(Berita) Ibu jadi mangsa seksual anak sendiri

Apa nak jadi dengan dunia sekarang?????

KOTA BHARU - Seorang guru wanita mengalami igauan ngeri sepanjang hidupnya apabila menjadi mangsa pukul dan gangguan seksual anak sendiri yang berusia 19 tahun.

Mangsa berusia 54 tahun yang menetap di Lorong LPP Lundang itu menjadi mangsa anak lelakinya hampir setiap hari sehinggalah kejadian terakhir pada jam 6.30 petang, 21 Disember lalu.

Ketua Polis Daerah Kota Bharu, Asisten Komisioner Azham Othman berkata, mangsa yang berada di rumah ketika itu diserang suspek dengan kayu penyapu.

Tanpa mengetahui puncanya, suspek tiba-tiba sahaja mengamuk dan memukul wanita tersebut di punggung, belakang dan bahu kiri.

“Akibat daripada itu, ibu suspek cedera dan luka dengan kesan lebam, sakit serta pedih di bahagian yang dipukul suspek,” katanya kepada pemberita, semalam.

Suspek sebelum ini sering kali berkelakuan dan bercakap perkara-perkara lucah terhadap ibunya.

“Setiap hari, remaja lelaki tersebut akan menunjukkan aksi perhubungan seks serta pernah meletakkan tangan di atas dada dan punggung ibunya.

“Dia juga kerap kali datang ke sekolah untuk meminta wang dan mengugut pengadu menyebabkan pengadu ketakutan dan tidak dapat menumpukan perhatian terhadap tugasan seharian,” katanya.

Sudah tidak betah untuk bertahan, wanita terbabit kemudian membuat laporan polis menyebabkan pekerja kilang yang masih bujang tersebut ditahan bagi membantu siasatan.

“Suspek dipercayai penagih tegar dan ditahan reman mengikut Seksyen 324 dan 509 Kanun Keseksaan,” katanya.

Sumber : http://www.sinarharian.com.my/semasa/ibu-jadi-mangsa-seksual-anak-sendiri-1.233517

++Persampelan++

—PERSAMPELAN

—  Populasi - merupakan keseluruhan unit/objek/elemen/responden/ yang merupakan asas kepada bahan pengukuran pengkaji

—  Sampel - merupakan satu kumpulan, kelompok atau subset yang dipilih khusus untuk mewakili populasi dalam sesuatu kajian

—  Sampel mungkin boleh merupakan unit/objek/elemen/responden atau apa-apa sahaja yang menjadi bahan pengukuran bagi mendapatkan data

—  Persampelan adalah satu proses memilih sampel yang mungkin terdiri daripada unit/ objek/ elemen/responden dari satu populasi yang dikenal pasti dalam kajian dengan menggunakan kaedah dan teknik yang tertentu supaya hasil kajian dapat digeneralisasikan kepada keseluruhan populasi

—  Kerangka Polisi - kerangka populasi merupakan senarai maklumat lengkap yang boleh diperolehi mengenai sampel yang akan dipilih

KEPENTINGAN PERSAMPELAN

—  membolehkan pengkaji memilih sampel yang bersesuaian dari satu populasi yang besar

—  membolehkan inferensi atau generalisasi dilakukan ke atas populasi berdasarkan keputusan kajian yang diperolehi

—  menyesuaikan dengan kos dan masa kajian

BENTUK DAN JENIS PERSAMPELAN

—  Persampelan kebarangkalian (probability sampling)

ü  merujuk kepada andaian bahawa setiap ahli dalam populasi mempunyai peluang atau kebarangkalian yang sama untuk dipilih sebagai sampel

—  persampelan bukan kebarangkalian (non-probability sampling)

MENENTUKAN SAIZ SAMPEL

—  sampel yang terlalu besar akan menyukarkan pengkajian menjalankan kajian kerana akan memakan masa yang agak lama dan kos yang tinggi

—  sampel yang terlalu sedikit akan memberi kesan kepada analisis statistik serta kesahan sampel dalam mewakili populasi

—  Rujuk Krejcie dan Morgan (1970) jadual 4.1 halaman 50.

PERSAMPELAN KEBARANGKALIAN (PROBABILITY SAMPLING)

—  Persampelan Rawak Mudah  (Simple Random Sampling)

ü  Persampelan rawak mudah merujuk kepada andaian bahawa setiap unit/objek/ elemen/ responden mempunyai peluang yang sama untuk dipilih sebagai sampel tanpa sebarang bias pemilihan

ü  Setiap unit/objek/elemen/responden perlulah diberikan peluang untuk pilihan

ü  pengkaji mempunyai satu senarai kerangka populasi yang lengkap dan setiap sampel akan dipilih secara rawak

—  Persampelan Sistematik  (Systematic Sampling)

ü  Persampelan bersistematik menetapkan cara yang lebih mudah untuk mendapat atau memilih sampel

ü  contoh, nisbah sampel kepada populasi ialah 1 : 10 (100 : 1000)

ü  Merupakan kaedah yang efisien

—  Persampelan Rawak Berstratifikasi (Stratified Random Sampling)

ü  pemilihan responden dalam kelompok atau strata tertentu yang mewakili populasi kajian

ü  sekiranya diandaikan wujud perbezaan-perbezaan tertentu dalam kumpulan atau strata yang berlainan

ü  kumpulan-kumpulan pembolehubah yang bermakna yang membolehkan pengkaji membuat perbandingan mengenai isu2 tertentu

ü  Cth; perbezaan jantina, pilih 50 lelaki & 50 wanita

—  Persampelan Rawak Berstratifikasi Bernisbah (Proportional Stratified Random Sampling)

ü  kaedah ini pengkaji harus menentukan bilangan sampel yang perlu diambil berdasarkan kepada jumlah populasi

ü  Pemilihan berdasarkan nisbah populasi

—  Bernisbah (Disproportional Stratified Random Sampling)

ü  berstratifikasi bernisbah kadangkala menyebabkan jumlah sampel dalam sesuatu strata itu terlalu kecil

ü  analisis statistik yang berkesan sukar dijalankan

ü  dilakukan melalui proses yang sama seperti persampelan rawak berstratifikasi bernisbah

—  Persampelan Rumpun Pelbagai Tahap (Multistage Cluster Sampling)

ü  kajian yang dilakukan memerlukan pengkaji mengambil sampel yang besar seperti kajian untuk sebuah negeri ataupun negara mahupun populasi yang besar

ü  memerlukan pengkaji membuat perancangan dalam memilih sampel akhir

ü  Rumpun di sini merujuk kepada entiti yang boleh berupa kelompok, kumpulan, strata atau organisasi yang melibatkan unit-unit heterogeneous (pelbagai)

PERSAMPELAN BUKAN KEBARANGKALIAN (NON-PROBABILITY SAMPLING)

—  unit/objek/elemen/responden tidak mempunyai peluang yang sama untuk dipilih sebagai sampel.

—  Sampel dari populasi yang berbentuk homogeneous mungkin lebih sesuai menggunakan kaedah ini

Persampelan mudah (Convenience/Accidental Sampling)

—  Sesiapa sahaja dalam populasi yang dikenal pasti, boleh menjadi sampel tanpa perlu sebarang proses pemilihan secara rawak asalkan bersetuju untuk menjadi responden kajian.

—  selalunya digunakan dalam fasa penerokaan sesuatu kajian atau bila pengkaji memerlukan sampel dengan segera atau mungkin tidak ada masa bagi membentuk kaedah persampelan lain

—  kaedah persampelan bagi mendapatkan maklumat mudah, cepat dan berkesan

Persampelan bertujuan  (Purposive Sampling)

—  Persampelan bertujuan digunakan bagi mengumpul maklumat dari sekumpulan sampel yang khusus dan spesifik serta bertepatan dengan objektif kajian

—  merujuk kepada sesuatu perwakilan formal

—  memenuhi kriteria yang ditetapkan dalam kajian dan tergolong dalam populasi kajian

—  Cth; pakar

Persampelan Kuota (Quota Sampling)

—  sebenarnya hanya menerapkan konsep stratifikasi dalam pemilihan sampel.

Persampelan Bola Salji (Snowball Sampling)

—  bermaksud mendapatkan jumlah sampel yang sedikit dahulu sebelum jumlah itu bertambah melalui maklumat nama dan lokasi sampel lain yang diberikan oleh sampel awal

—  Cth; pelacur

++Korelasi & Regresi++

++Sukatan Memusat & Sukatan Serakan++

Ukuran Memusat

Sukatan kecenderungan memusat ialah ukuran purata yang menunjukkan ukuran pusat sesuatu taburan data dan ianya merupakan asas pengukuran dalam statistik. Sukatan kecenderungan memusat menghasilkan maklumat yang berkaitan dengan titik tengah pada satu kumpulan nombor. Terdapat tiga pengukuran atau statistik yang biasa digunakan untuk menunjukkan sukatan kecenderungan memusat. Statistik tersebut ialah min, median dan mod.

          Min ialah purata bagi semua nilai dalam populasi atau sampel. Median ialah cerapan ditengah apabila semua cerapan tersebut disusun mengikut urutan. Sekiranya terdapat dua titik tengah maka median ialah purata bagi dua nilai tengah itu. Mod ialah cerapan yang kekerapannya adalah tertinggi dalam suatu set data. Kelas mod ialah kelas yang mempunyai kekerapan yang tertinggi.

         Jadual kekerapan ialah satu cara sistematik jika data yang dikumpulkan adalah banyak dan bernilai besar. Ini adalah kerana kiraan min untuk satu kumpulan data yang banyak dan bernilai besar kadangkala mengambil masa yang lama. Maka, data yang banyak itu dikumpulkan dan dijadualkan sebelum mengira minnya. Bagi data yang tidak terkumpul, min adalah dikira dengan menjumlahkan nilai di dalam set data dan kemudiannya membahagikannya dengan bilangan data tersebut. Mod bagi data terkumpul adalah titik tengah kelas mod. Nilai median bagi data tidak terkumpul adalah nilai yang terletak di tengah-tengah apabila data tersebut disusun secara menaik.

Ukuran Serakan

Sukatan kecenderungan memusat iaitu min, median dan mod tidak memberi gambaran sepenuhnya tentang taburan sesuatu set data. Sebagai contoh, dua set data yang mempunyai min yang sama mungkin mempunyai sebaran yang berbeza sepenuhnya antara satu sama lain. Sisihan antara nilai-nilai yang diperhatikan bagi sesuatu set data mungkin lebih kecil atau lebih besar jika dibandingkan dengan set data yang lain. Sukatan yang dapat membantu untuk mengetahui tentang sebaran sesuatu set data dikenali sebagai sukaran serakan. Sukatan kecenderungan memusat dan sukatan serakan secara bersama akan dapat memberi gambaran yang lebih baik tentang sesuatu set data jika hanya menggunakan sukatan kecenderungan memusat sahaja.

          Sukatan serakan menghuraikan amaun sebaran antara nilai-nilai set data yang diperhatikan. Set data yang tersebar luas akan mempunyai nilai sukatan serakan yang lebih besar berbanding dengan set data yang berkumpul rapat. Julat adalah sukatan serakan yang paling mudah untuk dihitung. Julat dapat diperolehi dengan mencari perbezaan antara nilai terbesar dengan nilai terkecil dalam set data itu. Sisihan piawai adalah sukatan serakan yang paling kerap digunakan. Nilai sisihan piawai yang rendah bagi sesuatu set data akan menunjukkan bahawa nilai-nilai dalam set data itu adalah tersebar dalam julat yang kecil secara relatifnya disekitar nilai min set data itu. Sisihan piawai boleh diperolehi dengan mencari nilai positif bagi punca kuasa dua nilai varian.

          Kuartil-kuartil adalah sejenis sukatan kedudukan yang membahagikan satu set data yang telah disusun mengikut tertib sama ada menaik atau menurun kepada empat bahagian yang sama. Persentil pula sejenis sukatan kedudukan yang membahagikan satu set data yang telah disusun mengikut tertib menaik kepada 100 bahagian yang sama. Kuartil dan persentil bagi taburan data terkumpul boleh dianggarkan daripada lengkungan kekerapan kumulatif. Kekerapan kumulatif adalah jumlah bilangan data yang kurang daripada satu nilai tertentu. Lengkungan kekerapan kumulatif atau nama khasnya ogif boleh dilukis dengan kekerapan kumulatif pada paksi menegak atau mencancang dan sempadan kelas atas sesuatu selang kelas pada paksi mendatar atau mengufuk.

++Pelbagai Kecerdasan ++

TUGASAN 1 TRM3013 JUMRAH BINTI SULTAN .pdf

Kepada yang berminat utk dapatkan dalam bentuk word boleh email or hubungi sy.. whatsapp pon boleh .

++Penggunaan Statistik++

Secara etimologis kata ‘statistik’ berasal dari kata status (bahasa latin) yang mempunyai persamaan arti dengan kata state (bahasa Inggris) atau kata staat (bahasa Belanda). Pada mulanya, kata “statistik” diertikan sebagai “kumpulan bahan keterangan (data), baik yang berwujud angka (data kuantitatif) mahupun yang tidak berwujud angka (data kualitatif), yang mempunyai makna penting dan kegunaan yang besar bagi suatu negara. Namun, pada perkembangan selanjutnya, erti kata statistik hanya dibatasi pada “kumpulan bahan keterangan yang berwujud angka (data kuantitatif)” saja; bahan keterangan yang tidak berwujud angka (data kualitatif) tidak lagi disebut statistik.

              Dalam kamus bahasa Inggris kita akan jumpa kata statistics dan kata statistic. Kedua kata itu mempunyai makna yang berbeza. Kata statistics ertinya “ilmu statistik”, manakala statistic bererti “ukuran yang diperoleh atau berasal dari sampel,” iaitu sebagai lawan dari kata “parameter” yang bererti “ukuran yang diperoleh atau berasal dari populasi”.

            

Di antara kegunaan Statistik sebagai ilmu pengetahuan adalah:

(a) Untuk menggambarkan keadaan, baik secara umum amupun secara khusus;

(b) Untuk memperoleh gambaran tentang perkembangan (pasang-surut) dari waktu ke waktu;

 (c) Untuk mengetahui perbandingan (membandingkan) sesuatu peristiwa

(d) Untuk menilai keadaan dengan jalan menguji perbezaan antara sesuatu peristiwa

(e) Untuk menilai keadaan dengan jalan mencari hubungan antara sesuatu peristiwa.

(f) Untuk menjadi dasar atau pedoman, baik di dalam menarik kesimpulan, mengambil keputusan, serta memperkirakan terjadinya sesuatu hal atas dasar bahan-bahan keterangan (data) yang telah berhasil dihimpun, dan lain sebagainya.

          Statistik dipelajari di berbagai bidang ilmu kerana statistik adalah sekumpulan alat analisis data yang dapat membantu untuk mengambil keputusan berdasarkan hasil kesimpulan pada analisis data yang di kumpulkan. Selain itu juga dengan statistik membolehkan kita meramal keadaan yang akan datang berdasakan data masa lalu.

++Had dan Keselanjaran++

++ Kesan Rumah Hijau ++

Sumber : http://tntigeofizik.blogspot.com/2011/05/memahami-kesan-rumah-hijau.html

Kesan Rumah Hijau 

1. Menyebab berlakunya pemanasan global
2. Kawasan yang mengalami pencemaran yang teruk akan lebih mengalami suhu yang lebih panas
3. Pemanasan global akibat kesan rumah hijau akan menganggu iklim dunia akibat suhu yang tidak menentu.Flora dan fauna juga turut diganggu aturan atau kitaran hidupnya seperti bunga di kawasan sejuk berbunga lebih cepat dari kebiasaan dan sebagainya
4. Kenaikan suhu dunia akan mencairkan ais terutamanya di Artik.Walaupun mengambil masa,kesannya pastilah buruk kerana pencairan ais ini akan menyebabkan kenaikan paras air laut yang mampu menenggelamkan kawasan rendah termasuklah pulau-pulau kecil di seluruh dunia.Dijangka ais di Artik akan cair kesemuanya pada tahun 2099(wikipedia) 

Punca Berlaku Kesan Rumah Hijau

• Faktor semulajadi seperti letusan gunung berapi yang membebaskan pelbagai gas antaranya sulfur dan oksida.
• Faktor manusia iaitu melakukan pencemaran dan membebaskan pelbagai gas seperti karbon dioksida,karbon monoksida,nitrogen oksida,CFC,halon dan sebagainya.Gas-gas inilah yang membentuk satu layer atau lapisan yang menghalang pembalikan sinaran ultraunggu matahari secara semula jadi.Lapisan ini juga akan menyebabkan gas yang lain turut berkumpul di lapisan ini.

1. Membebaskan gas berbahaya daripada kilang,kereta dan sebagainya.(pencemaran udara) 
2. Menggunakan alatan yang membebaskan CFC . 
3. Penggunaan racun serangga serta baja kimia turut membebaskan gas kesan rumah hijau 
4. Penternakan berskala besar turut membebaskan gas ammonia yang menyumbang pencemaran alam sekitar serta membentuk kesan rumah hijau. 

Sumber : http://www.lovehijau.com/2008/06/kesan-rumah-hijau.html

++ Criteria of An Ideal Teacher ++

Talking about being an ideal teacher, there are variety of views and perspectives on how to be an ideal teacher. The question here is, are we one of the ideal teachers?

In my point of view, be an ideal teacher, we need to be different from other teachers, but not to be weird one. Different here means the ideal teacher is the one with high accountability and be doing outstanding job than other teachers. In addition, an ideal teacher is the one who makes your learning enjoyable. That means the teacher must be able to attract students to pay attention in class. Sometimes, an ideal teacher should also have sense of humor because being funny will able to make learning fun and memorable. But always keep in mind, do not over react like a clown.

An ideal teacher should be an idol for his or her students. Teachers are role models to students. Therefore, an ideal teacher should know how to act, dress, talk, walk or even speak properly in front of their students. In fact, in everything we do, an ideal teacher should do it like how a teacher is supposed to do.

An ideal teacher is the one who can be a motivator to students. With the awareness that the students come from different backgrounds, have different personalities and so on, an ideal teacher should know how to give motivation to each student and encourage them to study. The teacher needs to know that different student require different kinds of motivations as they would definitely face different kind of problems. So, being a good motivator is essential to be an ideal teacher.

Some students trust their teachers, even more than their parents. Therefore, it is the responsibility of an ideal teacher to guide the student as their own child. For example, a teacher guides the students to always keep their behaviour. This is a huge responsibility in educating students to be useful one day. In other words, in school, we are the parents of our students.

In conclusion, there are many ways to be an ideal teacher. There are also many ways on how to be an ideal teacher. We just have to choose which criteria available to us to show to our students. They are the future leaders of tomorrow and we are the people who will make their dreams become a reality.

++Hubungan dan Fungsi++

+++Jujukan Aritmetik & Jujukan Geometri+++

Jujukan terdiri daripada Jujukan Aritmetik dan  Jujukan Geometri. Jujukan juga dikenali sebagai janjang. Jujukan Aritmetik ialah satu jujukan nombor yang mempunyai beza sepunya, d.

dengan T_n sebutan ke-n

• Sebutan ke-n, Tn = a + (n - 1) dengan a = sebutan pertama
• Hasil tambah n sebutan pertama

Contoh ;

2, 5, 8, 11,.. ialah satu janjang aritmetik dengan sebutan pertama, a = 2 dan beza sepunya,      d = 5 - 2 = 3.

Manakala Jujukan Geometri pula merupakan jujukan nombor yang mempunyai nisbah sepunya, r.

• Sebutan ke-n, Tn = ar ^n-1, dengan a ialah sebutan pertama.
• Hasil tambah n sebutan pertama,

• Hasil tambah bilangan sebutan ketidakterhinggaan,

Berikut beberapa contoh yang melibatkan penggunaan jujukan Aritmetik dan juga Jujukan Geometri

Sumber : http://mudah-addmath.blogspot.com/2012/12/janjang-geometri.html