fasilitator: prof. madya dr. abdul hamid b. hj. mar iman murshid pusat kajian ‘real estate’

04/24/2304/24/23 Kursus PTK (W41-TK2-11)Kursus PTK (W41-TK2-11) 11

Fasilitator:

Prof. Madya Dr. Abdul Hamid b. Hj. Mar Iman MurshidPusat Kajian ‘Real Estate’

Fakulti Kejuruteraan dan Sains GeoinformasiUniversiti Teknologi Malaysia

Skudai, Johor

KOMPETENSI KHUSUSSEKSYEN D

Informasi Harta Tanah Dan Analisis Data


Pengumpulan DataPengumpulan Data Suatu proses mendapatkan perangkaan atau mengumpul Suatu proses mendapatkan perangkaan atau mengumpul

statistik tentang sesuatu perkara bagi sesuatu tujuan. statistik tentang sesuatu perkara bagi sesuatu tujuan. Contoh: data pembayar cukaiContoh: data pembayar cukai

Data yang tergabung dan tersusun secara bermakna Data yang tergabung dan tersusun secara bermakna yang menerbitkan “maklumat”. Contoh:yang menerbitkan “maklumat”. Contoh:

Nama Alamat Jumlahtunggakan

Tempoh tunggakan

Ahmad b. Hitan No. 34, Jln. Kerengga RM 550 2006-2008

Ibrahim b. Busu No. 52, Jln. Gegata RM 640 2006-2008

Ali b. Haji No.89, Jln. Gagak Hitam RM 455 2006-2008


Rasional Pengumpulan DataRasional Pengumpulan Data

Membuat analisis tentang sesuatu fenomenon. Membuat analisis tentang sesuatu fenomenon. “Apa”, “siapa”, “berapa”, “bagaimana”, “bila”, “Apa”, “siapa”, “berapa”, “bagaimana”, “bila”, dsb.dsb.

Membuat keputusan dari analisis.Membuat keputusan dari analisis. Menggunakannya untuk menyusun strategi (e.g. Menggunakannya untuk menyusun strategi (e.g.

perancangan, pengurusan, dan lain-lain).perancangan, pengurusan, dan lain-lain). Memperbaiki kemampuan sesuatu organisasi Memperbaiki kemampuan sesuatu organisasi

(e.g. meningkatkan daya saing, menjadikan lebih (e.g. meningkatkan daya saing, menjadikan lebih proaktif, dsb.)proaktif, dsb.)


Panduan Pengumpulan DataPanduan Pengumpulan Data

Kegunaan: Ad-hoc (meyelesaikan sesuatu Kegunaan: Ad-hoc (meyelesaikan sesuatu perkara khusus); jangka pendek, jangka panjang perkara khusus); jangka pendek, jangka panjang (perancangan, strategi, dsb.) (perancangan, strategi, dsb.)

Tujuan: penilaian, kajian pasaran, kajian Tujuan: penilaian, kajian pasaran, kajian kemungkinan, analisis pelaburan, pembangunan kemungkinan, analisis pelaburan, pembangunan tanah, dll.)tanah, dll.)

Kategori data: sekundar/primar; data sindiket; Kategori data: sekundar/primar; data sindiket; kecerdikan pasaran.kecerdikan pasaran.

Kaedah pengumpulan: Cara memperoleh data.Kaedah pengumpulan: Cara memperoleh data.


Jenis-Jenis DataJenis-Jenis Data Data umum:Data umum: Biasanya dikumpul meliputi Biasanya dikumpul meliputi

peringkat nasional, negeri, daerah, perjiranan, peringkat nasional, negeri, daerah, perjiranan, dsb.dsb.

Data khusus: Biasanya dikumpul berkaitan Data khusus: Biasanya dikumpul berkaitan dengan tapak, pemilikan, ciri-ciri harta tanah, dengan tapak, pemilikan, ciri-ciri harta tanah, dsb.dsb.

Data perbandingan: Biasanya berkaitan dengan Data perbandingan: Biasanya berkaitan dengan transaksi, kos, hasil, sewa, nilai harta tanah transaksi, kos, hasil, sewa, nilai harta tanah sebanding, dsb.sebanding, dsb.


Data UmumJenis Contoh pembolehubah / Data

Data tren Kitaran perniagaan, economi, opsyen pembiayaan, penduduk, tingkat harga, kos bangunan, kuasa beli, kadar cukai.

Faktor-faktor fizikal Lokasi; saiz, topografi, rupa bentuk, bentuk/saiz lot, corak jalan, keadaan tanah-tanih dan endopedon, saliran, bencana, iklim, utiliti, kacau-ganggu, konformiti pembaikan, kedekatan fasiliti penyokong.

Faktor-faktor ekonomi Penduduk, keseimbangan guna tanah, tanah kosong, pembinaan baru, tingkat harga dan sewa, kadar kekosongan, sikap si pemberi hutang, kos utiliti, kadar insuran, tingkat gaji, sistem pengangkutan.

Faktor-faktor kerajaan Khidmat PBT, perancangan dan pengezonan, kod bangunan, peraturan pembangunan, cukai, kadaran.

Faktor-faktor sosial Kepadatan penduduk, kadar jenayah, tingkat pendapatan, penawaran buruh dan kemahiran, aktiviti-aktiviti budaya.


Data KhususJenis Contoh pembolehubah / Data

Data pemilikan Identiti pemilik, jenis harta & pegangan, alamat, esmen, pencerobohan, pengezonan, nilai & taksiran cukai, sekatan milik, bebanan, dll.

Maklumat tapak(tanah & bangunan)

Maklumat ”situs” (saiz, bentuk, topografi, lokasi tanah), curbs, saiz bangunan, kedudukan & orientasi bangunan, lapikan, lorong pejalan,

kemudah sampaian, kekosongan, kumbahan, utiliti, pergerakan, dll.

Maklumat pemajuan

Jumlah pegangan, saiz, kualiti dan keadaan bangunan dan pemajuan fizikal, susun atur, gaya, dan reka bentuk, kegunaan semasa, kekosongan,

dll.


Data PerbandinganJenis Contoh pembolehubah / Data

Maklumat tapak, pemilikan, dan pemajuan

Lihat data khusus

Data kos Kos sejarah dari pemaju dan kontraktor, kos pembangunan, dsb.

Data jualan Masa, tarikh, nama & alamat penjual dan pembeli, lokasi, pelarasan bagi perbezaan ciri-ciri harta tanah, harga, sewaan.

Kursus PTK3 2008 Bagi Pegawai W32 Kursus PTK3 2008 Bagi Pegawai W32 JPPHJPPH

99

Penyediaan & Penyenggaraan Data

Model Struktur Sumber Data


- Jenis harta: pertanian, perumahan, perdagangan, perindustrian, dll- Apa jenis data: Primar/sekundar/kedua-dua sekali.- Sumber data: Agensi yang dikenal pasti.- Bagaimana mengumpul: Gunakan instrumen yang sesuai.- Bila: Penjadualan aktiviti!- Siapa: Tentukan pasukan/unit yang bertanggungjawab mengumpul data

Perancangan Penyediaan Data - I


Perancangan Penyediaan Data - II- Berapa: Amaun data, jumlah bajet, dan tempoh pengumpulan data.- Liputan: Tentukan & kenal pasti kawasan kajian.- Lakaran: Pemetaan dan penandaan kawasan kajian.- Fail Kawalan: Gunakan fail kawalan untuk merancang pengumpulan data.- Perisian data: Pilih perisian yang bersesuaian dengan organisasi (e.g. ‘spreadsheet’, GIS, perisian statistik)


Sumber sekundarSumber sekundar

Sumber dalaman (senarai nilaian) Sumber dalaman (senarai nilaian) Penerbitan kerajaan, badan berkanun, dan Penerbitan kerajaan, badan berkanun, dan

swasta swasta Internet, akhbar dan majalahInternet, akhbar dan majalah Pangkalan data komersial (JPPH)Pangkalan data komersial (JPPH) Dokumen penyelidikanDokumen penyelidikan Lain-lainLain-lain


PermerhatianPermerhatian Lebih daripada 30 pendekatan.Lebih daripada 30 pendekatan. Kategori utama, relevan untuk harta Kategori utama, relevan untuk harta

tanah:tanah: . Pemerhatian jangka pendek. Pemerhatian jangka pendek . Teori berlandas (grounded theory). Teori berlandas (grounded theory)


Pemerhatian jangka pendekPemerhatian jangka pendek Berdsarkan pemerhatian direkod. E.g. Taman perumahan paling Berdsarkan pemerhatian direkod. E.g. Taman perumahan paling

kotor; banyak anjing liar; longgokan sampah ‘haram’; kualiti servis kotor; banyak anjing liar; longgokan sampah ‘haram’; kualiti servis angkut sampah; kesesakan lalulintas angkut sampah; kesesakan lalulintas

6-2 tahun atau lebih (Fetterman 1989). 6-2 tahun atau lebih (Fetterman 1989). Kurang 6 bulan Kurang 6 bulan triangulation triangulation Instrumen Instrumen borang pemerhatian, pemantauan, alat rakam, dll borang pemerhatian, pemantauan, alat rakam, dll Paling mudah, murah, dan boleh harapPaling mudah, murah, dan boleh harap Boleh dilakukan secara berkalaBoleh dilakukan secara berkala Berguna untuk pengurusan dalamanBerguna untuk pengurusan dalaman Tiada ‘bias’ subjekTiada ‘bias’ subjek Bergantung kepada ketajaman pemerhatianBergantung kepada ketajaman pemerhatian Tidak dapat menyelami perasaan, persepsi, fikiran, dllTidak dapat menyelami perasaan, persepsi, fikiran, dll


Teori berlandasTeori berlandas Penyelidik mencipta teori dari gelagat subjek.Penyelidik mencipta teori dari gelagat subjek. Teori di“landas“kan pada pengalaman subjek yang Teori di“landas“kan pada pengalaman subjek yang

dapat diperhatikan.dapat diperhatikan. Penyelidik menambahkan tilikan (insight) tentang Penyelidik menambahkan tilikan (insight) tentang

mengapa pengalaman itu berlaku.mengapa pengalaman itu berlaku. Cuba “mencapai teori atau pemahaman Cuba “mencapai teori atau pemahaman

konsepsual menerusi proses langkah undur dan konsepsual menerusi proses langkah undur dan induktif" (Banning 1995).induktif" (Banning 1995).

E.g. mengapa orang tidak membayar cukai?E.g. mengapa orang tidak membayar cukai? mengapa orang kurang menjaga mengapa orang kurang menjaga kebersihan sekitar rumah? kebersihan sekitar rumah?


TemubualTemubual

Mengapa temubualMengapa temubual

Data primer pertimbangan utamaData primer pertimbangan utama Tak dapat data dari sumber sekundarTak dapat data dari sumber sekundar Maklumat ‘personalised’Maklumat ‘personalised’ Kajian kecil-kecilanKajian kecil-kecilan Menyokong data sekundarMenyokong data sekundar


PersediaanPersediaan Penentuan sampel dan respondenPenentuan sampel dan responden Cara temubual (bersemuka? Telefon?)Cara temubual (bersemuka? Telefon?) Penyedaan Penyedaan questionnairequestionnaire Aturan kerja (jadual, tempat, masa, dll) Aturan kerja (jadual, tempat, masa, dll) Peta minda (teknik & komunikasi)Peta minda (teknik & komunikasi)TeknikTeknik Memilih responden layak (qualified respondent)Memilih responden layak (qualified respondent) Cara menghampiri responden (e.g. Kenalkan diri, Cara menghampiri responden (e.g. Kenalkan diri,

minta izin) minta izin)

Temubual Yang Baik


. Pengendalian . Pengendalian questionnaire:questionnaire: Bersahaja dan mod ‘berbual’Bersahaja dan mod ‘berbual’ Permudahkan soalanPermudahkan soalan Soalan open-end/close-endSoalan open-end/close-end Mencatat maklumatMencatat maklumat ‘ ‘Reconstruction’Reconstruction’KomunikasiKomunikasi. Bersopan. Bersopan. Jadi pendengar yang baik. Jadi pendengar yang baik. Beri masa kepada responden. Beri masa kepada responden. Kemahiran berbahasa. Kemahiran berbahasa. Guna ‘body language’. Guna ‘body language’


Langkah-langkah membentuk soal selidikLangkah-langkah membentuk soal selidikPerhalusi masalah dan objektif kajianPerhalusi masalah dan objektif kajian

Nyatakan soalan-soalan khusus berkaitan masalahNyatakan soalan-soalan khusus berkaitan masalah Senaraikan Senaraikan keywordskeywords dari isu-isu atau soalan-soalan dari isu-isu atau soalan-soalan

khusus khusus Cari perkaitan di antara Cari perkaitan di antara keywordskeywords berkenaan. berkenaan. Tujuan:Tujuan: * Mengenal pasti * Mengenal pasti cause-and-effectcause-and-effect sesuatu fenomena sesuatu fenomena * Mengelakkan penindanan fenomena dan perkaitan * Mengelakkan penindanan fenomena dan perkaitan sebab musabab.sebab musabab. * Mengenal pasti * Mengenal pasti questionnaire listquestionnaire list yang menjadi asas yang menjadi asas soalan selidik.soalan selidik. Kenal pasti Kenal pasti cause-and-effectcause-and-effect dari hubungan kait dari hubungan kait keywordskeywords..


Kenal pasti cara pengoperasian masalah. Kenal pasti cara pengoperasian masalah. Langkah-langkah:Langkah-langkah: * Takrifkan konsep-konsep tertentu * Takrifkan konsep-konsep tertentu berdasarkan berdasarkan keywordskeywords.. * Kenal pasti * Kenal pasti variablevariable kajian. kajian. * Ukur * Ukur variablevariable berkenaan. berkenaan. Bina Bina questionnaire tablequestionnaire table dengan mengambil kira dengan mengambil kira cause-and-effectcause-and-effect dan senarai soalan. dan senarai soalan. Bentuk soalan-soalan yang saling berkaitan, Bentuk soalan-soalan yang saling berkaitan, yang menjurus kepada isu-isu atau soalan-yang menjurus kepada isu-isu atau soalan- soalan khusus. Jawapan apa yang dihendaki dari soalan khusus. Jawapan apa yang dihendaki dari soalan?soalan?


Contoh pembentukan soal selidikContoh pembentukan soal selidik • Tajuk kajian – Kesan Kewujudan Kampus Baru UTM, Tajuk kajian – Kesan Kewujudan Kampus Baru UTM, Ke atas Penggunaan Kemudahan Awam di Skudai.Ke atas Penggunaan Kemudahan Awam di Skudai.

• Penyataan masalah: Penghijrahan sesuatu kelompok Penyataan masalah: Penghijrahan sesuatu kelompok manusia dari satu tempat ke tempat lain manusia dari satu tempat ke tempat lain menyebabkan peningkatan dalam permintaan menyebabkan peningkatan dalam permintaan terhadap kemudahan awam di tempat baru itu. terhadap kemudahan awam di tempat baru itu. Dalam konteks kajian ini, satu persoalan timbul, Dalam konteks kajian ini, satu persoalan timbul, sejauh manakah perpindahan kampus UTM dari Jalan sejauh manakah perpindahan kampus UTM dari Jalan Gurney Kuala Lumur ke Skudai menyebabkan Gurney Kuala Lumur ke Skudai menyebabkan pertambahan dalam permintaan terhadap kemudahanpertambahan dalam permintaan terhadap kemudahan awam.awam.


Soalan-soalan khusus:Soalan-soalan khusus:

Apa makna berhijrah/berpindah?Apa makna berhijrah/berpindah? Siapa penghijrah?Siapa penghijrah? Apa itu kemudahan awam?Apa itu kemudahan awam? Bagaimana mengukur DD?Bagaimana mengukur DD? Bagaimana mengukur Bagaimana mengukur


KeywordsKeywords::

Penghijrahan/perpindahanPenghijrahan/perpindahan

Kemudahan awamKemudahan awam

DDDD Sebab-sebab lain?


Perkaitan sebab musabab:Perkaitan sebab musabab:

perpindahan perpindahan kemudahan awam kemudahan awam peningkatan permintaanpeningkatan permintaan

Cara pengoperasian masalah:Cara pengoperasian masalah:

Takrifkan perpindahan/penghijrahan: siapa Takrifkan perpindahan/penghijrahan: siapa dia penghijrah?dia penghijrah? Takrifkan permintaan: apa yang dimaksudkan Takrifkan permintaan: apa yang dimaksudkan dalam kajian?dalam kajian? Takrifkan "kemudahan awam" dan senaraikan.Takrifkan "kemudahan awam" dan senaraikan. Ukur "peningkatan" permintaan: apa Ukur "peningkatan" permintaan: apa pembolehubah yang boleh digunakan? pembolehubah yang boleh digunakan? bagaimana mengukur?bagaimana mengukur?


Takrifan-takrifan:Takrifan-takrifan:

Perpindahan: mencari tempat baru untuk menetap secara Perpindahan: mencari tempat baru untuk menetap secara sementara atau kekal. Istilah"menetap" juga membawa makna sementara atau kekal. Istilah"menetap" juga membawa makna bekerja, belajar, atau lain-lain aktiviti kehidupan.bekerja, belajar, atau lain-lain aktiviti kehidupan. Penghijrah: mereka yang bekerja di UTM (pada tarikh kajian) dan Penghijrah: mereka yang bekerja di UTM (pada tarikh kajian) dan tinggal di luar Skudai sebelum tahun 1985.tinggal di luar Skudai sebelum tahun 1985. Permintaan: untuk tujuan kajian ini, "permintaan" ditakrifkan Permintaan: untuk tujuan kajian ini, "permintaan" ditakrifkan sebagai "penggunaan" sesuatu jenis kemudahan awam.sebagai "penggunaan" sesuatu jenis kemudahan awam.

Kemudahan awam: kemudahan yang disediakan oleh kerajaan Kemudahan awam: kemudahan yang disediakan oleh kerajaan atau swasta untuk kegunaan/kemudahan orang ramai seperti atau swasta untuk kegunaan/kemudahan orang ramai seperti masjid, pejabat pos, bank, dan kedai.masjid, pejabat pos, bank, dan kedai.

Sebelum perpindahan ditakrifkan sebagai masa sebelum 1985.Sebelum perpindahan ditakrifkan sebagai masa sebelum 1985.Selepas perpindahan ditakrifkan sebagai masa selepas 1985.Selepas perpindahan ditakrifkan sebagai masa selepas 1985.


Cara pengukuran Cara pengukuran variablevariable::

"Penggunaan" diukur seperti berikut:"Penggunaan" diukur seperti berikut:

Bilangan jemaah yang bersembahyang di masjidBilangan jemaah yang bersembahyang di masjid sebelum dan sebelum dan selepas perpindahankampus UTM ke Skudai.selepas perpindahankampus UTM ke Skudai.

Bilangan pengguna pejabat posBilangan pengguna pejabat pos sebelum dan selepas sebelum dan selepas perpindahan kampus UTM ke Skudai.perpindahan kampus UTM ke Skudai.

Bilangan pelanggan bankBilangan pelanggan bank sebelum dan selepas perpindahan sebelum dan selepas perpindahan kampus UTM ke Skudai.kampus UTM ke Skudai.

Bilangan pelanggan kedaiBilangan pelanggan kedai sebelum dan selepas perpindahan sebelum dan selepas perpindahan kampus UTM ke Skudai.kampus UTM ke Skudai.


Sebab Senarai soalan KesanPenghijrahan/perpindahan Siapa penghijrah?

Bekerja/belajar di UTM?Tinggal di Skudai sebelum tahun 1986?Selalu bersembahyang di sini?Selalu berurusan di sini?Pelanggan baru bank ini?Pelanggan baru di sini?

Peningkatan penggunaan

MasjidPejabat posBankKedai


Contoh soal selidik:Contoh soal selidik:

Data:Data:11 -- Bekerja/belajar di UTMBekerja/belajar di UTM

Tinggal di Skudai sebelum 1986Tinggal di Skudai sebelum 1986 (4) (4)22 -- Tidak bekerja di UTMTidak bekerja di UTM

Tinggal di Skudai sebelum 1986Tinggal di Skudai sebelum 1986 (16) (16)33 -- Bekerja di UTMBekerja di UTM

Tinggal di luar Skudai sebelum 1986 (20)Tinggal di luar Skudai sebelum 1986 (20)44 -- Tidak bekerja di UTMTidak bekerja di UTM

Tinggal di luar di Skudai sebelum 1986Tinggal di luar di Skudai sebelum 1986 (2) (2)


Keesahan DataKeesahan Data Keesahan Dalaman – Keesahan Dalaman – Berkait dengan soalan-soalan berikut:Berkait dengan soalan-soalan berikut:

Adakah rekabentuk kajian wajar?Adakah rekabentuk kajian wajar? Adakah ia memasukan semua faktor dan perkaitan?Adakah ia memasukan semua faktor dan perkaitan? Adakah Adakah variablevariable bebas telah dikawal untuk mengelak bebas telah dikawal untuk mengelak kemiringan?kemiringan? Adakah rawakan digunakan untuk mengurangkan Adakah rawakan digunakan untuk mengurangkan kemiringan sistematik?kemiringan sistematik?

Keesahan Luaran – Keesahan Luaran – Berkait dengan masalah generalisasi.Berkait dengan masalah generalisasi.

Bolehkah penemuan kajian diaplikasi kepada keadaan Bolehkah penemuan kajian diaplikasi kepada keadaan secara umum?secara umum? Apakah batasan-batasan aplikasi berkenaan?Apakah batasan-batasan aplikasi berkenaan?


Keboleh harapan KajianKeboleh harapan Kajian

Bergantung keapda:Bergantung keapda: . Reka bentuk kajian. Reka bentuk kajian . Keboleh harapan data. Keboleh harapan data . Keesahan kajian. Keesahan kajian * perkaitan pembolehubah* perkaitan pembolehubah * keesahan dalaman* keesahan dalaman * keesahan luaran* keesahan luaran

Penyengaraan DataPenyengaraan Data Dua komponen utama penyenggaraan Dua komponen utama penyenggaraan

data:data: 1. Penyimpanan dalam format & media 1. Penyimpanan dalam format & media yang sesuaiyang sesuai 2. Pengemaskinian (pembetulan, edit, 2. Pengemaskinian (pembetulan, edit, pengarkiban)pengarkiban) Tujuan: mengekalkan kebergunaan dataTujuan: mengekalkan kebergunaan data bagi tujuan-tujuan analisis tertentubagi tujuan-tujuan analisis tertentu



Fail KawalanFail Kawalan Takrif umum: Fail yang mengandungi Takrif umum: Fail yang mengandungi

maklumat “kawalan” untuk menyenggara dan maklumat “kawalan” untuk menyenggara dan mengesahkan integriti sesuatu pangkalan mengesahkan integriti sesuatu pangkalan data.data.

Lebih merupakan istilah “komputer” dalam Lebih merupakan istilah “komputer” dalam pengurusan data.pengurusan data.

Diwujudkan secara manual atau berautomasi.Diwujudkan secara manual atau berautomasi. Bersifat seperti indeks pangkalan data.Bersifat seperti indeks pangkalan data. Tujuan: memudahkan pengurusan data harta Tujuan: memudahkan pengurusan data harta

tanah dari semasa ke semasa.tanah dari semasa ke semasa.


Kandungan Fail KawalanKandungan Fail Kawalan Maklumat kawalan yang dikenal pasti oleh Maklumat kawalan yang dikenal pasti oleh

sesuatu organisasi. Contoh:sesuatu organisasi. Contoh: * Kawasan & kod kawasan* Kawasan & kod kawasan * Tarikh buka fail* Tarikh buka fail * Jenis harta tanah* Jenis harta tanah * Jenis pegangan* Jenis pegangan Mesti mempunyai kriteria tertentu dalam Mesti mempunyai kriteria tertentu dalam

menyediakan fail kawalan.menyediakan fail kawalan.


Kriteria Fail KawalanKriteria Fail Kawalan Unik: Mempunyai label/nama yang unik untuk Unik: Mempunyai label/nama yang unik untuk

kemudahan merujuk. Eg. Identifi unit/kemudahan merujuk. Eg. Identifi unit/ pejabat, jilid, tarikh, kawasan, jenis harta tanah.pejabat, jilid, tarikh, kawasan, jenis harta tanah. Had muatan: Jumlah bilangan kes di dalam satu-satu fail Had muatan: Jumlah bilangan kes di dalam satu-satu fail

perlu dihadkan.perlu dihadkan. Keselamatan: Ciri-ciri & prosedur keselamatan data Keselamatan: Ciri-ciri & prosedur keselamatan data

yang baik.yang baik. Senggaraan: Fail kawalan dan kes-kes selalu dikemas Senggaraan: Fail kawalan dan kes-kes selalu dikemas

kini.kini. Metainfo: Sistem ‘log’ yang memuatkan deskripsi dataMetainfo: Sistem ‘log’ yang memuatkan deskripsi data


Kaedah analisisKaedah analisis

Kuantitatif:Kuantitatif: – – Statistik parametrik (e.g. regressi, korelasi, Statistik parametrik (e.g. regressi, korelasi, anova, dll)anova, dll) – – Statistik bukan parametrik (Statistik bukan parametrik (2, analisis , analisis kontingen, dll)kontingen, dll) Kualitatif – tabulasi, rajah, carta & deskripsi Kualitatif – tabulasi, rajah, carta & deskripsi

Central Tendency - Mean and Mid-pointCentral Tendency - Mean and Mid-point

Let say we have data like this:Let say we have data like this:

Location Min Max

Town A 228 450

Town B 320 430

Price (RM ‘000/unit) of Shop Houses in Skudai

Can you calculate the mean?

Central Tendency - Mean and Mid-point (contd.)Central Tendency - Mean and Mid-point (contd.)

Let calculate as follows:Let calculate as follows:

Town A: (228+450)/2 = 339Town A: (228+450)/2 = 339 Town B: (320+430)/2 = 375Town B: (320+430)/2 = 375

Are these figures means?Are these figures means?

Central Tendency - Mean and Mid-point (contd.)Central Tendency - Mean and Mid-point (contd.)

Let say we have price data as follows:Let say we have price data as follows: Town A: 228, 295, 310, 420, 450Town A: 228, 295, 310, 420, 450 Town B: 320, 295, 310, 400, 430Town B: 320, 295, 310, 400, 430 Calculate the means?Calculate the means? Town A:Town A: Town B:Town B: Are the results same as previously?Are the results same as previously?

Be careful about abuse of statistics!Be careful about abuse of statistics!

Central Tendency–“Mean of Grouped Data”Central Tendency–“Mean of Grouped Data” House rental or prices in the PMR are House rental or prices in the PMR are

frequently tabulated as a range of values. E.g.frequently tabulated as a range of values. E.g.

What is the mean rental across the areas?What is the mean rental across the areas? = 23; = 3317.5 = 23; = 3317.5 Thus, = 3317.5/23 = 144.24Thus, = 3317.5/23 = 144.24

Rental (RM/month) 135-140 140-145 145-150 150-155 155-160

Mid-point value (x) 137.5 142.5 147.5 152.5 157.5

Number of Taman (f) 5 9 6 2 1

fx 687.5 1282.5 885.0 305.0 157.5

Central Tendency – “Median”Central Tendency – “Median” Let say house rentals in a particular town are tabulated Let say house rentals in a particular town are tabulated

as follows:as follows:

Calculation of “median” rental needs a graphical aids→Calculation of “median” rental needs a graphical aids→

Rental (RM/month) 130-135 135-140 140-145 155-50 150-155

Number of Taman (f) 3 5 9 6 2

Rental (RM/month) >135 > 140 > 145 > 150 > 155

Cumulative frequency 3 8 17 23 25

1. Median = (n+1)/2 = (25+1)/2 =13th. Taman

2. (i.e. between 10 – 15 points on the vertical axis of ogive).

3. Corresponds to RM 140-145/month on the horizontal axis

4. There are (17-8) = 9 Taman in the range of RM 140-145/month

5. Taman 13th. is 5th. out of the 9 Taman6. The rental interval width is 57. Therefore, the median rental can be calculated as: 140 + (5/9 x 5) = RM 142.8

Central Tendency – “Median” (contd.)Central Tendency – “Median” (contd.)

Central Tendency – “Quartiles” (contd.)Central Tendency – “Quartiles” (contd.)

Upper quartile = ¾(n+1) = 19.5th. TamanUQ = 145 + (3/7 x 5) = RM 147.1/monthLower quartile = (n+1)/4 = 26/4 = 6.5 th. TamanLQ = 135 + (3.5/5 x 5) = RM138.5/monthInter-quartile = UQ – LQ = 147.1 – 138.5 = 8.6th. TamanIQ = 138.5 + (4/5 x 5) = RM 142.5/month

Following the same process as in calculating “median”:

““Variability”Variability” Indicates dispersion, spread, variation, Indicates dispersion, spread, variation,

deviationdeviation For single population or sample data:For single population or sample data:

where where σσ22 and s and s22 = population and sample variance respectively, x = population and sample variance respectively, xii = individual observations, = individual observations, μμ = population mean, = sample = population mean, = sample mean, and n = total number of individual observations.mean, and n = total number of individual observations.

The square roots are:The square roots are:

standard deviation standard deviationstandard deviation standard deviation

““Variability” (contd.)Variability” (contd.) Why “measure of dispersion” important?Why “measure of dispersion” important? Consider returns from two categories of shares:Consider returns from two categories of shares: * Shares A (%) = {1.8, 1.9, 2.0, 2.1, 3.6}* Shares A (%) = {1.8, 1.9, 2.0, 2.1, 3.6} * Shares B (%) = {1.0, 1.5, 2.0, 3.0, 3.9}* Shares B (%) = {1.0, 1.5, 2.0, 3.0, 3.9} Mean A = mean B = 2.28%Mean A = mean B = 2.28% But, different variability!But, different variability! Var(A) = 0.557, Var(B) = 1.367Var(A) = 0.557, Var(B) = 1.367

* Would you invest in category A shares or * Would you invest in category A shares or category B shares?category B shares?

““Variability” (contd.)Variability” (contd.)

Coefficient of variation – COV – std. deviation Coefficient of variation – COV – std. deviation as % of the mean:as % of the mean:

Could be a better measure compared to std. Could be a better measure compared to std. dev.dev.

COV(A) = 32.73%, COV(B) = 51.28%COV(A) = 32.73%, COV(B) = 51.28%

““Variability” (contd.)Variability” (contd.) Std. dev. of a frequency distribution Std. dev. of a frequency distribution The following table shows the age distribution of second-time home The following table shows the age distribution of second-time home

buyers:buyers:

x^

““Probability Distribution”Probability Distribution” Defined as of probability density function (pdf).Defined as of probability density function (pdf). Many types: Z, t, F, gamma, etc.Many types: Z, t, F, gamma, etc. ““God-given” nature of the real world event.God-given” nature of the real world event. General form:General form:

E.g.E.g.

(continuous)(discrete)

““Probability Distribution” (contd.)Probability Distribution” (contd.)

Dice1Dice2 1 2 3 4 5 6

1 2 3 4 5 6 72 3 4 5 6 7 83 4 5 6 7 8 94 5 6 7 8 9 10

5 6 7 8 9 10 11

6 7 8 9 10 11 12


Values of x are discrete (discontinuous)

Sum of lengths of vertical bars p(X=x) = 1 all x

Discrete values

Discrete values


2.00 3.00 4.00 5.00 6.00 7.00

Rental (RM/ sq.ft.)

0

2

4

6

8

Freq

uenc

y

Mean = 4.0628Std. Dev. = 1.70319N = 32

▪ Many real world phenomena take a form of continuous random variable

▪ Can take any values between two limits (e.g. income, age, weight, price, rental, etc.)


P(Rental = RM 8) = 0 P(Rental < RM 3.00) = 0.206 P(Rental < RM7) = 0.972 P(Rental RM 4.00) = 0.544P(Rental 7) = 0.028 P(Rental < RM 2.00) = 0.053

““Probability Distribution” (contd.)Probability Distribution” (contd.) Ideal distribution of such phenomena:Ideal distribution of such phenomena:

* Bell-shaped, symmetrical* Bell-shaped, symmetrical

* Has a function of * Has a function of

μ = mean of variable x

σ = std. dev. of x

π = ratio of circumference of a

circle to its diameter = 3.14

e = base of natural log = 2.71828

““Probability distribution” Probability distribution”

μ ± 1σ = ? = ____% from total observation μ ± 2σ = ? = ____% from total observation μ ± 3σ = ? = ____% from total observation

““Probability distribution”Probability distribution”

* Has the following distribution of observation

““Probability distribution”Probability distribution” There are various other types and/or shapes of There are various other types and/or shapes of

distribution. E.g.distribution. E.g.

Not “ideally” shaped like the previous one Not “ideally” shaped like the previous one

Note: p(AGE=age) ≠ 1How to turn this graph into a probability distribution function (p.d.f.)?

““Z-Distribution”Z-Distribution” (X=x) is given by area under curve(X=x) is given by area under curve Has no standard algebraic method of integration → Z ~ N(0,1)Has no standard algebraic method of integration → Z ~ N(0,1) It is called “normal distribution” (ND)It is called “normal distribution” (ND) Standard reference/approximation of other distributions. Since Standard reference/approximation of other distributions. Since

there are various f(x) forming NDs, SND is neededthere are various f(x) forming NDs, SND is needed To transform f(x) into f(z):To transform f(x) into f(z): x - µx - µ Z = --------- ~ N(0, 1)Z = --------- ~ N(0, 1) σσ 160 –155160 –155 E.g. Z = ------------- = 0.926E.g. Z = ------------- = 0.926 5.45.4

Probability is such a way that:Probability is such a way that: * Approx. 68% -1< z <1* Approx. 68% -1< z <1 * Approx. 95% -1.96 < z < 1.96* Approx. 95% -1.96 < z < 1.96 * Approx. 99% -2.58 < z < 2.58* Approx. 99% -2.58 < z < 2.58

““Z-distribution” (contd.)Z-distribution” (contd.)

When X= When X= μμ, Z = 0, i.e., Z = 0, i.e.

When X = When X = μμ + + σσ, Z = 1, Z = 1 When X = When X = μμ + 2 + 2σσ, Z = 2, Z = 2 When X = When X = μμ + 3 + 3σσ, Z = 3 and so on., Z = 3 and so on. It can be proven that P(XIt can be proven that P(X11 <X< X <X< Xkk) = P(Z) = P(Z11 <Z< Z <Z< Zkk)) SND shows the SND shows the probability to the rightprobability to the right of any of any

particular value of Z.particular value of Z. Example

Normal distribution…QuestionsNormal distribution…Questions

Your sample found that the mean price of “affordable” homes in Johor Your sample found that the mean price of “affordable” homes in Johor Bahru, Y, is RM 155,000 with a variance of RM 3.8x10Bahru, Y, is RM 155,000 with a variance of RM 3.8x1077. On the basis of . On the basis of

a a normalitynormality assumption, how sure are you that: assumption, how sure are you that:

(a)(a) The mean price is really ≤ RM 160,000The mean price is really ≤ RM 160,000(b)(b) The mean price is between RM 145,000 and 160,000The mean price is between RM 145,000 and 160,000

Answer (a):Answer (a): P(Y ≤ 160,000) = P(Z ≤ ---------------------------)P(Y ≤ 160,000) = P(Z ≤ ---------------------------) = P(Z ≤ 0.811)= P(Z ≤ 0.811) = 0.1867= 0.1867Using , the required probability is:Using , the required probability is: 1-0.1867 = 0.81331-0.1867 = 0.8133 Always remember: to convert to SND, subtract the mean and divide by the std. dev.

160,000 -155,000 3.8x107

Z-table


Answer (b):Answer (b):

ZZ11 = ------ = ---------------- = -1.622 = ------ = ---------------- = -1.622

ZZ22 = ------ = ---------------- = 0.811 = ------ = ---------------- = 0.811

P(ZP(Z11<-1.622)=0.0455; P(Z<-1.622)=0.0455; P(Z22>0.811)=0.1867>0.811)=0.1867P(145,000<Z<160,000)P(145,000<Z<160,000) = P(1-(0.0455+0.1867)= P(1-(0.0455+0.1867) = 0.7678= 0.7678

X1 - μσ

145,000 – 155,000 3.8x107

X2 - μσ

160,000 – 155,000 3.8x107


You are told by a property consultant that the You are told by a property consultant that the average rental for a shop house in Johor Bahru is average rental for a shop house in Johor Bahru is RM 3.20 per sq. After searching, you discovered RM 3.20 per sq. After searching, you discovered the following rental data:the following rental data:

2.20, 3.00, 2.00, 2.50, 3.50,3.20, 2.60, 2.00, 2.20, 3.00, 2.00, 2.50, 3.50,3.20, 2.60, 2.00, 3.10, 2.703.10, 2.70 What is the probability that the rental is greater What is the probability that the rental is greater than RM 3.00? than RM 3.00?

““Student’s t-Distribution”Student’s t-Distribution”

Similar to Z-distribution:Similar to Z-distribution: * t(0,* t(0,σσ) but ) but σσn→∞n→∞→1→1 * -∞ < t < +∞* -∞ < t < +∞ * Flatter with thicker tails* Flatter with thicker tails * As * As n→∞ n→∞ t(0,t(0,σσ) → N(0,1)) → N(0,1) * Has a function of * Has a function of where where =gamma distribution; v=n-1=d.o.f; =gamma distribution; v=n-1=d.o.f; =3.147=3.147 * Probability calculation requires information on * Probability calculation requires information on d.o.f.d.o.f.

http://en.wikipedia.org/wiki/Image:T_distribution_30df.png


Suatu bidang yang luas yang berkaitan dengan Suatu bidang yang luas yang berkaitan dengan teknologi dan segala aspek pengurusan maklumat.teknologi dan segala aspek pengurusan maklumat.

Suatu sistem teknologi untuk menyimpan, memperoleh semula, memanipulasi, dan menghantar atau menerima maklumat secara elektronik dalam bentuk digital.

Satu sub-set kepada Sistem Pengurusan Maklumat, i.e. Satu sub-set kepada Sistem Pengurusan Maklumat, i.e. ICT ICT MIS. MIS.

Biasanya berasaskan suatu sistem komputer.Biasanya berasaskan suatu sistem komputer. Suatu ikon pemodenan dalam sesuatu oraganisasi.Suatu ikon pemodenan dalam sesuatu oraganisasi. Wujud dalam hampir semua organisasi.Wujud dalam hampir semua organisasi.

Konsep ICT


Secara umum penggunaan ICT bertujuan Secara umum penggunaan ICT bertujuan untuk:untuk:

* Mempercepatkan kerja* Mempercepatkan kerja * Meningkatkan ketepatan data & analisis* Meningkatkan ketepatan data & analisis * Meningkatkan keboleh lenturan sistem * Meningkatkan keboleh lenturan sistem kerjakerja * Meningkatkan kecekapan* Meningkatkan kecekapan * Meningkatkan keberkesanan kos* Meningkatkan keberkesanan kos


Dua kategori ICT:Dua kategori ICT: Teknologi berasaskan komputer yang Teknologi berasaskan komputer yang

biasa (tradisional)biasa (tradisional) Teknologi perhubungan digital Teknologi perhubungan digital

(mutakhir)(mutakhir)


Examples of ICT - SoftwareType E.g. software Main functionsPangkalan data Oracle, Microsoft SQL Oracle, Microsoft SQL

Server, Access, Excel, Server, Access, Excel, DBaseDBase

Pengurusan dataPengurusan data

Computer Drawing AutoCAD,GISAutoCAD,GIS Reka bentuk pangkalan Reka bentuk pangkalan data & grafikdata & grafik

Pemetaan ArcInfo, MapInfo, Genasys, ArcInfo, MapInfo, Genasys, Pengurusan data ruang Pengurusan data ruang dan bukan ruangdan bukan ruang

Grafik Adobe, Macromedia Adobe, Macromedia Image creation and editing Image creation and editing Analisis statistik SPSS, SAS, Matlab, SPSS, SAS, Matlab,

Genstat, Shazam, Excel, Genstat, Shazam, Excel, Lotus 123, Quattro Pro, Lotus 123, Quattro Pro,

Analisis data & pelaporanAnalisis data & pelaporan

Penerbitan & persembahan

Adobe In-design, Quark Adobe In-design, Quark Express, Microsoft Express, Microsoft Publisher, Powerpoint Publisher, Powerpoint

Pendokumenan teks dan Pendokumenan teks dan grafikgrafik


Digital data

Maps and Plans

Paper files

Photogrammetry

Remote Sensing Field survey

Interviews

Data

Data

Data

Data

GIS

Examples of ICT - Hardware


1. Property & sales information (e.g. VNZDB & Land sales)

2. Cadastral information (DCDB, Land resource)

3. Other general data

Simple integration of valuation data

A Geographic Information System is used as mapping and data management platform

Joining of:

Other data analysis supports (e.g. regression analysis) are created using some specialised software


Files1 QUC, assessment roll (ASCII)2 QUC, transaction file (ASCII)3 Canada, census file (ASCII)

4 Quebec, regional municipalities (ATLAS)

5 Quebec, metro areal, census tracts (ATLAS)

SoftwareA SAS

B QUATTRO PRO C dBASE IV

D CARTIERE LAMBERT

6 QUC, municipalities (PAPER) 7 QUC, main roads (PAPER)

8 QUC, streets (PAPER) 9 QUC, enumeration areals (PAPER)

10 Quebec topographic map (SIF, ASCII)

F ATLAS*DRAWG ATLAS*GRAPHICS

H MapInfoI SURFER

J IDRISI


Sistem maklumat pengurusan harta tanah


Contoh Kes KajianContoh Kes Kajian Rekabentuk Pangkalan Data untuk Kajian

Demografi di Bandar George Town http://www.hbp.usm.my/Thesis/HeritageDB/hbp.htm

MM MM mm

http://www.hbp.usm.my/Thesis/HeritageDB/hbp.htm

Kursus PTK3 2008 Bagi Pegawai W32 Kursus PTK3 2008 Bagi Pegawai W32 JPPHJPPH

7373

Soalan-Soalan (PTK 1 – W41):1. Bincangkan konsep keesahan dalam dan keesahan luaran dalam

penyelidikan harta tanah. Bagaimanakah analisis data boleh mempengaruhi kedua-dua jenis keesahan ini?

2. Dengan memberi contoh-contoh yang sesuai, bincangkan tiga ukuran serakan yang utama dalam sesuatu data sampel. Apakah kaitan di antara ketiga-tiga ukuran ini.

3. Dengan merujuk kepada penilaian atau pengurusan harta tanah, bincangkan secara umum, langkah-langkah dalm penyediaan dan penyenggaraan data perbandingan.

fasilitator: prof. madya dr. abdul hamid b. hj. mar iman murshid pusat kajian ‘real estate’

Documents