1.

0 PENGENALAN KEPADA MODEL MATEMATIK

Permodelan matematik merupakan proses dalam memperoleh pemahaman matematik melalui

konteks dunia nyata. Menurut Lovitt (1991) pemodelan matematik dibahagi kepada dua ciri
utama iaitu pemodelan bermula dan berakhir dengan dunia nyata dan pemodelan membentuk
suatu kitaran.

• Satu set persamaan yang menggambarkan dan

Model Matematik mengintepretasikan sistem nyata (real system).

Secara umumnya, model matematik digunakan untuk mendapatkan cara terbaik dalam
mengatur atau mengelola sebuah sistem fizikal. Persamaan – persamaan dalam model
matematik menunjukkan rumusan pelbagai aspek persoalan, mengidentifikasikan hubungan
fungsi antara komponen dan elemen dalam sistem, menetapkan ukuran efektif dan kekangan
serta menunjukkan data yang diperlukan berkait dengan persoalan secara kuantitatif. Oleh itu,
model matematik yang digunakan harus relevan dengan sistem yang dimodelkan. Dalam hal ini,
keluaran model dan keluaran sistem nyata harus bertetapan. Hal ini dapat ditunjukkan seperti
rajah 2 di bawah:

1
 Actual system Model predicted
respond
system respond

Real physical Mathematical

system model

Non-modeled
Modeled input
input
Solution strategy
(Optimization and Simulation)

Rajah 2: Skema proses pemodelan dan sistem optimum

Kaedah yang didapati dari penyelesaian model matematik dapat diaplikasikan pada
sistema fizikal yang sebenarnya. Dalam menerapkan strategi penyelesaian masalah kita dapat
menggunakan pendekatan opmtimum, simulasi atau gabungan keduanya. Hasil akhir dari
prosedur di atas merupakan keputusan optimum yang berkait dengan pengendalian atau
pengelolaan sebuah sistem. Terdapat tujuh langkah dalam proses Permodelan Matematik.
Langkah tersebut ialah :

1. Menjelaskan masalah dunia sebenar

Masalah dinyatakan secara am dan bebas daripada sebarang data yang dikumpul.

2. Membuat andaian

Andaian dibuat melibatkan penyenaraian pembolehubah yang terlibat. Cubaan

memudahkan atau mengubah senarai pembolehubah yang dilakukan bagi membolehkan
andaian dilakukan yang melibatkan pembolehubah bersandar yang dimanipulasikan
dalam data berkenaan.

2
 3. Merumuskan masalah matematik

Menentukan bentuk pengiraan pengiraan atau rumus yang bersesuaian bagi digunakan
dalam masalah berkenaan. Dalam langkah ini, pengiraan perlu dilakukan.

4. Menyelesaikan masalah matematik

Dalam langkah ini, andaian awal perlu dirujuk semula bagi mengubahsuai masalah yang
dikenalpasti bertepatan dengan pengiraan yang dilakukan.

5. Menterjemah masalah matematik

Langkah ini dilakukan untuk memeriksa sama ada masalah telah dijawab mengikut
kepada andaian yang telah dilakukan. Terjemahan perlu menunjukkan andaian dan
masalah awal yang eksplisit.

6. Mengesahkan model yang digunakan

Kelemahan dan kekuatan model dibincangkan dalam langkah ini. Ini dapat
menggambarkan rumus matematik yang digunakan bersesuaian atau tidak.

7. Melapor, menerang dan meramal

Langkah ini merupakan proses pengdokumentasian segala dapatan selain meramalkan

peristiwa yang akan datang yang mungkin akan terjadi.

Melalui panduan Proses Permodelan Matematik yang dikemukakan oleh Galbraith (1989) ini,
kita dapat mengkaji masalah dan peristiwa dengan mengandaikan beberapa andaian, membuat
pengiraan bagi menyemak andaian dan akhirnya dapat membuat ramalan berdasarkan model
yang disahkan. Pelbagai masalah mungkin dapat diatasi dan dikurangkan sekiranya pemodelan
Matematik diaplikasikan dalam beberapa masalah yang semakin meningkat terutamanya di
negara kita Malaysia.

3
2.0 PEMBINAAN MODEL MELALUI KAJIAN KES RASUAH DI MALAYSIA

1. Menjelaskan Masalah Dunia Sebenar

Kemunculan Internet sebagai alat komunikasi terkini menjanjikan satu wadah penyebaran
maklumat yang memantapkan ilmu dan maklumat. Oleh kerana tiada siapa yang dapat
mengawal perjalanan maklumat didunia siber, berjuta-juta laman web telah dihidupkan.
Bermacam-macam maklumat (samaada benar atau salah), idea, ideologi, propaganda
dan tidak kurang juga pornografi disebarkan melalui Internet.Pada masa yang sama,
kebebasan maklumat yang dijanjikan oleh dunia siber ini menimbulkan rasa gerun bagi
pihak pentadbir sesetengah negara yang selama ini mahu mengongkong kebebasan
bersuara penduduk mereka.Keupayaan Internet sebagai alat komunikasi jauh mengatasi
alat-alat komunikasi yang ada sekarang.Percetakan, telefon dan televisyen telah
berzaman memainkan peranan yang penting dalam media untuk menyampaikan ilmu dan
maklumat kepada orang ramai. Namun, bahan-bahan media ini penyebaran maklumatnya
adalah satu hala dan tidak interaktif seperti Internet. Ini membolehkan pengawalan
maklumat dilakukan secara berkesan. Malah kebanyakan negara mempunyai peruntukan
undang-undang yang mengawal percetakan dan kandungan televisyen.Di Malaysia
contohnya, sebarang percetakan yang disebarkan kepada orang awam memerlukan
permit yang sah. Peruntukan undang-undang yang sedia ada seperti Akta Percetakan,
Akhbar dan Penerbitan1984, Akta Penyiaran 1988, Akta Hasutan 1948, Akta Rahsia
Rasmi 1972 membataskan maklumat-maklumat yang boleh dicetak dan diedarkan
kepada orang ramai. Bahan media yang tradisional juga dibatasi oleh had geografi.
Penyebaran buku, makalah dan surat khabar memerlukan kos, tenaga
manusia,infrastruktur jalan dan kemudahan kenderaan. Kesemua faktor ini membataskan
penyebaran maklumat dan pada masa yang sama memudahkan pengawalan maklumat.

Perbezaan antara Internet dan bahan media yang sedia ada amatlah nyata kerana
Internet adalah satu platform yang menyediakan maklumat daripada berjuta-juta
pengguna dan pengkaji selidik dari seluruh dunia. Teknologi Internet memungkinkan
seseorang menyalah gunakan maklumat dan berbagai jenis perkhidmatan yang
disediakan.

4
Walaupun ramai rakyat Malaysia yang sering merungut internet yang lembab atau harga
internet yang mahal di Malaysia, tetapi Malaysia tetap menjadi peneraju dalam media
sosial. Malah, gejala selfie dan mengambil gambar makanan turut menjadi kegilaan rakyat
Malaysia. Tetapi tahukah anda, Malaysia juga menjadi pusat penipuan internet? Menurut
satu kajian kumpulan Telenor, di mana Digi adalah sebahagian darinya, mendapati
terdapat tiga jenis penipuan internet yang paling banyak di Malaysia. Tiga jenis tersebut
adalah:

 Penipuan bekerja dari rumah (30%)

 Penipuan jualan internet (22%)

 Penipuan temujanji dalam talian (20%)

Penipuan bekerja di rumah berbentuk samada membayar seseorang untuk memulakan

perniagaan, atau membuat tugasan tetapi tidak mendapat bayaran. Manakala penpuan
jualan internet pula, barang yang diterima berbeza dari yang dipamerkan, atau tidak
sampai langsung. Penipuan temujanji dalam talian, biasanya melibatkan akaun peribadi
palsu, yang digunakan untuk mengumpan mangsa memberi wang kepada mereka.

Daripada kajian yang dijalankan, didapati rakyat Malaysia adalah pengguna internet
tegar, dengan lebih 10 jam berhubung dengannya setiap hari. Agak mengejutkan, 46%
menyatakan mereka pernah menjadi mangsa penipuan internet. Dari tiga penipuan yang
disenaraikan di atas, 1 dari 5 orang rakyat Malaysia pernah ditipu dalam jualan internet
dan temujanji dalam talian. Manakala 46% menyatakan, mereka tahu terdapatnya rakan
atau kaum keluarga yang pernah ditipu dalam talian.Dalam penipuan internet ini,
seramai 6 dari 10 orang kehilangan wang, dengan purata RM7,050 setiap seorang.
Tetapi angka ini agak rendah, dibandingkan dengan purata kehilangan wang di negara
jiran serantau, iaitu RM41,870 seorang.

Salah satu penyalahgunaan Internet pada masa kini adalah penipuan yang dilakukan
secara talian dan bagaimana penipuan ini telah memberi impak kepada jenayah siber di
Malaysia. Melihat kepada situasi penipuan internet yang semakin meningkat, saya
merasa gerun dan risau akan perkembangan kepada kadar jenayah di negara kita. Hal

5
 ini kerana dengan meningkatnya penipuan dalam talian (Internet) akan menyebabkan
meningkatnya kadar jenayah siber di Malaysia. Oleh itu, saya terpanggil untuk membuat
kajian kes berkenaan dengan kes penipuan Internet di Malaysia dengan kadar kes
jenayah siber di Malaysia bagi 5 tahun kebelakangan ini iaitu bermula daripada tahun
2011 hingga tahun 2015. Oleh itu, saya telah membuat pencarian data melalui capaian
internet bagi mendapatkan statistik berkenaan dengan kes penipuan Internet dengan
kadar kes jenayah siber di Malaysia. Melalui portal laman web rasmi Cyber Security
Malaysia, saya telah mendapatkan statistik bilangan kes penipuan dalam talian yang
dilaporkan bermula daripada tahun 2011 hingga tahun 2015.

Bagi membina model matematik, kajian bilangan kes penipuan Internat yang dilaporkan
telah dipilih untuk 5 tahun kebelakangan ini iaitu dari tahun 2011 hingga tahun 2015.
Proses pembinaan model oleh Galbraith digunakan bagi membina model Matematik ini.
Terdapat tujuh bahagian yang menunjukkan setiap langkah dan proses dalam pembinaan
Model Matematik melalui kajian kes penipuan dalam talian ini.

Jadual 1: Statistik bilangan kes Penipuan di Internet (2011 – 2015)

Tahun Bilangan kes penipuan dalam talian

2011 5328
2012 4001
2013 2094
2014 1625
2015 2669
Sumber :Cyber Security Malaysia

(http://www.cybersecurity.my/en/our_services/mycert/main/detail/2328/index.html)

Melalui carian dalam laman portal rasmi CYBER Security Malaysia, saya telah
mendapatkan data berkenaan dengan kes penipuan dalam talian yang dicatatkan di
Malaysia seperti yang dicatatkan pada jadual 1. Saya telah mengambil data 5 tahun
kebelakangan iaitu bermula dari tahun 2011 hingga tahun 2015 sebagai data untuk kajian
kes ini.

Berikutan daripada statistik kes penipuan dalam talian di Malaysia yang dicatatkan
itu, saya telah mengambil keputusan untuk mendapatkan pula data mengenai kadar kes

6
 jenayah siber di Malaysia . Oleh itu, saya telah mengambil statistik data kes jenayah
siber di Malaysia untuk 5 tahun kebelakangan ini bermula daripada tahun 2011 hinggga
tahun 2015. Saya telah mengambil data ini daripada laman web rasmi Cyber Security
System.. Berikut merupakan data jenayah siber di Malaysia bermula dari tahun 2011
hingga tahun 2015 yang ditunjukkan dalam jadual berikut:

Jadual 2:

Bilangan kes jenayah siber di Malaysia (2011 -2015)

Tahun Bilangan Kes Jenayah Siber di Malaysia (2011 – 2015)

2011 15218
2012 9986
2013 4436
2014 5069
2015 6800

Sumber : Laman Web Rasmi Cyber Security Malaysia

2. Membuat andaian

Melalui data yang telah dikumpulkan mengenai statistik kes bilangan penipuan dalam
talian di Malaysia dengan kadar jenayah siber di Malaysia, saya telah memilih untuk
menetapkan dua pembolehubah yang boleh ditetapkan untuk membentuk satu data baru.
Dalam kajian kes ini, saya berfokus untuk melihat sama ada wujudnya hubungan antara
peningkatan bilangan penipuan dalam talian dengan kadar kes jenayah siber di Malaysia
bagi lima tahun kebelakangan ini. Dengan melihatkan kepada fokus ini, pembolehubah
yang ingin ditetapkan bagi kajian kes ini adalah berdasarkan kepada dia elemen hubunan
yang ingin dikaji.

Dalam kajian ini, saya ingin melihat impak bilangan kes penipuan dalam talian kepada
kadar kes jenayah siber di Malaysia. Maka, sudah pasti kadar kes jenayah siber di
Malaysia dikira sebagai pembolehubah bersandar. Dalam erti kata lain, pembolehubah
bersandar akan berubah atau menunjukkan impak atau kesan sekiranya bilangan pekerja
asing yang datang ke Malaysia diubah. Perubahan yang berlaku ke atas pembolehubah

7
bersandar ini hanya akan diperoleh melalui perubahan yang dilakukan ke atas
pembolehubah manipulasi atau tidak bersandar.

Oleh kerana kadar bilangan kes jenayah siber di Malaysia bergantung kepada bilangan
kes penipuan dalam talian di Malaysia,, maka kita boleh katakan bahawa bilangan kes
penipuan dalam talian di Malaysia boleh dikategorikan sebagai pembolehubah tidak
bersandar. Pembolehubah ini boleh dimanipulasikan dan boleh diubah. Sebarang
perubahan yang dilakukan ke atas pembolehubah ini akan memberikan impak kepada
pembolehubah bersandar. Dengan itu, saya telah mengambil keputusan untuk
mengubahsuai dua statistik data yang dikumpul sebelum ini menjadi satu data yang baru
dan menetapkan pembolehubah baru seperti berikut.

Jadual 3: Pembolehubah bersandar dan tidak bersandar

Pembolehubah tidak bersandar Pembolehubah bersandar

(Pembolehubah manipulasi) (Pembolehubah bergerak balas)

Kadar kes penipuan dalam talian yang Kadar Kes Jenayah Siber di Malaysia
dicatatkan ) ) (2011– 2015) (201 – 2015)

Kemudian, saya menyediakan data dari tahun 2011 – 2015 dalam jadual berikut
berdasarkan pembolehubah tidak bersandar dan bersandar yang telah ditetapkan.

Jadual 4 : Bilangan pekerja asing (berdaftar) yang datang ke Malaysia melawan kadar
Kes Jenayah di Malaysia (2006 – 2015)

8
 Kadar penipuan dalam talian di Kadar Kes Jenayah Siber di Malaysia
Malaysia

5328
15218

4001 9986

2094 4436

1625 5069

2669 6800

Melalui pengubahsuaian data yang dikumpul, saya membuat dua andaian dan
kemungkinan daripada data terbaru yang telah diubahsuai ini. Andaian ini dibuat berdasarkan
kepada fokus kajian kes iaitu bagi melihat wujudnya hubungan di antara data daripada
pembolehubah tidak bersandar dengan pembolehubah bersandar iaitu kadar bilangan kes
penipuan dalam talian yang dicatat dengan kadar kes jenayah siber di Malaysia. Andaian
pertama yang dibuat adalah kadar kes jenayah siber di Malaysia akan meningkat sekiranya kadar
bilangan kes penipuan dalam talian dicatat meningakat. . Andaian kedua yang dibuat adalah
kadar kes jenayah siber di Malaysia akan menurun sekiranya kadar bilangan kes penipuan dalam
talian rasuah menurun. Saya mengandaikan bahawa hubungan kes rasuah dengan
pertumbuhan ekonomi mengikut kadar KDNK di Malaysia mempunyai hubungan positif.

Hal ini bermaksud, sekiranya kadar bilangan kes penipuan dalam talian meningkat, kadar kes
jenayah siber akan meningkata dan sebaliknya, sekiranya kadar kes penipuan dalam talian
menurun akan menyebabkan berlaku penurunan dalam kadar kes jenayah walaupun dalam skala
yang kecil. Hal ini adalah bergantung kepada jumlah kes rasuah yang dicatatkan pada tahun
berkenaan.

3. Merumuskan masalah matematik

9
 Setelah pengubahsuaian terhadap data yang dikumpul dilakukan, rumus terhadap
masalah matematik ini perlu dibina. Memandangkan andaian bagi kajian kes ini adalah untuk
melihat sama ada wujud atau tidak hubungan di antara positif atau negatif di antara kedua
pemboleh ubah yang telah disenaraikan, maka saya telah mengambil keputusan untuk
menggunakan model garis lurus bagi menyemak andaian berkenaan. Berikut merupakan
ringkasan elemen yang akan digabungkan dalam rumus masalah Matematik yang akan saya
gunakan.

Rumus (Model Linear) • 𝑦 = 𝑚𝑥 + 𝑐

Di mana,

Y = pemboleh ubah bersandar

X = pembolehubah tidak bersandar
m = kecerunan garis lurus pada graf
c= koordinat pintasan bagi paksi y pada graf

Garis lurus pada graf yang akan dibina dikenali juga sebagai garis lurus penyesuaian
terbaik. Garis lurus penyesuaian terbaik ini berfungsi untuk membuat ramalan hubungan bagi
kedua – dua pemboleh ubah tadi dibuat (yang dikatakan mempunyai hubungan negatif).
Penggunaan garis lurus akan diplot berdasarkan graf kadar bilangan kes penipuan dalam
talian melawan kadar bilangan kes jenayah siber di Malaysia. Dalam persamaan garis lurus
ini, pembolehubah bersandar akan diplotkan sebagai paksi y manakala pembolehubah tidak
bersandar diplotkan sebagai paksi x. Pembolehubah bersandar iaitu kadar kes jenayah siber
di Malaysia diwakilkan sebagai y manakala pembolehubah tidak bersandar iaitu kadar
bilangan kes penipuan dalam talian diwakilkan sebagai x.

Daripada data yang diperoleh dalam jadual 4, saya telah memplotkan satu graf untuk
melihat bentuk hubungan bagi kedua – dua pembolehubah bagi pengubahsuaian data yang
telah dkumpul. Berikut merupakan graf yang telah diperoleh:

10
 Kadar Bilangan Kes Penipuan dalam Talian
Melawan Kadar Kes Jenayah Siber di
Malaysia (Tahun 2011 - 2015)
16000
15218
KADAR KES JENAYAH SIBER DI MALAYSIA

14000
12000
10000 9986
8000
6800
6000
5069
4000 4436

2000
0
5328 4001 2094 1625 2669
KADAR BILANGAN KES PENIPUAN DALAM TALIAN YANG DICATATKAN

Rajah 4 : Graf Kadar Bilangan Kes Penipuan dalam Talian Melawan Kadar Kes Jenayah
Siber di Malaysia (2011 -2015)

Bagi meneruskan pengesahan andaian dan ramalan bagi kajian kes kadar bilangan kes
penipuan dalam talian dengan kadar kes jenayah siber di Malaysia dari tahun 2011 hingga
tahun 2015, maka garis lurus penyesuaian terbaik boleh dibina pada graf. Berikut
merupakan graf garis lurus penyesuaian terbaik yang boleh diperoleh melalui
penggunaan Microsoft Excel.

11
 Rajah 5: Graf garis lurus penyelesaian terbaik bagi bilangan kes penipuan dalam talian
melawan bilangan kes jenayah siber (2011 – 2015)

Setelah mendapatkan garis lurus penyesuaian terbaik, bebebrapa pengiraan perlu dibuat
untuk mencari nilai m dan c. m adalah kecerunan bagi garis lurus penyesuaian terbaik untuk
graf di atas. Kecerunan garis lurus dapat dicari melalui langkah pengiraan yang akan
ditunjukkan. c pula adalah pemalar atau koordinat pintasab bagi paksi y yang mempunyai
nilai tetap meskipun nilai x dan y berubah. Berikut pengiraan untuk mencari bagi c dan m:

Untuk mencari kecerunan garis lurus, m :

Dua titik telah dipilih yang mewakili x dan y untuk data yang diilustrasikan dalam rajah 4.
Titik (x,y) tersebut ialah:

a) (5328, 15218)
b) (4001, 9986)

Setelah kedua – dua titik diperoleh, titik berkenaan akan digunakan untuk mencari
kecerunan garis lurus penyesuaian terbauk yang akan dibina. Kedua – dua tiitk
dibezakan seperti berikut:

12
 𝑥1 = 5328 , 𝑦1 = 15218

𝑥2 = 4001 , 𝑦2 = 9986

Dengan menggunakan rumus kecerunan garis lurus, m ialah:

𝑦2 − 𝑦1
𝑚=
𝑥1 − 𝑥2

Masukkan nilai x dan y daripada dua titik yang dipilih tadi:

9986 − 15218
𝑚=
4001 − 5328

𝑚 = 3.94

Oleh itu, nilai kecerunan bagi garis lurus penyesuaian terbaik ialah 3.94. melalui nilai
ini, nilai pemalar, c dapat dicari. Masukkan nilai m ke dalam rumus serta nilai x dan
ya untuk mencari nilai c.

𝑦 = 𝑚𝑥 + 𝑐

𝑚 = 3.94

Nilai x dan y yang diambil ialah (5328, 15218)

15218 = 3.94(5328) + 𝑐

𝑐 = −57774.3

Oleh itu, persamaan yang diperoleh ialah 𝑦 = 3.94𝑥 − 57774.3

13
4. Menyelesaikan masalah matematik

Setelah garis lurus penyelesaian terbaik dibina pada graf seperti dalam rajah 5, dapat
dilihat bahawa wujudnya penghampiran yang tepat bagi graf sedia ada dengan garis
lurus penyesuaian terbaik berkenaan. Hal ini dapat dilihat pada nilai kolerasi 𝑅 2 yang
dapat dilihat pada graf pada rajah 5 di atas.

𝑅 2 merupakan nilai regrasi yang akan menentukan sama ada graf yang dibina daripada
data berkenaan mampu membantu untuk membuat ramalan pada masa akan datang.
Terdapat tiga hubungan yang wujud pada nilai regrasi yang ditunjukkan iaitu hubungan
negatif, hubungan positif dan tiada hubungan sama kali. Apabila nilai regrasi
menunjukkan nilai melebihi sifar, maka kita dapat katakan wujud hubungan yang positif
antara pembolehubah bersandar dengan pembolehubah tidak bersandar. Apabila nilai
regrasi yang diperoleh kurang daripada sifar, maka kita dapat katakan bahawa wujud
hubungan negatif antara kedua – dua pemboleh ubah bersandar dan tidak bersandar dan
apabila nilai regrasi bersamaan dengan sifar, maka kita dapat katakan bahawa tiada
hubungan yang wujud antara kedua – dua pembolehubah. Hal ini bermaksud bahawa
kedua – dua pembolehubah tidak mempengaruhi antara satu sama lain dan tiada kaitan
antara kedua – duanya.

Berdasarkan rajah 5, didapati bahawa nilai 𝑅 2 ialah 0.6042 di mana nilai R yang diperolehi
adalah melebihi sifar. Maka, hubungan antara kedua – dua pembolehubah ini adalah
positif. Nilai regresi yang ditunjukkan adalah besar dan menghampiri 1. Oleh itu, saya
dapat katakan bahawa wujud hubungan positif yang kuat antara pembolehubah
bersandar dengan pembolehubah tidak bersandar iaitu kadar bilangan kes penipuan
dalam talian sangat mempengaruhi kadar bilangan kes jenayah siber di Malaysia. Hal ini
menunjukkan bahawa data yang dikumpul adalah terbaik dan boleh digunakan untuk
membuat ramalan pada masa akan datang. Pembolehubah dalam data berkenaan juga
mempunyai nilai kolerasi (hubungan) yang tinggi di mana pembolehubah yang
dimanipulasi mampu memberi kesan yang sejajar ke atas pemboleh ubah yang
bersandar.

Untuk melihat sama ada persamaan yang diperoleh melalui data ini dapat digunakan
untuk meramalkan kes penipuan dalam talian bagi tahun 2016, maka saya telah

14
 mendapatkan maklumat terkini mengenai kes penipuan dalam talian yang dicatatkan
sehingga bulan Ogos 2016. Berikut merupakan data yang telah dikumpul dan diperoleh:

Tahun Bilangan Kes Penipuan Dalam Talian

(Januari – Ogos 2016) 2050

Rajah 6: (Sumber: Cyber Security Malaysia, Agensi di Bawah MOSTI)

Melalui maklumat di atas, saya akan menggunakan bilangan kes penipuan dalam talian
yang dicatatkan dari Januari 206 sehingga Ogos 2016 untuk melihat sama ada wujud
kolerasi bagi pembolehubah ini dengan bilangan kes jenayah siber dengan menggunakan
persamaan awal yang telah diperoleh iaitu:

𝑦 = 3.94𝑥 − 57774.3

𝑥 = 2050, maka

𝑦 = 3.94(2050) − 57774.3

𝑦 = −496973

Melalui pengiraan di atas, kes bilangan penipuan dalam talian yang dicatatkan sehingga
Ogos 2015 adalah sebanyak 2050. Melalui pengiraan ini, didapati bahawa bilangan kes
jenayah siber memberikan nilai yang negatif apabila menggunakan rumus ini. Keadaan ini
adalah mustahil kerana nilai yang diperoleh sepatutnya tidak dapat memberikan jawapan
negatif sebaliknya positif.

5. Menterjemah masalah matematik

15
 Bagi menterjemah masalah yang dinyatakan dalam bahagian sebelum ini, saya
menggunakan dapatan daripada pembolehubah bersandar iaitu bilangan kes jenayah
siber mempunyai kolerasi yang tinggi dengan pembolehubah dimanipulasi iaitu bilangan
kes penipuan dalam talian yang dicatatkan. Melalui dapatan ini, dapat menerima
pernyataan bahawa wujud hubungan yang positif antara kedua – dua pembolehubah ini.

Selain itu, dua andaian yang dibuat sebelum ini iaitu apabila bilangan kes penipuan dalam
talian meningkat, bilangan kes jenayah siber di Malaysia turut meningkat. Andaian ini
dapat diterima memandangkan wujud kolerasi positif yang tinggi antara keuda – dua
pembolehubah ini. Hal ini dapat dilihat melalui bilangan data yang digunakan di mana
apabila apabila bilangan kes penipuan dalam talian meningkat pada tahun 2015 iaitu 2669
kes, kes jenayah siber turut meningkat dengan bilangan 6800 kes berbanding tahun 2014
iaitu dengan bilangan kes sebanyak 1625 bagi kes penipuan dalam talian dan 5069 bagi
kes jenayah siber di Malaysia.

Selain itu, andaian kedua iaitu bilangan kes jenayah siber di Malaysia akan menurun
sekiranya bilangan kes penipuan dalam talian menurun adalah benar. Hal ini dapat dilihat
berdasarkan data yang dikumpul iaitu penurunan kes bilangan penipuan dalam talian
pada tahun 2012 berbanding tahun 2011 iaitu daripada 5328 kes menjadi 4001 kes dan
menyebabkan bilangan kes jenayah siber turut menurun iaitu 15218 menjadi 9986 kes .

Melalui penggunaan rumus dan penyelesaian berbantukan model linear, andaian dan
ramalan dapat dilakukan sekiranya nilai 𝑅 2 bagi data berkenaan menghampiri nilai 1.
Oleh kerana nilai 𝑅 2 dalam garis lurus yang digunakan menghampiri nilai 1, maka data
yang dikumpulkan mempunyai keupayaan untuk membuat ramalan dan andaian yang
dilakukan. Makan dengan itu, ramalan dan andaian yang dibuat bagi kes penipuan dalam
talian yang dicatatkan dengan kes jenayah siber sangat sesuai digunakan berdasarkan
bukti nilai regresi yang diperoleh.

6. Mengesahkan model yang digunakan

Semasa saya merumuskan masalah matematik yang dikumpul, saya telah

memperkenalkan rumus 𝑦 = 𝑚𝑥 + 𝑐 iaitu rumus yang digunakan bagi garis lurus atau
garis linear. Masalah yang dikemukakan ini secara amnya menggunakan model linear

16
atau dikenali sebagai Model Regresi. Penggunaan model ini berdasarkan data yang
dikumpul adalah sangat bersesuaian. Hal ini kerana, melalui penggunaan model in,
pembolehubah antara kedua – dua pembolehubah telah dapat dikenalpasti.

Melalui model ini, saya dapat mengesahkan kedua – dua andaian yang telah saya
buat kemukakan pada awal tugasan. Selain itu, saya dapat membuktikan bahawa wujud
hubungan yang positif antara kedua pembolehubah iaitu bilangan kes penipuan dalam
talian dengan bilangan kes jenayah siber di Malaysia. Hal ini dapat dibuktikan melalui
nilai 𝑅 2 yang diperoleh melalui garis lurus penyesuaian terbaik yang telah diplot
menggunakan perisian Excel. Nilai 𝑅 2 yang diperoleh adalah adalah 0.6042 dan
menghampiri 1. Hanya model Regresi yang dapat memberikan nilai 𝑅 2 di mana nilai ini
akan menjadi panduan untuk saya mengetahui sama ada ramalan dan andaian yang
dikemukakan dapat dibina berdasarkan data – data terkumpul. Nilai 𝑅 2 turut memberikan
gambaran kepada saya mengenai hubungan yang wujud antara kedua – dua
pembolehubah yang terlibat. Bagi kajian yang dijalankan ini, saya mendapati nilai 𝑅 2 jelas
menunjukkan bahawa wujud hubungan positif yang kuatantara pembolehubah yang
terlibat seterusnya dapat mengesahkan dua andaian yang dibuat tadi.

Model Regresi ini juga membantu saya untuk mengetahui sama ada punca
sesuatu masalah itu akan membawa impak tertentu. Sebagai contoh, melalui kajian kes
penipuan dalam talian ini bahawa wujud hubungan yang positif ke atas kes jenayah siber
di Malaysia. Hal ini bermaksud, peningkatan kes penipuan dalam talian akan
menyebabkan berlakunya peningkatan dalam jenayah siber. Namun, nilai 𝑅 2 yang
diperoleh bukanlah menunjukkan 1. Oleh itu,saya dapat rumuskan bahawa kes penipuan
dalam talian merupakan salah satu faktor yang menyumbang kepada peningkatan kes
jenayah siber dan masih terdapat punca – punca lain yang menyumbang kepada
peningkatan kes ini.

Maka, penggunaan Model Regresi dapat membantu dalam melihat hubungan

antara kedua pembolehubah yang dipilih daripada data yang dikumpul. Sekiranya data
yang diperoleh mempunyai hubungan yang nyata atau posiitf, andaian dan ramalan dapat
dilakukan dan sekiranya tiada hubungan yang nyata yang wujud, andaian dan ramalan
tidak dapat dilakukan. Oleh itu, penggunaan model Rgeresi amat berguna dalam

17
 menentukan hubungan antara pembolehubah dan seterusnya untuk mengesahkan
andaian yang dibuat sama ada dapat diterima atau tidak.

7. Melapor, menerang dan meramal

Pendokumentasian keseluruhan laporan bagi kajian kes ini telah ditunjukkan dalam enam
langkah sebelum ini. Dapatan menunjukkan bahawa wujud hubungan positif yang tinggi
bagi kedua – dua pembolehubah yang dipilih bagi data yang dikumpul. Kes jenayah siber
di Malaysia adalah bersandar sepenuhnya oleh kes penipuan dalam talian. Hal ini dapat
dibuktikan melalui nilai 𝑅 2 yang diperoleh daripada graf yang diplot berdasarkan data yang
diubahsuai. Oleh kerana nilai 𝑅 2 dalam kajian menghampiri 1, maka wujud hubungan
positif yang tinggi bagi kedua – dua pembolehubah dalam data kajian ini. Berikutan wujud
hubungan positif yang baik ini, maka ramalan dan andaian mengenai kes jenayah siber di
Malaysia pada masa akan datang dapat dilaksanakan.

Secara keseluruhannya, kajian mengenai kes penipuan dalam talian telah mencatatkan
ribuan kes pada setiap tahun. Hal ini menunjukkan bahawa tahap keselamatan sistem
komunikasi di negara kita masih berada di paras yang sederhana. Selain itu, hal ini
menunjukkan bahawa masih kurang kesedaran yang wujud dalam kalangan pengguna di
Malaysia akan kepentingan sistem keselamatan komunikasi. Namun, dapat dilihat
bahawa terdapat penurunan dari segi bilangan kes yang dicatatkan dari tahun 2011
kepada tahun 2015. Hal ini mungkin disebabkan oleh pihak bertanggungjawab iaitu
Agensi Cyber Security telah memainkan peranan untuk memberi kesedaran kepada
pengguna Malaysia dengan mengetatkan sistem keselamatan dan memberi kempen.

18
3.0 RUMUSAN

Sebagai penutup, penggunaan model matematik sangat membantu untuk menyelesaikan

masalah dunia sebenar bagi membolehkan manusia membuat penambahbaikan dan mencari
cara penyelesaian terbaik kepada permasalah tersebut. Selain itu, penggunaan model
matematik membolehkan kita meramal dan membuat andaian yang akan berlaku dengan
cara mengolah data yang diperoleh untuk membentuk satu sistem (model matematik) yang
bersesuaian.

Dalam kajian kes saya ini, saya mendapati bahawa penggunaan model linear ini sangat
membantu untuk membuat andaian dan ramalan apa yang akan berlaku sekiranya kes
penipuan dalam talian meningkat. Selain itu, saya dapat mengetahui hubungan yang wujud
antara kedua – dua pembolehubah yang telah disenaraikan dalam kajian ini. Melalui hal ini,
saya dapat melihat pola kadar jenayah siber di negara kita dengan cara melihat pola naik
turun kes penipuan dalam talian. Melalui pola yang diperoleh ini, pihak berkuasa dapat
mengambil langkah untuk menangani masalah ini daripada terus meningkat dengan cara
memberikan kesedaran kepada masyarakat akan kepentingan penggunaan internet secara
selamat, kempen kesedaran, meningkatkan kawalan dan sekatan keselamatan dalam sistem
komunikasi di negara kita dan sebagainya.

Akhir sekali, Jenayah siber ini bukanlah satu isu yang boleh dipandang ringan kerana
apabila kecuaian kita dalam menangani masalah ini boleh menyebabkan data rahsia negara
diceroboh dan digodam oleh individu yang tidak bertanggungjawab seterusnya kemungkinan
harta kita seperti penggunaan kad debit dan kredit boleh dimanipulasi oleh orang lain
sekiranya tiada sistem keselamatan yang mantap yang dibina.

19
4.0 RUJUKAN

(MOSTI), Cyber Security Malaysia. 2009. Pengguna internet hari ini turut jadi mangsa peras ugut,
bunuh. Diakses Septmber 1, 2016.
http://www.cybersecurity.my/en/knowledge_bank/news/2010/main/detail/1886/index.html
.
Ali, Siti Norhawa Mohd. 2015. 6,800 kes jenayah siber di Malaysia. 2015 September. Diakses
Julai 23, 2016. http://www.utusan.com.my/berita/jenayah/6-800-kes-jenayah-siber-di-
malaysia-1.132952.
Awani, Astro. 2016. 40 kes penipuan jualan barangan dalam talian di Manjung. 14 Oktober.
Diakses Oktober 2016. http://www.astroawani.com/berita-malaysia/40-kes-penipuan-
jualan-barangan-dalam-talian-di-manjung-118436.
Malaysia, Cyber Security. 20162. Buletin Security. Diakses September 2, 2016.
http://www.cybersecurity.my/bahasa/events/2013/main/index.html.
Malaysia, Suruhanjaya Komunikasi dan Multimedia. 2016. Statistik Kajian Pengguna Internet.
Diakses September 22, 2016. http://www.skmm.gov.my/Resources/Statistics.aspx.

20