BAB 7

METODE KORELASI

OBJEKTIF BAB
Selepas mempelajari bab ini, anda seharusnya boleh:
1.
Memahami konsep asas korelasi.
2.
Menjelaskan beberapa metode analisis korelasi.
3.
Menggunakan metode analisis korelasi dengan tepat sesuai
dengan tujuan kajian dan jenis data.
7.1

PENGENALAN

Sebagai seorang penyelidik kita mungkin berminat terhadap kajian yang

boleh menunjukkan hubungan antara satu pemboleh ubah dengan satu
pemboleh ubah lain dan bentuk kaitan antara satu faktor dengan satu faktor
yang lain. Sebagai contoh, kajian oleh Iran Herman dan Asmah Bee Md.
Noor (2002) telah menunjukkan bahawa prestasi akademik di kalangan
pelajar universiti mempunyai hubungan positif dengan penghargaan kendiri.
Kajian ini menumpukan kepada hubungan dua pemboleh ubah iaitu prestasi
akademik dan penghargaan kendiri di samping meneliti pola dan darjah
hubungan pemboleh ubah tersebut. Hubungan pemboleh ubah boleh diuji
dengan menggunakan metode analisis korelasi.
7.2

METODE KORELASI

Metode korelasi ialah satu daripada metode analisis data yang digunakan
untuk menguji pola dan darjah hubungan pemboleh ubah yang dikaji.
Metode ini diperkenalkan pada tahun 1885 apabila Franus Galton menulis
mengenai regression towards mediocrity in hereditary stature. Beliau telah meramal
bahawa ciri fizikal anak-anak dapat ditentukan oleh kriterium yang terdapat
pada kedua ibu dan bapanya. Karl Pearson (1857-1936) pula telah
memperkenalkan tatacara yang begitu luas digunakan sehingga hari ini untuk
menguji hubungan dua pemboleh ubah yang mempunyai data jenis selanjar.
Bentuk hubungan dua pemboleh ubah boleh diterangkan dalam tiga bentuk
iaitu
(i)
(ii)
(iii)

Hubungan positif
Hubungan negatif
Tiada hubungan

79

7.3

HUBUNGAN POSITIF

Untuk menggambarkan pola hubungan positif, cuba perhatikan taburan

markat Jadual 7.1.
Jadual 7.1
Hubungan Pemboleh Ubah X dan Y
Kes
1
2
3
4
5
6

Pemboleh Ubah
X
Y
X1
X2
X3
X4
X5
X6

Markat
X

Y1
Y2
Y3
Y4
Y5
Y6

12
14
16
18
20
22

10
13
16
19
21
24

Data dalam Jadual 7.1 menunjukkan tersusunnya markat X dan Y daripada

yang rendah hingga kepada yang tinggi. Apabila markat X rendah, markat Y
juga rendah, dan apabila markat X tinggi, markat Y juga tinggi. Keadaan
begini bolehlah dikatakan bahawa pemboleh ubah X mempunyai hubungan
positif dengan pemboleh ubah Y.
7.4

HUBUNGAN NEGATIF

Pola hubungan negatif dapat diperhatikan pada taburan markat Jadual 7.2.
Jadual 7.2
Hubungan Pemboleh Ubah A dan B
Kes
1
2
3
4
5
6

Pemboleh Ubah
A
B
A1
A2
A3
A4
A5
A6

B1
B2
B3
B4
B5
B6

Markat
A
21
22
23
24
25
26

B
20
19
18
17
16
15

Kedudukan markat pemboleh ubah A dan B bagi kesemua kes ialah dalam
bentuk menyongsang. Jika markat A rendah, markat B akan tinggi.
Sebaliknya jika markat A tinggi maka pasangannya iaitu pemboleh ubah B
pula rendah. Keadaan ini menggambarkan pemboleh ubah A dan B
mempunyai hubungan songsang ataupun negatif.
7.5

TIADA HUBUNGAN

Gambaran ketiga ditunjukkan dalam Jadual 7.3 apabila dua pemboleh ubah
dikatakan tidak mempunyai hubungan.
80

Jadual 7.3
Hubungan Pemboleh Ubah K dan L
Kes
1
2
3
4
5
6
7
8
9
10

Pemboleh Ubah
K
L

Markat
L

K1
K2
K3
K4
K5
K6
K7
K8
K9
K10

11
15
13
14
12
16
17
18
19
20

15
15
15
15
15
15
15
15
15
15

L1
L2
L3
L4
L5
L6
L7
L8
L9
L10

Dalam jadual ini, markat pemboleh ubah L sebagai tetap ataupun malar
kedudukannya dan tidak berubah-ubah sedangkan markat pemboleh ubah
K berubah secara rawak.
Bentuk dan pola hubungan markat kedua-dua pemboleh ubah yang
diterangkan dalam Jadual 7.1 hingga 7.3 boleh dipersembahkan melalui
gambarajah yang dikenali sebagai plot atau lakar sebaran. Sekiranya markat
tersebut terletak hampir menjadi satu garisan lurus dengan sudut 450
menghala ke arah Timur Laut, maka dua pemboleh ubah tersebut
mempunyai hubungan atau korelasi yang positif. Rajah 7.1 menunjukkan
pola markat X dan Y yang terdapat dalam Jadual 7.1.
Rajah 7.1
Hubungan Positif antara X dan Y
Y
24

21

19

16

13
10

*
*

X
12

14

16

18

20

22

Rajah 7.2 pula menunjukkan arah yang bertentangan daripada Rajah 7.1.
Garisan lurus markat A dan B menghala ke arah Barat Laut. Oleh itu,
keadaan ini menunjukkan hubungan atau korelasi antara A dan B sebagai
negatif.
81

Rajah 7.2
Hubungan Negatif antara A dan B
B
20

19

18

17

16

15

21

22

23

24

25

26

Dalam Rajah 7.3 pula, garisan lurus mendatar selari dengan paksi melintang
K. Keadaan ini menunjukkan hubungan antara K dan L tidak berhubungan
dan mempunyai nilai korelasi sifar ataupun menghampiri nilai sifar.
Rajah 7.3
Tidak Terdapat Hubungan antara Pemboleh Ubah P dan Q
K
18
17
16
15

11

12

13

14

15

16

17

14
13

L
0

7.6

18

19

PEKALI KORELASI

Pekali korelasi merupakan indeks atau nilai yang menggambarkan hubungan

antara dua pemboleh ubah. Ia mempunyai julat antara -1.0 hingga +1.0.
Nilai +1.0 menunjukkan hubungan positif yang amat kuat manakala nilai 1.0 menunjukkan hubungan negatif yang amat kuat. Nilai pekali korelasi
boleh menjadi sifar apabila dua pemboleh ubah tidak mempunyai hubungan
dan boleh ditafsirkan bahawa pemboleh ubah tersebut bebas antara satu
dengan yang lain.
82

7.7

PENGIRAAN PEKALI KORELASI

Pekali korelasi boleh dikira dengan berbagai-bagai cara. Dua cara yang
paling popular ialah dengan menggunakan:
(i)
(ii)

Formula Pearson
Formula Spearman

7.8

FORMULA PEARSON

Formula pengiraan mengira pekali korelasi Pearson (r) pemboleh ubah X

dan Y ialah seperti berikut:
r xy

7.9

NXY - (X)( Y)
[NX2 (X)2] [NY2 - (Y)2]

PENGIRAAN PEKALI KORELASI PEARSON

Jadual 7.4 menunjukkan markat motivasi (X) dan markat prestasi akademik
(Y). Kuasa dua markat motivasi (X2), markat prestasi akademik (Y2) dan
hasil darab pasangan markat motivasi dan prestasi akademik (XY) ada
ditunjukkan. Jumlah bagi semua lajur ditunjukkan di bawah:
Jadual 7.4
Pengiraan Pekali Korelasi Pearson Markat Motivasi (X) dan Prestasi Akademik (Y)
Kes

X2

Y2

XY

1
2
3
4
5
6
7
8
9
10

63
70
71
64
60
65
66
64
70
67
660

68
75
76
69
52
62
70
61
75
72
680

3939
4900
5041
4096
3600
4225
4356
4096
4900
4489
43672

4642
5625
5776
4761
2704
3844
4900
3721
5625
5184
46764

4284
5250
5396
4416
3120
4030
4620
4904
5250
4824
45094

Nilai pekali korelasi yang dikira ialah positif 0.88. Ini menunjukkan
pemboleh ubah motivasi mempunyai hubungan positif dengan prestasi
akademik. Pelajar yang tinggi markat motivasinya mempunyai markat
prestasi akademik yang tinggi. Sebaliknya pelajar yang markat motivasinya
rendah mempunyai markat prestasi akademik yang rendah juga. Sebagai
contoh, pelajar yang mempunyai markat motivasi 70 mempunyai markat
prestasi akademik 75. Pelajar yang mempunyai markat motivasi 60, prestasi
akademiknya paling rendah, iaitu 52.
83

Apakah yang dikatakan metode korelasi dan apa pula yang

dikatakan sebagai pekali korelasi.

7.10

NILAI PEKALI KORELASI

Nilai pekali korelasi r boleh diinterpretasi secara deskriptif dan arbitrari.

Nilai r yang menghampiri 1.0 dikatakan mempunyai hubungan yang tinggi,
manakala hubungan yang lemah ditunjukkan oleh nilai yang menghampiri
sifar. Untuk menyatakan darjah hubungan dua pemboleh ubah, peraturan
yang biasa digunakan dan dipersetujui oleh ramai penyelidik ialah dengan
menggunakan rule of thumb dan ditunjukkan oleh Hinkle, Wiersma dan Jurs
(1998) dengan menggunakan saiz pekali korelasi. Interpretasinya
ditunjukkan dalam Jadual 7.5.
Jadual 7.5
Interpretasi Mengikut Saiz Pekali Korelasi*
Saiz Pekali Korelasi Interpretasi
0.90 hingga 1.00
Korelasinya terlalu tinggi
0.70 hingga 0.90
Korelasinya tinggi
0.50 hingga 0.70
Korelasinya sederhana
0.30 hingga 0 50
Korelasinya rendah
0.01 hingga 0.30
Korelasinya lemah
0.00
Tiada korelasi
*Interpretasi mestilah merujuk kepada tanda positif atau negatif

Nilai pekali korelasi ialah nilai ordinal daripada -1.0 hingga +1.0. Oleh itu,
interpretasi kepada r haruslah terbatas pada sifat data ordinal. Satu contoh
yang sering menjadi kesalahan penyelidik ialah dengan menyatakan bahawa r
= 0.80 sebagai dua kali lebih besar daripada r = 0.40. Pertakrifan seperti ini
hanya sesuai kepada data jenis sela, sedangkan r tidak mempunyai sifat ini.
7.11

INTERPRETASI DALAM KONTEKS VARIANS

Pekali korelasi dapat menggambarkan kaitan antara perbezaan individu

dalam satu pemboleh ubah dengan pemboleh ubah yang lain. Ia
menunjukkan cara jumlah varians yang terdapat dalam satu pemboleh ubah
berkait dengan varians pemboleh ubah yang lain. Jumlah varians dikira
berdasarkan nilai kuasa dua r (r2). Nilai r2 dinamakan sebagai pekali
penentuan. Dalam pengiraan sebelum ini, nilai r ialah 0.88. Nilai r2 kepada
0.88 ialah 0.77. Ini bermakna 77.0 peratus varians markat motivasi
mempunyai hubungan dengan varians prestasi akademik.
Banyak buku statistik menggambarkan pekali penentuan sebagai kawasan
pertindanan varians dua pemboleh ubah yang dikaji. Jika dua pemboleh
ubah X dan Y mempunyai pekali korelasi 0.90, kawasan yang bertindan ialah
81.0 peratus. Sebaliknya jika dua pemboleh ubah tiada hubungan r = 0,
84

maka tidak akan ada kawasan bertindan dan kedua bulatan akan terpisah
dua. Dua pemboleh ubah ini bebas antara satu dengan yang lain (Hinkle,
Wiersma dan Jurs, 1998).
SOALAN DALAM TEKS

1.

Data berikut menunjukkan darjah penghargaan

kendiri dan motivasi 10 orang pelajar sebuah kelas
di sekolah luar bandar. Markat rendah
menunjukkan darjah penghargaan kendiri dan
motivasi yang rendah berbanding dengan markat
tinggi.
Penghargaan Kendiri
15
10
7
18
5
17
15
11
9
14

Motivasi
12
13
9
18
7
16
11
13
9
12

Berdasarkan data di atas, jawab soalan berikut:

(a)
Anda dikehendaki membuat analisis dengan
menentukan terlebih dahulu pemboleh ubah
bebas dan pemboleh ubah terikat. Setelah
anda membuat pengiraan statistik, terangkan
darjah hubungan dua pemboleh ubah
tersebut.
(b)
Terangkan
peratus
varians
yang
disumbangkan oleh pemboleh ubah bebas
terhadap pemboleh ubah terikat.
Semak jawapan anda di akhir bab ini.

7.12

PEKALI KORELASI PANGKAT FORMULA SPEARMAN

Bagi data yang berbentuk pangkat atau ordinal, ia tersusun mengikut tertib.
Hubungan dua pemboleh ubah dikira dengan menggunakan metode
Korelasi Pangkat Spearman. Pekali korelasi Spearman kepada sampel

85

menggunakan simbol rs dan parameter kepada populasi menggunakan

simbol s. Formula pengiraannya pula ialah seperti berikut:
rs =

1 - [6 d 2 / (N2 (N 1)]

d ialah perbezaan pangkat kepada pasangan data bagi setiap kes dan N ialah
jumlah pasangan data.
7.13

PENGIRAAN PEKALI KORELASI SPEARMAN

Kita gunakan data yang ditunjukkan dalam Jadual 7.6 dan berikan pangkat
daripada yang tinggi kepada rendah. Markat yang sama bagi setiap pemboleh
ubah mempunyai pangkat yang sama juga. Sebagai contoh, ada dua kes yang
mempunyai markat 70 dalam pemboleh ubah X. Kedudukan pangkatnya
ialah 2 dan 3. Dalam kes ini pangkat sebenarnya ialah purata kepada dua
pangkat tersebut, iaitu 1.5. Seterusnya markat 67 mempunyai pangkat
empat. Pangkat boleh bermula daripada markat rendah ataupun markat yang
tertinggi asalkan pangkat yang diberikan tekal bagi kedua-dua pemboleh
ubah.
Makna dan interpretasi kepada pekali korelasi Spearman (rs) sama seperti
pekali korelasi Pearson. Dalam contoh ini, hubungan antara motivasi
dengan prestasi akademik adalah positif dan tinggi (rs = 0.92). Hal ini
menunjukkan pelajar yang mempunyai motivasi yang tinggi mempunyai
markat prestasi akademik yang tinggi juga. Sebaliknya, pelajar yang rendah
markat motivasinya mempunyai markat prestasi akademik yang rendah.
Jadual 7.6
Pengiraan Pekali Korelasi Spearman dengan Menggunakan
Markat Motivasi dan Prestasi Akademik
X

Pangkat X

70
67
70
71
64
63
65
66
64
60

75
72
75
76
69
68
62
70
61
52

2.5
4
2.5
1
7.5
9
6
5
7.5
10

Pangkat
Y
2.5
4
2.5
1
6
7
8
5
9
10

d
0
0
0
0
1.5
2
2
0
-1.5
0

d2
0
0
0
0
2.25
4
4
0
2.25
0
d 2 = 12.50

Harus diingat bahawa formula Spearman hanya sesuai digunakan kepada

data ordinal. Oleh itu, skala nisbah dalam contoh di atas boleh ditukar
kepada skala ordinal. Keadaan ini hanya sesuai jika sekiranya data pemboleh
ubah tersebut menggambarkan susunan individu mengikut pangkat atau
tertib.
86

Apakah perbezaan utama antara metode analisis data

korelasi Pearson dengan metode korelasi Spearman.
7.14

METODE KORELASI YANG LAIN

Selain daripada metode korelasi Pearson dan Spearman, terdapat banyak lagi
metode analisis korelasi yang boleh digunakan, bergantung kepada jenis data
yang dianalisis. Modul ini tidak membincangkan metode-metode tersebut.
Jadual 7.7 menunjukkan antara beberapa metode analisis korelasi yang boleh
digunakan untuk menguji hubungan dua pemboleh ubah X dan Y mengikut
jenis data pemboleh ubah tersebut.
Jadual 7.7
Metode Analisis Korelasi Mengikut Jenis Data
Jenis Data Pemboleh Ubah Y

Jenis Data
Pemboleh Ubah X

Nominal, dikotomi
Nominal , dikotomi

Pekali phi, Tetrachoric

Ordinal

Dwisiri Pangkat

Sela, Nisbah
(Selanjar)

Dwisiri,
Dwisiri Titik

Ordinal

Sela, Nisbah
(Selanjar)

Spearman
Pearson

Ada pemboleh ubah yang mempunyai data dikotomi yang sebenar dan ada
pula yang dikatakan sebagai data dikotomi tiruan. Pemboleh ubah jantina
dan jawapan YA dan TIDAK kepada sesuatu item soalan adalah contoh
kepada data dikotomi sebenar. Jantina contohnya, mempunyai dua aras
pengukuran iaitu lelaki dan perempuan, manakala jawapan kepada item ujian
psikologi ataupun soal selidik menggunakan format jawapan YA atau
TIDAK.
Data dikatakan sebagai dikotomi tiruan apabila pengukuran asal pemboleh
ubah tersebut jenis selanjar tetapi dijadikan secara paksa kepada
pengkukuran dikotomi. Contohnya, markat prestasi pencapaian ialah data
selanjar dan ditukar kepada dua kategori, misalnya prestasi tinggi dan
prestasi rendah ataupun kategori lulus dan gagal (Kaplan dan Saccuzzo,
2004).
7.15

KESIMPULAN

Kita telah didedahkan dengan pelbagai metode analisis data untuk menguji
hubungan dua pemboleh ubah namun begitu, kita hendaklah menentukan
terlebih dahulu pemboleh ubah bebas dan pemboleh ubah terikat. Apabila
menggunakan metode analisis korelasi, kita mestilah mahir untuk
menyesuaikannya dengan jenis data yang akan dianalisis. Kesalahan yang
87

biasa dilakukan oleh pelajar, terutamanya apabila menggunakan aplikasi

komputer, ialah dengan meminta atau membiarkan sahaja komputer
menganalisis data dengan pilihan formula Pearson sedangkan data tersebut
bukan data selanjar. Pada tahap ini, pelajar mestilah telah mempunyai
kemahiran untuk memilih metode analisis korelasi yang paling tepat supaya
keputusan yang dibincangkan betul dan sah.
SOALAN DALAM TEKS

2.

Dengan menggunakan data darjah penghargaan

kendiri dan motivasi di kalangan 10 orang pelajar
yang ditunjukkan dalam Soalan 1 sebelum ini, jawab
soalan-soalan berikut:
(a)
(b)
(c)

Tukarkan markat pelajar kepada data pangkat

dan kira pekali korelasi.
Dengan menggunakan nilai pekali korelasi
terangkan darjah hubungan antara penghargaan
kendiri dengan motivasi.
Bandingkan keputusan analisis yang anda buat
dalam soalan ini dengan apa yang telah anda
dapat dalam Soalan 1 sebelum ini.

Semak jawapan anda di akhir bab ini.

SOALAN PENILAIAN KENDIRI

1.

Dengan menggunakan data berikut, jawab soalan-soalan yang

dikemukakan.
Subjek
1
2
3
4
5
6
7
8
9
10

Nilai Kerja
77
75
71
79
75
88
85
86
80
70

88

Prestasi Kerja
76
82
78
83
72
88
78
81
75
65

(a)
(b)

Kira pekali korelasi antara markat nilai kerja dan prestasi

kerja.
Berdasarkan nilai pekali korelasi, terangkan bentuk
hubungan antara nilai kerja dan prestasi kerja.

2.

Terangkan perbezaan antara formula Pearson dan formula

Spearman dalam metode analisis korelasi.

3.

Terangkan perbezaan antara pekali korelasi dengan pekali

penentuan.

4.

Berikan contoh pemboleh ubah yang sesuai dianalisis dengan

metode analisis berikut:
A.
B.
C.
D.
E.

5.

Korelasi Pearson
Korelasi Spearman
Korelasi phi
Korelasi dwisiri pangkat
Korelasi dwisiri titik

Tanpa membuat pengiraan, apakah bentuk hubungan data pemboleh

ubah M dan N ini:
Pemboleh ubah M:
Pemboleh ubah N:
A.
B.
C.
D.

6.

Positif
Negatif
Tiada Hubungan
Sukar ditentukan

Contoh atau keadaan yang menggambarkan hubungan positif

A.
B.
C.
D.

7.

6 12
3
10
1
118 109 144 111 142

Skor ujian dan lama masa menjawab.

Harga kereta dan penggunaan minyak.
Lama belajar di IPT dan pendapatan masa depan.
Umur dan tekanan darah tinggi.

Pekali korelasi 0.23 antara skor kebimbangan dengan lama masa

mengambil ujian menggambarkan:
A.
B.
C.

Tendensi yang lemah bagi pelajar yang bimbang untuk

mengambil masa yang lama menjawab soalan.
Tiada kaitan antara kebimbangan dengan lama masa
mengambil ujian.
Pelajar yang amat bimbang mengambil masa yang cukup lama
dalam peperiksaan.

89

D.

Tendensi pelajar yang tidak bimbang mengambil masa lama

dalam peperiksaan.
Semak jawapan anda di akhir modul kursus ini.
JAWAPAN SOALAN DALAM TEKS

1.

Data berikut menunjukkan darjah penghargaan kendiri dan motivasi

10 orang pelajar sebuah kelas di sekolah luar bandar. Markat rendah
menunjukkan darjah penghargaan kendiri dan motivasi yang rendah
berbanding dengan markat yang tinggi.
Subjek
1
2
3
4
5
6
7
8
9
10
Jumlah

Kendiri
(X)
15
10
7
18
5
17
15
11
9
14

Motivasi
(Y)
12.00
13.00
9.00
18.00
7.00
16.00
11.00
13.00
9.00
12.00

XY
180.00
130.00
63.00
324.00
35.00
272.00
165.00
143.00
81.00
168.00

X2
225.00
100.00
49.00
324.00
25.00
289.00
225.00
121.00
81.00
196.00

X = 121

Y =120

XY = 1561

X2 =1635

r xy

(a)

Y2
144.00
169.00
81.00
324.00
49.00
256.00
121.00
169.00
81.00
144.00
Y2 = 1538

(10 * 1561) (121)(120)

[10(1635)-(121)2][(10)(1538) (120)2]

15610 -14520__-____________
(16350 14641)(5380 14400)

1090
(1709)(980)

1090__
1294.15

0.842

Pemboleh ubah bebas ialah penghargaan kendiri, manakala

pemboleh ubah terikat ialah motivasi. Darjah hubungan dua
pemboleh ubah adalah positif dan tinggi r = 0.842. Ini
bermakna pelajar yang mempunyai penghargaan kendiri tinggi
akan mempunyai motivasi yang juga tinggi. Sebaliknya, pelajar
90

yang mempunyai penghargaan kendiri yang rendah akan

mempunyai motivasi yang juga rendah.
(b)

2.

Peratus varians yang disumbangkan oleh penghargaan kendiri

sebagai pemboleh ubah bebas terhadap motivasi ialah (0.842)2
= 0.709 x 100 = 70.9 peratus.

(a)
Penghargaan
Kendiri
(X)
15
10
7
18
5
17
15
11
9
14
Jumlah

rs

Pangkat
X

Motivasi
(Y)

Pangkat
Y

3.5
7.0
9.0
1.0
10.0
2.0
3.5
6.0
8.0
5.0

12
13
9
18
7
16
11
13
9
12

5.5
3.5
8.5
1.0
10.0
2.0
7.0
3.5
8.5
5.5

-2.0
3.5
0.5
0
0
0
-3.5
2.5
-0.5
-0.5
d = 0

=
=
=
=
=

d2
4.0
12.25
0.25
0
0
0
12.25
6.25
0.25
0.25
d2 = 35.5

1 [6 (35.5)/(10 (102 -1))]

1 [(213/10 (99)]
1 (213/990)
1 0.215
0.785

(b)

Keputusan analisis pekali korelasi dengan formula Spearman

ialah positif secara sederhana 0.785. Keputusan ini
menunjukkan pelajar yang berkedudukan tinggi dalam
pemboleh ubah penghargaan kendiri mempunyai kedudukan
yang tinggi juga dalam pemboleh ubah motivasi. Begitu juga
sebaliknya, pelajar yang rendah kedudukan penghargaan
kendirinya akan rendah juga kedudukan motivasinya.

(c)

Keputusan analisis pekali korelasi formula Spearman lebih

rendah sedikit iaitu 0.785 berbanding dengan pekali korelasi
formula Pearson dalam Soalan 1 sebelum ini, iaitu 0.842 kerana
proses memberikan pangkat kepada data sebenar kedua-dua
pemboleh ubah dan variansnya juga menjadi kecil.

91