Professional Documents
Culture Documents
Pembahagian Data PDF
Pembahagian Data PDF
5.1 Pengenalan
Bab ini akan memperkenalkan bidang Statistik yang asas. Di sini, beberapa analisis
data yang mudah akan dijalankan Data- data ini akan dikumpul dan diringkaskan
dalam jadual dan diwakilkan dengan perwakilan- perwakilan seperti carta dan graf.
Seterusnya perwakilan ini akan diterjemahkan melalui penerangan yang berkaitan
seperti mengenalpasti ukuran kecenderungan memusat, serakan atau jenis taburan
dan ini akan memberi makna dan gamabaran yang jelas. Kemahiran ini amat perlu
diterapkan dalam pendidikan guru khususnya dan sangat berguna dalam kehidupan
seharian.
Data kuantitatif boleh dibahagi kepada 4 jenis menggunakan empat jenis skala
pengukuran. Skala boleh ditakrifkan sebagai angka yang digunakan untuk mengkelas
atau menunjukkan tahap/nilai sesuatu ukuran. Suatu data dikelaskan dalam skala
a. nominal,
b. ordinal,
c. sela, dan
d. nisbah
Nominal ialah skala yang dianggap paling mudah dan mempunyai ketepatan yang
paling rendah. Skala ini mengkategorikan pemboleh ubah berdasarkan persamaan dan
seterusnya memberikan nama kepada pemboleh ubah berkenaan. Jantina, ras dan
warna adalah contoh data nominal. Jantina diwakilkan dengan 1 bagi lelaki dan 2 bagi
perempuan. Nilai nombor 1 bukan bermaksud lebih kecil dari 2 atau lebih baik dari 2.
Nilai nombor 1 dan 2 hanyalah melambangkan atau mewakili kategori bagi lelaki dan
perempuan. Begitu juga bagi ras dimana 1 mewakili kaum Melayu, 2 mewakili kaum
Cina, 3 mewakili kaum India dan 4 mewakili kaum-kaum lain. Nombor hanya perwakilan
sesuatu kumpulan data. Serupa juga bagi warna dimana kita boleh menyatakan 1
sebagai Merah, 2 sebagai kuning, 3 sebagai hijau dan sebagainya.
1
WAJ 3105 LITERASI NOMBOR
Ordinal ialah skala yang memberikan nilai pemeringkatan atau pangkatan. Data ordinal
boleh disusun sama ada daripada yang terendah kepada nilai yang tertinggi atau
daripada yang lemah kepada yang cemerlang. Nombor atau kategori yang diguna
menggambarkan ukuran asal pemboleh ubah mengikut susunan daripada kecil kepada
yang besar atau dari kategori yang kurang baik kepada kategori yang lebih baik.
Kedudukan, gred dan jawatan adalah contoh data ordinal. Pelajar yang mendapat
nombor 1 dalam kelas tentunya lebih baik dari pelajar yang mendapat nombor 2, 3 dan
seterusnya. Gred A juga lebih baik dari gred B, C dan D. Sarjan lebih berpangkat
berbanding koperal dan lans-koperal.
Markah, ketinggian, berat, gred, dan jawatan adalah contoh data ordinal. Markah 80%
tentunya lebih baik dari 50%. 160 cm sudah pasti lebih tinggi dari 100 cm. Benda yang
beratnya 60 kg tentunya lebih berat dari 25 kg.
Skala sela ini mempunyai ciri pemeringkatan dan juga mempunyai perbezaan bagi
setiap unit sela yang sama nilai. Skala ini berupaya menunjukkan perbezaan antara
beberapa kategori dan ia boleh menunjukkan kesamaan dalam unit ukuran yang
digunakan. Contoh ukuran berskala sela ialah ukuran suhu. Dalam hal ini, perbezaan
suhu antara 25°C dengan 35°C adalah sama dengan perbezaan suhu antara 5°C
dengan 15°C, iaitu perbezaan 10 darjah. Nilai perbezaan ini sama kerana ia dikira dari
titik origin iaitu 0°C. Nilai sifar (0) merupakan suatu nilai yang arbitrari, yang tidak
menggambarkan nilai kuantiti kosong, iaitu skala sela tidak mempunyai nilai mutlak.
Misalnya, suhu 0°C merupakan nilai permulaan sistem pengukuran suhu dalam °C.
Suhu 0°C di sini bukan bermakna tidak ada kepanasan. Begitu juga dengan markah
pencapaian. Katakan pelajar A mendapat markah 90 dan pelajar B mendapat markah
75. Bezanya adalah 15 markah. Jika pelajar C mendapat 60 markah dan pelajar D
mendapat 45 markah, bezanya juga adalah 15 markah. Kita boleh kata perbezaan
pelajar A dengan B dan perbezaan C dengan D adalah sama. Kita tidak boleh katakan
kepandaian pelajar A dua kali ganda pelajar D walau pun pelajar A mendapat 90
markah dan pelajar D mendapat 45 markah. Sekiranya seorang pelajar memperolehi 0
markah, tidak bererti dia tiada kepandaian kerana nilai sifar (0) ini bukan mutlak dan
hanya sebagai permulaan ukuran sahaja.
2
WAJ 3105 LITERASI NOMBOR
Skala nisbah ialah skala yang mempunyai semua ciri skala sela dan juga nilai mutlak.
Dalam skala nisbah nilai sifar (0) adalah kosong dan mutlak. Jarak, berat dan wang
adalah contoh data berskala nisbah. Jarak 6 km adalah dua kali jarak 3 km. Nilai wang
RM10 adalah dua kali ganda nilai wang RM5. Nilai sifar (0) bagi jarak 0 km dan RM0
adalah benar-benar tiada jarak dan tiada wang.
Latihan 1 :
Latihan 2 :
Data asal atau data mentah boleh samaada digunakan terus atau dikumpulkan untuk
diwakilkan dalam bentuk yang dikehendaki. Data yang digunakan terus atau tidak perlu
dikumpulkan biasanya adalah dalam kuantiti yang kecil atau mempunyai julat yang
kecil. Misalnya data mengenai cita-cita pelajar dalam sesuatu kelas. Perwakilan data
boleh digambarkan secara terus samada melalui piktograf, carta palang atau apa saja
perwakilan yang sesuai.
3
WAJ 3105 LITERASI NOMBOR
Bagi kuantiti data yang banyak atau besar julatnya, maka adalah lebih baik
dikumpulkan dahulu data tersebut dalam sela mengikut saiz kelasnya. Perwakilan data
boleh digambarkan melalui histogram atau apa saja perwakilan yang sesuai.
Misalnya data mengenai umur orang yang datang ke dewan orang ramai. Data ini elok
dikumpulkan dahulu. Jika umur 1-5 tahun dikumpulkan, maka saiz kelasnya adalah 5.
secara umum data dikumpul dalam kelas umur mengikut jadual berikut:
Secara lebih statistikal, bilangan kelas dan saiz kelas dapat ditentukan dengan lebih
baik melalui formula berikut;
Bilangan kelas :
K ≈ 1 + 3.3 log(n)
Saiz kelas :
saiz kelas =
Latihan 3 :
35 75 65 62 68 55 66 60 62 80
65 70 66 60 72 95 85 66 70 68
65 62 78 80 47 70 68 90 40 72
70 50 70 72 55 55 60 56 48 75
74 62 45 52 55 68 82 80 75 75
Kirakan berapa bilangan kelas (K) dan saiz kelas yang sesuai bagi data di atas?
4
WAJ 3105 LITERASI NOMBOR
Perwakilan data boleh dibuat dalam bentuk seperti carta dan graf. Di antaranya ialah
piktograf, carta palang, histogram, graf garis, carta pai dan ogif. Kita perlu tahu
membaca data, memilih dan membina perwakilan data dan boleh menterjemah data
tersebut.
Piktograf
5
WAJ 3105 LITERASI NOMBOR
Boxplot Scattergram
6
WAJ 3105 LITERASI NOMBOR
Latihan 4 :
Latihan 5 :
Pembacaan data : Data dibaca secara terus mengikut bilangan kereta dan kekerapan
yang diberi. Tiga keluarga tidak memiliki kereta. Lapan keluarga memiliki sebuah kereta
dan dua belas keluarga memiliki dua buah kereta. Manakala hanya satu keluarga
memiliki sebuah kereta dan dua keluarga memiliki empat buah kereta.
7
WAJ 3105 LITERASI NOMBOR
Kekerapan (keluarga)
Latihan 6 :
8
WAJ 3105 LITERASI NOMBOR
Latihan 7 :
Bayangkan anda telah mengutip data mengenai jumlah binatang peliharaan pelajar
dalam kelas anda. Data mentah dari 60 pelajar adalah seperti berikut:
0 2 1 2 0 4 1 0 2 2
1 6 1 1 2 8 0 1 2 4
2 1 2 0 3 2 0 1 3 0
1 4 0 3 0 2 3 6 4 3
3 3 0 1 2 0 1 1 3 0
2 0 3 2 0 4 2 2 3 1
Pilih satu perwakilan data yang sesuai untuk menggambarkan data tersebut.
Apabila anda menterjemah data di atas, selain dari jumlah binatang peliharaan, apakah
maklumat lain yang anda fikir penting?.
Berikut adalah data umur bagi 200 orang yang berada dalam satu dewan orang ramai.
9
WAJ 3105 LITERASI NOMBOR
Kekerapan (orang)
Umur (tahun)
Latihan 8 :
Latihan 9 :
Satu pemerhatian di pintu pagar sekolah telah dilakukan untuk mencatat bilangan
penumpang setiap kereta yang masuk ke kawasan sekolah.
Berikut adalah carta palang yang dibina hasil dari pemerhatian tersebut.
10
WAJ 3105 LITERASI NOMBOR
Latihan 10 :
Jadual berikut menunjukkan data rancangan TV yang diminati oleh pelajar SMK Jalan
Merab. Jumlah pelajar sekolah ini adalah 840 orang.
11
WAJ 3105 LITERASI NOMBOR
Latihan 11` :
Bincangkan apakah kesilapan atau kekeliruan yang terdapat dalam perwakilan data
berikut?
12
WAJ 3105 LITERASI NOMBOR
Selain menterjemah perwakilan data, kita juga boleh mengira nilai ukuran-ukuran
kecenderungan memusat iaitu nilai min, mod dan media. Sebaran data pula boleh
dilihat melalui nilai julat, sisihan piawai dan varians.
Secara umumnya, min adalah purata, median adalah nilai di tengah- tengah kumpulan
data yang tersusun manakala mod adalah data yang mempunyai kekerapan tertinggi
atau paling kerap berlaku.
5.4.1 Mencari nilai min, mod dan median data tidak terkumpul:
= (13 + 18 + 13 + 14 + 13 + 16 + 14 + 21 + 13) ÷ 9 = 15
Median adalah nilai ditengah- tengah. Data perlu disusun dalam susunan menaik
atau menurun.
Jumlah data ialah sembilan, Maka, nilai di tengah - tengah adalah nilai ke (9+1)
÷ 2 = 10 ÷ 2 = 5 (nilai kelima) :
13, 13, 13, 13, 14, 14, 16, 18, 21, maka median adalah 14. C
Mod adalah kekerapan tertinggi dan dalam senarai ini mod adalah 13.
Nilai terbesar adalah 21 dan nilai terkecil adalah 13. Maka julat adalah beza nilai
terbesar dengan nilai terkecil.
Min : 15
Median : 14
Mod : 13
Julat :8
13
WAJ 3105 LITERASI NOMBOR
14
WAJ 3105 LITERASI NOMBOR
Latihan 12 :
Bagi data terkumpul, pengiraan ukuran kecenderungan memusat min, mod, median
dapat dilakukan menggunakan formula. Anda digalakkan secara berkumpulan membuat
pembelajaran kendiri mengenai ukuran kecenderungan memusat bagi data terkumpul.
Dilampirkan bersama sedikit panduan untuk anda.
Min
Min adalah purata dan ia dikira menggunakan nilai titik tengah. Pengiraannya adalah
menggunakan formula
f M
i i
f i
Median
Nilai median bagi data tidak terkumpul adalah nilai yang terletak ditengah-tengah
apabila data tersebut disusun secara menaik. Bagi data yang terkumpul, pengiraan
median agak rumit dan menggunakan formula berikut:
N
- cf p
Median L 2
W
f med
di mana
15
WAJ 3105 LITERASI NOMBOR
Mod
Kelas mod adalah selang kelas yang mempunyai kekerapan yang tertinggi. Nilai mod
bagi data terkumpul dikira mengikut formula berikut :
dimana
Ukuran serakan menerangkan serakan atau taburan sesuatu set data. Menggunakan
ukuran serakan bersama-sama ukuran kecenderungan memusat membuatkan
pemerihalan atau perwakilan data lebih lengkap lagi.
Tiga Taburan dengan Min Sampel yang sama dan Serakan Berbeza
=50
Julat
Julat adalah perbezaan di antara nilai terbesar dan nilai terkecil. Walaupun ia hanya
merupakan nilai numerik tunggal yang merupakan ukuran serakan kasar dan dapat
menerangkan jarak ke sempadan luar set data atau taburan sesuatu data.
Varian
Varian ialah purata jumlah kuasadua sisihan antara min dan set nombor. Populasi
varian ditandakan dengan huruf Greek, 2 dan formulanya ialah:
2
(X - ) 2
N
X X- ( X - )2
5 -8 64
9 -4 16
16 +3 9
17 +4 16
18 +5 25
Varian = 2
(X - ) 2
130
26.0
N 5
Varian adalah kuasadua sisihan piawai, maka nilai varian digunakan untuk
memperolehi nilai sisihan piawai.
Sisihan Piawai
Sisihan piawai ialah punca kuasadua varian. Sisihan piawai populasi ditandakan
sebagai , dan dikira sebagaimana berikut:
2 (X - ) 2
2 26 5.1
17
WAJ 3105 LITERASI NOMBOR
Data Terkumpul
Bagi data terkumpul, ukuran serakan seperti varian dan sisihan piawai dikira
menggunakan formula seperti berikut:
Varian bagi sampel ditandakan sebagai s2 dan sisihan piawai ialah s. Pengiraan varian
dan sisihan piawai bagi sampel berbeza sedikit daripada pengiraan varian dan sisihan
piawai untuk populasi. Tujuan utama pengiraan varian dan sisihan piawai untuk
sampel adalah untuk menganggar varian dan sisihan piawai untuk populasi.
Menggunakan n – 1 sebagai pembahagi (denominator) bagi sampel berbanding N
untuk populasi, menghasilkan penganggaran yang lebih baik untuk nilai populasi.
s 2
(X - X) 2
n -1
s s2
Dan,
2
f(M - ) 2
N
2
di mana,
f = kekerapan
M = titik tengah kelas
N = f atau jumlah kekerapan populasi
= min kumpulan bagi populasi.
18
WAJ 3105 LITERASI NOMBOR
Latihan 13 :
Berdasarkan nilai min, mod dan median dalam taburan data berikut, bincangkan:
i) sifat-sifat data
a) Taburan Normal
19
WAJ 3105 LITERASI NOMBOR
Latihan 14 :
a) Lengkung berikut mempunyai serakan yang berbeza dan min yang sama.
lengkung 2
lengkung 1
20
WAJ 3105 LITERASI NOMBOR
b) Lengkung berikut mempunyai serakan yang sama tetapi nilai minnya berbeza.
lengkung 4
lengkung 3
Latihan 15 :
b) Gambarkan situasi pada data yang ada pada lengkung leptokurtic, mesokurtic dan
platykurtic
21
WAJ 3105 LITERASI NOMBOR
Skor Z
Skor Z mewakili nilai sisihan piawai di atas atau di bawah min bagi set nombor yang
mempunyai taburan normal. Menggunakan skor Z membolehkan kita menterjemahkan
nilai kasar jarak daripada min kepada unit sisihan piawai.
X-
Z
X-X
Z
s
Skor T
T=10z + 50
Perkaitan antara sisihan piawai, skor Z dan skor T dapat dilihat pada rajah berikut :
22
WAJ 3105 LITERASI NOMBOR
a) Jamal mendapat markah matematik dan sains sebanyak 90 dan 80 masing- masing.
Diberi min bagi matematik dan sains adalah 70, sisihan piawai matematik adalah 8
manakala sisihan piawai sains adalah 4.
23
WAJ 3105 LITERASI NOMBOR
5.6 KEBARANGKALIAN
Aida melakukan ujikaji melambung sebiji dadu adil di atas meja dan dicatatkan
kesudahannya. Adakah nombor 0 ialah kesudahannya? Mungkin jawapannya ialah
barangkali atau kurang pasti atau mustahil. Daripada kenyataan di atas unsur-unsur
ketidakpastian berlaku dan muncul dalam kehidupan harian. Oleh itu adalah penting
untuk kita memperoleh pengetahuan dan kemahiran dalam menentukan sejauh mana
sesuatu kejadian itu mungkin berlaku.
Ujikaji ialah satu proses atau tindakan yang dilakukan untuk melihat kepada hasil
Misalnya aktiviti melambung duit syiling, kita akan memperhatikan kepada hasil
yang berlaku.
Dalam ujiikaji melambung duit syiling, terdapat dua keputusan yang mungkin
terjadi iaitu muka angka dan muka gambar dan setiap keputusan ini dikenali
sebagai kesudahan. Dengan kata lain kesudahan bagi suatu ujikaji ialah
keputusan yang mungkin terjadi dalam ujikaji.
Ruang sampel ialah set semua kesudahan yang mungkin bagi suatu ujikaji.
Ruang sampel diwakili oleh S atau ξ dan boleh ditulis dengan menggunakan tata
tanda set. Misalnya ruang sampel bagi ujikaji melambung sekeping duit syiling
mempunyai 2 titik sampel. Semua kesudahan yang mungkin ialah gambar dan
angka, S = { g, a }. Begitu juga dengan ujikaji melambung sebiji dadu iaitu
semua kesudahan yang mungkin 1, 2, 3. 4, 5, 6 iaitu S = {1, 2, 3, 4, 5, 6}.
Dalam suatu ujikaji kita boleh menyenaraikan semua kesudahan yang mungkin
untuk mendapatkan ruang sampel secara aktiviti dan penaakulan
24
WAJ 3105 LITERASI NOMBOR
Contohnya
Sebuah beg mengandungi guli yang berwarna putih, biru, dan hijau. Sebiji guli
dikeluarkan secara rawak daripada beg itu. .
Kita boleh menentukan semua kesudahan yang mungkin bagi ujikaji mengambil
sebiji guli daripada aktiviti. Sebaliknya kita boleh juga menentukan kesudahan
yang mungkin secara penaakulan iaitu kita menganalisis ujikaji atau situasi
berkenaan dan mempertimbangkan secara teliti semua kesudahan yang
mungkin berlaku. Setiap kali guli diambil, guli berwarna putih atau biru atau hijau
mungkin dipilih. Maka semua kesudahan yang mungkin ialah { putih, biru, hijau}
(a) Jadual
(b) Gambar rajah
(a) Jadual
Dadu 2
Dadu 1 1 2 3 4 5 6
1
(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
2
(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
3
(3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
4
(4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
5
(5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
6
(6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
25
WAJ 3105 LITERASI NOMBOR
S = { (1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1),
(3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3),
(5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6) }
a (a,a)
b (a,b)
a (b,a)
b (b,b)
26
WAJ 3105 LITERASI NOMBOR
5.6.3 Peristiwa
Contoh
A = { 2, 4, 6}
B = { 2, 3, 5 }
C = {1, 3, 5 }
Cuba selesaikan.
S E R A M
Lima keping kad seperti yang ditunjukkan di atas telah dimasukkan ke dalam
sebuah kotak. Sekeping kad itu adalah dipilih secara rawak daripada kotak itu.
Nyatakan unsur-unsur ruang sampel yang memenuhi setiap syarat berikut.:
27
WAJ 3105 LITERASI NOMBOR
Contoh
Penyelesaian
c) C = { } = Φ
Maka, peristiwa C adalah tidak mungkin.
28
WAJ 3105 LITERASI NOMBOR
5.6.4 Kebarangkalian
( )
P( A ) =
( )
0 ≤ P(A) ≤ 1
Contoh
Sebiji dadu adil dilambung. A ialah peristiwa mendapat nombor perdana. Cari
kebarangkalian A.
S = { 1, 2, 3, 4, 5, 6 }
n( S ) = 6
A = { 2, 3, 5 }
n( A ) = 3
( )
P( A ) = ( )
29
WAJ 3105 LITERASI NOMBOR
Contoh
Dua keping duit syiling dilambung sebanyak 200 kali. Tentukan bilangan kali
untuk mendapat dua gambar.
= 50
Jika A ialah sebarang peristiwa bagi ruang sampel S dan A’ ialah peristiwa
pelengkapnya, iaitu kebarangkalian bagi peristiwa A tidak akan berlaku
P( A’) = 1 – P ( A )
Contoh
Satu huruf dipilih secara rawak daripada perkataan “NKRA”. Jika V mewakili
peristiwa mendapatkan vokal, nyatakan pelengkap V’
S = { N, K, R, A }
V={A}
V’ = { N, K, R }
30
WAJ 3105 LITERASI NOMBOR
Peristiwa mendapat angka pada lambungan pertama atau kedua ialah peristiwa
“A atau B”.
Peristiwa “A atau B” = A υ B
31
WAJ 3105 LITERASI NOMBOR
a) Peristiwa mendapat angka pada lambungan pertama dan kedua ialah peristiwa “A
dan B”.
Jika kita dapat menyenaraikan set kesudahan bagi peristiwa bergabung “A atau B”
dan “A dan B”, maka kita boleh mengira kebarangkalian dengan rumus
( )
P(A atau B) = P(A υ B) = ( )
( )
dan P(A dan B) = P(A B) = ( )
32
WAJ 3105 LITERASI NOMBOR
Rujukan :
Chua Yan Piaw (2006). Kaedah Dan Statistik Penyelidikan. The McGraw-Hill
companies, Malalaysia.
Hopkins, K.D. (1998). Educational and Psycological Measurement and Evaluation. (8 th.
Ed). Boston: Allyn and Bacon.
Jerry Howett (2000). Number power ( a real world approach toMaths). Contemporary
Books. USA
Noll, V.H. & Scannel, D.P. (1992). Introductions to Educational Measurement. Boston:
Houghton Mifflin Company.
Siti Rahayah Ariffin (2003). Teori, Konsep dan Amalan Dalam Pengukuran dan
Penilaian. Penerbitan Pusat Pembangunan Akademik, Bangi, Universiti
Kebangsaan Malaysia.
Yap Yee Khiong, Wan Chwee Seng, Ismail Abu Bakar (1985). Pengukuran Dan
Penilaian dalam Pendidikan. Kuala Lumpur, Heinemann Asia. Percetakan
Dewan Bahasa Dan Pusaka.
33