KPEB2113

EPIDEMIOLOGI & BIOSTATISTIK

PENGUKURAN SERAKAN
 Objektif Pembelajaran

1) Menghitung julat, varians dan sisihan piawai.

2) Menginterpretasikan julat, varians dan sisihan
piawai.
3) Menerangkan ciri-ciri, kegunaan, kebaikan dan
keburukan setiap pengukuran serakan.
 PENGENALAN
Purata seperti min dan median cuma melokasikan
pertengahan sesuatu set data.

Ia tidak menerangkan serakan data. Dua set data

boleh mempunyai min, median, dan mod yang sama
tetapi jauh berbeza ciri-ciri mereka.

Sukatan serakan adalah ukuran perihalan yang dapat

memerihalkan secara kuantitatif jumlah serakan atau
sebaran set data.
 Jenis sukatan serakan
Terdapat tiga jenis sukatan serakan yang boleh
digunakan iaitu: julat, varians dan sisihan piawai.
Cara kiraan julat untuk data populasi adalah sama
dengan data sampel.

1) Julat
Sukatan serakan yang paling mudah ialah julat.
Julat berdasarkan nilai terbesar dan nilai
terkecil.
 Julat bagi data tidak terkumpul
 Perbezaan antara nilai terbesar dan nilai terkecil
sukatan

 Julat = Nilai terbesar – nilai terkecil

 Contoh 1:
Julat untuk data mentah 34, 50, 12, 70 ialah
70 – 12 = 58.
Latihan:

a) Cari julat nilai-nilai berikut:

5, 8, 4, 10 dan 3

b) Cari julat nilai-nilai berikut:

34, 46, 52, 29, 41, 38, 36 dan 28
Julat bagi data terkumpul
 Julat bagi data terkumpul dalam kelas suatu jadual
kekerapan adalah sama.

 Iaitu perbezaan antara titik tengah kelas

tertinggi dan titik tengah kelas terendah.

Julat =
Nilai tengah kelas tertinggi - Nilai tengah kelas terendah
Latihan:
a. Kirakan julat untuk set data berikut:
Kelas Kekerapan
12 – 18 12
19 – 25 21
26 – 32 16
33 – 39 9
40 – 46 23

b. Hitungkan julat untuk set data berikut:

Kelas Kekerapan
1–7 4
8 – 14 12
15 – 21 7
22 – 28 20
29 – 35 14
36 – 42 6
 Ciri-ciri Julat
 Set data yang mudah dihitung.

 Dalam penggunaan julat, banyak maklumat diabaikan.

hanya cerapan terbesar dan terkecil dipertimbangkan,
cerapan yang lain tidak digunakan.

 Julat adalah sangat ‘variable’ kerana perubahan dalam

nilai terjauh (ekstrem) akan mengubah nilainya.
Varians
Varians adalah satu pengukuran statistik tentang variasi
atau taburan nilai-nilai dari minnya.
Ia adalah satu sukatan serakan.
 Ia didefinisikan sebagai min arimetik jumlah sisihan dari
min yang dikuasa duakan.
Sisihan sesuatu skor X dari min sampel adalah
dinyatakan sebagai: X –  atau X – X
Nilai mutlak (absolute values) tidak digunakan tetapi
sisihan dikuasa duakan.
Menguasa duakan sisihan dapat menyingkirkan nilai
negatif.
Varians juga didefinisikan sebagai kuasa dua sisihan
piawai.
 1)Varians untuk data-data tidak
terkumpul

 Terdapat dua jenis varians:

A) Varians populasi
B) Varians sampel
a) Varians populasi
Varians populasi untuk data tidak terkumpul atau data yang
tidak diaturkan dalam taburan kekerapan, dikira dengan:

X2  2
 (X - ) 2 atau =
2 = N
N
di mana,

2 – ialah varians populasi ( ialah huruf kecil sigma huruf

Greek). Ia biasanya dirujuk sebagai ‘sigma kuasa dua’.

X – ialah nilai sesuatu pemerhatian dalam populasi.

 – ialah min aritmetik populasi.
N – ialah bilangan pemerhatian dalam populasi
Contoh 1
Cari varians populasi untuk data-data berikut:
12, 7, 9, 21 dan 17
Penyelesaian
i) Kuasa dua sisihan dari min:
X X– (X – )2
12 -1.2 1.44
7 -6.2 38.44
9 -4.2 17.64
21 7.8 60.84
17 3.8 14.44
X = 66 (X - ) = 0* (X – )2 = 132.80

 = (12 + 7 + 9 + 21 + 17)/5 = 66/5 = 13.2

2 = (X – )2/N
= 132.80/5 = 26.56
ii) Rumus pengiraan :

X X2
12 144
7 49
9 81
21 441
17 289
X = 66 X2 =1004
 = (12 + 7 + 9 + 21 + 17)/5 = 66/5 = 13.2
2 = X2/N – ()2
= 1004/5 – (13.2) 2
= 200.8 – 174.24
= 26.56
Contoh 2
Umur semua pesakit dalam wad pengasingan di
Hospital Yellowstone adalah 38, 26, 13, 41 dan 22 tahun.
Kirakan varians populasi.
Umur (X) X- (X - )2
38 +10 100
26 -2 4
13 -15 225
41 +13 169
22 -6 36
X = 140 (X - ) = 0* (X - )2 = 534
* Jumlah sisihan (deviations) dari min mesti bersamaan sifar.

i) Kuasa dua sisihan dari min:

 =  X/N = 140/5 = 28
2 =  (X - )2/N
= 534/5 = 106.8
 Umur (X) X2
38 1444
26 676
13 169
41 1681
22 484
X = 140 X2 = 4454

ii)Rumus pengiraan :
= X/N = 140/5 = 28
2 = X2/N – 2
= 4454/5 – (28)2
= 890.8 – 784
= 106.8
Latihan 1

Dari set data berikut:

8, 3, 7, 3 dan 4

i) Cari min populasi

ii) Cari varians populasi
Latihan 2

Dari nilai berikut:

13, 3, 8, 10, 8 dan 6

i) Cari min populasi

ii) Cari varians populasi
ii. Varians sampel

Rumus untuk min populasi ialah  = X/N.

Kita cuma menukarkan simbol untuk min sampel, iaitu

X = X/n.

Penukaran dari varians populasi ke varians sampel bukanlah secara

langsung. Ia memerlukan penukaran denominator.

Gunakan n (bilangan dalam sampel) untuk menggantikan N (bilangan

dalam populasi), denominator ialah n – 1.

 Oleh itu rumus untuk varians sampel ialah :

Varians sampel,
(X – X)2
rumus konseptual, s2 =
n-1
Varians sampel, rumus pengiraan (1),

X2  (X) 2
s2 = n
n–1

Varians sampel, rumus pengiraan (2),

X2  n (X)2
s2 =
n–1
Contoh 1:
Hitung varians sampel untuk data-data berikut:
7, 10, 8, 18, 6 dan 5
Penyelesaian:
a) Menggunakan kuasa dua sisihan dari min.
X X – X (X – X)2
7 -2 4
10 1 1
8 -1 1
18 9 81
6 -3 9
5 -4 16
X = 54  (X –X)2 = 112

X = (7 + 10 + 8 + 18 + 6 + 5)/6
= 54/6 = 9
s2 = (X – X)2/n – 1
= 112/6 – 1
= 112/5 = 22.4
b) Menggunakan rumus pengiraan (1):
X X2
7 49
10 100
8 64
18 324
6 36
5 25
X = 54 X2 = 598
(X)2 (54)2
 X2  n 598  6
s2 = =
n–1 6–1
(2916) 598  486
598  6 =
= 5
5
112
= = 22.4
5
 c) Menggunakan rumus pengiraan (2):

X = (7 + 10 + 8 + 18 + 6 + 5)/6

= 54/6 = 9

 X2  n (X )2 598  6 (9)2

s2 = =
n–1 6–1

598  6 (81) 598  486

= =
5 5

112
=
5

= 22.4
Latihan

a. Dari set data berikut:

7, 2, 6, 2 dan 3
b. Nilai berikut adalah sampel:
11, 6, 10, 6 dan 7

i. Kirakan varians dengan kuasa dua sisihan dari min

ii. Kirakan varians dengan rumus pengiraan
Varians sampel bagi data-data terkumpul

Pengiraan dibahagikan kepada data yang

melibatkan kekerapan.

Dua cara - sama ada melibatkan nilai

tengah/tanda kelas dan kekerapan atau tidak.

Oleh itu terdapat dua cara untuk mengira

varians: gunakan jadual kekerapan yang
mengandungi saiz kelas/lebar kelas =1 dan jadual
kekerapan yang mengandungi saiz kelas lebih
daripada 1.
Rumus bagi Varians data terkumpul

(fX) 2
fX2 –
n
2
Varians, s =
n–1

atau

fX2 – n(X)2
Varians, s2 =
n–1
 a) Menghitung varians dengan nilai asal atau
jadual kekerapan mempunyai saiz kelas = 1.

Nilai tengah tidak terlibat kerana data tidak

diatur dalam selang kelas.

(fX)2 fX2 – n ( X)2

fX2 – n atau
Varians, s2 =
Varians, s2 = n–1
n–1
Contoh 1:
Kirakan varians sampel untuk set data berikut:

X Kekerapan
3 4
5 8
7 14
9 9
11 5
13 2
Penyelesaian:
i) Menggunakan rumus konseptual :

X Kekerapan (f) fX fX2

3 4 12 36
5 8 40 200
7 14 98 686
9 9 81 729
11 5 55 605
13 2 26 338
X = 48 f = 42 fX = 312 fX2 = 2594
(fX)2
fX2  2594 
(312)2
2594 
(97344)
s2 = n 42 42
____________ = ____________ = ____________
n–1 42 – 1 41

2594  2317.70 = 276.30

= = 6.74
41 41
ii) Menggunakan rumus pengiraan :
X = fX/n = 312/42 = 7.43

2594  42 (7.43)2
fX2  n(X)2 =
s2 = 42 – 1
n–1
2594  2318.4
2594  42(55.20) =
= 41
41

275.6 = 6.72
=
41
Latihan:
a. Hitungkan varians untuk set data berikut.
Kelas Kekerapan
18 2
25 7
36 10
57 9
69 23
b. Hitungkan varians untuk set data ini.
Kelas Kekerapan
27 4
29 12
32 7
38 20
45 14
59 6
b) Menghitung varians dengan jadual kekerapan mempunyai
saiz kelas lebih daripada 1

 Nilai tengah/tanda kelas perlu digunakan.

 Data disusun mengikut kelas dalam jadual kekerapan

secara menaik atau menurun.

(fX)2 fX2 – n (X)2

fX2 – n atau
Varians, s2 =
Varians, s2 = n–1
n–1
Contoh 1:
Jumlah masa yang diambil oleh 42 pelatih untuk menyusun semula
ayat Bahasa Inggeris telah direkodkan dalam jadual kekerapan
seperti berikut. Kirakan varians sampel.

Masa (minit) Bilangan (f)

2–4 4
5–7 8
8 – 10 14
11 – 13 9
14 – 16 5
17 –19 2
 Penyelesaian
i) Menggunakan rumus konseptual:
Selang Kelas Kekerapan Tanda kelas (x) fx f(x)2
(f)
2–4 4 3 12 36
5–7 8 6 48 288
8 – 10 14 9 126 1134
11 – 13 9 12 108 1296
14 – 16 5 15 75 1125
17 – 19 2 18 36 648
f = n = 42 fx = 405  f(x)2 = 4527
(fx)2
fx2  (405)2 (164025)
n
____________ 4527  4527 
s2 = = 42 42
n–1
____________ = ____________
42 – 1 41

4527 – 3905.36
621.64
= = = 15.16
41 41
ii) Menggunakan rumus pengiraan:

X = fx/n = 405/42 = 9.64

fX2  n (X)2 4527  42 (9.64)2

s2 = =
n–1 42 – 1

4527  3903.10
4527  42 (92.93) =
= 41
41
623.9 = 15.22
=
41
a. Hitungkan varians untuk set data berikut.
Kelas Kekerapan
12 – 18 12
19 – 25 21
26 – 32 16
33 – 39 9
40 – 46 23

b. Hitungkan varians untuk set data berikut.

Usia (bulan) Kekerapan
2–4 2
5–7 5
8 – 10 10
11 – 13 4
14 – 16 2
Perbandingan varians dan sisihan piawai

•Perhatikan bahawa varians adalah dalam unit kuasa

dua unit asal pengukuran.

•Apabila anda menghitung punca kuasa dua varians

untuk memperolehi sisihan piawai, unit sisihan piawai
akan sama dengan unit asal pengukuran.

•Masalah perbezaan unit ini menyebabkan biasanya

pengkaji lebih suka menggunakan sisihan piawai
sebagai sukatan serakan.
 Sisihan Piawai

 Seperti varians, sisihan piawai juga adalah satu

pengukur statistik tentang variasi atau penyebaran
atau taburan set data dari minnya.

 Nilai mutlak (absolute values) tidak digunakan tetapi

sisihan dikuasa duakan.

 Menguasa duakan sisihan menyingkirkan nilai negatif.

 Sisihan piawai digunakan secara meluas untuk

menentukan sukatan serakan.

 Secara am, sisihan piawai menunjukkan berapa jauh

satu nilai sampel atau populasi dari minnya.
 Sisihan piawai mengukur serakan dengan menunjukkan
secara purata jarak cerapan-cerapan dari min.

 Sisihan piawai yang besar menunjukkan suatu nilai itu

adalah jauh dari min manakala sisihan piawai yang kecil
menunjukkan nilai-nilai adalah berdekatan dengan min.

 Sisihan piawai juga boleh didefinisikan sebagai punca

kuasa dua positif bagi varians.

 Sisihan piawai mengambilkira semua cerapan. Unit

sisihan piawai adalah sama dengan unit asal
pengukuran.
1) Sisihan piawai untuk data-data tidak terkumpul

 Langkah pertama ialah menentukan samada set data

adalah data populasi atau data sampel.

 Ini adalah kerana rumus untuk sisihan piawai sampel dan

sisihan piawai populasi adalah berbeza.
SISIHAN PIAWAI SAMPEL

Rumus pengiraan
SISIHAN PIAWAI POPULASI

Rumus pengiraan
Contoh 1:
Cari sisihan piawai populasi untuk data-data berikut:
12, 7, 9, 21 dan 17
Penyelesaian:
i) Kuasa dua sisihan dari min:
X X– (X – )2
12 -1.2 1.44
7 -6.2 38.44
9 -4.2 17.64
21 7.8 60.84
17 3.8 14.44
X = 66 (X – )2 = 132.80

 = (12 + 7 +9 + 21 + 17)/5 = 66/5 = 13.2

(X - )2 132.80

= = = 26.56
N 5
= 5.15
ii) Rumus pengiraan:

X X2
12 144
7 49
9 81
21 441
17 289
X = 66 X2 = 1004

 = (12 + 7 +9 + 21 + 17)/5 = 66/5 = 13.2

X2 - 2 1004 - (13.2)2

= = 5
N

= 200.80 - 174.24 = 26.56 = 5.15

Latihan:
a. Dari set data berikut: 8, 3, 7, 3 dan 4
i. Cari min
ii. Cari sisihan piawai populasi

b.Dari 6 nilai berikut: 13, 3, 8, 10, 8 dan 6

i. Cari min
ii. Cari sisihan piawai populasi

c. Laporan tahunan Syarikat Perwaja menunjukkan

keuntungan syer biasa untuk 5 tahun yang lepas:
RM 2.68, RM 1.03, RM 2.26, RM 4.30 dan RM 3.58.
Jika kita anggap ini sebagai data populasi. Cari nilai:
i. min
ii. sisihan piawai populasi
Contoh 1
Hitungkan sisihan piawai sampel untuk data berikut:

Contoh penyelesaian berikut menunjukkan cara menggunakan rumus-

rumus untuk sisihan piawai sampel.

Penyelesaian

Pasukan I
Langkah 1: Hitung X = (72 + 73 + 76 + 76 + 78)/5 = 375/5 = 75
Langkah 2: Kirakan sisihan piawai seperti berikut.
 i) Rumus konseptual:

Ketinggian (X) X-X (X - X)2 X X2

72 -3 9 ATAU 72 5184
73 -2 4 73 5329
76 1 1 76 5776
76 1 1 76 5776
78 3 9 78 6084
(X - X)2 = 24 X = 375 X2 = 28149

 (X – X) 2 24 24 6
s= = = = = 2.4
n-1 5-1 4
ii) Rumus pengiraan (1):

(X)2 (375)2
X2 – n 28149 –
s= = 5
n–1 5–1

140625
28149 – 5 28149 – 28125
= =
4 4

24 = 6 = 2.4
=
4
iii) Rumus pengiraan (2):

X2 – n (X)2 28149 – 5 (75)2 28149 – 5 (5625)

= =
n–1 5–1 4

28149 – 28125 24 = 6 = 2.4

= =
4 4
Latihan

a. Kirakan sisihan piawai sampel untuk data

berikut.

6, 5, 9, 12, 7, 5 dan 12

b. Hitung sisihan piawai sampel untuk data-data

berikut

13, 24, 10, 9, 15, 8 dan 11

2) Pengiraan sisihan piawai sampel bagi data-data
terkumpul.

 Terdapat dua cara untuk mengira sisihan piawai:

1) Gunakan jadual kekerapan yang mengandungi saiz

kelas/lebar kelas =1 atau nilai asal.

2) Jadual kekerapan yang mengandungi saiz kelas lebih

daripada 1.

 Rumus berikut digunakan di mana samada melibatkan

kekerapan dan nilai tengah atau tidak.
Sisihan piawai data terkumpul didefinisikan sebagai:

(fX)2
fX2 – n
Sisihan piawai, s =
n–1

ATAU

Sisihan piawai, s =
fX2 – n (X)2
n–1
a)Sisihan piawai dengan nilai asal atau jadual
kekerapan mempunyai saiz kelas = 1.

 Kekerapan dan nilai asal digunakan.

 Nilai tengah tidak terlibat kerana data tidak diatur

dalam selang kelas.

 Rumus yang digunakan untuk pengiraan adalah sama

dengan rumus untuk pengiraan sisihan piawai sampel
untuk data-data dalam jadual kekerapan bersaiz lebih
dari 1.
Contoh 1:
Kirakan sisihan piawai sampel untuk set data berikut:

X Kekerapan
3 4
5 8
7 14
9 9
11 5
13 2
 Penyelesaian:
i) Rumus konseptual
X Kekerapan (f) fX fX2
3 4 12 36
5 8 40 200
7 14 98 686
9 9 81 729
11 5 55 605
13 2 26 338
f = n = 42 fX = 312 fX2 = 2594

(fX)2 (312)2
fX –
2 2594 – 42
n
=
n–1 42 – 1

(97344) 276.29
2594 – 42 = 2594 – 2317.71 =
= 41
41 41

= 6.7 = 2.59
ii) Rumus pengiraan
X = 312/42 = 7.43

fX2
– nX2 = 2594 – 42(7.43)2
Sisihan piawai, s
n–1 42 – 1
=

= 2594 – 42(55.20) = 2594 – 2318.4

41 41

275.6 = 2.59
= = 6.7
41
Latihan:
a. Hitungkan sisihan piawai sampel untuk set data berikut.

Kelas Kekerapan
18 2
25 7
36 10
57 9
69 23

b. Hitungkan sisihan piawai sampel untuk set data ini.

Kelas Kekerapan
27 4
29 12
32 7
38 20
45 14
59 6
b) Sisihan piawai dengan jadual kekerapan mempunyai saiz
kelas lebih daripada 1

 Pengiraan ini melibatkan kekerapan dan nilai tengah digunakan.

 Nilai tengah digunakan kerana data diatur dalam selang kelas.

 Data disusun mengikut kelas dalam jadual kekerapan secara menaik

atau menurun.

 Rumus berikut digunakan untuk pengiraan adalah sama dengan

rumus untuk pengiraan sisihan piawai sampel untuk data-data dalam
jadual kekerapan bersaiz = 1.
 (fX) 2
fX2 –
n
Sisihan piawai, s =
n–1

ATAU
fX2 – n (X)2
Sisihan piawai, s =
n–1
Contoh 1

Hitungkan sisihan piawai untuk set data ini.

Penyeselaian:
X fX fX2
i) Rumus konseptual

fX fX2

( fX)2
 fX2 – n
Sisihan piawai, s =
n–1

329476
(574)2 13552 –
13552 – 25
25
=
= 24
25 – 1

13552 – 13179.04
372.96
= =
24 24

= 15.54 = 3.94
ii) Rumus pengiraan
Langkah 1: Bina jadual berikut:

X fX fX2

fX fX2

Langkah 2: Hitung X dan X2


fX
 Langkah 3: Hitung sisihan piawai dengan rumus berikut:

fX2

fX2

Sisihan piawai adalah 3.94 dan

varians adalah kuasa dua nilai sisihan piawai (15.52).
Latihan:
a. Hitungkan sisihan piawai sampel untuk set data berikut,
Kelas Kekerapan
12 – 18 12
19 – 25 21
26 – 32 16
33 – 39 9
40 – 46 23
b. Hitungkan sisihan piawai sampel untuk data-data ini.
Kelas Kekerapan
1–7 4
8 – 14 12
15 – 21 7
22 – 28 20
29 – 35 14
36 – 42 6
 Kelebihan dan kelemahan
a. Serakan data yang diukur adalah diambil dari konteks taburan data. Jika taburan data normal diperolehi, maka ujian serakan
bagi data normal seperti sisihan piawai dan varians dapat digunakan. Penggunaan taburan data seperti sisihan piawai adalah
amat berguna dalam interpretasi data yang numerical. Kelebihan data dan penggunaan ini adalah memberikan terjemahan
serakan yang lebih tepat dan kurang ralat. Selain itu penggunaan ujian statistik seperti ujian t dan ujian ANOVA dapat digunakan
dalam mengetahui perbezaan data. Perbezaan data ini dapat dilihat dengan lebih holistik kerana ianya mencakupi ujian serakan
sebenar dari titik tengah data.
b. Kelemahan penggunaan data ini adalah kaedah persampelan haruslah berkonsep numerical, yang kadang kala tidak dapat
diperolehi dengan mudah dalam konteks kesihatan persekitaran. Namun, cara pengukuran dan penggunaan borang soal selidik
dan skor yang relevant di indekskan mampu membantu menterjemah kepada kontek numerical dalam konsep summated mean/
summated score analysis based on the ordinal scale of data. Kelemahan penggunaan SD dan Variance adalah kerana ianya
berkonsepkan populasi, maka apabila wujud data-data ekstrem, pengenalan aspek ini akan mengganggu interpretasi
keseluruhan data.
c. Julat digunakan sepenuhnya dalam konsep taburan data yang tidak bertaburan secara normal. Kelebihan serakan ini adalah
mencakupi kemudahan dalam membuat anggaran pada julat-julat berbeza dalam elemen IQR. Selain itu julat membantu
penyelidik mengetahui pergerakan data secara natural bukan dari anggaran sebenar data dari keseluruhan sampel. Julat juga
membantu penyelidik dalam mengenal punca dari akibat data ekstrem.
d. Kekurangan julat adalah kerana tidak dapat diterjemahkan kepada populasi umum dalam kajian yang dikaji. Selain
itu, nilai ekstrem akan jelas menunjukkan terdapat anomali pada kaedah pengumpulan data yang dilakukan.
 Interpretasi julat dan sp dari graph

Objektif 5. Mengintapretasi julat dan sisihan piawai daripada graf

Memberi penerangan mengenai julat dan sisihan piawai dari graf. Menunjukkan graf mengenai pengiraan julat, dalam konsep 100 cerapan data.
Menerangkan konsep sisihan piawai menggunakan rajah dan membuat interpretasi. Probability distribution menggunakan rajah dari sisihan piawai

Julat data akan dikira berdasarkan cerapan pada Q3, Q1 dan beza antaranya akan dijustifikasi sebagai Julat Antara Kuartil.
Bandingan Serakan
 Probability distribution yang digunakan dalam sisihan piawai dan varians dalam
menentukan kiraan sampel saiz dalm ujian hipotesis dalam epidemiologi
 Ujian statistik mengetahui error dan normality menggunakan konsep serakan
data. Apabila skewness dan kurtosis data adalah menghampiri kosong/ sifar,
maka kebolehan interpretasi data bagi normal adalah berguna
 Penggunaan sisihan piawai memberikan gambaran kepada penyelidikan dalam
membandingkan dapatan kajian dan juga dapatan lampau (sejarah)
 Ujian serakan memberikan penyelidik gambaran tabiat/ perangai data dalam
bertaburan pada ramalan data atau kawasan lain
 Perbandingan penggunaan julat dalam mengenal pasti data yang tidak
bertaburan secara normal
 Aplikasi dalam penggunaan sisihan piawai, varians dan juga julat dalam
mengetahui serakan data mentah pada kajian epidemiologi