statistik
DESCRIPTION
staTRANSCRIPT
ISI KANDUNGAN
BIL. TOPIK
1 PROFIL
2 PENGHARGAAN
3 SOALAN TUGASAN (TASK 1)
4 REGRESI LINEAR & KEPENTINGANNYA
5 PENYELESAIAN SOALAN 6(a)
6 PENYELESAIAN SOALAN 6(b)
7 PENYELESAIAN SOALAN 6(c)
8 PENYELESAIAN SOALAN 6(d)
9 PENYELESAIAN SOALAN 6(e)
10 PENYELESAIAN SOALAN 6(f)
11 PELAN TINDAKAN
12 REFLEKSI
13 SENARAI RUJUKAN
14 LAMPIRAN
14 BORANG KOLABORASI
PROFIL
NAMA : MOHD NIZAM BIN ISHAK
NOMBOR MATRIK : IPG/KPT/PPG/2011/MT/W0004/103
NO. KAD PENGENALAN : 790705085868
TARIKH LAHIR : 5 JULAI 1979
TEMPAT LAHIR : IPOH, PERAK
TEMPAT TINGGAL : TAMAN PUNCAK JALIL
TEMPAT MENGAJAR : S.K. TAMAN PUTRA PERDANA 2, SEPANG
NO. TELEFON : 012-9325038
ALAMAT E-MAIL : [email protected]
PENGHARGAAN
Terlebih dahulu, kumpulan kami ingin mengambil kesempatan ini untuk
mengucapkan jutaan terima kasih kepada Puan Lee Lay Hwa selaku fasilitator
mata pelajaran ini atas bimbingan dan tunjuk ajar beliau yang telah banyak
membantu kami semua untuk menyempurnakan tugasan ini. Bantuan beliau
amatlah kami hargai.
Tidak lupa juga kepada rakan-rakan sekelas yang begitu memahami serta
banyak membantu untuk menyumbangkan idea-idea yang bernas dan maklumat
yang terkini sepanjang proses menyiapkan kerja kursus ini. Jasa dan budi baik
rakan-rakan semua tidak akan kami lupakan.
Selain itu, sekalung penghargaan juga kepada para pensyarah di IPG
Kampus Pendidikan Teknik yang sudi meluangkan masa untuk berkongsi
pendapat masing-masing dan memberi sumber maklumat yang berkaitan
dengan tajuk tugasan kami ini.
Akhir sekali, terima kasih yang tidak terhingga kepada mana-mana pihak
yang telah membantu kumpulan kami secara langsung atau tidak langsung
dalam membekalkan maklumat yang berkaitan untuk melaksanakan tugasan ini.
Di sini, kumpulan kami juga ingin memohon sejuta kemaafan sekiranya
terdapat kesilapan dan kelemahan dalam tugasan yang disediakan ini. Segala
kekurangan itu harap dapat dimaafkan.
Sekian, terima kasih.
SOALAN TUGASAN (TASK 1)
Kerja kursus ini terdiri daripada aktiviti mengumpul dan memproses data. Ia merupakan satu projek mini. Ia hendaklah dilaksanakan dalam situasi sebenar. Projek ini bernilai 50% daripada markah keseluruhan markah kerja kursus. Anda boleh menyelesaikan tugasan ini dalam kumpulan berempat.
Arahan :
1. Baca arahan berkaitan projek ini dengan teliti. 2. Baca dan buat nota ringkas tentang Regresi Linear dan kepentingannya
daripada pelbagai sumber (sekurang-kurangnya 5 sumber).
3. Kumpulan anda dikehendaki memilih sepasang pembolehubah iaitu variabel bersandar dan variabel tidak bersandar yang terdapat dalam situasi yang sebenar.
( Contoh: IPG, tadika, sekolah, dll.)
4. Anda boleh mengumpul data anda dari sekolah semasa program Pengalaman Berasaskan Sekolah.
5. Buat temujanji dengan ketua institusi berkenaan dan mohon kebenaran untuk mengumpul data yang diperlukan. 6. Dengan menggunakan data yang dikumpul:
(a) Plotkan gambar rajah sebaran pada kertas graf untuk menunjukkan sebaran data berkenaan
(b) Lukiskan garisan regresi yang menepati taburan data tersebut ( line that best fits your data).
(c) Tentukan persamaan regresi linear yang merupakan garisan terbaik yang menepati taburan data tersebut. (line that best fits the data)
(d) Kira jarak garisan kuasa dua terpendek di mana garisan kuasa dua terpendek digunakan untuk mengira/mendapat garisan bagi regresi tersebut.
(e) Seterusnya ulangkan proses (a)-(d) dengan menggunakan program Microsoft Excel .
(f) Bandingkan kedua-dua keputusan dan buat kesimpulannya.
7. Buat satu refleksi tentang pengalaman semasa melaksanakan projek ini
8. Pada akhir kerja kursus ini, serahkan
(a) portfolio anda yang mengandungi pelan tindakan, jadual, nota, sumber-sumber rujukan, peta minda, borang kolaborasi dan senarai rujukan.
(b) laporan anda tentang task 1 dan refleksi anda tentang
pengalaman dalam melaksanakan projek mini ini.
REGRESI LINEAR & KEPENTINGANNYAPENGENALAN – REGRESI LINEAR
Regresi linear adalah salah satu model statistik untuk menganalisa bentuk
hubungan antara dua atau lebih variabel dalam bentuk unit-unit sukatan data itu
sendiri. Kaedah regresi merupakan kaedah empirik yang digunakan untuk
menyukat pertalian tersebut.
Contohnya: “Tiap-tiap kenaikan RM1 harga daging lembu membawa kepada
kejatuhan 0.5kg daging lembu yang dibeli oleh pegguna.”
Tujuan penggunaan regresi adalah untuk membuat perkiraan nilai suatu variabel
bersandar dengan variabel tidak bersandar yang terdapat dalam sesuatu situasi.
Variabel bersandar biasanya diwakili oleh X manakala variable tidak bersandar
diwakili oleh Y.
Tanda anak panah pada Variabel X yang mengarah ke Variabel Y membawa
maksud bahawa Variabel X yang mempengaruhi Variabel Y. Secara matematik,
hubungan interaksi akibat tersebut memberikan pengertian bahawa semakin
besar nilai Variabel X maka akan meningkatkan nilai Variabel Y dan begitu
sebaliknya sehingga hubungan interaksi akibat pada regresi linear sederhana
menghasilkan formula seperti berikut :
a = nilai konstan yang diwakili oleh variable y
b1x1 =
Y =
M
JENIS-JENIS REGRESI
Regresi linear terbahagi kepada dua iaitu regresi linear mudah dan regresi linear
berganda atau berbilang. Regresi linear mudah hanya melibatkan hubungan
antara pemboleh ubah bersandar (Y) dan satu pemboleh ubah tak bersandar
(X1). Contohnya :
Y = f (X1)
Y = a + b X1
di mana Y = hasil jualan
X1 = perbelanjaan pengiklanan
Regresi linear berganda atau berbilang pula melibatkan hubungan antara
pemboleh ubah bersandar (Y) dan lebih dari satu variabel tidak bersandar (X1
dan X2). Contohnya:
Y = f (X1,X2)
Y = a + b X1+ cX2
di mana Y = hasil jualan
X1 = perbelanjaan pengiklanan
x2 = harga barang
KEGUNAAN REGRESI LINEAR
Sebagai manusia yang serba ingin tahu, maka ramalan tentang apa yang akan
terjadi di masa hadapan adalah sesuatu yang mearik untuk diteroka. Dalam ilmu
matematik, ramalan boleh dilakukan dengan menggunakan analisis regresi.
Regresi dalam statistik adalah salah satu dari metode melakukan evaluasi serta
hubungan antara pemboleh ubah bersandar dengan satu atau lebih pemboleh
ubah tidak bersandar.
Selain dari melakukan ramalan, regresi juga dapat digunakan untuk :
a) Menanda hubungan antara pemboleh ubah bebas dan terikat dengan
menentukan jangkauan, arah dan kekuatan dari hubungan tersebut.
b) Mencari sebuah formula kuantitatif atau persamaan untuk mendeskripsikan
pemboleh ubah bersandar sebagai fungsi dari pemboleh ubah-pemboleh
ubah tidak bersandar.
c) Mendeskripsikan secara kualitatif ataupun kuantitatif hubungan antara X dan
Y dengan tetap tanpa menyekat kesan dari pemboleh ubah yang lain yang
tidak diinginkan.
d) Menentukan yang mana di antara beberapa pemboleh ubah tidak bersandar
yang penting dalam mendeskripsikan atau memprediksi pemboleh ubah
bersandar.
e) Menilai kesan dari interaksi antara dua atau lebih pemboleh ubah tidak
bersandar.
f) Memperolehi kesahihan dan perhitungan yang tepat terhadap satu atau lebih
koefisien regresi.
Contoh penggunaan regresi misalnya kita ingin mengetahui apakah tekanan
darah seseorang (Y) dipengaruhi oleh umur (X1), tekanan kerja (X2), merokok
(X3) atau pun berat badan (X4). Selain dari itu, dengan regresi kita juga dapat
meramalkan berapa tekanan darah seseorang jika kita memiliki data tentang
pemboleh ubah-pemboleh ubah (X) di atas.
SOALAN 6 (a) – 6 (d)
Penyelesaian :
Jadual 1 menunjukkan data tentang berat dan lilitan pinggang bagi murid-murid
Tahun 5 Berlian dari Sekolah Kebangsaan Charuk Puting, Temerloh, Pahang.
BIL.BERAT , X
(KG)
LILITAN PINGGANG , Y
(CM)
1 20 54
2 17 52
3 24 54
4 23 55
5 18 50
6 25 52
7 26 55
8 32 60
9 25 52
10 30 60
11 28 56
12 25 60
13 30 62
14 24 56
15 25 50
Jadual 1
Jadual 2 menunjukkan cara pengiraan untuk plot gambar rajah sebaran.
Bil. Berat (Kg), X Lilitan Pinggang (cm), Y
X^2 Y^2 XY
1. 20 54 400 2916 10802. 17 52 289 2704 8843. 24 54 576 2916 12964. 23 55 529 3025 12655. 18 50 324 2500 9006. 25 52 625 2704 13007. 26 55 676 3025 14308. 32 60 1024 3600 19209. 25 52 625 2704 130010. 30 60 900 3600 180011. 28 56 784 3136 156812. 25 60 625 3600 150013. 30 62 900 3844 186014. 24 56 576 3136 134415. 25 50 625 2500 1250
Jumlah = 372 Jumlah = 828
Min X = 372 = 24.8 15
Min Y = 828 = 55.2 15
Oleh itu, titik yang mesti dilalui oleh garis regresi ialah M ( 24.8 , 55.2 ).
Seterusnya, lukiskan satu garis melalui M ( 24.8 , 55.2) dan selari dengan
paksi-y di mana ini membahagikan data kepada dua kumpulan.
Dapatkan titik L di mana koordinatnya ialah min bagi kumpulan data di sebelah
kiri dan dapatkan juga titik R di mana koordinatnya ialah min bagi kumpulan data
di sebelah kanan.
Kemudian, lukiskan satu garis lurus yang melalui M, L dan R.
Cara mengira koordinat bagi titik L dan titik R ialah :
Titik L : Koordinat x = (20 + 17 + 24 + 23 + 18 ) 5
= 20.4
Koordinat y = ( 54 + 52 + 54 + 55 + 50 ) 5
= 53
Maka, titik L ialah ( 20.4 , 53 )
Bil. Berat (Kg), X Lilitan Pinggang (cm), Y
X^2 Y^2 XY
1. 20 54 400 2916 10802. 17 52 289 2704 8843. 24 54 576 2916 12964. 23 55 529 3025 12655. 18 50 324 2500 9006. 25 52 625 2704 13007. 26 55 676 3025 14308. 32 60 1024 3600 19209. 25 52 625 2704 130010. 30 60 900 3600 180011. 28 56 784 3136 156812. 25 60 625 3600 150013. 30 62 900 3844 186014. 24 56 576 3136 134415. 25 50 625 2500 1250
Jumlah = 372 Jumlah = 828
Titik R : Koordinat x = ( 25 + 26 + 32 + 25 + 30 + 28 + 25 + 30 + 24 + 25) 10
= 25
Koordinat y = ( 52 + 55 + 60 + 52 + 60 + 56 + 60 + 62 + 56 + 50)10
= 56.3
Maka, titik R ialah ( 25 , 56.3 ).
Daripada graf, kecerunan = 66-50 37-17.5
= 16 19.5
= 0.8205
Dengan itu, garis lurus regresi ialah y = 0.8 x + 35.5
( Rujuk Graf 1 di muka surat belakang)
Jadual Kuasa Dua Terkecil
BIL. BERAT ,X (KG)
LILITAN PINGGANG , Y
(CM)
RESIDUALKUASA DUA TERKECIL
1 18 52 1.6 2.56
2 15 50 2.0 4
3 22 52 -1.6 2.56
4 25 56 0 0
5 20 53 1.0 1
6 23 52 -2.4 5.76
7 28 59 0.5 0.25
8 30 64 4.0 16
9 29 56 -3.2 10.24
10 31 63 2.2 4.84
11 30 60 0 0
12 29 64 4.8 23.04
13 34 64 0.7 0.49
14 26 58 1.2 1.44
15 28 50 -8.5 72.25
Total 388 853 2.3 144.43
WEIGHT(KG) VS CIRCUMFERENCE OF WAIST(CM)
y = 0.7892x + 36.453
0
10
20
30
40
50
60
70
0 5 10 15 20 25 30 35 40
WEIGHT (KG)
CIR
CU
MF
ER
EN
CE
OF
WA
IST
(C
M)
Series1
Linear (Series1)
SOALAN 6 (e)
Penyelesaian :
Graf 2 menunjukkan garisan regresi dan persamaan regresi linear
Dengan menggunakan Microsoft Excel
Untuk menentukan persamaan regresi linear, kita perlu mengira jumlah bagi x, y,
x^2, y^2 dan xy (seperti yang ditunjukkan dalam jadual di bawah).
BIL. BERAT, X (KG)
LILITAN PINGGANG , Y(CM) X^2 Y^2 XY
1 18 52 324 2704 9362 15 50 225 2500 7503 22 52 484 2704 11444 25 56 625 3136 14005 20 53 400 2809 10606 23 52 529 2704 11967 28 59 784 3481 16528 30 64 900 4096 19209 29 56 841 3136 1624
10 31 63 961 3969 195311 30 60 900 3600 180012 29 64 841 4096 185613 34 64 1156 4096 217614 26 58 676 3364 150815 28 50 784 2500 1400
Jumlah 388 853 10430 48895 22375
Jadual 3
x-bar 48.5y- bar 56.86666667
Covarience 20.71555556correlation coefficient 0.795280223Pearson 0.795280223slope b1 0.789197426intercept b0 36.45275991
regression equation, y = b1x + b0
= 0.789197426x + 36.45275991
Formula yang digunakan dalam Microsoft Excel :
Y intercept of regression equation = INTERCEPT (C2:C16,B2:B16)
Slope of regression equation = SLOPE (C2:C16,B2:B16)
Covariance =COVAR B2:B16, C2:C16)
Correlation coefficient r =CORREL(B2:B16, C2:C16)
Pearson =PEARSON(B2:B16, C2:C16)
SOALAN 6 (f)
Penyelesaian :
Daripada graf yang diplotkan itu, didapati korelasi linear positif yang
berlaku di mana nilai x bertambah akan menyebabkan nilai y bertambah juga.
Persamaan regresi linear ialah y = 0.8 x + 35.5 bagi kiraan secara manual dan
y = 0.789197426x + 36.45275991 dengan menggunakan Microsoft Excel.
Dengan itu, dapatlah dirumuskan bahawa adanya hubungan antara berat murid
dengan lilitan pinggang mereka. Semakin berat murid itu, maka semakin panjang
lilitan pinggangnya. Daripada korelasi Pearson (r) iaitu 0.795280223 yang dikira,
nilai itu adalah hampir dengan 1. Oleh itu, terdapat hubungan yang kuat antara
nilai x dan nilai y. Graf juga membuktikan bahawa semakin berat seseorang itu,
semakin besar lilitan pinggangnya.
Sebagai contoh, seorang murid yang beratnya 34kg dengan lilitan pinggangnya
64cm berbanding dengan seorang lagi murid yang beratnya hanya 15kg dengan
lilitan pinggangnya pula 50cm.
Kesimpulannya, sememangnya dapat dinyatakan bahawa wujudnya satu
hubungan linear positif antara kedua-dua pembolehubah x dan y.
PELAN TINDAKANNo Tindakan 23/6/2012
-30/6/2012
1/7/2012-
7/7/2012
8/7/2012-
14/7/2012
15/7/2012–
26/7/2012
27/7/2012 –
3/8/2012
4/8/2012 –
10/8/2012
11/8/2012 –
20/8/2012
21/8/2012 –
31/8/2012
1 Mencari maklumat yang berkaitan dengan tajuk
2 Berbincang dengan ahli kumpulan secara bersemuka/e-mail
3 Mengumpul data dari pihak sekolah
4 Membuat draf tentang tugasan
5 Menyemak semula draf yang telah ditaip
6 Membuat pembetulan
7 Menyertakan lampiran yang relevan & mengemaskini kerja kursus
REFLEKSI
Sepanjang tempoh menyempurnakan tugasan ini, saya telah menghadapi
pelbagai kesukaran. Antaranya, skop tugasan ini amatlah luas dan memerlukan
pemahaman yang mendalam tentang tajuk Statistik.
Sebelum melaksanakan tugasan ini, saya tidak mengetahui apa-apa
tentang regresi linear dan kepentingannya. Apatah lagi, cara-cara pengiraan
untuk mendapatkan persamaan garis regresi. Tambahan pula, masalah
bertambah rumit lagi apabila belajar menggunakan perisian Microsoft Excel.
Kekeliruan sering timbul sepanjang proses mencari jalan penyelesaian.
Melalui hasil dapatan tugasan ini, saya dapat mengetahui beberapa jenis
hubungan linear dalam dua pembolehubah. Sebagai contoh; hubungan linear
positif tepat, hubungan linear positif, hubungan linear negatif, hubungan linear
lengkung negatif, hubungan linear lengkung positif, hubungan linear positif
dengan sebaran besar dan tiada hubungan linear.
Penggunaan buku rujukan, buku ilmiah, jurnal dan kemudahan internet
banyak membantu saya dalam melaksanakan tugasan ini. Selain daripada
mencari maklumat yang berkaitan menerusi internet, saya juga tidak lupa untuk
membuat rujukan di perpustakaan bagi mendapatkan maklumat yang lebih lanjut
serta sentiasa berkongsi idea sesama rakan-rakan sekumpulan.
Selain itu, saya dapat mengetahui dengan lebih terperinci tentang fungsi
dan kepentingan regresi linear dalam menganalisis hubungan dalam dwi
pembolehubah. Saya juga berpeluang mempelajari kaedah Statistik yang sesuai
untuk menyelesaikan masalah harian.
Bagi mengatasi setiap kekeliruan yang timbul, saya membaca dan
meneliti maklumat yang diperoleh bagi memperkukuh lagi pemahaman saya
dalam perkara itu. Di sini, saya belajar menghayati kepentingan penguasaan
kemahiran memplotkan gambar rajah sebaran, melukis garisan regresi,
menentukan persamaan regresi linear serta mengira jarak garisan kuasa dua
terpendek. Di samping itu, saya dapat menambahkan pengetahuan saya dalam
tajuk tugasan ini secara tidak langsung.
Pelaksanaan tugasan ini mampu memberi pendedahan kepada saya
tentang bidang Statistik dan juga meningkatkan kefahaman serta pengetahuan
saya seterusnya mengaplikasikan apa yang dipelajari dalam masalah harian
yang sebenar.
Walaupun pelbagai kesulitan yang ditempuhi sepanjang proses
penyiapan tugasan ini, saya berpuas hati kerana dapat mempelajari pelbagai
input yang baharu lagi berguna dan relevan dengan profesion saya.
Sekian, terima kasih.
Choo Pin Teng
Matematik 5
SENARAI RUJUKAN
Mann, Prem S. (2001). Introductory Statistics Fourth Edition. NY:John Wliey and Sons Inc.
Rowntree, D. (2004). Statistics without tears: A primer for non mathematicians.
Boston, MA: Pearson Education.
Tong Swee Foong, Soon Chin Loong, Lau Too Kya. (1994). Matematik S
Statistik STPM. Petaling Jaya: Longman Malaysia Sdn. Bhd.
http://www.law.uchicago.edu/files/files/20.Sykes_.Regression.pdf
http://taufiqurrokhman.wordpress.com/2012/01/20/menyelesaikan-sistem-
persamaan-linier-dengan-excel/
http://stattrek.com/regression/regression-example.aspx
http://easycalculation.com/statistics/learn-regression.php
http://mallit.fr.umn.edu/fr4218/assigns/excel_reg.html
LAMPIRAN
Steps of using Microsoft Excel program to plot the regression line of the
data set
Step 1
To open the Microsoft Excel, click at the Start and chose the Microsoft excel
Step 2
The Microsoft Excel showed as below:
Step 3
Insert the data set into Microsoft Excel
Step 4
Click at the Chart Wizard
After that it will show as below;
Step 5
Select the XY (scatter) and its first sub-type.
Step 6
1. Select the XY(Scatter)
2. Choose the first Chart sub-
type
3. Click ‘Next”
Step 7
1. Select the ‘Series’
1. Click
‘add’
Step 8
Insert the data in the graph
1. Click the X Values and insert the data of x
={18,15,22,25,20,23,28,30,29,31,30,29,34,26,28}
2. Then, insert the data in the Y Values ;
={52,50,52,56,53,52,59,64,56,63,60,64,64,58,50}
Then click ‘Next’
Step 9
The graph of scatter diagram as below
Step 10
From the graph, we want to ‘add a trendline’ that will show the best line of the
relation.
Step 11
:To produce a trend line of the Scatter diagram
First : Click the area of the diagram and the word “chart” will come out at the
toolbar.
The word “chart”
displayed.
Select the area of the diagram
Select “Add Trendline”
Second : Click “Chart” and select “Add Trendline”.
Third : Choose “Linear” at Trend/Regression Type and then click “OK”.
Choose Linear
Fourth : A “Trendline” was displayed on the diagram
WEIGHT(KG) VS CIRCUMFERENCE OF WAIST(CM)
0
10
20
30
40
50
60
70
0 10 20 30 40
WEIGHT (KG)
CIRC
UMFE
RENC
E OF
W
AIST
(CM)
Series1 Linear (Series1)
Step 12
Right click at the line and select Format Trendline.
Step 13 :
Format Trendline appeared. Choose Options -> Display equation on chart.
Click OK
Step 14
Equation of line appeared
WEIGHT(KG) VS CIRCUMFERENCE OF WAIST(CM)
y = 0.7892x + 36.453
0
10
20
30
40
50
60
70
0 5 10 15 20 25 30 35 40
WEIGHT (KG)
CIR
CU
MF
ER
EN
CE
OF
WA
IST
(C
M)
Series1
Linear (Series1)
BORANG KOLABORASI
KUMPULAN : MATEMATIK 5 MATA PELAJARAN : STATISTIK (MTE 3105)PENSYARAH PEMBIMBING : PN. LEE LAY HWA
TARIKH PERKARA T/TANGAN
IPG KAMPUS PENDIDIKAN TEKNIK
MATEMATIK STATISTIK
MTE 3105
NAMA AHLI KUMPULAN : WAN NORIZA BTE WAN ISMAIL ( 800101037028 )
CHOO PIN TENG( 790705085868 )
KUMPULAN/UNIT : MATEMATIK 5 ( PPG JUN 2011 )
KOD MATA PELAJARAN : MTE 3105
NAMA PENSYARAH PEMBIMBING : PN. LEE LAY HWA
TARIKH SERAHAN : 1 SEPTEMBER 2012
Regresi linier digunakan untuk membentuk model hubungan antara variabel bebas dengan
variabel respon. Dari namanya saja udah kelihatan, bahwa model hubungan yang dimaksud
adalah model hubungan linier. Contoh: Ingin dicari model regresi antara “biaya iklan” dengan
“penjualan”. Variabel bebas/prediktor adalah biaya iklan dan variabel respon adalah penjualan.
Jadi ingin dicari bagaimanakah model hubungan antara 2 variabel tsb, sehingga bisa diketahui
berapakah nilai penjualan yang akan diperoleh bila perusahaan mengeluarkan biaya iklan
sebesar X rupiah.