Pengenalan

Kursus MTE 3143 iaitu Aplikasi Matematik merupakan kursus yang perlu kami ikuti
semasa berada dalam semester 8 PISMP ini.Justeru, untuk memenuhi kursus ini, kami telah
diberikan tugasan. Membina satu pemodelan matematik mengikut proses yang dipelapori
oleh oleh Galbraiths(1989) yang melibatkan :

i. Masalah dunia sebenar

ii. Membuat andaian
iii. Merumuskan masalah matematik
iv. Menyelesaikan masalah matematik
v. Menterjemahkan masalah
vi. Mengesahkan model yang dibina
vii. Melapor, menerang dan meramal

Saya telah memilih v

Pengurusan grafik
u
d
sh
r,M
o
p
la
e
ib
n Rajah 1: Galbraiths(1989)

A) MASALAH DUNIA SEBENAR

 Apa tu penghidap denggi. Symptom.

Tahun Bilangan penghidap denggi/100 Bilangan kes kematian

000 populasi
2000 31 19
2001 72 22
2002 133 40
2003 126 37
2004 132 30
2005 150 45
2006 148 40
2007 180 36
2008 178 39
2009 147 31
2010 159 46
2011 69 12
2012 76 12
2013 145 30
2014 361 72
2015 396 118
Jadual 1: Bilangan penghidap denggi dan bilangan kes kematian penghidap denggi di suatu
kawasan yang mempunyai populasi sebanyak 100 000 penduduk pada tahun 2000-2015

Faktor penghidap denggi

B) MEMBUAT ANDAIAN

Pembolehubah bersandar, y Pembolehubah tidak bersandar, x

Bilangan kes kematian penghidap denggi Bilangan penghidap denggi/100 000
populasi
Jadual 2: Pembolehubah bersandar dan tidak bersandar
 Bilangan penghidap denggi melawan bilangan kes kematian penghidap denggi
140

120

100

80 Bilangan kes kematian

penghidap denggi

60

40

20

0
69 76 145 361 396
Rajah 2: Graf bilangan penghidap denggi (x) melawan bilangan kes kematian penghidap
denggi (y)

Seperti yang kita dapat lihat pada Rajah 2, peningkatan bilangan kes kematian
penghidap denggi meningkat seiring dengan peningkatan bilangan penghidap denggi.
Kajian kes saya adalah bagi melihat sama ada wujudnya hubungan antara bilangan
penghidap denggi dan bilangan kes kematian penghidap denggi pada tahun 2011 sehingga
tahun 2015 di suatu kawasan yang mempunyai populasi sebanyak 100 000 penduduk.
Melalui data yang telah dikumpulkan, saya telah memilih untuk menetapkan dua bentuk
pembolehubah yang boleh ditetapkan bagi membentuk suatu data baru (Rujuk Jadual 2).
Andaian yang dapat dibuat daripada data yang dikumpulkan ialah wujudnya hubungan
korelasi positif antara bilangan penghidap denggi dan bilangan kes kematian penghidap
denggi di suatu kawasan yang mempunyai populasi sebanyak 100 000 penduduk.
Maksudnya, jika bilangan penghidap denggi semakin meningkat, maka bilangan kes
kematian penghidap denggi di kawasan tersebut juga semakin meningkat.

C) MERUMUSKAN MASALAH MATEMATIK

Bagi melihat sejauh mana andaian yang dibuat adalah tepat maka saya mengambil
keputusan untuk menggunakan garis lurus penyesuaian terbaik dalam menyemak andaian
berkenaan. Rumus bagi satu garis lurus penyesuan terbaik adalah y = mx + c.

y=mx +c
Dimana,

y = Bilangan kes kematian penghidap denggi

m = Kecerunan

x = Bilangan penghidap denggi

c = pintasan koordinat-y

Untuk mencari kecerunan garis lurus, m, dua titik yang telah dipilih ialah:

Tahun Bilangan penghidap denggi (x) Bilangan kes kematian penghidap denggi (y)
2011 69 12
2012 76 12
2013 145 30
2014 361 72
2015 396 118
Jadual 3: Bilangan penghidap denggi (x) dan bilangan kes kematian penghidap denggi (y)

Daripada jadual 3, saya telah memilh untuk memilih dua nilai iaitu pada tahun 2012 dan
2014 untuk mencari kecerunan.

Rumus bagi mencari kecerunan, m:

y y 1
m=
xx 1

Maka,

y= 72, x =361

y1 =12, x1= 76

Oleh yang demikian,

7212
m=
36176

60

285

=0.211
 Maka nilai kecerunan bagi garis lurus penyesuaian terbaik ialah 0.2105. Melalui nilai
kecerunan ini, maka pemalar c akan dapat diperolehi dengan memasukkan nilai x, y dan m
dalam rumus y = mx+ c.

y=mx +c

apabila x = 145 dan y = 30

30 = 0.211 (145) + c

c= 0.595

Maka dengan itu, masalah matematik bagi kajian ini boleh dirumuskan dengan rumus yang
berikut:

y=0.211 x0.5 95

Garis lurus penyesuaian terbaik boleh dibina pada graf melalui penggunaan Microsoft Excel.
Bilangan penghidap denggi melawan bilangan kes kematian penghidap denggi
140

120

100 f(x) = 27.2x - 32.8

R = 0.88
Bilangan kes kematian penghidap denggi

80 Bilangan kes kematian penghidap

denggi
Linear (Bilangan kes kematian
60 penghidap denggi)

40

20

0
69 76 145 361 396

Bilangan penghidap denggi/100 000 populasi

Rajah 3: Garis lurus penyesuaian terbaik bagi bilangan penghidap denggi melawan bilangan
kes kematian penghidap denggi

Didapati bahawa berdasarkan garis lurus penyesuaian terbaik dalam Rajah 3, rumus
yang dibina oleh perisian Excel daripada garis tersebut ialah y = 27.2x - 32.8. Dimana nilai
kecerunan,m ialah 27.2 dan pintasan koordina-y, c ialah 32.8. Manakala pula R2 ialah 0.881.
 D) MENYELESAIKAN MASALAH MATEMATIK

Daripada garis lurus penyesuaian terbaik yang terbina dalam graf pada rajah 3, kita
dapat lihat bahawa graf garis lurus penyesuaian terbaik ini sememangnya menghampiri graf
sedia ada. Buktinya, nilai R2 yang dihasilkan pada rajah 3 adalah tinggi dang menghampiri
nilai 1. R2 merupakan nilai regresi yang menjadi penentu sama ada wujudnya hubungan
korelasi yang positif atau negatif antara dua pemboleh ubah yang ingin diuji. Ia membantu
pengkaji melihat adakah graf yang dibina mampu meramal trend kajian kes pada masa
hadapan. Apabila korelasi antara dua pemboleh ubah adalah lemah, maka nilai R2 akan
menghampiri nilai 0 dan begitu juga sebaliknya. Dalam erti kata lain, data semasa yang
dikumpul dapat digunakan untuk meramal trend kajian kes pada masa hadapan kerana
merujuk kepada nilai R2 yang diberikan, nilainya menghampiri 1, iaitu 0.881.Oleh itu, data
yang dikumpul bagi bilangan penghidap denggi dan bilangan kes kematian penghidap
denggi di dalam kawasan yang memiliki populasi sebanyak 100 000 penduduk ini memiliki
hubungan yang positif ataupun dalam erti kata lain hubungan korelasi bagi kedua-dua
pembolehubah ini adalah tinggi.

E) MENTERJEMAHKAN MASALAH

Berdasarkan pengiraan korelasi R2 yang diperolehi, ternyata bilangan penghidap

denggi mempunyai korelasi yang nyata dengan bilangan kes kematian penghidap denggi di
kawasan ini. Dapatan ini justeru menerima andaian bahawa wujud hubungan positif antara
kedua-dua pembolehubah ini. Andaian saya yang menyatakan bahawa jika bilangan
penghidap denggi semakin meningkat, maka bilangan kes kematian penghidap denggi di
kawasan tersebut juga semakin meningkat.

Hal ini dapat dilihat daripada jumlah bilangan kes HIV yang paling sedikit iaitu pada
tahun 2009 iaitu 3011, namun jumlah bilangan penagih dadah yang paling sedikit adalah
pada tahun 2008 iaitu 12352. Selain itu, bilangan kes HIV yang dilaporkan pada tahun 2009
menurun berbanding tahun sebelumnya iaitu tahun 2008. Sebaliknya, bilangan penagih
dadah telah meningkat pada tahun 2009 berbanding tahun 2008. Senario ini jelas
menunjukkan bahawa peningkatan dalam bilangan penagih dadah di Malaysia tidak
membawa kepada peningkatan bilangan kes HIV di Malaysia.

Melalui penggunaan rumus dan penyelesaian berbantukan garis lurus, andaian dan
ramalan dapat dilakukan hanya sekiranya nilai R2 bagi data yang dibina adalah menghampiri
nilai 1. Sekiranya nilai R2 menghampiri 0, maka data berkenaan adalah dikenalpasti sebagai
tidak mempunyai keupayaan untuk membantu dalam ketepatan andaian dan ramalan yang
dilakukan. Maka dengan itu, tiada ramalan yang dibuat untuk bilangan kes HIV pada masa
hadapan yang disebabkan oleh bilangan penagih dadah . Data yang dikumpul adalah tidak
bersesuaian hasil bukti R2 yang menunjukkan tiada korelasi bagi kedua-dua pembolehubah
yang digunakan.

7.0 MENGESAHKAN MODEL YANG DIBINA

Dalam proses merumuskan masalah, saya telah menggunakan rumus y=mx = c iaitu rumus
bagi persamaan garis lurus. Masalah ini secara amnya telah menggunakan model garis
lurus yang dipanggil Model Regresi. Satu regresi ialah analisis statistikal yang melihat
hubungkait antara dua pemboleh ubah. Ia digunakan bagi mencari hubungan dan perkaitan
di antara dua pembolehubah bersandar dan tidak bersandar iaitu y dan x.

Penggunaan model ini bagi mencari hubungkait antara dua pembolehubah yang
telah dipilih adalah bersesuaian kerana ia dapat mencari terus nilai korelasi yang diperlukan
melalui fungsi R2. Jika dilihatkan melalui dapatan kajian dan pendapat ilmiah yang
diutarakan, pasti ramai yang mengatakan bahawa bilangan penagih dadah mampu
memberikan kesan kepada bilangan kes HIV yang berlaku dalam negara Malaysia.
Walaubagaimanapun, setelah menggunakan model ini, saya mendapati bahawa korelasi
yang ada antara kedua-dua pembolehubah adalah lemah. Dalam erti kata lain, bilangan
penagih dadah di Malaysia tidak memberi kesan yang begitu signifikan kepada bilangan kes
HIV yang berlaku.

Hal ini dapat dibuktikan melalui nilai R 2 yang sangat lemah iaitu 0.255. Bagi kajian
ini, jelas menunjukkan bahawa tiada hubungan yang jelas antara dua pemboleh ubah yang
dikaji. Model Regresi ini juga sesuai digunakan bagi mengenalpasti punca sesuatu masalah
yang terjadi. Sememangnya ramai penghidap HIV merupakan penagih dadah, namun tidak
kesemua penagih dadah adalah penghidap HIV. Hal ini adalah kerana terdapat pelbagai
jenis dadah yang mampu diperolehi pada masa kini, bukan hanya melibatkan pemindahan
jarum suntikan semata-mata. Selain itu, kemungkinan terdapat faktor lain yang mempunyai
korelasi yang lebih tinggi seperti amalan seks bebas. Justeru itu, dapat dikatakan bahawa
penagihan dadah tidak memberi impak yang signifikan kepada pertambahan atau
pengurangan bilangan kes HIV dalam negara Malaysia.