|
KRM3043 ASAS PENGURUSAN DATA
|
Matematik
merupakan salah satu daripada ilmu pengetahuan yang sangat penting dan
penggunaannya sangat meluas dalam kehidupan seharian terutamanya dalam bidang
pendidikan, sains dan teknologi. Dalam bidang pendidikan, matematik memainkan
peranan yang sangat besar. Mata pelajaran matematik yang diajar di sekolah membekalkan
ilmu pengetahuan matematik kepada pelajar untuk mengembangkan kemahiran
penyelesaian masalah, komunikasi dan pemikiran mantik serta bersistem.
Di
Malaysia, Matematik merupakan salah satu mata pelajaran teras yang wajib
diambil oleh semua pelajar sama ada di sekolah
rendah atau sekolah menengah. Matematik perlu diajar di sekolah bagi melahirkan
individu yang boleh mengaplikasikan pengetahuan Matematik dalam kehidupan
seharian. Menurut Abd. Rahim, (2000), Matematik adalah pengetahuan teras yang
perlu dikuasai selaras dengan wawasan pendidikan negara untuk melahirkan
warganegara yang berketerampilan dalam pelbagai bidang bagi membolehkan
pelajar-pelajar memainkan peranan penting dalam pembangunan bangsa dan Negara
kelak.
Namun
begitu, wujud pelbagai kesukaran yang dialami oleh murid-murid dalam
pembelajaran Matematik . Kecuaian dan miskonsepsi adalah antara faktor yang
dikenalpasti menjadi penyebab kepada kesukaran pembelajaran Matematik.
Kesukaran yang berpunca daripada kecuaian tidak sukar untuk dikesan oleh guru
berbanding kesukaran yang berpunca daripada miskonsepsi yang agak mencabar dan
lebih sukar diatasi. Kebolehan dan pengalaman sesia ada murid adalah pelbagai,
jadi guru haruslah menggunakan pendekatan dan kaedah yang sesuai dengan aras
pemikiran murid supaya mereka boleh menguasai ilmu matematik dan dapat
mempraktikkannya dalam kehidupan.
DEFINISI KESUKARAN DAN MISKONSEPSI
Miskonsepsi
berasal daripada perkataan Inggeris misconception.
Menurut Webster’s Third New International Dictionary(1996), conception bermaksud kemampuan, fungsi
atau proses membentuk idea, abstrak atau berkenaan pemahaman maksud simbol yang
mewakili idea atau abstraks. Mis
bermaksud tidak atau salah. Gabungan pengertian kedua-dua suku kata tersebut
membentuk idea, abstrak atau pemahaman yang salah. Dengan kata lain, miskonsepsi
didefinisikan sebagai kekaburan dan tidak kesempurnaan atau salah kefahaman
tentang sesuatu. Miskonsepsi ini menjadi 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 mereka
salah ertikan.
Matematik
adalah mata pelajaran abstrak yang melibatkan penggunaan rumus, peraturan-peraturan
langkah kerja, algoritma dan teorem-teorem yang kerap digunakan(Short &
Spanos 1989). Mata pelajaran ini mempunyai bahasa tersendiri yang
khusus,walaupun kerap dikatakan bahasa matematik adalah ringkas tetapi ia
mempunyai maksud yang khusus dan tepat bagi mempelajari matematik. Setiap
pelajar secara amnya mempunyai latar belakang yang tersendiri iaitu dari segi
latar belakang keluarga dan pergaulan. Guru berdepan dengan pelajar yang
membawa ilmu dan pengalaman tersendiri yang dipelajari dari ruang lingkup
kehidupan mereka yang kemungkinan bercanggah dengan apa yang guru sampaikan
semasa sesi pengajaran. Sekiranya ilmu yang bercanggah ini tidak diperbetulkan
maka ia akan membentuk miskonsepsi dalam ilmu yang ingin disampaikan.
Guru-guru
perlu peka kepada miskonsepsi yang dialami oleh murid dan memperbetulkannya
sebelum mereka menganggap yang konsep mereka adalah betul memandangkan
pendidikan bersifat berterusan. Dikhuatiri
miskonsepsi yang berlaku akan berterusan dan menjejaskan penguasaan ilmu
matematik murid.
Miskonsepsi
dan kesukaran yang pelbagai dikesan berlaku semasa pengajaran dan pembelajaran
topik statistik. Faktor data-data yang
pelbagai, penggunaan bahasa Matematik dan istilah-istilah khusus dan kekeliruan
konsep menjadi penyebab berlakunya miskonsepsi. Antara miskonsepsi yang berlaku
ialah:
i)
PENGUMPULAN
DAN 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
pembolehubah dan data, guru hendaklah menerangkan dengan jelas supaya murid
tidak keliru. Penggunaan peta minda bagi memperjelaskan konsep dan membezakan
jenis-jenis pembolehubah serta data boleh digunakan. Murid boleh melihat makna,
jenis dan contoh serta membezakannya dengan jelas. Contohnya:
|
KONSEP
|
|
DATA
Maklumat
yang diperolehi melalui pemerhatian ke atas nilai-nilai satu pembolehubah
|
|
PEMBOLEHUBAH
Satu
ciri yang berbeza antara seseorang atau sesuatu benda yang lain
|
|
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.
Ø 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.
Ø Contoh
: 1. Cikgu Zana telah mengukur tinggi
dan berat murid-murid kelas tahun 1.
Data : Kuantitatif iaitu data selanjar kerana data tinggi dan berat diperolehi dengan
memerhati nilai pembolehubah ‘tinggi dan berat’.
Ø 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.
Ø 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.
ii)
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 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.
iii)
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.
i.
Min ialah purata bagi semua nilai dalam
populasi atau sampel. Contoh pengiraan min ialah :
Ø Min
=
=
= 66
ii.
Median ialah titik tengah bagi sesuatu kumpulan
nombor yang disusun secara menaik. Jika bilangan data ganjil, median ialah
nombor yang ditengah. Contoh :
Data : 5, 3, 10, 7,
12
Ø Susun
semula secara menaik
3, 5, 7,
10, 12
Jadi, Median = 7
Jika
bilangan data adalah genap, median ialah purata dua nombor yang terletak di
tengah-tengah. Contoh :
Data
: 5, 3, 10, 7, 14, 12
Ø Susun
semula secara menaik
3, 5, 7, 10, 12, 14
Jadi, Median =
= 8.5
iii.
Mod pula ialah kekerapan yang tertinggi.
Bagi data terkumpul, mod adalah titik tengah kelas mod. Terdapat dua cara untuk mengira
mod iaitu dengan formula dan kaedah histogram.
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 kesimpulan, murid tidak menggunakan KBKK(kemahiran
berfikir kreatif dan kritis) untuk menentukan jenis maklumat atau data yang
diwakili serta bagaimana maklumat yang diberi boleh digunakan untuk meramal
atau membuat kesimpulan. Sebaliknya mereka hanya mencari min sebagai matlamat
akhir sesuatu masalah.
Bagi mengatasi miskonsepsi-miskonsepsi yang berlaku
berkaitan sukatan kecenderungan 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 sekolah dan lain-lain semasa
memperkenalkan konsep pengiraan min. Perkaitan antara pengalaman dan
benda-benda di sekeliling murid dengan aktiviti pembelajaran dilihat mampu
memberikan pemahaman dan pembelajaran yang lebih bermakna. Pengiraan algoritma
boleh diaplikasikan secara latih tubi setelah murid menguasai sesuatu konsep
sukatan kecenderungan memusat.
iv)
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 :
Ø 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 semestinya mempunyai
sebaran data yang sama. Contohnya :
Ø Set
data A : 3 5
9 10 12
Julat = 12 -
3
= 9
Ø 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 sebelum membuat keputusan.
KESIMPULAN
Setelah
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 menguasai 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 memerlukan strategi
yang kemas serta teratur supaya hasrat untuk mengatasi kesalahan lazim di
kalangan pelajar tercapai sepenuhnya.
Strategi pengajaran dan pembelajaran ini perlu melibatkan 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
pendidikan 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. Perkembangan sains dan teknologi sekarang memerlukan
cerdik pandai dalam bidang sains dan matematik bagi menerajui negara. Kerjasama
ibu bapa juga penting, sama-sama berganding bahu demi untuk kebaikan dan
kesejahteraan anak-anak.
RUJUKAN
1. Mohd
Faizal Nizam Lee Abdullah, Mazlini Adnan, Marzita Puteh dan Sazelli Ab. Ghani:
Modul
Asas Pengurusan Data (2012); UPSI, Tanjong Malim, Perak.
2. Trend
Pengajaran dan Pembelajaran : Effandi Zakaria, Nor Azah Mohd Nordin dan Sabri
Ahmad; Utusan Publications.
3. Dr.
Jamil Ahmad, Norlia Goolamally, Norhashimah Saad. (11 –12 OKT 2008). Kertas Kerja
Seminar Kebangsaan Pendidikan Sains Dan Matematik, Miskonsepsi Matematik – Satu
Refleksi : Jabatan Pendidikan Negeri Johor.
4. http://www.scribd.com/doc/11021827/Mendefinasikan-Statistik
7. http://www.scribd.com/doc/45730402/Tajuk-8-Statistik-Jadual
Tiada ulasan:
Catat Ulasan