TOPIK 2:

STATISTIK DESKRIPTIF: MENGUKUR

1ST OCT – 1ST DEC 2020 (2 MONTHS)

KENCEDERUNGAN NUR
PUSAT, MENGUKUR
FATIHAH HASAN NUDIN

KESERAKAN & MEMPIAWAIKAN DATA

DR. AZA
1
Hasil Pembelajaran
Diakhir topik ini, anda dijangka mampu:

1) Memahami dan menganalisis kecenderungan pusat data

2) Menentukan dan mengukur keserakan data
3) Mempiawaikan data

2
MENGANALISIS DATA DENGAN
MENGGUNAKAN STATISTIK DESKRIPTIF
• Melibatkan penghasilan satu gambaran ringkas sesuatu sampel
atau pembolehubah populasi yang dikaji.

• Ia mungkin melibatkan penyampaian data dalam bentuk graf

atau penggunaan statistik deskriptif.

3
MEMPERSEMBAHKAN DATA MENGGUNAKAN
STATISTIK DESKRIPTIF
• Statistik deskriptif menunjukkan data dan selalunya
menggunakan grafik seperti carta atau graf.
• Grafik yang digunakan bergantung pada data yang diperolehi.

4
5
TABURAN KEKERAPAN DAN KECENDERUNGAN
MEMUSAT
• Taburan kekerapan adalah satu jadual untuk memaparkan data
kuantitatif.

• Ia menyenaraikan semua kelas dan bilangan cerapan atau

frekuensi tertabur.

• Data yang dipersembahkan dalam bentuk ini dipanggil data

terkumpul

6
Contoh:
Taburan markah ujian mingguan bagi 50 orang pelajar yang
markah penuhnya ialah 10.

2 5 4 1 6 3 7 5 4 7

5 6 2 7 8 6 4 2 9 5
3 5 6 4 0 7 8 5 3 6
8 4 9 6 5 4 7 1 5 10
5 7 3 5 6 2 8 4 3 6

7
TABURAN KEKERAPAN
Markah Kekerapan Peratus
0 1 2
1 2 4
2 4 8
3 5 10
4 7 14
5 10 20
6 8 16
7 6 12
8 4 8
9 2 4
10 12 2
Jumlah 50 100
8
TABURAN KEKERAPAN MARKAH UJIAN
DENGAN SELANG KELAS
Selang Kelas Kekerapan Peratus
0-2 7 14
3-4 12 24
5-6 18 36
7-8 10 20
9-10 3 6
Jumlah 50 100

9
 HISTOGRAM
• Cara lain memaparkan taburan markah ialah mengumpulkan
beberapa markah yang sama julatnya kepada beberapa kelas.

• Tinggi sesuatu kotak menunjukkan kekerapan/bilanganpelajar

yang mendapat markah tertentu.

• Jeda kelas menunjukkan markah-markah dalam kelas tersebut.

• Kekerapan berkelas dapat mengurangkan bilangan

markah/skor yang dimasukkan ke dalam jadual kekerapan.
10
11
Contoh:
Markah pelajar:

33 12 45 27 25 11 37 22
19 24 27 20 33 14 27 20
22 15 32 24 27 30 23 31
29 23 31 22 16 36 27 28
44 16 48 26 37 21 26 14
34 22 19 40 24 25 17 29
13 18 12 28 6 9 3
12
13
Jadual Taburan Kekerapan 1

14
Histogram untuk Jadual Taburan Kekerapan 1 15
POLIGON KEKERAPAN
• Poligon Kekerapan dibina dengan memplotkan titik dinilai
tengah setiap sela kelas ke ketinggian selaras dengan bilangan
kekerapan kelas berkenaan.

• Kemudian, sambungkan kesemua titik-titik dengan garis lurus.

• Titik awalan dan akhir harus berada pada paksi-X.

16
Histogram dan Poligon Kekerapan untuk Jadual Taburan Kekerapan 1
17
LENGKUNG TABURAN NORMAL
• Lengkung taburan normal berbentuk loceng jika skor-skornya
bertaburan normal.
• Kawasan di bawah lengkung mewakili semua skor(100%)
dimana 50% daripada skor berada diatas min dan 50%
daripada skor pula berada dibawah min.
• Manakala, min, median dan mod adalah sama.
• Kebanyakan skor berhampiran dengan min dan semakin jauh
sesuatu skor daripada min bermaksud kurangnya bilangan
calon yang memperoleh skor tersebut

18
Contoh 1:

Lengkung Taburan Normal

19
Contoh 2:

20
TABURAN PENCONG POSITIF
• Taburan pencong positif merujuk kepada susunan ketiga-tiga
ukuran kecenderungan memusat dari kiri ke kanan ialah:
pertama, mod, iaitu nilai tertinggi; kemudian, median, iaitu nilai
tengah; dan akhirnya, min, iaitu nilai terendah.

21
TABURAN PENCONG NEGATIF
• Taburan pencong negative merujuk kepada susunan ketiga-tiga
ukuran kecenderungan memusat dari kanan ke kiri adalah:
pertama, min, iaitu nilai terendah; kemudian, median, iaitu nilai
tengah; dan akhirnya, mod, iaitu nilai tertinggi.

22
• Satu jenis pengukuran yang digunakan untuk memerihalkan set
data tidak terkumpul adalah ukuran kecenderungan memusat.

• Pengukuran kecenderungan memusat menghasilkan maklumat

berkaitan dengan titik tengah pada satu kumpulan nombor.

• Ukuran kecenderungan memusat tidak menumpukan keatas

pengembangan set data atau berapa jauh nilai daripada titik
tengah.

• Ukuran kecenderungan memusat bagi data yang tidak

berkumpul adalah min, mod, median, peratusan dan quantil.

23
Contoh:Harga Saham bagi 20 Kaunter KLSE
(RM)
14.25 19.00 7.00 15.50 15.00

11.00 28.00 15.00 27.00 25.00

24.00 23.00 34.22 19.00 27.00

43.25 19.00 22.00 19.00 21.00

24
MOD
• Mod adalah nilai yang paling kerap wujud didalam set data.

• Simbol statistik mod ialah M0.

• Bagi data yang ditunjukkan di dalam Jadual sebelah, mod ialah

RM19.00 kerana harga tawaran berlaku sebanyak 4 kali.
Menyusun data di dalam susunan yang menaik (menyusun dari
nombor terkecil hingga terbesar) membantu kita menentukan
mod.

25
MOD DATA BERKUMPULAN

• Titik tengah kelas mod Kelas

(fi)
• Kelas mod mempunyai
kekerapan yang terbesar
• Kelas Mod = 1-3 (Kekerapan
tertinggi)

26
MEDIAN
• Median ialah titik tengah sesuatu kumpulan nombor yang disusun
secara menaik atau menurun.
• Jika bilangan data tersebut adalah ganjil, median ialah nombor yang
ditengah.
• Jika bilangan data adalah genap, median ialah purata dua nombor
yang terletak ditengah-tengah.
• Langkah berikut adalah digunakan untuk menentukan median.
• LANGKAH 1: Susun data didalam susunan menaik.
• LANGKAH 2: Jika bilangan data adalah ganjil, carikan sebutan ditengah-
tengah didalam susunan tersebut yang menjadi median.
• LANGKAH 3: Jika bilangan data adalah genap, kirakan purata dua angka
ditengah-tengah susunan tersebut. Purata ini adalah median.

27
Contoh:
• Katakan ahli statistik hendak mencari median bagi kumpulan data
berikut:
15 11 14 3 21 17 22 16 19 16 5 7 19 8 9 20 4
• Susunan nombor didalam sebutan menaik:
3 4 5 7 8 9 11 14 15 16 16 17 19 19 20 21 22
• Terdapat 17 sebutan (bilangan ganjil), oleh itu median terletak di
tengah susunan tersebut, iaitu 15.
• Jika nombor 22 dikeluarkan daripada senarai, terdapat hanya 16
sebutan (bilangan genap):
3 4 5 7 8 9 11 14 15 16 16 17 19 19 20 21
• Sekarang kita mempunyai bilangan sebutan genap, median
ditentukan dengan mengira purata dua nombor yang terletak
ditengah susunan tersebut, 14
28
MEDIAN – DATA BERKUMPULAN
𝑁
−𝑐𝑓𝑝
2
Median = 𝐿 + (W)
𝑓𝑚𝑒𝑑

L = had bawah jeda kelas median

cfp = jumlah terkumpul kekerapan sehingga kelas tersebut,
tetapi tidak melibatkan kekerapan median kelas
fmed = kekerapan median
W = keluasan jedia kelas median (had atas kelas – had
bawahkelas)
N = jumlah bilangan kekerapan
29
MEDIAN DATA BERKUMPULAN – CONTOH:
Jeda Kekerapan Kekerapan
𝑁
Kelas (fi) Terkumpul 2
−𝐶𝑓𝑝
Median = 𝐿 + (W)
𝑓𝑚𝑒𝑑
1-3 16 2

3-5 2 4 20
−18
2
=5+ (2)
5-7 4 6 4
1
=5+ (2)
7-9 3 8 2

9 - 11 9 10 =6
11 - 13 6 12

Jumlah 40

30
MIN
• Min aritmatik adalah susunan sinonim dengan purata kumpulan
nombor dan ia dikira dengan menjumlahkan semua nombor dan
membahagikannya dengan bilangan nombor tersebut.
• Disebabkan min aritmatik digunakan dengan meluas, kebanyakan
ahli statistik hanya menggunakan istilah min sahaja.
• Min populasi ditandakan µdengan huruf Greek mu (µ). Min sampel
pula ditandakan dengan huruf Roman (𝑥). ҧ Formula bagi mengira min
bagi populasi dan min sampel adalah sebagaimana berikut:
σ𝑥
• Min populasi: 𝜇 = 𝑛
σ𝑥
• Min Sampel: 𝑥ҧ =
𝑛

31
Contoh
Katakan syarikat mempunyai lima jabatan dengan bilangan
pekerja 24, 13, 19, 26 dan 11 masing-masingnya. Min populasi
adalah:

µ = (24 + 13 + 19 +26 + 11) / 5

= 93/5
= 18.6

32
 PENGIRAAN MIN UNTUK DATA TERKUMPUL
• Pengiraan min untuk data terkumpul lebih kompleks.
Contohnya;
Sela Kelas Kekerapan (f) Nilai Tengah (X') fX'
20 - 24 2 22 44
15 - 19 4 17 68
10 - 14 5 12 60
5-9 3 7 21
0-4 2 2 4
N = 16 σ fX ′ = 197
Min = (σ fX ′ )/𝑁
= 197/16
= 12.3 33
PENGIRAAN MIN BERKUMPULAN
Jeda Kelas Kekerapan (fi) Titik Tengah (Mi) fiMi
1-3 16 2 32
3-5 2 4 8
5-7 4 6 24
7-9 3 8 24
9 - 11 9 10 90
11 - 13 6 12 72
Jumlah 40 σ fiMi = 250
σ 𝑓𝑖 𝑀 𝑖
𝜇= σ 𝑓𝑖
250
=
40
34
= 6.25
 MENGUKUR KESERAKAN
Cara-cara yang digunakan untuk mengukur penyerakan
pengukuran:-
• Julat
• Julat antara kuartil
• Varians
• Sisihan piawai

35
Julat/Sela
• Perbezaan antara skor tertinggi dengan skor terendah.

Julat/Sela antara kuartil

• Perbezaan antara skor yang mempunyai satu perempat skor di
bawah (sering dikenali sebagai kuartil pertama atau persentil
ke-25) dan skor yang telah tiga per empat skor di bawah
(persentil ke-75)

36
Varians
• Purata sisihan kuasa dua setiap skor dari min.

Sisihan piawai
• Satu pengukuran tentang takat di mana respons tersebar dari
min, dan diperolehi dengan mengira varians dari min, kuasa
dua, menambah dan mengira punca kuasa dua.

37
 PENTAFSIRAN NILAI SISIHAN PIAWAI
• Sisihan Piawai ialah ukuran kebolehubahan atau sebaran skor-skor.
• Ia merupakan sejauh mana skor berubah keliling min.
• Semakin kecil nilai sisihan piawai, semakin kecil sebaran skor dalam
taburan.
• Ini membawa implikasi bahawa data adalah berhampiran antara satu
sama lain (homogen).
• Begitu juga, semakin besar nilai sisihan piawai, semakin besar
sebaran skor dalam taburan.
• Ini bermakna data adalah tersebar luas antara satu sama lain
(heterogen).
38
• Terdapat 2 cara mengira sisihan piawai :
1. Sisihan Piawai untuk Data Tidak Terkumpul
2. Sisihan Piawai untuk Data Terkumpul

• Contoh 1: Skor untuk 5 orang pelajar ialah 1,2,3,4, dan 5. Cari

sisihan piawainya.

39
 σ𝑋 15
ത
𝑋= = =3
𝑁 5

Skor (X) (X - ഥ
X) (X - ഥ
X)2
5 2 4
4 1 1
3 0 0
2 -1 1
1 -2 4

N=5 ε(X - ഥ
X)2= 10

σ(𝑥 − 𝑋)2 10
𝑆𝑖𝑠𝑖ℎ𝑎𝑛 𝑝𝑖𝑎𝑤𝑎𝑖, 𝛿 = = = 2 = 1.41
𝑁 5
40
Contoh 2:
Skor, X Kekerapan, f fX X2 fX2
70 2 140 4900 9800
60 4 240 3600 14400
50 8 400 2500 20000
40 4 160 1600 6400
30 2 60 900 1800
N = 20 1000 52400

41
SISIHAN PIAWAI UNTUK DATATERKUMPUL

2
σ 𝑓𝑋 2 σ 𝑓𝑋
Sisihan piawai, δ = −
σ𝑓 σ𝑓

Di mana σ 𝑓 ialah jumlah kekerapan, X ialah nilai tengah sela kelas

42
Contoh:
Jadual dibawah menunjukkan data terkumpul untuk satu ujian
sains. Kira sisihan piawai untuk markah ujian.

43
SKOR PIAWAI
• Skor piawai menunjukkan kedudukan sesuatu skor dari segi
berapa sisihan piawai skor tersebut berada di atas atau di
bawah min taburan.
• Dan ia biasanya diwakili dengan skor-z atau skor-t.
(𝑥 − 𝑥)ҧ
• Skor-z dikira dengan menggunakan rumus, 𝑧 = 𝜎

• Skor-t dikira dengan menggunakan rumus berikut, 𝑡 = 50 + 10𝑧

44
Contoh:
Skor untuk 5 orang pelajar dalam satu ujian ialah 5,8,10,4 dan 3.
Cari skor-z dan skor-t untuk pelajar yang mempunyai 10 markah.

45
46
 PENTAFSIRAN SKOR-Z
Contoh: Abdullah mempunyai skor sebanyak 55 dalam ujian
Matematik; skor purata kumpulan normal ialah 60 dan sisihan
piawai 15. Maka skor piawai Abdullah ialah:

(55 − 60)
𝑧= = −0.33
15

Ini bermaksud skor Abdullah adalah satu pertiga sisihan piawai

daripada min. Tanda negatif menunjukkan bahawa ia adalah satu
pertiga sisihan piawai di bawah min.
47
 PENTAFSIRAN SKOR-Z
Contoh: Abdullah mempunyai skor sebanyak 75 dalam satu ujian
Sains; purata skor untuk kumpulan normal ialah 65 dan sisihan
piawai ialah 10.
Maka skor piawai Abdullah ialah:
(75 − 65)
𝑧= = 1.0
10

Ini bermakna skor Abdullah adalah satu sisihan piawai daripada

min. Tanda positif menunjukkan bahawa ia adalah satu sisihan
piawai di atas min.
48
 PENTAFSIRAN SKOR-T
• Skor-t lebih biasa digunakan berbanding dengan skor-z untuk
pelaporan keputusan ujian kerana ia menghasilkan integer
positif.
• Ia juga lebih kerap digunakan untuk melapor prestasi ujian
seseorang sebagai skor-t33 berbanding dengan pelaporan
prestasi yang sama dalam skor-z sebagai–1.7.
• Sebenarnya,kedua-dua skor ini adalah sama.
• Memandangkan skor-t sentiasa mempunyai min 50 dan sisihan
piawai 10,maka,skor-t boleh ditafsir secara langsung.

49
 VARIAN
• Varian ialah purata sisihan kuasadua dari min bagi set nombor.
• Populasi varian ditandakan dengan huruf Greek, σ2 dan
formulanya:

50
51
SISIHAN PIAWAI POPULASI
Punca kuasadua varian

52
 VARIAN SAMPEL
• Purata sisihan kuasadua dari min aritmatik
X X-X (X - X)2
2398 625 390625
1844 71 5041
1539 -234 54756
1311 -462 213444
7092 0 663866

53
 MEMPIAWAIKAN DATA
• Piawaian data (standardizing data) digunakan untuk melakukan
perbandingan antara unit-unit dalam populasi kajian.

• Analisis piawaian data:

1. Proporsi
2. Peratusan
3. Perubahan peratusan
4. Kadar
5. Nisbah

54
Proporsi
• Merupakan pengiraan pembahagian setiap sub-unit.
• Menyata dan membandingkan kategori-kategori dalam variable
tunggal.
• Contoh: Pengkaji ingin mengetahui proporsi penduduk untuk tiga
bangsa di Kampung A.
Bangsa Bilangan
Penduduk
Melayu 3458
Cina 2163
India 1450
Jumlah 7071 55
 𝐵𝑖𝑙 𝑝𝑒𝑛𝑑. 𝑀𝑒𝑙𝑎𝑦𝑢 3458
𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝑀𝑒𝑙𝑎𝑦𝑢 = = = 0.49
𝐵𝑖𝑙 𝑃𝑒𝑛𝑑 𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖 7071
𝐵𝑖𝑙 𝑝𝑒𝑛𝑑. 𝐶𝑖𝑛𝑎 2163
𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝐶𝑖𝑛𝑎 = = = 0.31
𝐵𝑖𝑙 𝑃𝑒𝑛𝑑 𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖 7071
𝐵𝑖𝑙 𝑝𝑒𝑛𝑑. 𝐼𝑛𝑑𝑖𝑎 1450
𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝐼𝑛𝑑𝑖𝑎 = = = 0.20
𝐵𝑖𝑙 𝑃𝑒𝑛𝑑 𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖 7071

56
Peratusan
• Mempiawai data dengan menggunakan peratusan.
• Contoh: peratusan bagi bangsa Melayu, Cina dan India masing-masing
ialah 49%, 31% dan 20%
• Formula:

𝐽𝑢𝑚 𝑠𝑢𝑏 − 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖

𝑃𝑒𝑟𝑎𝑡𝑢𝑠 = 𝑥 100%
𝐽𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑙𝑎𝑚 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖

57
Perubahan Peratusan
• Digunakan untuk membandingkan frekuensi dalam peratusan bagi
aktiviti yang berlaku pada satu masa tertentu dengan satu masa lain.

• Sering digunakan dalam kajian yang melibatkan pemberian ujia

sebelum dan selepas rawatan.

𝐵𝑖𝑙 𝑝𝑎𝑑𝑎 𝑚𝑎𝑠𝑎 𝑘𝑒𝑑𝑢𝑎 −𝐵𝑖𝑙 𝑝𝑎𝑑𝑎 𝑚𝑎𝑠𝑎 𝑝𝑒𝑟𝑡𝑎𝑚𝑎

𝑃𝑒𝑟𝑢𝑏𝑎ℎ𝑎𝑛 % = x 100%
𝐵𝑖𝑙 𝑝𝑎𝑑𝑎 𝑚𝑎𝑠𝑎 𝑝𝑒𝑟𝑡𝑎𝑚𝑎

58
Contoh:

Salah laku Bil. Kes 2010 Bil. Kes 2011 Peratus

Perubahan
Merokok 12 18 50
Ponteng sekolah 16 25 56.25
Ponteng kelas 45 38 -15.50
Mengugut pelajar 3 5 66.67
lain
Aktiviti kumpulan 3 4 33.33
liar
Mencuri 4 7 75.00
Mencalar 1 0 -100.00
kenderaan guru 59
Kadar
• Digunakan untuk menghuraikan perubahan dalam variable.
• Juga digunakan untuk menghuraikan frekuensi atau bilangan kes yang
berlaku perunit piawai (per 1000, per 100000 dsbg).

𝑘𝑎𝑑𝑎𝑟
𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑦𝑎𝑛𝑔 𝑚𝑒𝑚𝑝𝑢𝑛𝑦𝑎𝑖 𝑖𝑗𝑎𝑧𝑎ℎ 𝑝𝑒𝑟𝑡𝑎𝑚𝑎 & 𝑚𝑒𝑛𝑔𝑎𝑛𝑔𝑔𝑢𝑟
= 𝑥 1000
𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑦𝑎𝑛𝑔 𝑚𝑒𝑚𝑝𝑢𝑛𝑦𝑎𝑖 𝑖𝑗𝑎𝑧𝑎ℎ 𝑝𝑒𝑟𝑡𝑎𝑚𝑎

60
Contoh: Pengkaji mengumpul data tentang kadar pengangguran dalam
kalangan penduduk yang mempunyai ijazah pertama di tiga buah negeri untuk
satu jangkamasa tertentu dan menjadualkan seperti di bawah:
Negeri Jumlah Penduduk yang Jum. Penduduk yang
Mempunyai Ijazah Mempunyai Ijazah
Pertama pertama &
Menganggur
A 114326 1107
B 235715 2493
C 4567190 29008
Dalam kes ini, pengiraan kadar boleh dibuat per 1000 unit.
1107
1) 𝐾𝑎𝑑𝑎𝑟 𝑝𝑒𝑛𝑔𝑎𝑛𝑔𝑔𝑢𝑟𝑎𝑛 𝑛𝑒𝑔𝑒𝑟𝑖 𝐴 = 𝑥 1000 = 9.68
114326
2493
2) 𝐾𝑎𝑑𝑎𝑟 𝑝𝑒𝑛𝑔𝑎𝑛𝑔𝑔𝑢𝑟𝑎𝑛 𝑛𝑒𝑔𝑒𝑟𝑖 𝐵 = 𝑥 1000 = 10.58
235715
29008
3) 𝐾𝑎𝑑𝑎𝑟 𝑝𝑒𝑛𝑔𝑎𝑛𝑔𝑔𝑢𝑟𝑎𝑛 𝑛𝑒𝑔𝑒𝑟𝑖 𝐶 = 𝑥 1000 = 6.35 61
4567190
Nisbah
• Digunakan untuk membandingkan kadar atau bentuk pengukuran lain
antara kategori-kategori dalam suatu variable.
• Contoh: kadar keciciran pelajar lelaki dan pelajar perempuan diperingkat
sekolah menengah di bandar A masing-masing ialah 350 per 10000 dan 75
per 10000. Maka nisbah keciciran pelajar lelaki dan perempuan ialah:

350
𝑁𝑖𝑠𝑏𝑎ℎ 𝑘𝑒𝑐𝑖𝑐𝑖𝑟𝑎𝑛 𝑝𝑒𝑙𝑎𝑗𝑎𝑟 𝑙𝑒𝑙𝑎𝑘𝑖 𝑑𝑎𝑛 𝑝𝑒𝑟𝑒𝑚𝑝𝑢𝑎𝑛 = = 4.67
75

• Oleh itu, kadar keciciran pelajar lelaki adalah 4.67 kali lebih tinggi
berbanding perempuan.

62
Nisbah
• Dalam kes tertentu, nisbah juga dilaporkan menggunakan piawaian
berdasarkan 100 agar mudah difahami.
• Contoh:

9.688
𝑁𝑖𝑠𝑏𝑎ℎ 𝑝𝑒𝑛𝑔𝑎𝑛𝑔𝑔𝑢𝑟𝑎𝑛 𝑛𝑒𝑔𝑒𝑟𝑖 𝐴/𝑛𝑒𝑔𝑒𝑟𝑖 𝐵 = x 100 = 91.49
10.58

• Nisbah 91.49 bermaksud, bagi setiap 100 penganggur yang

mempunyai ijazah pertama di negeri B, terdapat kira-kira 91
penganggur yang mempunyai ijazah pertama di negeri A.
63
64