RIS

SEMESTER 1 SESI 2010/2011

KOD & NAMA KURSUS

KRM 3043

ASAS PENGURUSAN DATA

TUGASAN 1

Group UPSI02(A141PJJ)

DISEDIAKAN OLEH

NAMA NO. ID NO. TELEFON

MUHAMAD RIZAL BIN ARIFFIN D20102041699 019-6331610

NAMA TUTOR E-LEARNING : DR. MOHD. FAIZAL NIZAM LEE

BIN ABDULLAH

TARIKH SERAH : 09 OKTOBER 2014

1

ISI KANDUNGAN

BIL KANDUNGAN MUKA SURAT

1 Pengenalan 3

2 Pengumpulan dan Pengurusan Data 5

3 Perwakilan Data 8

4 Sukatan Kecenderungan Memusat 11

5 Sukatan Serakan 13

6 Kesimpulan 15

7 Rujukan 17

2

PENGENALAN

Pengajaran dan pembelajaran dalam matematik berbeza dengan mata pelajaran

lain.Di samping kemahiran mengira yang melibatkan daya pemikiran dan kreativiti yang

tinggi, ianya juga memerlukan kefahaman sesuatu konsep dengan tepat dan menyeluruh

(NCTM, 1980; Cockroft, 1986; Nik Azis, 1992; Tg. Zawawi, 1997a). Setiap pendidik

matematik mestilah bertanggungjawab untuk memiliki dan mengekalkan

ketrampilan(competence) dalam melaksanakan proses pengajaran dan pembelajaran dengan

mengambil kira keperluan dan tahap pencapaian para pelajar (NCTM, 1980).Pelbagai

kesukaran dapat ditimbul dalam kalangan murid-murid semasa seseorang guru

mengendalikan P&P terutamanya sewaktu matapelajaran Matematik diajar. Matematik

sering dikatakan sebagai salah satu mata pelajaran yang dianggap sukar oleh murid-murid.

Miskonsepsi adalah satu daripada masalah yang sering dihadapi oleh murid dalam

pembelajaran matematik dan sering menjadi penghalang kepada mereka untuk memahami

konsep-konsep matematik yang berkaitan dengan konsep yang disalah tafsirkan oleh

mereka. Sebahagian murid tergolong dalam lemah matematik mungkin disebabkan oleh

kurang mahir membaca, menulis, melakukan latihan pengiraan dan bercakap. Dalam

matematik, masalah ini akan lebih ketara dengan adanya istilah matematik yang mana

sebahagiannya daripada mereka yang belum pernah mendengar dan lupa istilah yang

diberikan.

Konsep matematik murid perlu diperkenalkan dengan pelbagai bentuk, kaedah dan

pendekatan. Murid perlu diperkenalkan dengan beberapa contoh yang konkrit. Robert Gagne

iaitu seorang professor dan ahli psikologi mengatakan bahawa, pembelajaran konsep

matematik yang berkesan memerlukan beberapa teknik penyampaian iaitu :

i. Memberi berbagai-bagai contoh konkrit untuk membuat generalisasi.

ii. Memberi contoh yang berbeza tetapi berkaitan supaya dapat membuat perbezaan.

iii. Memberi contoh-contoh yang tidak ada kaitan dengan konsep yang diajarkan untuk

membuat perbezaan dan generalisasi.

iv. Memberi pelbagai jenis contoh matematik untuk memperolehi konsep matematik

yang tepat.

3

Begitulah antara pendekatan yang perlu kita gunakan bagi mengatasi masalah

miskonsepsi, sama ada ia disebabkan oleh kecuaian mahupun kesukaran murid memahami

sesuatu konsep, guru masing-masing perlu memikirkan pendekatan yang sesuai untuk murid

yang mempunyai pelbagai aras pembelajaran. Guru yang prihatin adalah mereka yang

berusaha membimbing murid mengikut perbezaan aras kecerdasan. Beberapa kajian yang

telah dijalankan oleh ahli psikologi, pakar matematik dan guru matematik menunjukkan ada

pelbagai sebab murid melakukan kesilapan dalam pengiraan bahagi. Sesuatu kemahiran yang

hendak diajar kepada murid perlulah diterangkan konsep disebaliknya.

Contohnya, marilah kita melihat beberapa kesukaran yang dihadapi oleh murid-

murid berpunca daripada miskonsepsi yang dapat dikesan semasa murid-murid belajar dan

menjawab soalan yang berkaitan dengan pembelajaran tajuk Pengumpulan & Pengurusan

Data, Perwakilan Data, Sukatan Kecenderungan Memusat, Sukatan Serakan.

4

PENGUMPULAN & PENGURUSAN DATA

Dalam pengumpulan dan pengurusan data, miskonsepsi yang sering berlaku di kalangan

murid ialah semasa hendak mengenalpasti jenis-jenis pembolehubah atau data yang terlibat.

Penggunaan istilah-istilah khusus berkaitan pembolehubah dan data seperti  pembolehubah

kualitatif, pembolehubah kuantitatif, data kuantitatif dan data kualitatif  boleh mengelirukan

murid.

Pembolehubah adalah ciri ahli-ahli populasi yang dikaji. Contoh pembolehubah yang

mengukur ciri populasi adalah umur, pendapatan, berat badan, jantina, taraf perkahwinan,

jumlah harta yang dimiliki dan sebagainya. Pembolehubah kualitatif merupakan  satu

pembolehubah yang tidak dinyatakan dalam bentuk nombor. Contohnya  jantina, keturunan

seseorang, taraf pendidikan, gred getah, gred koko dan lain-lain. Pembolehubah Kuantitatif

pula merupakan pembolehubah yang dinyatakan dalam bentuk nombor, contohnya adalah

tinggi, berat badan seseorang, jumlah pendapatan bulanan, bilangan kereta yang

menggunakan kereta di lebuhraya dan sebagainya. Pembolehubah kuantitatif pula boleh

dibahagikan kepada dua kategori iaitu pembolehubah kuantitatif diskret dan pembolehubah

kuantitatif selanjar. Murid dikesan keliru untuk membezakan dan menentukan

pembolehubah-pembolehubah tersebut.

Bagi mengatasi miskonsepsi atau kesukaran untuk mengenalpasti jenis-jenis pembole-

hubah dan data, guru hendaklah menerangkan dengan jelas supaya murid tidak keliru. Peng-

gunaan peta minda bagi memperjelaskan konsep dan membezakan jenis-jenis pembolehubah

serta data boleh digunakan. Murid boleh melihat makna, jenis dan contoh serta membezakan-

nya dengan jelas.

DATAMaklumat yang diperolehi melalui pemerhatian ke atas nilai-nilai satu pembolehubah

PEMBOLEHUBAH

Satu ciri yang berbeza antara seseorang atau sesuatu benda yang lain

5

JENIS-JENIS PEMBOLEHUBAH DAN DATA

PEMBOLEHUBAH KUALITATIF

tidak dinyatakan dalam bentuk nombor.

Contoh: jantina, keturunan, gred dan taraf pendidikan.

PEMBOLEHUBAH KUANTITATIF

dinyatakan dalam bentuk nombor.

Contoh: tinggi, berat,bil. kereta dan jumlah pendapatan.

SELANJAR

Tinggi orang, berat, halaju.

(nilai dalam satu julat)

DISKRET

Bil. Kereta, bil. Murid, bil. Ahli keluarga.

(boleh dibilang)

Guru juga perlu mengingatkan murid yang bukan semua nombor/angka adalah data

kuantitatif kerana ada juga data tidak memberikan makna apabila mencari nilai min nombor

tersebut atau disusun mengikut turutan nombor. Contohnya nombor pekerja atau nombor

matriks pelajar.

Contoh: D 0 5 3 4 9 6 - nombor ini tidak memberikan sebarang makna jika mencari

nilai min nombor tersebut ataupun apabila disusun mengikut

urutan nombor.

Guru juga boleh memberikan latihan yang pelbagai yang ada data-data dan pembolehubah

yang berbeza bagi memberikan pemahaman yang lebih jelas supaya murid boleh

membezakan jenis-jenis data dan pembolehubah.

Contoh : 1. Cikgu Zana telah mengukur tinggi dan berat murid-murid kelas tahun 1.

6

Data : Kuantitatif iaitu data selanjar kerana data tinggi dan berat diperolehi dengan

memerhati nilai pembolehubah ‘tinggi dan berat’.

Contoh : 2. Petugas SPR telah membuat bancian pengundi di Malaysia 5 tahun sekali.

Data : Kuantitatif iaitu data diskret kerana data diperoleh dengan memerhati nilai

pembolehubah ‘bilangan pengundi di Malaysia’.

Data yang banyak dan tidak teratur perlu dikumpulkan supaya lebih mudah difahami.

Oleh itu, pengumpulan data mengikut kelas-kelas akan memudahkan pemahaman murid.

Namun, miskonsepsi juga sering berlaku berkaitan selang kelas.

Bagi suatu kumpulan data yang besar, selang kelas perlu digunakan bagi

menguruskan data. Ada murid yang tidak tahu cara untuk mendapatkan selang kelas.

Kebiasaannya selang kelas yang mudah ialah 10. Murid-murid selalu beranggapan yang

selang kelas dimulakan dengan 0 bagi selang kelas yang pertama. Selain itu, ada juga murid

yang memasukkan satu data ke dalam lebih daripada satu kelas.

Contoh : 10-20, 20-30, 30-40

Jika 20 diambil sebagai satu data, selang kelas yang manakah 20 akan dimasukkan?

Ini adalah satu miskonsepsi yang perlu diperbetulkan kerana akan mempengaruhi statistik

yang mengelirukan.

Bagi mengatasi miskonsepsi berkaitan selang kelas, guru perlulah menerangkan

tatacara untuk mengumpulkan data ke dalam bentuk jadual mengikut kategori-kategori

tertentu atau kelas-kelas tertentu bagi memudahkan pemahaman murid. Tegaskan kepada

murid, selang kelas yang mudah digunakan ialah saiz 10. Manakala bagi mencari selang kelas

pertama dengan tepat, guru perlulah mengaitkannya dengan menggunakan data minimum

yang diberikan dalam suatu set data serta mengaitkan data maksimum bagi mencari selang

kelas yang terakhir dengan betul.

Guru boleh membimbing murid dan bertindak sebagai fasilitator bagi menjalankan

aktiviti membina jadual kekerapan dalam kumpulan. Murid boleh diberikan set soalan latihan

yang pelbagai sebagai latih tubi untuk mengira selang kelas bagi memberikan kefahaman

yang jelas berkaitan penentuan kelas-kelas atau selang kelas bagi suatu set data. Guru

perlulah sentiasa membimbing murid.

7

PERWAKILAN DATA

Dalam perwakilan data terdapat pelbagai peringkat yang merangkumi peringkat

mengumpul, mengurus, mewakilkan data, membuat analisa dan menginterpretasikan data

kepada bentuk yang lebih mudah difahami secara visual seperti carta dan graf. Dalam bahasa

mudah, setelah semua data diperolehi, ia akan dipersembahkan ke dalam bentuk yang mudah

ditafsirkan oleh pengguna seperti carta dan graf.

Terdapat pelbagai bentuk carta dan graf yang digunakan dalam persembahan statistik

iaitu piktogram, carta bar, carta palang, graf garisan, histogram dan lain-lain. Semasa

menginterpretasikan data ke dalam bentuk carta dan graf inilah banyak berlaku miskonsepsi

di kalangan murid.

Antara miskonsepsi yang sering berlaku dalam perwakilan data ialah perwakilan

secara simbol dan gambar. Penggunaan simbol dan gambar dengan sebahagian atau pecahan

dan bilangan item kerapkali memberikan interpretasi yang salah kepada murid. Kesilapan ini

akan mempengaruhi jawapan murid.

Contohnya interpretasi yang salah berkaitan piktogram. Piktogram ialah satu bentuk

paparan data bergambar khas untuk data kuantitatif seperti data diskret dan data selanjar.

Setiap palang dalam histogram bercantum pada sempadan kelas antara satu sama lain.

Piktogram ialah perwakilan data yang paling mudah dan ia menggunakan gambarajah yang

diwakili oleh siri simbol yang piawai (sama nilai). Di dalam piktogram, data yang

ditunjukkan atau diwakilkan berbentuk simbol atau gambar.

Kesilapan sering berlaku apabila simbol atau ruang dilukis secara tidak sekata,

berbeza saiz dan ruang di antara simbol dan tidak kemas. Ini menyebabkan murid tersalah

kira bilangan perwakilan simbol. Tambahan pula, jika murid yang selalu mengambil jalan

mudah mengira perwakilan simbol dengan hanya memerhati ruang di antara simbol

kemudian membuat anggaran bilangan simbol pada baris yang berikutnya tanpa melihat

dengan teliti.

Bagi mengatasinya, guru berperanan untuk menjelaskan cara-cara menginterpretasi

piktogram dengan betul langkah demi langkah. Murid-murid juga hendaklah selalu

8

diingatkan agar meneliti setiap perwakilan simbol dan sentiasa merujuk kekunci yang diberi.

Gunakan contoh yang jelas supaya murid dapat memperkembangkan kemahiran melukis

simbol dengan betul dan mewakili data dengan tepat. Guru boleh membimbing murid

menggunakan teknologi seperti perisian komputer sebagai pengayaan.

Di samping itu, miskonsepsi yang sering berlaku dalam topik piktogram ini adalah

kesilapan menginterpretasi data yang melibatkan simbol atau gambar yang diwakili

sebahagian(pecahan) bilangan item. Murid yang lemah dalam penguasaan fakta asas akan

menghadapi kesukaran mengira jumlah bilangan perwakilan simbol. Oleh yang demikian,

cara mengatasi kesukaran ini guru bolehlah menggalakkan murid mengira bilangan

perwakilan hanya dengan fakta asas sahaja tanpa melibatkan operasi pecahan.

Terdapat juga miskonsepsi yang berlaku berkaitan carta palang. Carta palang ialah

graf khas yang menggunakan palang atau bar untuk menunjukkan saiz data terutamanya bagi

data kualitatif. Dalam carta palang menegak, palang-palang yang menegak dari bawah ke atas

digunakan manakala bagi carta palang melintang, palang-palang dilukis dari kiri ke

kanan.Jika terdapat perbezaan di antara subkategori, carta palang berganda akan digunakan.

Antara perkara penting yang perlu dititikberatkan dalam graf palang ialah tajuk dan tujuan

graf tersebut, paksi-paksi yang mewakili label palang dan bilangan item di setiap palang serta

skala yang diberikan. Namun, ada juga graf palang yang boleh mengelirukan sekiranya tidak

dibina dengan betul. Miskonsepsi boleh berlaku berkaitan dengan skala pada paksi yang

dibina tidak bermula dengan 0 dan selang nombor yang tidak sesuai.

Antara perkara penting yang perlu dititikberatkan dalam graf palang ialah

tajuk dan tujuan graf tersebut, paksi-paksi yang mewakili label palang dan bilangan item

di setiap palang serta skala yang diberikan. Namun, ada juga graf palang yang boleh

mengelirukan sekiranya tidak dibina dengan betul. Miskonsepsi boleh berlaku berkaitan

dengan skala pada paksi yang dibina tidak bermula dengan 0 dan selang nombor yang tidak

sesuai.

Bagi mengatasi masalah tersebut guru boleh menunjukkan cara untuk membina garaf

palang yang betul dan sempurna. Guru boleh mengguanakan cara yang kreatif. Contohnya

boleh memuat turun video mengenai cara membina graf palang daripada internet dan mem-

inta murid melihat dengan teliti akan langkah-langkah yang ditunjukkan. Terdapat pelbagai

video berkaitan dengan graf palang di Laman Web www.youtube.com.

9

CONTOH GRAF

GRAF PALANG

GRAF PALANG MENGUFUK

10

         SUKATAN KECENDERUNGAN MEMUSAT

Sukatan Kecenderungan Memusat  adalah ukuran purata yang menunjukkan ukuran pusat sesuatu taburan data. Sukatan kecenderungan memusat menghasilkan maklumat yang berkaitan dengan titik tengah pada sesuatu kumpulan nombor. Sukatan kecenderungan memusat boleh dikira bagi data tak terkumpul dan juga data terkumpul.

Terdapat tiga pengukuran statistik yang digunakan bagi sukatan kecenderungan memusat iaitu min, median dan mod.

Min ialah purata satu kumpulan data dan dikira dengan menjumlahkan semua nombor

dan membahagikannya dengan bilangan nombor tersebut. Min populasi ditandakan den-

gan huruf mu (Σ). Min sampel ditandakan dengan (X). N adalah bilangan nombor didalam

populasi. n adalah bilangan nombor didalam sampel.

Contoh pengiraan min

ialah: Data: 14, 10, 8,

16

Min = (14+10+8+16) / 4

Min = 12

Mod ialah nilai atau fakta yang paling berulang dalam set data itu. Jika terdapat dua

atau lebih data yang tidak mempunyai kekerapan tertinggi, maka terdapat lebih mod

bagi set data tersebut. Sebaliknya, jika setiap data mempunyai kekerapan yang

sama, maka set data tersebut tidak mempunyai mod.

Median ialah titik tengah sesuatu kumpulan nombor yang disusun secara menaik.

Jika bilangan data adalah ganjil, median ialah nombor yang ditengah. Jika bi-

langan data adalah genap, median ialah purata dua nombor yang terletak ditengah-

tengah.

11

Contoh pengiraan median

ialah: Data: 5, 3, 10, 7,  12

Susun semula secara menaik

3,  5, 7, 10, 12

Jika bilangan data adalah genap, median ialah purata dua nombor yang terletak di ten-

gah- tengah. Contoh:

Data: 5, 3, 10, 7, 14, 12

Susun semula secara menaik

3,  5, 7, 10, 12, 14

Jadi, Median = (7+10) / 2

= 8.5

Mod pula ialah kekerapan yang tertinggi. Bagi data terkumpul, mod adalah titik ten -

gah kelas mod. Terdapat dua cara untuk mengira mod iaitu dengan formula dan kaedah his-

togram.

Miskonsepsi yang sering berlaku dalam pengiraan sukatan kecenderungan memusat

ialah berkaitan dengan min. Terdapat beberapa kesukaran yang dialami oleh murid iaitu

mereka tidak dapat mengenalpasti nilai yang tidak dinyatakan apabila diberi nilai min bagi

satu set data. Murid juga tidak dapat membina satu set data apabila nilai min diberikan serta

tidak dapat menggunakan konsep min untuk membuat kesimpulan.

Berkaitan dengan miskonsepsi tidak dapat menggunakan konsep min untuk membuat kesim-

pulan, murid tidak menggunakan KBKK(kemahiran berfikir kreatif dan kritis) untuk menen-

tukan jenis maklumat atau data yang diwakili serta bagaimana maklumat yang diberi boleh

12

digunakan untuk meramal atau membuat kesimpulan. Sebaliknya mereka hanya mencari min

sebagai matlamat akhir sesuatu masalah.

Bagi mengatasi miskonsepsi-miskonsepsi yang berlaku berkaitan sukatan kecenderun-

gan memusat ini, guru hendaklah membantu murid membina pemahaman konsep melalui

penggunaan objek-objek konkrit di sekeliling untuk mencari min seperti pemadam, kerusi,

meja, pensil dan sebagainya sebelum memperkenalkan algoritma mengira min. Pembelajaran

yang berlaku secara kontekstual ini membantu murid menghubungkait pengetahuan yang

dipelajari dengan pengalaman murid sehari-hari dan menjadikan pembelajaran bermakna.

Guru juga digalakkan untuk menggunakan data-data yang relevan dengan kehidupan

murid sehari-hari seperti tinggi dan berat murid, belanja wang saku sekolah, kehadiran seko-

lah dan lain-lain semasa memperkenalkan konsep pengiraan min. Perkaitan antara pengala-

man dan benda-benda di sekeliling murid dengan aktiviti pembelajaran dilihat mampu mem-

berikan pemahaman dan pembelajaran yang lebih bermakna. Pengiraan algoritma boleh diap-

likasikan secara latih tubi setelah murid menguasai sesuatu konsep sukatan kecenderungan

memusat.

SUKATAN SERAKAN

Sukatan serakan digunakan untuk menerangkan serakan atau taburan sesuatu set data.

Jika kita menggunakan ukuran serakan bersama-sama ukuran kecenderungan memusat dalam

pengiraan data akan menghasilkan pemerihalan atau perwakilan data yang lebih lengkap.

Dalam pengiraan sukatan serakan, terdapat beberapa cara yang digunakan iaitu julat, sisihan

piawai dan varian serta sukatan serakan berdasarkan kuartil dan persentil. Namun, masih

berlaku kesukaran dan miskonsepsi oleh murid semasa membuat pengiraan sukatan serakan

terutamanya berkaitan dengan julat.

Julat digunakan untuk mencari ukuran serakan dengan mengira perbezaan antara nilai

terbesar dan nilai terkecil dalam suatu set data tidak terkumpul yang kecil. Secara mudahnya,

julat = nilai terbesar –nilai terkecil. Julat juga boleh dikira berdasarkan perbezaan antara titik

tengah kelas tertinggi dengan titik tengah kelas terendah bagi data terkumpul.

Namun akan berlaku miskonsepsi sekiranya murid menganggap bahawa julat boleh

digunakan dengan tepat untuk menentukan serakan semua jenis set data. Ini kerana bagi set

data yang besar, nilai julat tidak memberi gambaran yang tepat mengenai sebaran data itu.

Julat hanya sesuai untuk mengira set data yang kecil dan tidak mempunyai nilai

ekstremun(nilai terpencil). Nilai ekstremun amat mempengaruhi pengiraan julat.Contohnya :

13

Set data ; 25 28 119 22 27 31

Julat = 119 – 22

= 97

Julat 97 membayangkan set data itu tersebar meluas. Tetapi sebenarnya set data ini

tidak menunjukkan bagaimana data tersebar di antara kedua-dua nilai itu. Jika diperhatikan

sebarannya adalah di antara 22 dan 31. Nilai 119 itu merupakan nilai ekstremun dalam set

data tersebut.

Oleh itu, guru bertanggungjawab menerangkan kepada murid dengan menggunakan

pelbagai set data seperti data terkumpul dan data tak terkumpul serta penegasan tentang nilai

ekstremun(nilai terpencil) yang mempengaruhi serakan data.

Selain itu, miskonsepsi mengenai julat juga boleh berlaku kerana murid menganggap yang

dua set data yang mempunyai julat yang sama juga mempunyai serakan data yang sama.

Anggapan ini tidak benar kerana dua set data yang mempunyai nilai julat yang sama tidak se-

mestinya mempunyai sebaran data yang sama. Contohnya :

Set data A : 3 5 9 10 12

Julat = 12 - 3

= 9

Set data B : 3 4 12 12 12

Julat = 12 – 3

= 9

Walaupun kedua-dua set data data di atas mempunyai nilai julat yang sama iaitu 9

tetapi jika diperhatikan secara teliti, sebaran data-data itu adalah amat berbeza. Set data A

mempunyai serakan yang lebih kurang sekata manakala serakan bagi data B lebih tertumpu

kepada penghujung ekstrem data.

Jadi, guru hendaklah memberi penegasan kepada murid semasa sesi pengajaran dan

pembelajaran bahawa nilai julat yang sama tidak boleh dijadikan ukuran yang serakan data-

data tersebut adalah sama. Murid perlu memerhatikan serakan data-data yang diberikan se-

belum membuat keputusan.

KESIMPULAN

14

diteliti, miskonsepsi dan kesukaran yang berlaku dalam pengajaran dan pembelajaran

statistik ialah aspek pedagogi iaitu kaedah pengajaran dan pembelajaran yang memberi

penekanan kepada pengiraan algoritma dan teknik hafalan tanpa menitikberatkan pemahaman

kontekstual. Manakala punca lain adalah dari aspek kognitif iaitu kelemahan dalam mengua-

sai pengetahuan prasyarat, kesukaran istilah dan bahasa serta penggunaan pengitlakan yang

melampau (overgeneralization).

Tidak dinafikan dalam proses pengajaran dan pembelajaran, seringkali terdapat

masalah di mana murid tidak dapat mengikuti rentak dan kaedah pengajaran guru. Ini kerana,

murid mempunyai pelbagai tahap kecerdasan. Sebagai guru seharusnya kita menggunakan

kaedah dan pendekatan yang pelbagai bagi memperkenalkan konsep matematik dan menarik

minat murid untuk terus fokus pada pengajaran dan pembelajaran matematik. Menurut Robert

Gagne iaitu seorang professor dan ahli psikologi, pembelajaran konsep matematik yang

berkesan memerlukan beberapa teknik penyampaian iaitu :

i. Memberi berbagai-bagai contoh konkrit untuk membuat generalisasi.

ii. Memberi contoh yang berbeza tetapi berkaitan supaya dapat membuat perbezaan.

iii. Memberi contoh-contoh yang tidak ada kaitan dengan konsep yang diajarkan

untuk membuat perbezaan dan generalisasi.

Dalam proses pengajaran dan pembelajaran, guru-guru diberi kuasa sepenuhnya untuk

mengendalikan proses tersebut dan menangani kesalahan lazim yang dilakukan oleh murid.

Sehubungan itu, proses pengajaran dan pembelajaran matematik di dalam kelas amat memer-

lukan strategi yang kemas serta teratur supaya hasrat untuk mengatasi kesalahan lazim di

kalangan pelajar tercapai sepenuhnya. Strategi pengajaran dan pembelajaran ini perlu meli-

batkan pengalaman aktif, reflektif dan pengabstrakan (Nik Azis, 1992).

Masalah kelemahan pelajar dalam penguasaan konsep dan kemahiran dalam statistik

adalah sesuatu yang tidak boleh dipandang remeh oleh pihak-pihak terlibat dalam sektor pen-

didikan terutama sekali guru-guru. Pelbagai pendekatan boleh dilaksanakan bagi mengatasi

miskonsepsi di kalangan murid sama ada faktor kecuaian atau kesukaran murid memahami

konsep ataupun faktor guru sendiri yang tidak menguasai “Pedagogy Content Knowledge”

(PCK). Sesetengah murid tidak berminat untuk belajar dan lantas tidak memberi tumpuan

ketika proses pengajaran dan pembelajaran berlaku. Masalah ini harus ditangani sebaik

mungkin jika ingin melahirkan modal insan yang boleh bersaing di peringkat global. Perkem-

bangan sains dan teknologi sekarang memerlukan cerdik pandai dalam bidang sains dan

15

matematik bagi menerajui negara. Kerjasama ibu bapa juga penting, sama-sama berganding

bahu demi untuk kebaikan dan kesejahteraan anak-anak.

RUJUKAN

16

Abd. Razak Habib, Abd. Rashid Johar, Abdullah Mohd Noor & Puteh Mohamad. (1996).Pelaksanaan KBSM dalam mata pelajaran Matematik, Sains dan Sains Sosial disekolah. Kertas kerja Seminar Kebangsaan Penilaian KBSM. Institut Aminuddin Baki, 9-11 Disember.

Baharin Shamsudin (1990). Siri Pendidikan Pengajaran dan Pembelajaran Matematik Untuk Sekolah Rendah Buku . Kuala Lumpur : DBP, KPM

im K.L, Khaw A.H, Seah A.K. satu Kajian Mengenai Bahan Bantu Mengajar Dalam Pengajaran Pembelajaran Di Sekolah Rendah. Maktab Perguruan Batu Lintang : Jabatan Matematik

Pusat Perkembangan Kurikulum (2000). Sukatan Pelajaran Matematik Kurikulum Bersepadu Sekolah Menengah. Selangor: Dewan Bahasa dan Pustaka.

Meor Ibrahim Kamaruddin (2001). Modul Pembelajaran Sains dan Matematik. Fakulti Pendidikan, Universiti Teknologi Malaysia. (Tidak diterbitkan)

17