KOMPETENSI KHUSUS
SEKSYEN D
Informasi Harta Tanah Dan Analisis Data
Fasilitator:
Prof. Madya Dr. Abdul Hamid b. Hj. Mar Iman Murshid
Pusat Kajian ‘Real Estate’
Fakulti Kejuruteraan dan Sains Geoinformasi
Universiti Teknologi Malaysia
Skudai, Johor
3/11/2016
Kursus PTK (W41-TK2-11)
1
Pengumpulan Data


Suatu proses mendapatkan perangkaan atau mengumpul
statistik tentang sesuatu perkara bagi sesuatu tujuan.
Contoh: data pembayar cukai
Data yang tergabung dan tersusun secara bermakna
yang menerbitkan “maklumat”. Contoh:
Nama
Alamat
Jumlah
tunggakan
Tempoh
tunggakan
Ahmad b. Hitan
No. 34, Jln. Kerengga
RM 550
2006-2008
Ibrahim b. Busu
No. 52, Jln. Gegata
RM 640
2006-2008
Ali b. Haji
No.89, Jln. Gagak Hitam
RM 455
2006-2008
3/11/2016
Kursus PTK (W41-TK2-11)
2
Rasional Pengumpulan Data




Membuat analisis tentang sesuatu fenomenon.
“Apa”, “siapa”, “berapa”, “bagaimana”, “bila”,
dsb.
Membuat keputusan dari analisis.
Menggunakannya untuk menyusun strategi (e.g.
perancangan, pengurusan, dan lain-lain).
Memperbaiki kemampuan sesuatu organisasi
(e.g. meningkatkan daya saing, menjadikan
lebih proaktif, dsb.)
3/11/2016
Kursus PTK (W41-TK2-11)
3
Panduan Pengumpulan Data




Kegunaan: Ad-hoc (meyelesaikan sesuatu
perkara khusus); jangka pendek, jangka panjang
(perancangan, strategi, dsb.)
Tujuan: penilaian, kajian pasaran, kajian
kemungkinan, analisis pelaburan, pembangunan
tanah, dll.)
Kategori data: sekundar/primar; data sindiket;
kecerdikan pasaran.
Kaedah pengumpulan: Cara memperoleh data.
3/11/2016
Kursus PTK (W41-TK2-11)
4
Jenis-Jenis Data



Data umum: Biasanya dikumpul meliputi
peringkat nasional, negeri, daerah, perjiranan,
dsb.
Data khusus: Biasanya dikumpul berkaitan
dengan tapak, pemilikan, ciri-ciri harta tanah,
dsb.
Data perbandingan: Biasanya berkaitan dengan
transaksi, kos, hasil, sewa, nilai harta tanah
sebanding, dsb.
3/11/2016
Kursus PTK (W41-TK2-11)
5
Data Umum
Jenis
Contoh pembolehubah / Data
Data tren
Kitaran perniagaan, economi, opsyen pembiayaan,
penduduk, tingkat harga, kos bangunan, kuasa beli, kadar
cukai.
Faktor-faktor fizikal
Lokasi; saiz, topografi, rupa bentuk, bentuk/saiz lot, corak
jalan, keadaan tanah-tanih dan endopedon, saliran,
bencana, iklim, utiliti, kacau-ganggu, konformiti pembaikan,
kedekatan fasiliti penyokong.
Faktor-faktor ekonomi
Penduduk, keseimbangan guna tanah, tanah kosong,
pembinaan baru, tingkat harga dan sewa, kadar
kekosongan, sikap si pemberi hutang, kos utiliti, kadar
insuran, tingkat gaji, sistem pengangkutan.
Faktor-faktor kerajaan
Khidmat PBT, perancangan dan pengezonan, kod bangunan,
peraturan pembangunan, cukai, kadaran.
Faktor-faktor sosial
Kepadatan penduduk, kadar jenayah, tingkat pendapatan,
penawaran buruh dan kemahiran, aktiviti-aktiviti budaya.
3/11/2016
Kursus PTK (W41-TK2-11)
6
Data Khusus
Jenis
Contoh pembolehubah / Data
Data pemilikan
Identiti pemilik, jenis harta & pegangan, alamat,
esmen, pencerobohan, pengezonan, nilai &
taksiran cukai, sekatan milik, bebanan, dll.
Maklumat tapak
(tanah &
bangunan)
Maklumat ”situs” (saiz, bentuk, topografi, lokasi
tanah), curbs, saiz bangunan, kedudukan &
orientasi bangunan, lapikan, lorong pejalan,
kemudah sampaian, kekosongan, kumbahan,
utiliti, pergerakan, dll.
Maklumat
pemajuan
Jumlah pegangan, saiz, kualiti dan keadaan
bangunan dan pemajuan fizikal, susun atur, gaya,
dan reka bentuk, kegunaan semasa, kekosongan,
dll.
3/11/2016
Kursus PTK (W41-TK2-11)
7
Data Perbandingan
Jenis
Contoh pembolehubah / Data
Maklumat tapak,
pemilikan, dan
pemajuan
Lihat data khusus
Data kos
Kos sejarah dari pemaju dan kontraktor, kos
pembangunan, dsb.
Data jualan
Masa, tarikh, nama & alamat penjual dan pembeli,
lokasi, pelarasan bagi perbezaan ciri-ciri harta tanah,
harga, sewaan.
3/11/2016
Kursus PTK (W41-TK2-11)
8
Penyediaan & Penyenggaraan Data
Model Struktur
Sumber Data
Kursus PTK3 2008 Bagi Pegawai W32
JPPH
9
Perancangan Penyediaan Data - I
- Jenis harta: pertanian, perumahan, perdagangan,
perindustrian, dll
- Apa jenis data: Primar/sekundar/kedua-dua sekali.
- Sumber data: Agensi yang dikenal pasti.
- Bagaimana mengumpul: Gunakan instrumen yang sesuai.
- Bila: Penjadualan aktiviti!
- Siapa: Tentukan pasukan/unit yang bertanggungjawab
mengumpul data
3/11/2016
Kursus PTK (W41-TK2-11)
10
Perancangan Penyediaan Data - II
- Berapa: Amaun data, jumlah bajet, dan tempoh
pengumpulan data.
- Liputan: Tentukan & kenal pasti kawasan kajian.
- Lakaran: Pemetaan dan penandaan kawasan kajian.
- Fail Kawalan: Gunakan fail kawalan untuk merancang
pengumpulan data.
- Perisian data: Pilih perisian yang bersesuaian dengan
organisasi (e.g. ‘spreadsheet’, GIS, perisian statistik)
3/11/2016
Kursus PTK (W41-TK2-11)
11
Sumber sekundar






Sumber dalaman (senarai nilaian)
Penerbitan kerajaan, badan berkanun, dan
swasta
Internet, akhbar dan majalah
Pangkalan data komersial (JPPH)
Dokumen penyelidikan
Lain-lain
3/11/2016
Kursus PTK (W41-TK2-11)
12
Permerhatian


Lebih daripada 30 pendekatan.
Kategori utama, relevan untuk harta
tanah:
. Pemerhatian jangka pendek
. Teori berlandas (grounded theory)
3/11/2016
Kursus PTK (W41-TK2-11)
13
Pemerhatian jangka pendek










Berdsarkan pemerhatian direkod. E.g. Taman perumahan paling
kotor; banyak anjing liar; longgokan sampah ‘haram’; kualiti servis
angkut sampah; kesesakan lalulintas
6-2 tahun atau lebih (Fetterman 1989).
Kurang 6 bulan  triangulation
Instrumen  borang pemerhatian, pemantauan, alat rakam, dll
Paling mudah, murah, dan boleh harap
Boleh dilakukan secara berkala
Berguna untuk pengurusan dalaman
Tiada ‘bias’ subjek
Bergantung kepada ketajaman pemerhatian
Tidak dapat menyelami perasaan, persepsi, fikiran, dll
3/11/2016
Kursus PTK (W41-TK2-11)
14
Teori berlandas





Penyelidik mencipta teori dari gelagat subjek.
Teori di“landas“kan pada pengalaman subjek yang
dapat diperhatikan.
Penyelidik menambahkan tilikan (insight) tentang
mengapa pengalaman itu berlaku.
Cuba “mencapai teori atau pemahaman
konsepsual menerusi proses langkah undur dan
induktif" (Banning 1995).
E.g. mengapa orang tidak membayar cukai?
mengapa orang kurang menjaga
kebersihan sekitar rumah?
3/11/2016
Kursus PTK (W41-TK2-11)
15
Temubual
Mengapa temubual





Data primer pertimbangan utama
Tak dapat data dari sumber sekundar
Maklumat ‘personalised’
Kajian kecil-kecilan
Menyokong data sekundar
3/11/2016
Kursus PTK (W41-TK2-11)
16
Temubual Yang Baik
Persediaan
 Penentuan sampel dan responden
 Cara temubual (bersemuka? Telefon?)
 Penyedaan questionnaire
 Aturan kerja (jadual, tempat, masa, dll)
 Peta minda (teknik & komunikasi)
Teknik
 Memilih responden layak (qualified respondent)
 Cara menghampiri responden (e.g. Kenalkan diri,
minta izin)
3/11/2016
Kursus PTK (W41-TK2-11)
17
. Pengendalian questionnaire:
Bersahaja dan mod ‘berbual’
Permudahkan soalan
Soalan open-end/close-end
Mencatat maklumat
‘Reconstruction’
Komunikasi
. Bersopan
. Jadi pendengar yang baik
. Beri masa kepada responden
. Kemahiran berbahasa
. Guna ‘body language’
3/11/2016
Kursus PTK (W41-TK2-11)
18




Langkah-langkah membentuk soal selidik
Perhalusi masalah dan objektif kajian
Nyatakan soalan-soalan khusus berkaitan masalah
Senaraikan keywords dari isu-isu atau soalan-soalan
khusus
Cari perkaitan di antara keywords berkenaan.
Tujuan:
* Mengenal pasti cause-and-effect sesuatu fenomena
* Mengelakkan penindanan fenomena dan perkaitan
sebab musabab.
* Mengenal pasti questionnaire list yang menjadi asas
soalan selidik.
Kenal pasti cause-and-effect dari hubungan kait keywords.
3/11/2016
Kursus PTK (W41-TK2-11)
19



Kenal pasti cara pengoperasian masalah.
Langkah-langkah:
* Takrifkan konsep-konsep tertentu
berdasarkan keywords.
* Kenal pasti variable kajian.
* Ukur variable berkenaan.
Bina questionnaire table dengan mengambil kira
cause-and-effect dan senarai soalan.
Bentuk soalan-soalan yang saling berkaitan,
yang menjurus kepada isu-isu atau soalansoalan khusus. Jawapan apa yang dihendaki dari
soalan?
3/11/2016
Kursus PTK (W41-TK2-11)
20
Contoh pembentukan soal selidik
• Tajuk kajian – Kesan Kewujudan Kampus Baru UTM,
Ke atas Penggunaan Kemudahan Awam di Skudai.
• Penyataan masalah: Penghijrahan sesuatu kelompok
manusia dari satu tempat ke tempat lain
menyebabkan peningkatan dalam permintaan
terhadap kemudahan awam di tempat baru itu.
Dalam konteks kajian ini, satu persoalan timbul,
sejauh manakah perpindahan kampus UTM dari Jalan
Gurney Kuala Lumur ke Skudai menyebabkan
pertambahan dalam permintaan terhadap kemudahan
awam.
3/11/2016
Kursus PTK (W41-TK2-11)
21
Soalan-soalan khusus:





Apa makna berhijrah/berpindah?
Siapa penghijrah?
Apa itu kemudahan awam?
Bagaimana mengukur DD?
Bagaimana mengukur 
3/11/2016
Kursus PTK (W41-TK2-11)
22
Keywords:
Penghijrahan/perpindahan
Kemudahan awam
3/11/2016
DD
Sebab-sebab lain?
Kursus PTK (W41-TK2-11)
23
Perkaitan sebab musabab:
perpindahan  kemudahan awam peningkatan
permintaan
Cara pengoperasian masalah:




Takrifkan perpindahan/penghijrahan: siapa
dia penghijrah?
Takrifkan permintaan: apa yang dimaksudkan
dalam kajian?
Takrifkan "kemudahan awam" dan senaraikan.
Ukur "peningkatan" permintaan: apa
pembolehubah yang boleh digunakan?
bagaimana mengukur?
3/11/2016
Kursus PTK (W41-TK2-11)
24
Takrifan-takrifan:
Perpindahan: mencari tempat baru untuk menetap secara
sementara atau kekal. Istilah"menetap" juga membawa makna
bekerja, belajar, atau lain-lain aktiviti kehidupan.
Penghijrah: mereka yang bekerja di UTM (pada tarikh kajian)
dan tinggal di luar Skudai sebelum tahun 1985.
Permintaan: untuk tujuan kajian ini, "permintaan" ditakrifkan
sebagai "penggunaan" sesuatu jenis kemudahan awam.
Kemudahan awam: kemudahan yang disediakan oleh kerajaan
atau swasta untuk kegunaan/kemudahan orang ramai seperti
masjid, pejabat pos, bank, dan kedai.
Sebelum perpindahan ditakrifkan sebagai masa sebelum 1985.
3/11/2016
25
Kursus PTK (W41-TK2-11)
Selepas perpindahan ditakrifkan sebagai masa selepas 1985.
Cara pengukuran variable:
"Penggunaan" diukur seperti berikut:
Bilangan jemaah yang bersembahyang di masjid sebelum dan
selepas perpindahankampus UTM ke Skudai.
Bilangan pengguna pejabat pos sebelum dan selepas
perpindahan kampus UTM ke Skudai.
Bilangan pelanggan bank sebelum dan selepas perpindahan
kampus UTM ke Skudai.
Bilangan pelanggan kedai sebelum dan selepas perpindahan
kampus UTM ke Skudai.
3/11/2016
Kursus PTK (W41-TK2-11)
26
Sebab
Senarai soalan
Penghijrahan/
perpindahan
Siapa
penghijrah?
3/11/2016
Kesan
Peningkatan
penggunaan
Bekerja/belajar di UTM?
Tinggal di Skudai sebelum
tahun 1986?
Selalu bersembahyang di
sini?
Selalu berurusan di sini?
Pelanggan baru bank ini?
Pelanggan baru di sini?
Masjid
Pejabat pos
Bank
Kedai
Kursus PTK (W41-TK2-11)
27
Contoh soal selidik:
1
2
3
4
Data:
Bekerja/belajar di UTM
Tinggal di Skudai sebelum 1986
Tidak bekerja di UTM
Tinggal di Skudai sebelum 1986
Bekerja di UTM
Tinggal di luar Skudai sebelum 1986
Tidak bekerja di UTM
3/11/2016
Kursus PTK (W41-TK2-11)
Tinggal di luar di Skudai sebelum 1986
(4)
(16)
(20)
(2)
28
Keesahan Data

Keesahan Dalaman – Berkait dengan soalan-soalan
berikut:
Adakah rekabentuk kajian wajar?
Adakah ia memasukan semua faktor dan perkaitan?
Adakah variable bebas telah dikawal untuk mengelak
kemiringan?
Adakah rawakan digunakan untuk mengurangkan
kemiringan sistematik?

Keesahan Luaran – Berkait dengan masalah generalisasi.
Bolehkah penemuan kajian diaplikasi kepada keadaan
secara umum?
Apakah batasan-batasan aplikasi berkenaan?
3/11/2016
Kursus PTK (W41-TK2-11)
29
Keboleh harapan Kajian

Bergantung keapda:
. Reka bentuk kajian
. Keboleh harapan data
. Keesahan kajian
* perkaitan pembolehubah
* keesahan dalaman
* keesahan luaran
3/11/2016
Kursus PTK (W41-TK2-11)
30
Penyengaraan Data
Dua komponen utama penyenggaraan
data:
1. Penyimpanan dalam format & media
yang sesuai
2. Pengemaskinian (pembetulan, edit,
pengarkiban)
 Tujuan: mengekalkan kebergunaan data
bagi tujuan-tujuan analisis tertentu

3/11/2016
Kursus PTK (W41-TK2-11)
31
Fail Kawalan





Takrif umum: Fail yang mengandungi
maklumat “kawalan” untuk menyenggara dan
mengesahkan integriti sesuatu pangkalan
data.
Lebih merupakan istilah “komputer” dalam
pengurusan data.
Diwujudkan secara manual atau berautomasi.
Bersifat seperti indeks pangkalan data.
Tujuan: memudahkan pengurusan data harta
tanah dari semasa ke semasa.
3/11/2016
Kursus PTK (W41-TK2-11)
32
Kandungan Fail Kawalan






Maklumat kawalan yang dikenal pasti oleh
sesuatu organisasi. Contoh:
* Kawasan & kod kawasan
* Tarikh buka fail
* Jenis harta tanah
* Jenis pegangan
Mesti mempunyai kriteria tertentu dalam
menyediakan fail kawalan.
3/11/2016
Kursus PTK (W41-TK2-11)
33
Kriteria Fail Kawalan





Unik: Mempunyai label/nama yang unik untuk
kemudahan merujuk. Eg. Identifi unit/
pejabat, jilid, tarikh, kawasan, jenis harta tanah.
Had muatan: Jumlah bilangan kes di dalam satu-satu
fail perlu dihadkan.
Keselamatan: Ciri-ciri & prosedur keselamatan data
yang baik.
Senggaraan: Fail kawalan dan kes-kes selalu dikemas
kini.
Metainfo: Sistem ‘log’ yang memuatkan deskripsi data
3/11/2016
Kursus PTK (W41-TK2-11)
34
Kaedah analisis
Kuantitatif:
– Statistik parametrik (e.g. regressi, korelasi,
anova, dll)
– Statistik bukan parametrik (2, analisis
kontingen, dll)
 Kualitatif – tabulasi, rajah, carta & deskripsi

3/11/2016
Kursus PTK (W41-TK2-11)
35
3/11/2016
Kursus PTK (W41-TK2-11)
36
Central Tendency - Mean and Mid-point

Let say we have data like this:
Price (RM ‘000/unit) of Shop Houses in Skudai
Location
Min
Max
Town A
228
450
Town B
320
430
Can you calculate the mean?
Central Tendency - Mean and Mid-point (contd.)

Let calculate as follows:
Town A: (228+450)/2 = 339
Town B: (320+430)/2 = 375

Are these figures means?
Central Tendency - Mean and Mid-point (contd.)

Let say we have price data as follows:
Town A: 228, 295, 310, 420, 450
Town B: 320, 295, 310, 400, 430
Calculate the means?
Town A:
Town B:
Are the results same as previously?

 Be careful about abuse of statistics!


Central Tendency–“Mean of Grouped Data”

House rental or prices in the PMR are
frequently tabulated as a range of values. E.g.
Rental (RM/month)
135-140
140-145
145-150
150-155
155-160
Mid-point value (x)
137.5
142.5
147.5
152.5
157.5
5
9
6
2
1
687.5
1282.5
885.0
305.0
157.5
Number of Taman (f)
fx

What is the mean rental across the areas?
= 23;
= 3317.5
Thus,
= 3317.5/23 = 144.24
Central Tendency – “Median”

Let say house rentals in a particular town are tabulated
as follows:
Rental (RM/month)
Number of Taman (f)
Rental (RM/month)
Cumulative frequency

130-135
135-140
140-145
155-50
150-155
3
5
9
6
2
>135
> 140
> 145
> 150
> 155
3
8
17
23
25
Calculation of “median” rental needs a graphical aids→
1. Median = (n+1)/2 = (25+1)/2
=13th. Taman
5. Taman 13th. is 5th. out of the 9
2. (i.e. between 10 – 15 points
on the vertical axis of ogive).
6. The rental interval width is 5
3. Corresponds to RM 140145/month on the horizontal
axis
4. There are (17-8) = 9 Taman in
Taman
7. Therefore, the median rental
can
be calculated as:
140 + (5/9 x 5) = RM 142.8
Central Tendency – “Median” (contd.)
Central Tendency – “Quartiles” (contd.)
Following the same process
as in calculating “median”:
Upper quartile = ¾(n+1) =
19.5th. Taman
UQ = 145 + (3/7 x 5) = RM
147.1/month
Lower quartile = (n+1)/4 =
26/4 = 6.5 th. Taman
LQ = 135 + (3.5/5 x 5) =
RM138.5/month
Inter-quartile = UQ – LQ =
147.1 – 138.5 = 8.6th. Taman
IQ = 138.5 + (4/5 x 5) = RM
142.5/month
“Variability”


Indicates dispersion, spread, variation,
deviation
For single population or sample data:
where σ2 and s2 = population and sample variance respectively, xi
= individual observations, μ = population mean, = sample
mean, and n = total number of individual observations.

The square roots are:
standard deviation
standard deviation
“Variability” (contd.)


Why “measure of dispersion” important?
Consider returns from two categories of shares:
* Shares A (%) = {1.8, 1.9, 2.0, 2.1, 3.6}
* Shares B (%) = {1.0, 1.5, 2.0, 3.0, 3.9}
Mean A = mean B = 2.28%
But, different variability!
Var(A) = 0.557, Var(B) = 1.367
* Would you invest in category A shares or
category B shares?
“Variability” (contd.)


Coefficient of variation – COV – std. deviation
as % of the mean:
Could be a better measure compared to std.
dev.
COV(A) = 32.73%, COV(B) = 51.28%
“Variability” (contd.)

Std. dev. of a frequency distribution
The following table shows the age distribution of second-time home
buyers:
x^
“Probability Distribution”




Defined as of probability density function (pdf).
Many types: Z, t, F, gamma, etc.
“God-given” nature of the real world event.
General form:
(continuous
)
(discrete)

E.g.
“Probability Distribution” (contd.)
Dice1
1
2
3
4
5
6
1
2
3
4
2
3
4
5
3
4
5
6
4
5
6
7
5
6
7
8
6
7
8
9
7
8
9
10
5
6
7
8
9
10
11
6
7
8
9
10
11
12
Dice2
“Probability Distribution” (contd.)
Discrete
values
Discrete
values
Values of x are discrete (discontinuous)
Sum of lengths of vertical bars
p(X=x) = 1
all x
“Probability Distribution” (contd.)
▪ Many real world
phenomena
take a form of continuous
random variable
8
Frequency
6
▪ Can take any values
between
two limits (e.g. income,
age,
weight, price, rental, etc.)
4
2
Mean = 4.0628
Std. Dev. = 1.70319
N = 32
0
2.00
3.00
4.00
5.00
Rental (RM/sq.ft.)
6.00
7.00
“Probability Distribution” (contd.)
P(Rental = RM 8) = 0
P(Rental < RM 3.00) =
0.206
P(Rental < RM7) = 0.972
P(Rental  RM 4.00) = 0.544
P(Rental  7) = 0.028
P(Rental < RM 2.00) = 0.053
“Probability Distribution” (contd.)

Ideal distribution of such phenomena:
* Bell-shaped, symmetrical
μ = mean of variable x
* Has a function of
σ = std. dev. of x
π = ratio of circumference of a
circle to its diameter = 3.14
e = base of natural log = 2.71828
“Probability distribution”
μ ± 1σ = ?
= ____% from total observation
μ ± 2σ = ?
= ____% from total observation
μ ± 3σ = ?
= ____% from total observation
“Probability distribution”
* Has the following distribution of observation
“Probability distribution”

There are various other types and/or shapes of
distribution. E.g.
Note: p(AGE=age) ≠ 1
How to turn this graph
into a probability
distribution function
(p.d.f.)?

Not “ideally” shaped like the previous one
“Z-Distribution”






(X=x) is given by area under curve
Has no standard algebraic method of integration → Z ~ N(0,1)
It is called “normal distribution” (ND)
Standard reference/approximation of other distributions. Since
there are various f(x) forming NDs, SND is needed
To transform f(x) into f(z):
x-µ
Z = --------- ~ N(0, 1)
σ
160 –155
E.g. Z = ------------- = 0.926
5.4
Probability is such a way that:
* Approx. 68% -1< z <1
* Approx. 95% -1.96 < z < 1.96
* Approx. 99% -2.58 < z < 2.58
“Z-distribution” (contd.)







When X= μ, Z = 0, i.e.
When X = μ + σ, Z = 1
When X = μ + 2σ, Z = 2
When X = μ + 3σ, Z = 3 and so on.
It can be proven that P(X1 <X< Xk) = P(Z1 <Z<
Zk)
SND shows the probability to the right of any
particular value of Z.
Example
Normal distribution…Questions
Your sample found that the mean price of “affordable” homes in Johor
Bahru, Y, is RM 155,000 with a variance of RM 3.8x107. On the basis
of a
normality assumption, how sure are you that:
(a)
(b)
The mean price is really ≤ RM 160,000
The mean price is between RM 145,000 and 160,000
Answer (a):
160,000 -155,000
P(Y ≤ 160,000) = P(Z ≤ ---------------------------)
3.8x107
= P(Z ≤ 0.811)
= 0.1867
Using Z-table , the required probability is:
1-0.1867 = 0.8133
Always remember: to convert to SND, subtract the mean and divide by the std. dev.
Normal distribution…Questions
Answer (b):
145,000 – 155,000
1 - μ
Z1 =X-----= ---------------= -1.622
σ
X2 - μ
3.8x107
160,000 – 155,000
Z2 = ------ = ---------------= 0.811
7
σ
3.8x10
P(Z1<-1.622)=0.0455; P(Z2>0.811)=0.1867
P(145,000<Z<160,000)
= P(1-(0.0455+0.1867)
= 0.7678
Normal distribution…Questions
You are told by a property consultant that the
average rental for a shop house in Johor Bahru
is
RM 3.20 per sq. After searching, you discovered
the following rental data:
2.20, 3.00, 2.00, 2.50, 3.50,3.20, 2.60, 2.00,
3.10, 2.70
What is the probability that the rental is greater
than RM 3.00?
“Student’s t-Distribution”

Similar to Z-distribution:
* t(0,σ) but σn→∞→1
* -∞ < t < +∞
* Flatter with thicker tails
* As n→∞ t(0,σ) → N(0,1)
* Has a function of
where =gamma distribution; v=n-1=d.o.f;
=3.147
* Probability calculation requires information
on
Konsep ICT






Suatu bidang yang luas yang berkaitan dengan
teknologi dan segala aspek pengurusan maklumat.
Suatu sistem teknologi untuk menyimpan, memperoleh
semula, memanipulasi, dan menghantar atau
menerima maklumat secara elektronik dalam bentuk
digital.
Satu sub-set kepada Sistem Pengurusan Maklumat, i.e.
ICT  MIS.
Biasanya berasaskan suatu sistem komputer.
Suatu ikon pemodenan dalam sesuatu oraganisasi.
Wujud dalam hampir semua organisasi.
3/11/2016
Kursus PTK (W41-TK2-11)
63

Secara umum penggunaan ICT bertujuan
untuk:
* Mempercepatkan kerja
* Meningkatkan ketepatan data & analisis
* Meningkatkan keboleh lenturan sistem
kerja
* Meningkatkan kecekapan
* Meningkatkan keberkesanan kos
3/11/2016
Kursus PTK (W41-TK2-11)
64



Dua kategori ICT:
Teknologi berasaskan komputer yang
biasa (tradisional)
Teknologi perhubungan digital
(mutakhir)
3/11/2016
Kursus PTK (W41-TK2-11)
65
Examples of ICT - Software
Type
E.g. software
Main functions
Pangkalan data
Oracle, Microsoft SQL
Server, Access, Excel,
DBase
Pengurusan data
Computer Drawing
AutoCAD,GIS
Reka bentuk pangkalan
data & grafik
Pemetaan
ArcInfo, MapInfo, Genasys,
Pengurusan data ruang
dan bukan ruang
Grafik
Adobe, Macromedia
Image creation and editing
Analisis statistik
SPSS, SAS, Matlab,
Genstat, Shazam, Excel,
Lotus 123, Quattro Pro,
Analisis data & pelaporan
Penerbitan &
persembahan
Adobe In-design, Quark
Express, Microsoft
Publisher, Powerpoint
Pendokumenan teks dan
grafik
3/11/2016
Kursus PTK (W41-TK2-11)
66
Examples of ICT Hardware
Maps and Plans
Digital data
Paper files
Data
GIS
Photogrammetry
Interviews
Data
Field survey
Remote Sensing
3/11/2016
Kursus PTK (W41-TK2-11)
67
Joining of:
1. Property & sales
information (e.g. VNZDB
& Land sales)
2. Cadastral information
(DCDB, Land resource)
3. Other general data
A Geographic Information System
is used as mapping and data
management platform
Other data analysis supports (e.g.
regression analysis) are created
using some specialised software
Simple integration of valuation data
3/11/2016
Kursus PTK (W41-TK2-11)
68
Files
QUC, assessment roll (ASCII)
QUC, transaction file (ASCII)
Canada, census file (ASCII)
Quebec, regional municipalities
(ATLAS)
5 Quebec, metro areal, census tracts (ATLAS)
3/11/2016
1
2
3
4
6
7
8
9
10
QUC, municipalities (PAPER)
QUC, main roads (PAPER)
QUC, streets (PAPER)
QUC, enumeration areals (PAPER)
Quebec topographic map (SIF, ASCII)
Software
A SAS
B QUATTRO PRO
C dBASE IV
D CARTIER
E LAMBERT
F ATLAS*DRAW
G ATLAS*GRAPHICS
H MapInfo
I SURFER
J IDRISI
Kursus PTK (W41-TK2-11)
69
3/11/2016
Kursus PTK (W41-TK2-11)
70
Sistem
maklumat
pengurusan
harta tanah
3/11/2016
Kursus PTK (W41-TK2-11)
71
Contoh Kes Kajian

Rekabentuk Pangkalan Data untuk Kajian
Demografi di Bandar George Town
http://www.hbp.usm.my/Thesis/HeritageDB/hbp.htm



M
M
m
3/11/2016
Kursus PTK (W41-TK2-11)
72
Soalan-Soalan (PTK 1 – W41):
1. Bincangkan konsep keesahan dalam dan keesahan luaran dalam
penyelidikan harta tanah. Bagaimanakah analisis data boleh
mempengaruhi kedua-dua jenis keesahan ini?
2. Dengan memberi contoh-contoh yang sesuai, bincangkan tiga
ukuran serakan yang utama dalam sesuatu data sampel. Apakah
kaitan di antara ketiga-tiga ukuran ini.
3. Dengan merujuk kepada penilaian atau pengurusan harta tanah,
bincangkan secara umum, langkah-langkah dalm penyediaan
dan penyenggaraan data perbandingan.
Kursus PTK3 2008 Bagi Pegawai W32
JPPH
73
3/11/2016
Kursus PTK (W41-TK2-11)
74