pembolehubah kuantitatif selanjar. Jika

pembolehubah yang diambil dari nilai-nilai sahih.

Rajah di bawah adalah ringkasan berkenaan dengan kategori pembolehubah

Contoh-contoh berikut dapat membantu anda memahami perbezaan antara

Populasi dan sampel

gagal untuk mendapatkan data

Semakin banyak unit-unit populasi yang

pemerhatian yang diambil daripada sebahagian populasi.

Parameter dan statistik

Data sumber primer

A. Sampel dan populasi

2. Antara yang berikut, yang mana merupakan pembolehubah kualitatif?

A. Siaran TV kegemaran remaja

3. Subset bagi satu populasi dikenali sebagai:

5. Antara berikut, yang manakah pembolehubah kuantitatif selanjar?

populasi bagi kajian ini?

A. 200 pelajar yang terpilih

A. 50 pelajar yang terpilih

11. Min berkemungkinan adalah:

Taburan Kekerapan dan Graf

1. Menentukan taburan kekerapan dan membina taburan kekerapan.

Taburan Kekerapan dan Graf

Jadual taburan kekerapan

Pelajar boleh menggunakan beberapa kaedah dalam menghimpunkan data

Antara kaedah yang sering digunakan adalah

taburan kekerapan. Taburan kekerapan boleh dibentuk menjadi jadual. Ini

Jadual yang menghimpunkan

Berikut adalah contoh bagaimana kita boleh membina jadual taburan

Data pemilikan telefon bimbit

bagi 20 keluarga yang dikaji adalah seperti berikut:

Bahagikan nilai pembolehubah (x) kepada selang, kemudian hitung

Taburan Kekerapan dan Graf

Jadual di atas juga dikenali sebagai jadual taburan diskret kerana

Frekuensi (f) /Bilangan pelajar

Jadual taburan frekuensi selanjar

Langkah-langkah berikut boleh digunakan bagi membina jadual taburan

Taburan Kekerapan dan Graf

Tentukan selang kelas, kebiasaannya dalam gandaan 5, 10, 15,

Kirakan bilangan selang kelas, iaitu BSK

Hitungkan tally dan frekuensi (f).