Sabah — laporan minggu ini, diterangkan

run #158Ramalan dikemas kini 20 Okt 2026

Setiap nombor pada kad laporan mingguan dewan ini, dihuraikan dengan perkataan harian. Tiada istilah teknikal tanpa terjemahan.

Versi satu ayat

Jika pilihan raya diadakan minggu ini, Gabungan Rakyat Sabah paling berkemungkinan menangi kerusi terbanyak — sekitar 30. Itu masih kurang daripada 37 kerusi yang diperlukan untuk memerintah sendiri.

Apa sebenarnya laporan ini

Bayangkan ia sebagai ramalan cuaca untuk politik. Model ini mensimulasikan pilihan raya ini 10,000 kali, dengan mengubah sedikit input sebenar pada setiap kali — keputusan pilihan raya terakhir, anjakan sokongan pengundi sejak itu, tinjauan pendapat, dan tahun-tahun sejarah pilihan raya. Setiap simulasi ialah satu malam keputusan yang mungkin.

Laporan ini hanyalah kiraan hasil daripada 10,000 simulasi itu. Apabila ia mengatakan sesebuah blok "mendahului dengan 30 kerusi", maksudnya 30 ialah keputusan paling kerap dalam timbunan itu — bukan janji, dan bukan agakan buta.

Membaca kad itu, baris demi baris

Pakatan Harapan: 1 kerusi [0–6] — dalam simulasi pertengahan, Pakatan Harapan berakhir dengan 1 kerusi — dan 8 daripada 10 simulasi berada di antara 0 dan 6. Semakin lebar kurungan, semakin kurang yakin model itu.

Barisan Nasional: 5 kerusi [1–14] — dalam simulasi pertengahan, Barisan Nasional berakhir dengan 5 kerusi — dan 8 daripada 10 simulasi berada di antara 1 dan 14. Semakin lebar kurungan, semakin kurang yakin model itu.

Gabungan Parti Sarawak: 0 kerusi [0–1] — dalam simulasi pertengahan, Gabungan Parti Sarawak berakhir dengan 0 kerusi — dan 8 daripada 10 simulasi berada di antara 0 dan 1. Semakin lebar kurungan, semakin kurang yakin model itu.

Gabungan Rakyat Sabah: 30 kerusi [18–41] — dalam simulasi pertengahan, Gabungan Rakyat Sabah berakhir dengan 30 kerusi — dan 8 daripada 10 simulasi berada di antara 18 dan 41. Semakin lebar kurungan, semakin kurang yakin model itu.

Warisan: 18 kerusi [10–29] — dalam simulasi pertengahan, Warisan berakhir dengan 18 kerusi — dan 8 daripada 10 simulasi berada di antara 10 dan 29. Semakin lebar kurungan, semakin kurang yakin model itu.

Others / Independents: 13 kerusi [6–22] — dalam simulasi pertengahan, Others / Independents berakhir dengan 13 kerusi — dan 8 daripada 10 simulasi berada di antara 6 dan 22. Semakin lebar kurungan, semakin kurang yakin model itu.

Perikatan Nasional: 0 kerusi [0–3] — dalam simulasi pertengahan, Perikatan Nasional berakhir dengan 0 kerusi — dan 8 daripada 10 simulasi berada di antara 0 dan 3. Semakin lebar kurungan, semakin kurang yakin model itu.

Siapa naik, siapa turun

Ini kerusi yang peluangnya berubah paling banyak sejak larian mingguan sebelumnya — biasanya kerana berita mengenainya: calon diumumkan, pertikaian tempatan, anjakan liputan. Baca perubahan daripada X% ke Y% sebagai: daripada 100 simulasi, blok ini dahulu menangi kerusi itu dalam X; kini ia menang dalam Y.

Tiada perubahan besar minggu ini untuk ditanda — model melihat dewan ini tidak berubah sejak larian lalu.

Catatan kaki, diterjemahkan

Volatility σ = 0.142 (horizon-scaled; see methodology §9).

"Volatiliti σ = 0.142" ialah ukuran betapa mudah berubahnya model menyangka dewan ini. Nombor lebih tinggi bermakna peluang kerusi berayun lebih jauh antara minggu; nombor rendah bermakna model melihat pertandingan yang stabil.

Forecast run #158; inputs hashed and immutable.

Catatan tentang input yang "dihash dan tidak boleh diubah" ialah janji pentadbiran: data tepat yang menghasilkan laporan ini diarkibkan, jadi sesiapa boleh menjalankannya semula nanti dan mendapat nombor yang sama.

Apa yang laporan ini BUKAN

Bukan ramalan masa depan — ia merupakan gambaran apa yang akan berlaku jika pilihan raya diadakan hari ini.
Bukan sokongan, dan bukan pendapat tentang siapa patut menang — ia aritmetik atas data awam.
Bukan tepat sampai ke setiap kerusi — setiap nombor ialah julat, jadi anggap keputusan rapat sebagai benar-benar rapat.

Papan pemuka penuh →Setiap kerusi, tersusun →Cara model berfungsi (bahasa mudah) →Semua laporan mingguan →