WAJ3105 LITERASI NOMBOR

TAJUK 5 ANALISIS DAN INTERPRETASI DATA

 SINOPSIS
Tajuk ini memperkenalkan bidang statistik yang asas. Perwakilkan
data seperti carta dan graf, seterusnya membaca dan mengintepretasi
maklumat dari perwakilan data dibincangkan. Menganalisis dan
mentafsir data seperti mengenalpasti ukuran kecenderungan
memusat, serakan atau jenis taburan turut dibincangkan. Selain itu
tajuk ini juga memberi pendedahan tentang idea kebarangkalaian.

 HASIL PEMBELAJARAN
 Membaca dan mengintepretasi maklumat data kuantitatif.
 Melaksana statistik asas, seperti mengumpul, menganalisis, dan
mentafsir data bernombor.
 Meneroka peristiwa berkaitan dengan peluang (idea
kebarangkalian).

 KERANGKA TAJUK-TAJUK

ANALISIS DAN
INTERPRETASI DATA

MEMBACA DAN
MENGUMPUL,
MENGINTEPRETASI
MENGANALISIS DAN
MAKLUMAT DATA MENEROKA PERISTIWA
MENTAFSIR DATA
KUANTITATIF YANG TELAH BERKAITAN PELUANG
BERNOMBOR
DIWAKILKAN

76
 WAJ3105 LITERASI NOMBOR

5.1 MEMBACA DAN MENGINTEPRETASI MAKLUMAT DATA KUANTITATIF

YANG TELAH DIWAKILKAN DALAM BENTUK JADUAL, CARTA ATAU
GRAF
Data boleh diwakilkan dalam bentuk jadual, carta atau graf. Walau
bagaimanapun sebelum boleh membaca dan mengintepretasi maklumat data
kuantitatif kefahaman tentang jenis data dan jenis perwakilan data adalah
penting.

5.1.1 Pembahagian Data

Data kuantitatif boleh dibahagi kepada empat jenis skala pengukuran. Skala
boleh ditakrifkan sebagai angka yang digunakan untuk mengkelas atau
menunjukkan tahap/nilai sesuatu ukuran. Suatu data dikelaskan dalam skala
berikut.
i. nominal
ii. ordinal
iii. sela
iv. nisbah

i. Data Nominal
Nominal ialah skala yang dianggap paling mudah dan mempunyai ketepatan
yang paling rendah. Skala ini mengkategorikan pembolehubah berdasarkan
persamaan dan seterusnya memberikan nama kepada pembolehubah
berkenaan. Jantina, ras dan warna adalah contoh data nominal. Misalnya, 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. Begitu juga bagi warna dimana kita boleh menyatakan 1
sebagai merah, 2 sebagai kuning, 3 sebagai hijau dan sebagainya.

77
 WAJ3105 LITERASI NOMBOR

Ciri-ciri utama skala nominal adalah:

a. Setiap ahli hanya dimiliki oleh satu kategori sahaja, misalnya, individu
yang dikelaskan ke dalam kategori lelaki tidak boleh menjadi ahli kategori
jantina lain.
b. Nombor yang mewakili setiap kategori tidak mempunyai nilai
pemeringkatan, tetapi dianggap sebagai nama kategori sahaja.
c. Pengkelasan data asal bagi data nominal bersifat satu kepada satu.

ii. Data Ordinal

Ordinal ialah skala yang memberikan nilai pemeringkatan atau pangkatan. Data
ordinal boleh disusun sama ada daripada yang terendah kepada nilai yang
tertinggi atau daripada yang lemah kepada yang cemerlang. Nombor atau
kategori yang diguna menggambarkan ukuran asal pembolehubah 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. Murid yang mendapat nombor 1 dalam kelas tentunya lebih baik
dari murid yang mendapat nombor 2, 3 dan seterusnya. Gred A juga lebih baik
dari gred B, C dan D. Sarjan lebih berpangkat berbanding koperal dan
lanskoperal.

Ciri-ciri utama data ordinal adalah :

a. Kategori yang digunakan bagi mengkelaskan data ordinal adalah saling
eksklusif.
b. Ukuran yang digunakan, memperlihatkan pemeringkatan secara logik.
c. Ukuran mempunyai pemberat dimana setiap kategori mempunyai
pemberat yang kurang atau lebih berbanding kategori lain.

Markah, ketinggian, berat, gred, dan jawatan adalah contoh data ordinal. Markah
80% tentunya lebih baik dari 50%. 160 cm sudah pasti lebih tinggi dari 100 cm.
Objek yang beratnya 60 kg tentunya lebih berat dari 25 kg.

78
 WAJ3105 LITERASI NOMBOR

iii. Data Sela

Skala sela 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 asalan 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.

Ciri-ciri skala sela adalah :

i. Kategori yang digunakan bagi mengkelaskan data sela adalah saling
eksklusif.
ii. Ukuran yang diguna menggambarkan susunan pemeringkatan secara logik.
iii. Ukuran yang diguna mempunyai pemberat, iaitu sesuatu ukuran sama ada
lebih kecil atau lebih besar daripada yang lain.
iv. Ukuran dalam skala sela bernilai arbitrari (tidak mutlak). Nilai sifar (0) juga
adalah arbitrari.

79
 WAJ3105 LITERASI NOMBOR

v. Perbezaan satu unit ukuran mempunyai nilai yang sama bagi semua
perbezaan ukuran.

iv. Data Nisbah

Skala nisbah ialah skala yang mempunyai semua ciri skala sela dan juga nilai
mutlak. Dalam skala nisbah nilai sifar (0) adalah kosong dan mutlak. Jarak, berat
dan wang adalah contoh data berskala nisbah. Jarak 6 km adalah dua kali jarak
3 km. Nilai wang RM10 adalah dua kali ganda nilai wang RM5. Nilai sifar (0) bagi
jarak 0 km dan RM0 adalah benar-benar tiada jarak dan tiada wang.

Apakah jenis data bagi makanan kegemaran?

Apakah jenis data bagi saiz kasut?
Apakah jenis data bagi kedudukan dalam kelas?

Apakah yang dimaksudkan dengan skala Likert?

Berikan contoh yang sesuai bagi data yang menggunakan skala
Likert.

5.1.2 Perwakilan Data

Perwakilan data boleh dibuat dalam bentuk carta dan graf. Antaranya ialah
piktograf, carta palang, histogram, graf garis, carta pai dan ogif. Lihat contoh-
contoh berikut.

80
 WAJ3105 LITERASI NOMBOR

Jualan Setem Mengikut Bulan

Januari

Februari

Mac

50 keping setem

Rajah 5.1 Piktograf

Kekerapan

Rajah 5.2 Histogram

Umur
Anda dikehendaki mengumpul beberapa keratan perwakilan
data dari bahan bercetak seperti akhbar, majalah, buletin dan
sebagainya dan buat ulasan mengenai perwakilan tersebut.
Perwakilan data mestilah pelbagai seperti piktograf, carta palang,
histogram, graf garis, carta pai dan ogif.

81
 WAJ3105 LITERASI NOMBOR

Dapatkan maklumat tentang bagaimana cara mewakilkan data

menggunakan stem and leaf, box-plot dan scattergram.

Data dalam Jadual 5.1 berikut menunjukkan data pemilikan kereta bagi 26
keluarga. Maksud data dan interpretasinya dijelaskan dalam para berikut.

Jadual 5.1

Bilangan kereta Gundal Kekerapan

0 3
1 8
2 12
3 1
4 2

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

Data dalam Jadual 5.1 boleh diwakilkan dalam bentuk carta palang.

82
 WAJ3105 LITERASI NOMBOR

Kekerapan (keluarga)

Jadual 5.2 berikut adalah contoh data terkumpul

Bilangan keretayang
kereta (buah)menunjukkan umur bagi
(buah)

200 orang yang berada dalam satu dewan orang ramai. Perwakilan data dalam
Rajah 5.3 Carta Palang Pemilikan Kereta Setiap Keluarga
bentuk histogram ditunjukkan dalam Rajah 5.4.

Jadual 5.2
Kekerapan (orang)

Umur Gundal Kekerapan

0-9 8
10-19 12
20-29 24
30-39 43
40-49 41
50-59 27
60-69 23
70-79 18
80-89 3
90-99 1

83
Umur (tahun)

Rajah 5.4 Histogram Pengunjung Dewan Orang Ramai

 WAJ3105 LITERASI NOMBOR

Nyatakan perbezaan antara carta palang dan histogram?

Bincangkan ciri-ciri carta palang dan histogram.
Berikan 2 contoh data yang sesuai dipaparkan menggunakan
carta palang dan histogram.

Jadual berikut menunjukkan data rancangan TV yang diminati

oleh sebilangan pelajar SMK Jalan Merab. Jumlah pelajar
sekolah ini adalah 840 orang.

Rancangan Bilangan
Pelajar
A 46
B 32
C 28
D 25
E 23
F 21
G 25

a. Berapakah saiz sampel yang digunakan?

b. Dalam peratus terhampir, berapa peratuskah Rancangan

84
 WAJ3105 LITERASI NOMBOR

A diminati oleh pelajar sekolah ini?

c. Berapa ramaikah pelajar sekolah ini berkemungkinan
meminati rancangan A?
d. Sekiranya Jamal kurang setuju dengan hasil dapatan ini
dan dia membuat kajian ke atas 35 orang pelajar
perempuan dalam kelas Pendidikan Jasmani beliau.
Adakah sampel kajian Jamal rawak? Jelaskan.

5.2 MENGUMPUL, MENGANALISIS DAN MENTAFSIR DATA BERNOMBOR

5.2.1 Mengumpul Data

Data asal atau data mentah boleh digunakan terus atau dikumpulkan terlebih
dahulu untuk diwakilkan dalam bentuk yang dikehendaki. Data yang digunakan
terus atau tidak perlu dikumpulkan. Lazimnya 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 (telah dibincangkan
dalam 5.1).

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 boleh dikumpul dalam kelas umur
mengikut jadual berikut:

85
 WAJ3105 LITERASI NOMBOR

Umur (Tahun) Gundalan Kekerapan

1-5 3
6 - 10 8
11 -15 12
16 - 20 1
2

Secara statistik, bilangan kelas dan saiz kelas dapat ditentukan dengan lebih
baik melalui rumus berikut.
Bilangan kelas, K ≈ 1 + 3.3 log(n)
K = bilangan kelas yang sesuai, n = jumlah data

Nilai terbesar - Nilai terkecil

Saiz kelas =
K

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
74 62 45 52 55 68 82 80 75
5
75
Kirakan berapa bilangan kelas (K) dan saiz kelas yang sesuai
bagi data di atas?

5.2.2 Menganalisis dan Mentafsir Data

Selain menterjemah perwakilan data, kita juga boleh mengira nilai ukuran-ukuran
kecenderungan memusat iaitu nilai min, mod dan median. Sebaran data pula
boleh dilihat melalui nilai julat, sisihan piawai dan varians.

i. Ukuran Kecenderungan Memusat

86
 WAJ3105 LITERASI NOMBOR

Secara umumnya, min adalah purata, median adalah nilai di tengah-tengah

kumpulan data yang tersusun. Mod adalah data yang mempunyai kekerapan
tertinggi atau paling kerap berlaku.

Mencari Nilai Min, Mod dan Median Data Tidak Terkumpul

Contoh berikut menunjukkan pengiraan min, median dan mod bagi data berikut.
Data : 13, 18, 13, 14, 13, 16, 14, 21, 13

a. Min adalah purata

= (13 + 18 + 13 + 14 + 13 + 16 + 14 + 21 + 13) ÷ 9 = 15

b. Median adalah nilai ditengah-tengah. Data perlu disusun dalam

susunan menaik atau menurun terlebih dahulu.

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

Jumlah data ialah sembilan, Maka, nilai di tengah-tengah adalah

nilai ke (9+1) ÷ 2 = 10 ÷ 2 = 5 (nilai kelima).

13, 13, 13, 13, 14, 14, 16, 18, 21, maka median adalah 14.   C

c. Mod adalah data yang mempunyai kekerapan tertinggi.

Dalam senarai ini mod adalah 13.

Bagi dua set data berikut, cuba anda kirakan nilai-nilai

kecenderungan memusat nya.

Set A : 2, 2, 3, 5, 5, 7, 8

Set B : 2, 3, 3, 4, 6, 7

87
 WAJ3105 LITERASI NOMBOR

Bandingkan nilai-nilai yang telah anda kira dengan yang berikut.

Ukuran Set A : 2, 2, 3, 5, 5, 7, 8 Set B : 2, 3, 3, 4, 6, 7

Min Jumlahkan: Jumlahkan:

Untuk mengira min, 2+2+3+5+5+7+8 2 + 3 + 3 + 4 + 6 + 7 = 25
kita perlu = 32
jumlahkan semua Terdapat 6 data, maka
data dan bahagi Terdapat 7 data, maka perlu dibahagi 6:    25 ÷ 6
dengan bilangan perlu dibahagi 7:    32 ÷ = 4.166...
data. 7 = 4.57...
Jadi min adalah 4.17
Jadi min adalah 4.57

Median Susunkan secara Susunkan secara menaik:

Untuk mengira menaik: 2 , 3 , (3 , 4) , 6 , 7
median, kita perlu 2 , 2 , 3 , (5) , 5 , 7 , 8
susunkan data Nampaknya terdapat dua
secara menaik atau Nombor ditengah nilai ditengah dan
menurun. Nilai ditandakan dalam puratanya adalah
ditengah- tengah kurungan adalah 5. median.
adalah median.
Jika terdapat dua maka median adalah 5 (3 + 4) ÷ 2 = 3.5
nilai ditengah,
maka puratanya maka median adalah 3.5
adalah median.

Mod Data : Data :

Mod adalah data 2,2,3,5,5,7,8 2,3,3,4,6,7
yang mempunyai
kekerapan tertinggi. Nilai yang kerap pada hanya nilai 3 sahaja yang
Mod boleh jadi data adalah 2 dan 5. kerap berbanding nilai
lebih dari satu nilai Kedua-duanya adalah lain.
samada dwimod nilai mod.
atau multimod maka mod adalah 3
mengikut nilai pada maka mod adalah 2
data. dan 5

(dwimod) (unimod)

88
 WAJ3105 LITERASI NOMBOR

Apakah yang anda faham bagi situasi berikut.

Min bagi matapelajaran matematik kelas 5 Cempaka adalah 85

dan kelas 5 Mawar adalah 70 pada Ujian semester satu.

Mencari Nilai Min, Mod dan Median Data Terkumpul

Bagi data terkumpul, pengiraan ukuran kecenderungan memusat, seperti min,

mod, median boleh dilakukan menggunakan rumus.
Anda digalakkan secara berkumpulan membuat pembelajaran kendiri mengenai
ukuran kecenderungan memusat bagi data terkumpul. Dilampirkan bersama
sedikit panduan untuk anda.

a. Min
Min adalah purata dan ia dikira menggunakan nilai titik tengah. Pengiraannya
boleh menggunakan rumus berikut.


fiMi
f i

b. 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 boleh menggunakan rumus berikut:

N
- cf p
Median  L 
2
 W
f med
di mana
L = had bawah selang kelas median
cfp = jumlah terkumpul kekerapan sehingga kelas tersebut,
tetapi tidak melibatkan kekerapan kelas median
fmed = kekerapan median
W = keluasan selang kelas median (had atas kelas – had
bawah kelas)
N = jumlah bilangan kekerapan

89
 WAJ3105 LITERASI NOMBOR

c. Mod
Kelas mod adalah selang kelas yang mempunyai kekerapan yang tertinggi.

ii. Ukuran Serakan

Ukuran serakan menerangkan sebaran atau taburan sesuatu set data.

Menggunakan ukuran serakan bersama-sama ukuran kecenderungan memusat
dapat memperihalkan perwakilan data dengan lebih lengkap.
Rajah 5.5 menunjukkan tiga taburan dengan min sampel yang sama tetapi
serakan berbeza.

=50

Rajah 5.5

a. Julat
Julat adalah perbezaan di antara nilai terbesar dan nilai terkecil. Walaupun ia
hanya nilai nombor tunggal tetapi merupakan ukuran serakan kasar yang dapat
menerangkan taburan sesuatu data.
Julat = Nilai terbesar – Nilai terkecil

b. Varian
Varian ialah purata jumlah kuasa dua sisihan antara min dan set nombor.
Populasi varian ditandakan dengan huruf Greek, 2 dan rumusnya ialah,

2 
 (X - ) 2
N

90
 WAJ3105 LITERASI NOMBOR

Menggunakan set nombor seperti berikut, kita boleh mengira variannya.

X X- ( X -  )2
5 -8 64
9 -4 16
16 +3 9
17 +4 16
18 +5 25
X = 65 (X - ) = 0 (X - )2 = 130

Varian =  2  
(X -  ) 2 130
  26.0
N 5

c. Sisihan Piawai
Sisihan piawai ialah punca kuasa dua varian. Sisihan piawai populasi
ditandakan sebagai , dan dikira sebagaimana berikut.

   2  (X -  ) 2

N
Berdasarkan kepada contoh di atas, nilai sisihan piawai ialah
 2  26  5.1

Ukuran Serakan Data Terkumpul

i. Sisihan Piawai bagi Populasi dan Sampel

Bagi data terkumpul, ukuran serakan seperti varian dan sisihan piawai dikira
menggunakan rumus seperti dalam contoh 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

91
 WAJ3105 LITERASI NOMBOR

populasi, menghasilkan penganggaran yang lebih baik untuk nilai

populasi.

Varian untuk sampel:

s2 
 (X - X) 2
n -1

Sisihan piawai untuk sampel:

s s2

dan,
Varian untuk populasi:
2 
 f(M -  ) 2
N

Sisihan piawai untuk populasi:

 2
di mana,
f = kekerapan
M = titik tengah kelas
N = f atau jumlah kekerapan populasi
 = min kumpulan bagi populasi.

Apa yang anda faham bagi situasi berikut .

Markah matematik kelas Cempaka berjulat 40 manakala kelas

Mawar berjulat 60.

92
 WAJ3105 LITERASI NOMBOR

Berdasarkan min, mod dan median seperti yang terdapat pada

serakan data dalam rajah-rajah berikut, bincangkan
i) sifat-sifat data, dan
ii) berikan contoh- contoh yang berkaitan.

a) Taburan normal

b) Pencong positif (positively skewed)

c) Pencong negatif (negatively skewed)

Bincangkan tentang serakan data berikut .

93
 WAJ3105 LITERASI NOMBOR

a) Lengkung berikut mempunyai serakan yang berbeza tetapi

min yang sama.

lengkung 2
lengkung 1

b) Lengkung berikut mempunyai serakan yang sama tetapi nilai

minnya berbeza.

lengkung 3 lengkung 4

Apakah sifat-sifat yang ada pada taburan normal?

94
 WAJ3105 LITERASI NOMBOR

5.3 MENEROKA PERISTIWA BERKAITAN PELUANG

Meneroka peristiwa berkaitan peluang dapat memberikan idea intuitif tentang
kebarangkalian.

5.3.1 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 berlaku
dalam kehidupan harian. Oleh itu adalah penting untuk kita memperoleh
pengetahuan dan kemahiran dalam menentukan sejauh mana sesuatu kejadian
itu mungkin berlaku.

Dalam matematik unsur ketidakpastian dikaji dalam bidang kebarangkalian.

Kebarangkalian berlaku daripada permainan yang melibatkan peluang seperti
perjudian, kajian fizik, genetik, insuran dan sebagaimya.

Beberapa terminologi yang berkaitan dengan kebarangkalian seperti ujikaji,

kesudahan yang mungkin, ruang sampel dan peristiwa akan diberi tumpuan
dalam modul ini.

5.3.2 Ujikaji dan Kesudahan

Ujikaji ialah satu proses atau tindakan yang dilakukan untuk melihat
kepada hasil. Misalnya aktiviti melambung duit syiling, kita akan
memperhatikan kepada hasil yang berlaku.

Dalam ujikaji 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.

95
 WAJ3105 LITERASI NOMBOR

5.3.3 Ruang Sampel

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 (g) dan angka (a), 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.

Contoh
Sebuah beg mengandungi guli yang berwarna putih, biru, dan hijau. Sebiji
guli dikeluarkan secara rawak daripada beg itu.
Kita boleh menentukan semua kesudahan yang mungkin bagi ujikaji
mengambil sebiji guli daripada aktiviti. Sebaliknya kita boleh juga
menentukan kesudahan yang mungkin secara penaakulan iaitu kita
menganalisis ujikaji atau situasi berkenaan dan mempertimbangkan
secara teliti semua kesudahan yang mungkin berlaku. Setiap kali guli
diambil, guli berwarna putih atau biru atau hijau mungkin dipilih. Maka
semua kesudahan yang mungkin ialah { putih, biru, hijau}.

Begitu juga kita boleh meramalkan keputusan perlawanan hoki secara

penaakulan, Terdapat 3 keputusan yang mungkin dicapai oleh
perlawanan tersebut iaitu menang atau seri atau kalah. Maka kesudahan
yang mungkin ialah { menang, seri, kalah }.

96
 WAJ3105 LITERASI NOMBOR

Terdapat dua kaedah untuk menyenaraikan semua kesudahan yang

mungkin dengan menggunakan
(a) Jadual
(b) Gambar rajah pokok

(a) Jadual
Contoh
2 biji dadu dilambung serentak, maka ruang sampelnya adalah seperti
berikut.

Dadu 2
1 2 3 4 5 6
Dadu 1
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)

S = { (1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6) }

(b) Gambar rajah pokok

Gambar rajah pokok biasanya digunakan untuk membantu menyenaraikan
semua kesudahan yang mungkin bagi suatu uji kaji yang melibatkan
pemilihan secara berturut-turut.

Contoh
97
 WAJ3105 LITERASI NOMBOR

Dalam suatu permainan tertentu, seseorang pemain perlu memilih secara

rawak dua keping kad dari sebuah kotak yang mengandungi dua keping kad
yang masing-masing berlabel a dan b.
Setelah kad pertama dipilih, kad tersebut perlu dimasukkan semula ke dalam
kotak sebelum kad kedua dipilih.
a) Senaraikan semua kesudahan yang mungkin.
b) Tuliskan ruang sampel dengan menggunakan tatatanda set.

Pilihan 1 Pilihan 2 Kesudahan

a (a,a)
a
b (a,b)

a (b,a)
b
b (b,b)

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

5.3.4 Peristiwa

Menurut bahasa peristiwa bermaksud kejadian atau perkara yang

menarik perhatian. Tanggal 31 Ogos 1957, adalah suatu peristiwa dalam
sejarah negara kita.
Dalam matematik, perkataan peristiwa menunjukkan kesudahan yang
memenuhi syarat-syarat tertentu. Peristiwa adalah subset bagi ruang
sampel.
Contoh
Apabila sebiji dadu dilambung, S = {1, 2, 3, 4, 5, 6}
Jika A : Peristiwa mendapat nombor genap
Jika B : Peristiwa mendapat nombor perdana
Jika C : Peristiwa mendapat nombor ganjil

98
 WAJ3105 LITERASI NOMBOR

Maka A = { 2, 4, 6}, B = { 2, 3, 5 }, C = {1, 3, 5 }

Cuba dapatkan jawapan bagi yang berikut.

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.
(a) Sekeping kad berhutruf vokal dipilih
(b) Sekeping kad berhuruf konsonan dipilih

Sesuatu peristiwa A adalah mungkin bagi suatu sampel jika A  S dan

A ≠ Φ. Jika A = Φ, maka peristiwa A adalah tidak mungkin berlaku.
Contoh
Satu nombor dua digit adalah dibentukkan daripada digit-digit 1, 2, 3. Tentukan
sama ada setiap peristiwa yang berikut adalah mungkin bagi suatu ruang sampel
atau tidak.
a) A : Peristiwa mendapat satu nombor genap,
b) B : Peristiwa mendapat satu nombor di antara 10 dan 34.
c) C : Peristiwa mendapat satu nombor dengan keadaan hasil tambah digit-

digitnya adalah lebih besar daripada 6.

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

a) A = {12, 22, 32} , A  S

Maka, peristiwa A adalah mungkin.

99
 WAJ3105 LITERASI NOMBOR

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

Maka, peristiwa B adalah mungkin.

c) C = { } =Φ

Maka, peristiwa C adalah tidak mungkin.

5.3.5 Kebarangkalian

Kebarangkalian bagi peristiwa A berlaku ialah nisbah bilangan unsur

dalam peristiwa A kepada bilangan unsur dalam ruang sampel, S

n( A)
P( A ) =
n( S )

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

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

Kebarangkalian mempunyai nilai dari 0 hingga 1 iaitu

0 ≤ P(A) ≤ 1

P (A) = 0, bermakna peristiwa A tidak akan berlaku atau mustahil berlaku.

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

3
=
6
1
=
2

100
 WAJ3105 LITERASI NOMBOR

Kebarangkalian tidak dapat meramalkan peristiwa secara pasti atau mutlak.

Pada amnya, bilangan kesudahan yang dijangkakan bagi peristiwa A
= (Bilangan cubaan) × P(A)

Contoh
Dua keping duit syiling dilambung sebanyak 200 kali. Tentukan bilangan
kali untuk mendapat dua gambar.

Bilangan kali untuk mendapat dua gambar = x 200

= 50

5.3.6 Kebarangkalian Peristiwa Pelengkap

Peristiwa pelengkap bagi peristiwa A dalam suatu ruang sampel S terdiri

daripada semua kesudahan S yang bukan kesudahan A. Peristiwa
pelengkap bagi peristiwa A biasanya ditandakan sebagai A.

Jika A ialah sebarang peristiwa bagi ruang sampel S dan A ialah

peristiwa pelengkapnya, iaitu kebarangkalian bagi peristiwa A tidak akan
berlaku
P( A) = 1 – P ( A )
Contoh
Satu huruf dipilih secara rawak daripada perkataan “NKRA”. Jika V
mewakili peristiwa mendapatkan vokal, nyatakan pelengkap V
S = { N, K, R, A }
V={A}
V = { N, K, R }

5.3.7 Kebarangkalian Peristiwa Bergabung

101
 WAJ3105 LITERASI NOMBOR

Peristiwa bergabung ialah peristiwa yang dihasilkan daripada kesatuan

atau persilangan dua peristiwa atau lebih.
Peristiwa bergabung “A atau B” dan “A dan B” masing-masing
dihasilkan daripada kesatuan dan persilangan dua peristiwa itu. Oleh itu,
kita boleh menyenaraikan semua kesudahan bagi

a) Peristiwa “A atau B” sebagai unsur set A B

b) Peristiwa “A dan B” sebagai unsur set A ∩ B.
Contoh
Sekeping duit syiling dilambungkan sebanyak dua kali. Senaraikan semua
kesudahan yang mungkin bagi peristiwa

a) Mendapat angka pada lambungan pertama atau kedua.

b) Mendapat angka pada lambungan pertama dan kedua.

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

A : Peristiwa mendapat angka pada lambungan pertama

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

B : Peristiwa mendapat angka pada lambungan kedua

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

Peristiwa mendapat angka pada lambungan pertama atau kedua ialah

peristiwa “A atau B”.
Peristiwa “A atau B” = A B
= {(a, a) , (a, g) , (g, a)}

Peristiwa mendapat angka pada lambungan pertama dan kedua ialah

peristiwa “A dan B”.
Peristiwa “A dan B” = A ∩ B = {(a, a)}

102
 WAJ3105 LITERASI NOMBOR

Jika kita dapat menyenaraikan set kesudahan bagi peristiwa bergabung “A

atau B” dan “A dan B”, maka kita boleh mengira kebarangkalian dengan
rumus berikut.
n( A  B )
P(A atau B) = P(A  B) = n( S )
, dan

n( A  B )
P(A dan B) = P(A  B) = n( S )
.

Satu pemerhatian di pintu pagar sekolah telah dilakukan untuk

mencatat bilangan penumpang setiap kereta yang masuk ke
kawasan sekolah.
Berikut adalah histogram yang dibina hasil dari pemerhatian
tersebut.
Kekerapan (bil kereta)

Bincangkan perkara berikut.

i. Berapa buah kereta yang membawa empat penumpang?
ii. Berapa jumlah kereta yang masuk ke sekolah?

Bilangan penumpang
(orang)

103
 WAJ3105 LITERASI NOMBOR

Perwakilan data berikut telah dipetik daripada beberapa

penerbitan.
Bincangkan apakah kesilapan atau kekeliruan yang terdapat
dalam perwakilan data tersebut.

Chua Yan Piaw (2006). Kaedah Dan Statistik Penyelidikan. The

McGraw-Hill companies, Malalaysia.
Hopkins, K.D. (1998). Educational and Psycological
th
Measurement and Evaluation. (8 . Ed). Boston: Allyn
and Bacon.
Jerry Howett (2000). Number power ( a real world approach
toMaths). Contemporary Books. USA
Mohd Majid Konting (2000). Kaedah Penyelidikan Pendidikan.
Kuala Lumpur,
Noll, V.H. & Scannel, D.P. (1992). Introductions to Educational
Measurement. Boston: Houghton Mifflin Company.
Popham, W.J. (2000). Modern Educational Measurement,
Practical Guidelines for Educational Leaders. (3rd. Ed).
Boston: Allyn and Bacon.
Siti Rahayah Ariffin (2003). Teori, Konsep dan Amalan Dalam
Pengukuran dan Penilaian. Penerbitan Pusat
Pembangunan Akademik, Bangi, Universiti Kebangsaan
Malaysia.
Yap Yee Khiong, Wan Chwee Seng, Ismail Abu Bakar
(1985). Pengukuran Dan Penilaian dalam Pendidikan.
Kuala Lumpur, Heinemann Asia. Percetakan Dewan
Bahasa Dan Pusaka.

104