SlideShare une entreprise Scribd logo
1  sur  4
Télécharger pour lire hors ligne
1
Kecenderungan Memusat
dan
Serakan
GA3113
Dr.Effandi Zakaria
Kecenderungan Memusat:
Mod, Median, & Min
• Mod – skor yang mempunyai
kekerapan yang tertinggi.
• Satu jenis statistik yang kurang
boleh dipercayai tetapi kerap
digunakan sebagai anggaran
awalan.
• Boleh mempunyai taburan bimodal
dan multimodal.
Contoh: Taburan bimodal Median
• Skor yang membahagikan 50% di atas
dan 50% dibawah.
• Set skor yang genap,
1 2 3 4 | 5 6 7 8 , Median adalah 4.5
• Set skor yang ganjil,
1 2 3 4 5 6 7 , Median adalah 4
Min
• Jumlah semua skor X dibahagi dengan
bilangan X. Min bagi populasi ialah
(mu) dan min bagi sampel ialah
(X-bar).
• Min bagi sampel:
• Min bagi populasi:
µ
X
N
X
X
∑=
N
X∑=µ
Serakan
• Julat , Varian, dan Sisihan
Piawai
• Julat – satu pengukuran paling mudah
untuk mengukur serakan.
• Jarak atau perbezaan antara dua skor
yang ekstrem.
• Skor tertinggi – Skor terendah
12 14 14 16 16 18 20 , Julat= 20-12 =8
2
Varian
• Satu indeks pengukuran tentang keberubahan
dalam satu-satu set data.
• Varian populasi:
• , min populasi
• Varian adalah bersamaan dengan purata
kuasadua sisihan daripada min
• Untuk mengira, ambil setiap skor dan tolak
dengan min. Kuasaduakan.. Cari skor purata.
Itulah varian.
µ
µ
µ
N
X∑ −
=
2
2
)( µ
σ
Mengira varian:
50adalahVarianMin:
250075Jumlah:
100101525
2551520
001515
25-51510
100-10155
(N=5) X X XX −
2
)( XX −
Sisihan Piawai
• Sisihan piawai ialah punca kuasadua
varian.
• Formula bagi populasi:
N
X∑ −
=
2
)( µ
σ
Mengira sisihan piawai:
adalahSDKuasadua
50adalahVarianMin:
250075Jumlah:
100101525
2551520
001515
25-51510
100-10155
(N=5) X X XX −
2
)( XX −
07.750 ==
Interpretasi taburan skor
Min sama ,
SP tak sama
Min tak sama,
SP sama
Min tak sama,SP tak sama
Pencongan - merujuk kepada
simetri sesuatu taburan
•Pencong positif -Ramai calon mendapat skor rendah dan
amat kurang calon mendapt skor yang tinggi
•Ekor taburan menghala ke kanan
3
•Pencong negatif – Ramai calon mendapat skor yang tinggi
dan tidak ramai calon mendapat skor yang rendah
•Ekor bagi taburan menghala ke kiri
Min,Median,Mod
(Tidak Pencong)
Skor Piawai
• Skor yang telah dipiawaikan untuk
menentukan kedudukan relatif.
• Merupakan satu teknik yang berguna
untuk membandingkan skor ujian antara
pelajar
• Oleh itu, skor piawai menentukan
dalam unit sisihan piawai kedudukan
skor seseorang pelajar dari skor min
sesuatu taburan.
Formula skor z:
σ
µ−
=
X
z
Ahmad mendapat skor 80 dalam BM dan 50 dalam BI.
Skor min bagi BM ialah 70 dan sisihan piawainya ialah 15.
Manakala, min bagi BI ialah 40 dan sisishan piawainya ialah 8.
Yang mana lebih baik?
Jawapan:
• Skor z bagi BM:
• Skor-z = (80-70)/15 = 0.7
• Skor z bagi BI:
• Skor-z = (50-40)/8 = 1.25
Abu mendapat skor lebih baik dalam BI berbanding BM.
• Skor z akan menukarkan semua
skor kepada min= 0 dan sisihan
piawai = 1.
• Ini bermakna semua skor
ditukarkan kepada satu skala yang
sama untuk memudahkan
perbandingan.
4
Skor-T
• Skor –z melibatkan nombor negatif dan
positif.
• Skor T adalah sama dengan skor z
kecuali skor T mempunyai min = 50
dan sisihan piawai 10.
• T = 10z + 50
Skor –T:
• T = 10z + 50
• Hitungkan skor –z bagi skor mentah
pelajar
• Skor-z didarabkan dengan 10
• Hasildarab dicampurkan dengan 50
Contoh pengiraan skor –T:
• Satu ujian Geografi bagi Tingkatan 1,
mempunyai min= 60 dan sisihan piawai
= 10. Abdulah mendapat skor 70.
Hitungkan skor –T bagi Abdulah.
• T= 10 z+ 50
• = 10 [(70-60)/10] + 50
• = 60
Taburan Normal, Skor-z dan
skor T
-3.0 -2.0 -1.0 0 +1.0 +2.0 +3.0
34.13 % 34.13 %
13.59 %
13.59 %
2.14 % 2.14 %0.13 % 0.13 %
NORMAL DISTRIBUTION
20 30 40 50 60 70 80
T-Scores
Z-Scores
Apa yang telah dipelajari?
Ukuran Kecenderungan Memusat
• Min.median dan mod
Serakan
• Julat, varian dan sisihan piawai
Skor –z dan Skor -T
TERIMA KASIH KERANA
MEMBERI PERHATIAN

Contenu connexe

Tendances

Kesahan dan kebolehpercayaan
Kesahan dan kebolehpercayaanKesahan dan kebolehpercayaan
Kesahan dan kebolehpercayaanZarina Selamat
 
Model model pengajaran
Model model pengajaranModel model pengajaran
Model model pengajaranafiq ikhwan
 
CONTOH RPH MATEMATIK MENAMBAH NILAI WANG
CONTOH RPH MATEMATIK MENAMBAH NILAI WANGCONTOH RPH MATEMATIK MENAMBAH NILAI WANG
CONTOH RPH MATEMATIK MENAMBAH NILAI WANGAinun Bariah Jaafar
 
edup-3033-nota-murid-dan-pembelajaran
edup-3033-nota-murid-dan-pembelajaranedup-3033-nota-murid-dan-pembelajaran
edup-3033-nota-murid-dan-pembelajaranarshaqaxman
 
Sosiologi pendidikan (1)
Sosiologi pendidikan (1)Sosiologi pendidikan (1)
Sosiologi pendidikan (1)Jean Dcedric
 
Kemahiran set induksi
Kemahiran set induksiKemahiran set induksi
Kemahiran set induksiSohib AlQuran
 
Ciri ciri dan kualiti guru yg profesional
Ciri ciri dan kualiti guru yg profesionalCiri ciri dan kualiti guru yg profesional
Ciri ciri dan kualiti guru yg profesionalawin awin
 
Pengajian kurikulum model kurikulum
Pengajian kurikulum model kurikulumPengajian kurikulum model kurikulum
Pengajian kurikulum model kurikulumNoradilah Hj Nain
 
perbezaan individu dalam pembelajaran dan sifat pelajar yang berjaya
perbezaan individu dalam pembelajaran dan sifat pelajar yang berjayaperbezaan individu dalam pembelajaran dan sifat pelajar yang berjaya
perbezaan individu dalam pembelajaran dan sifat pelajar yang berjayaEmiey Mieysagie
 
Kaedah pembelajaran kontekstual
Kaedah pembelajaran kontekstualKaedah pembelajaran kontekstual
Kaedah pembelajaran kontekstualNor Hamizah Sahari
 
RANCANGAN LATIHAN KEMAHIRAN PERMAINAN.docx
RANCANGAN LATIHAN KEMAHIRAN PERMAINAN.docxRANCANGAN LATIHAN KEMAHIRAN PERMAINAN.docx
RANCANGAN LATIHAN KEMAHIRAN PERMAINAN.docxShahrulizzat5
 
Bab 2 kesedaran kepelbagaian sosiobudaya
Bab 2 kesedaran kepelbagaian sosiobudayaBab 2 kesedaran kepelbagaian sosiobudaya
Bab 2 kesedaran kepelbagaian sosiobudayaCikgu Ana
 
Topik 3 implikasi kepelbagaian sosio budaya terhadap 3
Topik 3 implikasi kepelbagaian sosio budaya terhadap 3Topik 3 implikasi kepelbagaian sosio budaya terhadap 3
Topik 3 implikasi kepelbagaian sosio budaya terhadap 3share with me
 
PENGAJARAN MIKRO
PENGAJARAN MIKROPENGAJARAN MIKRO
PENGAJARAN MIKROkeryman313
 
Model pengurusan disiplin bilik darjah
Model pengurusan disiplin bilik darjahModel pengurusan disiplin bilik darjah
Model pengurusan disiplin bilik darjahEkin Sophia
 

Tendances (20)

Kesahan dan kebolehpercayaan
Kesahan dan kebolehpercayaanKesahan dan kebolehpercayaan
Kesahan dan kebolehpercayaan
 
Model model pengajaran
Model model pengajaranModel model pengajaran
Model model pengajaran
 
Panduan Penulisan Objektif PJ
Panduan Penulisan Objektif PJPanduan Penulisan Objektif PJ
Panduan Penulisan Objektif PJ
 
CONTOH RPH MATEMATIK MENAMBAH NILAI WANG
CONTOH RPH MATEMATIK MENAMBAH NILAI WANGCONTOH RPH MATEMATIK MENAMBAH NILAI WANG
CONTOH RPH MATEMATIK MENAMBAH NILAI WANG
 
Statistik ppg bab2 -hantar
Statistik ppg bab2 -hantarStatistik ppg bab2 -hantar
Statistik ppg bab2 -hantar
 
edup-3033-nota-murid-dan-pembelajaran
edup-3033-nota-murid-dan-pembelajaranedup-3033-nota-murid-dan-pembelajaran
edup-3033-nota-murid-dan-pembelajaran
 
Sosiologi pendidikan (1)
Sosiologi pendidikan (1)Sosiologi pendidikan (1)
Sosiologi pendidikan (1)
 
Sukatan Moral Kbsr
Sukatan Moral KbsrSukatan Moral Kbsr
Sukatan Moral Kbsr
 
Kemahiran set induksi
Kemahiran set induksiKemahiran set induksi
Kemahiran set induksi
 
Kit pembelajaran sdp
Kit pembelajaran sdpKit pembelajaran sdp
Kit pembelajaran sdp
 
Ciri ciri dan kualiti guru yg profesional
Ciri ciri dan kualiti guru yg profesionalCiri ciri dan kualiti guru yg profesional
Ciri ciri dan kualiti guru yg profesional
 
Pengajian kurikulum model kurikulum
Pengajian kurikulum model kurikulumPengajian kurikulum model kurikulum
Pengajian kurikulum model kurikulum
 
perbezaan individu dalam pembelajaran dan sifat pelajar yang berjaya
perbezaan individu dalam pembelajaran dan sifat pelajar yang berjayaperbezaan individu dalam pembelajaran dan sifat pelajar yang berjaya
perbezaan individu dalam pembelajaran dan sifat pelajar yang berjaya
 
Kaedah pembelajaran kontekstual
Kaedah pembelajaran kontekstualKaedah pembelajaran kontekstual
Kaedah pembelajaran kontekstual
 
3 taksonomi bloom
3 taksonomi bloom3 taksonomi bloom
3 taksonomi bloom
 
RANCANGAN LATIHAN KEMAHIRAN PERMAINAN.docx
RANCANGAN LATIHAN KEMAHIRAN PERMAINAN.docxRANCANGAN LATIHAN KEMAHIRAN PERMAINAN.docx
RANCANGAN LATIHAN KEMAHIRAN PERMAINAN.docx
 
Bab 2 kesedaran kepelbagaian sosiobudaya
Bab 2 kesedaran kepelbagaian sosiobudayaBab 2 kesedaran kepelbagaian sosiobudaya
Bab 2 kesedaran kepelbagaian sosiobudaya
 
Topik 3 implikasi kepelbagaian sosio budaya terhadap 3
Topik 3 implikasi kepelbagaian sosio budaya terhadap 3Topik 3 implikasi kepelbagaian sosio budaya terhadap 3
Topik 3 implikasi kepelbagaian sosio budaya terhadap 3
 
PENGAJARAN MIKRO
PENGAJARAN MIKROPENGAJARAN MIKRO
PENGAJARAN MIKRO
 
Model pengurusan disiplin bilik darjah
Model pengurusan disiplin bilik darjahModel pengurusan disiplin bilik darjah
Model pengurusan disiplin bilik darjah
 

En vedette

Taburan persampelan dan teori teorem memusat
Taburan persampelan dan teori teorem memusatTaburan persampelan dan teori teorem memusat
Taburan persampelan dan teori teorem memusatshamsuzlan mat jusoh
 
Analisis pra & pasca2
Analisis pra & pasca2Analisis pra & pasca2
Analisis pra & pasca2Nurdin Muli
 
Sisihan piawai kbk
Sisihan piawai kbkSisihan piawai kbk
Sisihan piawai kbkFiona Ting
 
ukuran berangka sukatan kecenderungan memusat dan sukatan serakan
ukuran berangka sukatan kecenderungan memusat dan sukatan serakanukuran berangka sukatan kecenderungan memusat dan sukatan serakan
ukuran berangka sukatan kecenderungan memusat dan sukatan serakansyafiqahharris
 
Statistik contoh jawapan
Statistik   contoh jawapanStatistik   contoh jawapan
Statistik contoh jawapanSayshare
 
Statistik perwakilan data (word)-hantar
Statistik perwakilan data (word)-hantarStatistik perwakilan data (word)-hantar
Statistik perwakilan data (word)-hantarMiccaill Casparov
 
Sample Curriculum Vitae Template
Sample Curriculum Vitae TemplateSample Curriculum Vitae Template
Sample Curriculum Vitae TemplateCristina Terrado
 
Nasal guard uk cold and flu relief presentation
Nasal guard uk cold and flu relief presentationNasal guard uk cold and flu relief presentation
Nasal guard uk cold and flu relief presentationnasalguardinfo
 
Amia tbi-14-final
Amia tbi-14-finalAmia tbi-14-final
Amia tbi-14-finalRuss Altman
 
Diseño de juntas de pavimentos rigidos
Diseño de juntas de pavimentos rigidosDiseño de juntas de pavimentos rigidos
Diseño de juntas de pavimentos rigidosJOHNNY JARA RAMOS
 
Gianluca Fiorelli - SMM Internazionale
Gianluca Fiorelli - SMM InternazionaleGianluca Fiorelli - SMM Internazionale
Gianluca Fiorelli - SMM InternazionaleElena Minchenok
 
Young Marketers Elite 3 - Assignment 4.1 - Nhóm 6 - Vỹ, Lâm, Vân
Young Marketers Elite 3 - Assignment 4.1 - Nhóm 6 - Vỹ, Lâm, VânYoung Marketers Elite 3 - Assignment 4.1 - Nhóm 6 - Vỹ, Lâm, Vân
Young Marketers Elite 3 - Assignment 4.1 - Nhóm 6 - Vỹ, Lâm, Vânkieuthienvan
 
ไวรัสคอมพิวเตอร์
ไวรัสคอมพิวเตอร์ไวรัสคอมพิวเตอร์
ไวรัสคอมพิวเตอร์onaree
 

En vedette (19)

Taburan persampelan dan teori teorem memusat
Taburan persampelan dan teori teorem memusatTaburan persampelan dan teori teorem memusat
Taburan persampelan dan teori teorem memusat
 
Pentaksiran
PentaksiranPentaksiran
Pentaksiran
 
Analisis pra & pasca2
Analisis pra & pasca2Analisis pra & pasca2
Analisis pra & pasca2
 
Vektor(tg5)
Vektor(tg5)Vektor(tg5)
Vektor(tg5)
 
Sisihan piawai kbk
Sisihan piawai kbkSisihan piawai kbk
Sisihan piawai kbk
 
Sukatan Kecenderungan Memusat
Sukatan Kecenderungan MemusatSukatan Kecenderungan Memusat
Sukatan Kecenderungan Memusat
 
ukuran berangka sukatan kecenderungan memusat dan sukatan serakan
ukuran berangka sukatan kecenderungan memusat dan sukatan serakanukuran berangka sukatan kecenderungan memusat dan sukatan serakan
ukuran berangka sukatan kecenderungan memusat dan sukatan serakan
 
Taburan normal 1
Taburan normal 1Taburan normal 1
Taburan normal 1
 
Statistik contoh jawapan
Statistik   contoh jawapanStatistik   contoh jawapan
Statistik contoh jawapan
 
Sisihan piawai
Sisihan piawaiSisihan piawai
Sisihan piawai
 
Statistik perwakilan data (word)-hantar
Statistik perwakilan data (word)-hantarStatistik perwakilan data (word)-hantar
Statistik perwakilan data (word)-hantar
 
Sample Curriculum Vitae Template
Sample Curriculum Vitae TemplateSample Curriculum Vitae Template
Sample Curriculum Vitae Template
 
Nasal guard uk cold and flu relief presentation
Nasal guard uk cold and flu relief presentationNasal guard uk cold and flu relief presentation
Nasal guard uk cold and flu relief presentation
 
Amia tbi-14-final
Amia tbi-14-finalAmia tbi-14-final
Amia tbi-14-final
 
Diseño de juntas de pavimentos rigidos
Diseño de juntas de pavimentos rigidosDiseño de juntas de pavimentos rigidos
Diseño de juntas de pavimentos rigidos
 
Medidores volumétricos
Medidores volumétricosMedidores volumétricos
Medidores volumétricos
 
Gianluca Fiorelli - SMM Internazionale
Gianluca Fiorelli - SMM InternazionaleGianluca Fiorelli - SMM Internazionale
Gianluca Fiorelli - SMM Internazionale
 
Young Marketers Elite 3 - Assignment 4.1 - Nhóm 6 - Vỹ, Lâm, Vân
Young Marketers Elite 3 - Assignment 4.1 - Nhóm 6 - Vỹ, Lâm, VânYoung Marketers Elite 3 - Assignment 4.1 - Nhóm 6 - Vỹ, Lâm, Vân
Young Marketers Elite 3 - Assignment 4.1 - Nhóm 6 - Vỹ, Lâm, Vân
 
ไวรัสคอมพิวเตอร์
ไวรัสคอมพิวเตอร์ไวรัสคอมพิวเตอร์
ไวรัสคอมพิวเตอร์
 

Similaire à Kecenderunganmemusat

Topic 11 AR quantitative data analysis
Topic 11 AR quantitative data analysisTopic 11 AR quantitative data analysis
Topic 11 AR quantitative data analysiszytemys
 
Analisis dan penafsiran data
Analisis dan penafsiran dataAnalisis dan penafsiran data
Analisis dan penafsiran datahuuriyahbahiirah
 
Soalan latihan-nota
Soalan latihan-notaSoalan latihan-nota
Soalan latihan-notaCIKGUAMI
 
PENTAKSIRAN dalam pendidikan tajuk enam hingga lapan.pdf
PENTAKSIRAN dalam pendidikan tajuk enam hingga lapan.pdfPENTAKSIRAN dalam pendidikan tajuk enam hingga lapan.pdf
PENTAKSIRAN dalam pendidikan tajuk enam hingga lapan.pdf1370zulaikha
 

Similaire à Kecenderunganmemusat (9)

Topic 11 AR quantitative data analysis
Topic 11 AR quantitative data analysisTopic 11 AR quantitative data analysis
Topic 11 AR quantitative data analysis
 
Bab 5 skor z
Bab 5 skor z Bab 5 skor z
Bab 5 skor z
 
Kuliah 1.pptx
Kuliah 1.pptxKuliah 1.pptx
Kuliah 1.pptx
 
Analisis dan penafsiran data
Analisis dan penafsiran dataAnalisis dan penafsiran data
Analisis dan penafsiran data
 
Statistik asas 1
Statistik asas 1Statistik asas 1
Statistik asas 1
 
Soalan latihan-nota
Soalan latihan-notaSoalan latihan-nota
Soalan latihan-nota
 
Statistik awalan
Statistik awalanStatistik awalan
Statistik awalan
 
PENTAKSIRAN dalam pendidikan tajuk enam hingga lapan.pdf
PENTAKSIRAN dalam pendidikan tajuk enam hingga lapan.pdfPENTAKSIRAN dalam pendidikan tajuk enam hingga lapan.pdf
PENTAKSIRAN dalam pendidikan tajuk enam hingga lapan.pdf
 
Nota tm6013
Nota tm6013Nota tm6013
Nota tm6013
 

Kecenderunganmemusat

  • 1. 1 Kecenderungan Memusat dan Serakan GA3113 Dr.Effandi Zakaria Kecenderungan Memusat: Mod, Median, & Min • Mod – skor yang mempunyai kekerapan yang tertinggi. • Satu jenis statistik yang kurang boleh dipercayai tetapi kerap digunakan sebagai anggaran awalan. • Boleh mempunyai taburan bimodal dan multimodal. Contoh: Taburan bimodal Median • Skor yang membahagikan 50% di atas dan 50% dibawah. • Set skor yang genap, 1 2 3 4 | 5 6 7 8 , Median adalah 4.5 • Set skor yang ganjil, 1 2 3 4 5 6 7 , Median adalah 4 Min • Jumlah semua skor X dibahagi dengan bilangan X. Min bagi populasi ialah (mu) dan min bagi sampel ialah (X-bar). • Min bagi sampel: • Min bagi populasi: µ X N X X ∑= N X∑=µ Serakan • Julat , Varian, dan Sisihan Piawai • Julat – satu pengukuran paling mudah untuk mengukur serakan. • Jarak atau perbezaan antara dua skor yang ekstrem. • Skor tertinggi – Skor terendah 12 14 14 16 16 18 20 , Julat= 20-12 =8
  • 2. 2 Varian • Satu indeks pengukuran tentang keberubahan dalam satu-satu set data. • Varian populasi: • , min populasi • Varian adalah bersamaan dengan purata kuasadua sisihan daripada min • Untuk mengira, ambil setiap skor dan tolak dengan min. Kuasaduakan.. Cari skor purata. Itulah varian. µ µ µ N X∑ − = 2 2 )( µ σ Mengira varian: 50adalahVarianMin: 250075Jumlah: 100101525 2551520 001515 25-51510 100-10155 (N=5) X X XX − 2 )( XX − Sisihan Piawai • Sisihan piawai ialah punca kuasadua varian. • Formula bagi populasi: N X∑ − = 2 )( µ σ Mengira sisihan piawai: adalahSDKuasadua 50adalahVarianMin: 250075Jumlah: 100101525 2551520 001515 25-51510 100-10155 (N=5) X X XX − 2 )( XX − 07.750 == Interpretasi taburan skor Min sama , SP tak sama Min tak sama, SP sama Min tak sama,SP tak sama Pencongan - merujuk kepada simetri sesuatu taburan •Pencong positif -Ramai calon mendapat skor rendah dan amat kurang calon mendapt skor yang tinggi •Ekor taburan menghala ke kanan
  • 3. 3 •Pencong negatif – Ramai calon mendapat skor yang tinggi dan tidak ramai calon mendapat skor yang rendah •Ekor bagi taburan menghala ke kiri Min,Median,Mod (Tidak Pencong) Skor Piawai • Skor yang telah dipiawaikan untuk menentukan kedudukan relatif. • Merupakan satu teknik yang berguna untuk membandingkan skor ujian antara pelajar • Oleh itu, skor piawai menentukan dalam unit sisihan piawai kedudukan skor seseorang pelajar dari skor min sesuatu taburan. Formula skor z: σ µ− = X z Ahmad mendapat skor 80 dalam BM dan 50 dalam BI. Skor min bagi BM ialah 70 dan sisihan piawainya ialah 15. Manakala, min bagi BI ialah 40 dan sisishan piawainya ialah 8. Yang mana lebih baik? Jawapan: • Skor z bagi BM: • Skor-z = (80-70)/15 = 0.7 • Skor z bagi BI: • Skor-z = (50-40)/8 = 1.25 Abu mendapat skor lebih baik dalam BI berbanding BM. • Skor z akan menukarkan semua skor kepada min= 0 dan sisihan piawai = 1. • Ini bermakna semua skor ditukarkan kepada satu skala yang sama untuk memudahkan perbandingan.
  • 4. 4 Skor-T • Skor –z melibatkan nombor negatif dan positif. • Skor T adalah sama dengan skor z kecuali skor T mempunyai min = 50 dan sisihan piawai 10. • T = 10z + 50 Skor –T: • T = 10z + 50 • Hitungkan skor –z bagi skor mentah pelajar • Skor-z didarabkan dengan 10 • Hasildarab dicampurkan dengan 50 Contoh pengiraan skor –T: • Satu ujian Geografi bagi Tingkatan 1, mempunyai min= 60 dan sisihan piawai = 10. Abdulah mendapat skor 70. Hitungkan skor –T bagi Abdulah. • T= 10 z+ 50 • = 10 [(70-60)/10] + 50 • = 60 Taburan Normal, Skor-z dan skor T -3.0 -2.0 -1.0 0 +1.0 +2.0 +3.0 34.13 % 34.13 % 13.59 % 13.59 % 2.14 % 2.14 %0.13 % 0.13 % NORMAL DISTRIBUTION 20 30 40 50 60 70 80 T-Scores Z-Scores Apa yang telah dipelajari? Ukuran Kecenderungan Memusat • Min.median dan mod Serakan • Julat, varian dan sisihan piawai Skor –z dan Skor -T TERIMA KASIH KERANA MEMBERI PERHATIAN