Anda di halaman 1dari 9

PENDAHULUAN Matematik merupakan salah satu daripada ilmu pengetahuan yang sangat penting dan penggunaannya sangat meluas

dalam kehidupan seharian terutamanya dalam bidang pendidikan, sains dan teknologi. Dalam bidang pendidikan, matematik memainkan peranan yang sangat besar. Mata pelajaran matematik yang diajar di sekolah membekalkan ilmu pengetahuan matematik kepada pelajar untuk mengembangkan kemahiran penyelesaian masalah, komunikasi dan pemikiran mantik serta bersistem. Di Malaysia, Matematik merupakan salah satu mata pelajaran teras yang wajib diambil oleh semua pelajar sama ada di sekolah rendah atau sekolah menengah. Matematik perlu diajar di sekolah bagi melahirkan individu yang boleh mengaplikasikan pengetahuan Matematik dalam kehidupan seharian. Menurut Abd. Rahim, (2000), Matematik adalah pengetahuan teras yang perlu dikuasai selaras dengan wawasan pendidikan negara untuk melahirkan warganegara yang berketerampilan dalam pelbagai bidang bagi membolehkan pelajar-pelajar memainkan peranan penting dalam pembangunan bangsa dan Negara kelak. Namun begitu, wujud pelbagai kesukaran yang dialami oleh murid-murid dalam pembelajaran Matematik . Kecuaian dan miskonsepsi adalah antara faktor yang dikenalpasti menjadi penyebab kepada kesukaran pembelajaran Matematik. Kesukaran yang berpunca daripada kecuaian tidak sukar untuk dikesan oleh guru berbanding kesukaran yang berpunca daripada miskonsepsi yang agak mencabar dan lebih sukar diatasi. Kebolehan dan pengalaman sesia ada murid adalah pelbagai, jadi guru haruslah menggunakan pendekatan dan kaedah yang sesuai dengan aras pemikiran murid supaya mereka boleh menguasai ilmu matematik dan dapat mempraktikkannya dalam kehidupan. DEFINISI KESUKARAN DAN MISKONSEPSI Miskonsepsi berasal daripada perkataan Inggeris misconception. Menurut Websters Third New International Dictionary(1996), conception bermaksud kemampuan, fungsi atau proses membentuk idea, abstrak atau berkenaan pemahaman maksud simbol yang mewakili idea atau abstraks. Misbermaksud tidak atau salah. Gabungan pengertian kedua-dua suku kata tersebut membentuk idea, abstrak atau pemahaman yang salah. Dengan kata lain, miskonsepsi didefinisikan sebagai kekaburan dan tidak kesempurnaan atau salah kefahaman tentang sesuatu. Miskonsepsi ini menjadi masalah yang sering dihadapi oleh murid dalam pembelajaran matematik dan sering menjadi penghalang kepada mereka untuk memahami konsep-konsep matematik yang berkaitan dengan konsep yang mereka salah ertikan. Matematik adalah mata pelajaran abstrak yang melibatkan penggunaan rumus, peraturan-peraturan langkah kerja, algoritma dan teorem-teorem yang kerap digunakan(Short & Spanos 1989). Mata pelajaran ini mempunyai bahasa tersendiri yang khusus,walaupun kerap dikatakan bahasa matematik adalah ringkas tetapi ia mempunyai maksud yang khusus dan tepat bagi mempelajari matematik. Setiap pelajar secara amnya mempunyai latar belakang yang tersendiri iaitu dari segi latar belakang keluarga dan

pergaulan. Guru berdepan dengan pelajar yang membawa ilmu dan pengalaman tersendiri yang dipelajari dari ruang lingkup kehidupan mereka yang kemungkinan bercanggah dengan apa yang guru sampaikan semasa sesi pengajaran. Sekiranya ilmu yang bercanggah ini tidak diperbetulkan maka ia akan membentuk miskonsepsi dalam ilmu yang ingin disampaikan. Guru-guru perlu peka kepada miskonsepsi yang dialami oleh murid dan memperbetulkannya sebelum mereka menganggap yang konsep mereka adalah betul memandangkan pendidikan bersifat berterusan. Dikhuatiri miskonsepsi yang berlaku akan berterusan dan menjejaskan penguasaan ilmu matematik murid. Miskonsepsi dan kesukaran yang pelbagai dikesan berlaku semasa pengajaran dan pembelajaran topik statistik. Faktor data-data yang pelbagai, penggunaan bahasa Matematik dan istilah-istilah khusus dan kekeliruan konsep menjadi penyebab berlakunya miskonsepsi. Antara miskonsepsi yang berlaku ialah: i) PENGUMPULAN DAN PENGURUSAN DATA Dalam pengumpulan dan pengurusan data, miskonsepsi yang sering berlaku di kalangan murid ialah semasa hendak mengenalpasti jenis-jenis pembolehubah atau data yang terlibat. Penggunaan istilah-istilah khusus berkaitan pembolehubah dan data seperti pembolehubah kualitatif, pembolehubah kuantitatif, data kuantitatif dan data kualitatif boleh mengelirukan murid. Pembolehubah adalah ciri ahli-ahli populasi yang dikaji. Contoh pembolehubah yang mengukur ciri populasi adalah umur, pendapatan, berat badan, jantina, taraf perkahwinan, jumlah harta yang dimiliki dan sebagainya. Pembolehubah kualitatif merupakan satu pembolehubah yang tidak dinyatakan dalam bentuk nombor. Contohnya jantina, keturunan seseorang, taraf pendidikan, gred getah, gred koko dan lain-lain. Pembolehubah Kuantitatif pula merupakan pembolehubah yang dinyatakan dalam bentuk nombor, contohnya adalah tinggi, berat badan seseorang, jumlah pendapatan bulanan, bilangan kereta yang menggunakan kereta di lebuhraya dan sebagainya. Pembolehubah kuantitatif pula boleh dibahagikan kepada dua kategori iaitu pembolehubah kuantitatif diskret dan pembolehubah kuantitatif selanjar. Murid dikesan keliru untuk membezakan dan menentukan pembolehubah-pembolehubah tersebut. Bagi mengatasi miskonsepsi atau kesukaran untuk mengenalpasti jenis-jenis pembolehubah dan data, guru hendaklah menerangkan dengan jelas supaya murid tidak keliru. Penggunaan peta minda bagi memperjelaskan konsep dan membezakan jenis-jenis pembolehubah serta data boleh digunakan. Murid boleh melihat makna, jenis dan contoh serta membezakannya dengan jelas. Contohnya:
KONSEP
DATA Maklumat yang diperolehi melalui pemerhatian ke atas nilai-nilai satu pembolehubah

PEMBOLEHUBAH Satu ciri yang berbeza antara seseorang atau sesuatu benda yang lain JENIS-JENIS PEMBOLEHUBAH DAN DATA
PEMBOLEHUBAH KUALITATIF

tidak dinyatakan dalam bentuk nombor. Contoh: jantina, keturunan, gred dan taraf pendidikan.
PEMBOLEHUBAH KUANTITATIF

dinyatakan dalam bentuk nombor. Contoh: tinggi, berat,bil. kereta dan jumlah pendapatan. SELANJAR Tinggi orang, berat, halaju. (nilai dalam satu julat)

DISKRET Bil. Kereta, bil. Murid, bil. Ahli keluarga. (boleh dibilang)

Guru juga perlu mengingatkan murid yang bukan semua nombor/angka adalah data kuantitatif kerana ada juga data tidak memberikan makna apabila mencari nilai min nombor tersebut atau disusun mengikut turutan nombor. Contohnya nombor pekerja atau nombor matriks pelajar. Contoh: D 0 5 3 4 9 6 - nombor ini tidak memberikan sebarang makna jika mencari nilai min nombor tersebut ataupun apabila disusun mengikut urutan nombor. Guru juga boleh memberikan latihan yang pelbagai yang ada data-data dan pembolehubah yang berbeza bagi memberikan pemahaman yang lebih jelas supaya murid boleh membezakan jenis-jenis data dan pembolehubah. Contoh : 1. Cikgu Zana telah mengukur tinggi dan berat murid-murid kelas tahun 1. Data : Kuantitatif iaitu data selanjar kerana data tinggi dan berat diperolehi dengan memerhati nilai pembolehubah tinggi dan berat. Contoh : 2. Petugas SPR telah membuat bancian pengundi di Malaysia 5 tahun sekali. Data : Kuantitatif iaitu data diskret kerana data diperoleh dengan memerhati nilai pembolehubah bilangan pengundi di Malaysia. Data yang banyak dan tidak teratur perlu dikumpulkan supaya lebih mudah difahami. Oleh itu, pengumpulan data mengikut kelas-kelas akan memudahkan pemahaman murid. Namun, miskonsepsi juga sering berlaku berkaitan selang kelas.

Bagi suatu kumpulan data yang besar, selang kelas perlu digunakan bagi menguruskan data. Ada murid yang tidak tahu cara untuk mendapatkan selang kelas. Kebiasaannya selang kelas yang mudah ialah 10. Murid-murid selalu beranggapan yang selang kelas dimulakan dengan 0 bagi selang kelas yang pertama. Selain itu, ada juga murid yang memasukkan satu data ke dalam lebih daripada satu kelas. Contoh : 10-20, 20-30, 30-40 Jika 20 diambil sebagai satu data, selang kelas yang manakah 20 akan dimasukkan? Ini adalah satu miskonsepsi yang perlu diperbetulkan kerana akan mempengaruhi statistik yang mengelirukan. Bagi mengatasi miskonsepsi berkaitan selang kelas, guru perlulah menerangkan tatacara untuk mengumpulkan data ke dalam bentuk jadual mengikut kategori-kategori tertentu atau kelas-kelas tertentu bagi memudahkan pemahaman murid. Tegaskan kepada murid, selang kelas yang mudah digunakan ialah saiz 10. Manakala bagi mencari selang kelas pertama dengan tepat, guru perlulah mengaitkannya dengan menggunakan data minimum yang diberikan dalam suatu set data serta mengaitkan data maksimum bagi mencari selang kelas yang terakhir dengan betul. Guru boleh membimbing murid dan bertindak sebagai fasilitator bagi menjalankan aktiviti membina jadual kekerapan dalam kumpulan. Murid boleh diberikan set soalan latihan yang pelbagai sebagai latih tubi untuk mengira selang kelas bagi memberikan kefahaman yang jelas berkaitan penentuan kelas-kelas atau selang kelas bagi suatu set data. Guru perlulah sentiasa membimbing murid. ii) PERWAKILAN DATA Dalam perwakilan data terdapat pelbagai peringkat yang merangkumi peringkat mengumpul, mengurus, mewakilkan data, membuat analisa dan menginterpretasikan data kepada bentuk yang lebih mudah difahami secara visual seperti carta dan graf. Dalam bahasa mudah, setelah semua data diperolehi, ia akan dipersembahkan ke dalam bentuk yang mudah ditafsirkan oleh pengguna seperti carta dan graf. Terdapat pelbagai bentuk carta dan graf yang digunakan dalam persembahan statistik iaitu piktogram, carta bar, carta palang, graf garisan, histogram dan lain-lain. Semasa menginterpretasikan data ke dalam bentuk carta dan graf inilah banyak berlaku miskonsepsi di kalangan murid. Antara miskonsepsi yang sering berlaku dalam perwakilan data ialah perwakilan secara simbol dan gambar. Penggunaan simbol dan gambar dengan sebahagian atau pecahan dan bilangan item kerapkali memberikan interpretasi yang salah kepada murid. Kesilapan ini akan mempengaruhi jawapan murid. Contohnya interpretasi yang salah berkaitan piktogram. Piktogram ialah satu bentuk paparan data bergambar khas untuk data kuantitatif seperti data diskret dan data selanjar. Setiap palang dalam histogram bercantum pada sempadan kelas antara satu sama lain. Piktogram ialah perwakilan data yang paling mudah dan ia menggunakan

gambarajah yang diwakili oleh siri simbol yang piawai (sama nilai). Di dalam piktogram, data yang ditunjukkan atau diwakilkan berbentuk simbol atau gambar. Kesilapan sering berlaku apabila simbol atau ruang dilukis secara tidak sekata, berbeza saiz dan ruang di antara simbol dan tidak kemas. Ini menyebabkan murid tersalah kira bilangan perwakilan simbol. Tambahan pula, jika murid yang selalu mengambil jalan mudah mengira perwakilan simbol dengan hanya memerhati ruang di antara simbol kemudian membuat anggaran bilangan simbol pada baris yang berikutnya tanpa melihat dengan teliti. Bagi mengatasinya, guru berperanan untuk menjelaskan cara-cara menginterpretasi piktogram dengan betul langkah demi langkah. Murid-murid juga hendaklah selalu diingatkan agar meneliti setiap perwakilan simbol dan sentiasa merujuk kekunci yang diberi. Gunakan contoh yang jelas supaya murid dapat memperkembangkan kemahiran melukis simbol dengan betul dan mewakili data dengan tepat. Guru boleh membimbing murid menggunakan teknologi seperti perisian komputer sebagai pengayaan. Di samping itu, miskonsepsi yang sering berlaku dalam topik piktogram ini adalah kesilapan menginterpretasi data yang melibatkan simbol atau gambar yang diwakili sebahagian(pecahan) bilangan item. Murid yang lemah dalam penguasaan fakta asas akan menghadapi kesukaran mengira jumlah bilangan perwakilan simbol. Oleh yang demikian, cara mengatasi kesukaran ini guru bolehlah menggalakkan murid mengira bilangan perwakilan hanya dengan fakta asas sahaja tanpa melibatkan operasi pecahan. Terdapat juga miskonsepsi yang berlaku berkaitan carta palang. Carta palang ialah graf khas yang menggunakan palang atau bar untuk menunjukkan saiz data terutamanya bagi data kualitatif. Dalam carta palang menegak, palang-palang yang menegak dari bawah ke atas digunakan manakala bagi carta palang melintang, palang-palang dilukis dari kiri ke kanan.Jika terdapat perbezaan di antara subkategori, carta palang berganda akan digunakan. Antara perkara penting yang perlu dititikberatkan dalam graf palang ialah tajuk dan tujuan graf tersebut, paksi-paksi yang mewakili label palang dan bilangan item di setiap palang serta skala yang diberikan. Namun, ada juga graf palang yang boleh mengelirukan sekiranya tidak dibina dengan betul. Miskonsepsi boleh berlaku berkaitan dengan skala pada paksi yang dibina tidak bermula dengan 0 dan selang nombor yang tidak sesuai. iii) SUKATAN KECENDERUNGAN MEMUSAT Sukatan Kecenderungan Memusat adalah ukuran purata yang menunjukkan ukuran pusat sesuatu taburan data. Sukatan kecenderungan memusat menghasilkan maklumat yang berkaitan dengan titik tengah pada sesuatu kumpulan nombor. Sukatan kecenderungan memusat boleh dikira bagi data tak terkumpul dan juga data terkumpul. Terdapat tiga pengukuran statistik yang digunakan bagi sukatan kecenderungan memusat iaitu min, median dan mod.

i.

Min ialah purata bagi semua nilai dalam populasi atau sampel. Contoh pengiraan min ialah : Min = = = 66 ii. Median ialah titik tengah bagi sesuatu kumpulan nombor yang disusun secara menaik. Jika bilangan data ganjil, median ialah nombor yang ditengah. Contoh : Data : 5, 3, 10, 7, 12 Susun semula secara menaik 3, 5, 7, 10, 12 Jadi, Median = 7 Jika bilangan data adalah genap, median ialah purata dua nombor yang terletak di tengah-tengah. Contoh : Data : 5, 3, 10, 7, 14, 12 Susun semula secara menaik 3, 5, 7, 10, 12, 14 Jadi, Median = = 8.5 iii. Mod pula ialah kekerapan yang tertinggi. Bagi data terkumpul, mod adalah titik tengah kelas mod. Terdapat dua cara untuk mengira mod iaitu dengan formula dan kaedah histogram. Miskonsepsi yang sering berlaku dalam pengiraan sukatan kecenderungan memusat ialah berkaitan dengan min. Terdapat beberapa kesukaran yang dialami oleh murid iaitu mereka tidak dapat mengenalpasti nilai yang tidak dinyatakan apabila diberi nilai min bagi satu set data. Murid juga tidak dapat membina satu set data apabila nilai min diberikan serta tidak dapat menggunakan konsep min untuk membuat kesimpulan. Berkaitan dengan miskonsepsi tidak dapat menggunakan konsep min untuk membuat kesimpulan, murid tidak menggunakan KBKK(kemahiran berfikir kreatif dan kritis) untuk menentukan jenis maklumat atau data yang diwakili serta bagaimana maklumat yang diberi boleh digunakan untuk meramal atau membuat kesimpulan. Sebaliknya mereka hanya mencari min sebagai matlamat akhir sesuatu masalah. Bagi mengatasi miskonsepsi-miskonsepsi yang berlaku berkaitan sukatan kecenderungan memusat ini, guru hendaklah membantu murid membina pemahaman konsep melalui penggunaan objek-objek konkrit di sekeliling untuk mencari min seperti pemadam, kerusi, meja, pensil dan sebagainya sebelum memperkenalkan algoritma mengira min. Pembelajaran yang berlaku secara kontekstual ini membantu murid menghubungkait pengetahuan yang dipelajari dengan pengalaman murid sehari-hari dan menjadikan pembelajaran bermakna. Guru juga digalakkan untuk menggunakan data-data yang relevan dengan kehidupan murid sehari-hari seperti tinggi dan berat murid, belanja wang saku sekolah, kehadiran sekolah dan lain-lain semasa memperkenalkan konsep pengiraan min. Perkaitan antara pengalaman dan benda-benda di sekeliling murid dengan aktiviti

pembelajaran dilihat mampu memberikan pemahaman dan pembelajaran yang lebih bermakna. Pengiraan algoritma boleh diaplikasikan secara latih tubi setelah murid menguasai sesuatu konsep sukatan kecenderungan memusat. iv) SUKATAN SERAKAN Sukatan serakan digunakan untuk menerangkan serakan atau taburan sesuatu set data. Jika kita menggunakan ukuran serakan bersama-sama ukuran kecenderungan memusat dalam pengiraan data akan menghasilkan pemerihalan atau perwakilan data yang lebih lengkap. Dalam pengiraan sukatan serakan, terdapat beberapa cara yang digunakan iaitu julat, sisihan piawai dan varian serta sukatan serakan berdasarkan kuartil dan persentil. Namun, masih berlaku kesukaran dan miskonsepsi oleh murid semasa membuat pengiraan sukatan serakan terutamanya berkaitan dengan julat. Julat digunakan untuk mencari ukuran serakan dengan mengira perbezaan antara nilai terbesar dan nilai terkecil dalam suatu set data tidak terkumpul yang kecil. Secara mudahnya, julat = nilai terbesar nilai terkecil. Julat juga boleh dikira berdasarkan perbezaan antara titik tengah kelas tertinggi dengan titik tengah kelas terendah bagi data terkumpul. Namun akan berlaku miskonsepsi sekiranya murid menganggap bahawa julat boleh digunakan dengan tepat untuk menentukan serakan semua jenis set data. Ini kerana bagi set data yang besar, nilai julat tidak memberi gambaran yang tepat mengenai sebaran data itu. Julat hanya sesuai untuk mengira set data yang kecil dan tidak mempunyai nilai ekstremun(nilai terpencil). Nilai ekstremun amat mempengaruhi pengiraan julat.Contohnya : Set data ; 25 28 119 22 27 31 Julat = 119 22 = 97 Julat 97 membayangkan set data itu tersebar meluas. Tetapi sebenarnya set data ini tidak menunjukkan bagaimana data tersebar di antara kedua-dua nilai itu. Jika diperhatikan sebarannya adalah di antara 22 dan 31. Nilai 119 itu merupakan nilai ekstremun dalam set data tersebut. Oleh itu, guru bertanggungjawab menerangkan kepada murid dengan menggunakan pelbagai set data seperti data terkumpul dan data tak terkumpul serta penegasan tentang nilai ekstremun(nilai terpencil) yang mempengaruhi serakan data. Selain itu, miskonsepsi mengenai julat juga boleh berlaku kerana murid menganggap yang dua set data yang mempunyai julat yang sama juga mempunyai serakan data yang sama. Anggapan ini tidak benar kerana dua set data yang mempunyai nilai julat yang sama tidak semestinya mempunyai sebaran data yang sama. Contohnya : Set data A : 3 5 9 10 12 Julat = 12 - 3 = 9 Set data B : 3 4 12 12 12

Julat

= 12 3 =9 Walaupun kedua-dua set data data di atas mempunyai nilai julat yang sama iaitu 9 tetapi jika diperhatikan secara teliti, sebaran data-data itu adalah amat berbeza. Set data A mempunyai serakan yang lebih kurang sekata manakala serakan bagi data B lebih tertumpu kepada penghujung ekstrem data. Jadi, guru hendaklah memberi penegasan kepada murid semasa sesi pengajaran dan pembelajaran bahawa nilai julat yang sama tidak boleh dijadikan ukuran yang serakan data-data tersebut adalah sama. Murid perlu memerhatikan serakan data-data yang diberikan sebelum membuat keputusan. KESIMPULAN Setelah diteliti, miskonsepsi dan kesukaran yang berlaku dalam pengajaran dan pembelajaran statistik ialah aspek pedagogi iaitu kaedah pengajaran dan pembelajaran yang memberi penekanan kepada pengiraan algoritma dan teknik hafalan tanpa menitikberatkan pemahaman kontekstual. Manakala punca lain adalah dari aspek kognitif iaitu kelemahan dalam menguasai pengetahuan prasyarat, kesukaran istilah dan bahasa serta penggunaan pengitlakan yang melampau (overgeneralization). Tidak dinafikan dalam proses pengajaran dan pembelajaran, seringkali terdapat masalah di mana murid tidak dapat mengikuti rentak dan kaedah pengajaran guru. Ini kerana, murid mempunyai pelbagai tahap kecerdasan. Sebagai guru seharusnya kita menggunakan kaedah dan pendekatan yang pelbagai bagi memperkenalkan konsep matematik dan menarik minat murid untuk terus fokus pada pengajaran dan pembelajaran matematik. Menurut Robert Gagne iaitu seorang professor dan ahli psikologi, pembelajaran konsep matematik yang berkesan memerlukan beberapa teknik penyampaian iaitu : i. Memberi berbagai-bagai contoh konkrit untuk membuat generalisasi. ii. Memberi contoh yang berbeza tetapi berkaitan supaya dapat membuat perbezaan. iii. Memberi contoh-contoh yang tidak ada kaitan dengan konsep yang diajarkan untuk membuat perbezaan dan generalisasi. Dalam proses pengajaran dan pembelajaran, guru-guru diberi kuasa sepenuhnya untuk mengendalikan proses tersebut dan menangani kesalahan lazim yang dilakukan oleh murid. Sehubungan itu, proses pengajaran dan pembelajaran matematik di dalam kelas amat memerlukan strategi yang kemas serta teratur supaya hasrat untuk mengatasi kesalahan lazim di kalangan pelajar tercapai sepenuhnya. Strategi pengajaran dan pembelajaran ini perlu melibatkan pengalaman aktif, reflektif dan pengabstrakan (Nik Azis, 1992).

Masalah kelemahan pelajar dalam penguasaan konsep dan kemahiran dalam statistik adalah sesuatu yang tidak boleh dipandang remeh oleh pihak-pihak terlibat dalam sektor pendidikan terutama sekali guru-guru. Pelbagai pendekatan boleh dilaksanakan bagi mengatasi miskonsepsi di kalangan murid sama ada faktor kecuaian atau kesukaran murid memahami konsep ataupun faktor guru sendiri yang tidak menguasai Pedagogy Content Knowledge (PCK). Sesetengah murid tidak berminat untuk belajar dan lantas tidak memberi tumpuan ketika proses pengajaran dan pembelajaran berlaku. Masalah ini harus ditangani sebaik mungkin jika ingin melahirkan modal insan yang boleh bersaing di peringkat global. Perkembangan sains dan teknologi sekarang memerlukan cerdik pandai dalam bidang sains dan matematik bagi menerajui negara. Kerjasama ibu bapa juga penting, sama-sama berganding bahu demi untuk kebaikan dan kesejahteraan anak-anak.

1. 2. 3.

4. 5. 6.

RUJUKAN Mohd Faizal Nizam Lee Abdullah, Mazlini Adnan, Marzita Puteh dan Sazelli Ab. Ghani: Modul Asas Pengurusan Data (2012); UPSI, Tanjong Malim, Perak. Trend Pengajaran dan Pembelajaran : Effandi Zakaria, Nor Azah Mohd Nordin dan Sabri Ahmad; Utusan Publications. Dr. Jamil Ahmad, Norlia Goolamally, Norhashimah Saad. (11 12 OKT 2008). Kertas Kerja Seminar Kebangsaan Pendidikan Sains Dan Matematik, Miskonsepsi Matematik Satu Refleksi : Jabatan Pendidikan Negeri Johor. http://www.scribd.com/doc/11021827/Mendefinasikan-Statistik http://www.scribd.com/doc/88107255/Presentation-Statistik http://www.academia.edu/2460395/PENGAJARAN PENGURUSAN DATA DALAM MATEMATIK SEKOLAH RENDAH 2