MODUL 5 DISTIBUSI NORMAL

Distribusi normal adalah distribusi yang mempunyai kurva berkesinambungan dalam bentuk lonceng / simetris. Gambar Kurva Distribusi Normal :

-3σ

µ

X

Fakta Distribusi Normal merupakan kurva berkesinambungan menunjukan bahwa kurva terdiri dari sejumlah titik-titik yang tidak terbatas, dimana bentuk lonceng dapat lebih datar atau lebih tinggi tergantung pada tingkat dimana variabel acak tersebar dari pusat pendistribusian . Pusat Distribusi Normal disebut dengan Mean (µ ) Perhatikan bahwa kedua ekor / ujungnya semakin mendekati sumbu absisnya tetapi tidak pernah memotong artinya kedua ekor / ujungnya terus berlanjut sampai tidak terhingga, namun dalam kenyataan variabel acak tidak mempunyai nilai sampai dengan jarak tidak terhingga, oleh karena itu dalam perhitungan untuk gambar kurva distribusi normal diambil kesepakatan sebesar 3 kali besarnya standart deviasinya (3 σ )

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Ir. Sahibul Munir, SE. M.Si.

STATISTIK II

1

M. STATISTIK II 2 .Si. Pada Distribusi Normal probabilitas diukur berdasarkan jumlah deviasi standar variabel acak X nilai adalah dari Mean.5 ( simetris terhadap mean µ ) Contoh Membuat Kurva Distribusi Normal : Bila diketahui soal sebagai berikut : Mean ( dilambangkan dengan µ ) = 4200 Standart Devisasi ( dilambangkan dengan σ ) = 1400 Probabilitas untuk X yang mempunyai nilai sama dengan atau lebih besar dari 6000 . Sahibul Munir.Dari gambar diatas dapat dilihat bahwa 50 % dari kurva ada disebelah kanan Mean dan 50 % ada disebelah kiri Mean artinya Probabilita variabel acak X yang mempunyai nilai lebih atau kurang dari Mean adalah 0. P (X) >= 6000 Maka Kurva Distribusi Normalnya adalah : 0 µ = 4200 σ = 1400 X = 6000 8400 Sekarang anda coba latihan ini : Untuk sebaran normal dengan µ = 50 dan σ = 10. gambarkan Kurva Distribusi Normalnya dimana X mengambil sebuah nilai antara 45 dan 62 Pengertian Standart Deviasi Standart Deviasi adalah pengukuran untuk penyimpangan standar yang konsisten untuk semua distribusi normal. SE. PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.

24 67.8 .6 = 40.15. 35 Maka dibuat tabel berikut : X 23 28 42 25 60 55 50 42 32 35 402 X rata-rata Variance Standart Deviasi = 402 / 10 = V 148.339. 32.X rata-rata ) ^ 2 295.17.2 19.24 27.2 ------------------------------------------------------------- = 1. M.Adapun besarnya deviasi standart merupakan akar dari varian ( Lihat kembali BAB 3 tentang pengukuran Dispersi ).24 231. 42.Si.04 392.2 1. 50.339.04 3.84 PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Contoh Menghitung Standart Devisasi ( hanya Review ) Dari salon kecantikan “ DEWI “ diambil secara acak sebagai sampel umur dari mereka ( 10 orang ) yang menjadi pelanggan baik laki-laki maupun perempuan.2 . 55.84 4.04 219. SE. Sahibul Munir.2 . Umur dari kesepuluh pekanggan itu adalah sebagai berikut : 23.8 .2 = 12.8 14.2 . STATISTIK II 3 . 42.05 1.8 1. 25.X rata-rata .5. 60.84 X .6 / ( 10-1 ) = 148.8.84 3.8 9.04 96.2 ( X . 38.

Pertanyaannya : 1. menjual karpet Turki. SE.3 ( 1400 ) Batas atas =0 = 8400 = 4200 + 3 ( 1400 ) PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Berdasarkan catatan penjualan beberapa tahun manajemen toko menentukan bahwa mean / rata-rata dari jumlah meter karpet Turki yang diminta oleh pelanggan selama seminggu adalah 4200 meter dan deviasi standart adalah 1400 meter. Manajer toko ingin mengetahui probabilitas untuk permintaan karpet Turki dalam minggu yang akan datang dapat melebihi atau sama dengan 6000 meter 2.Si. Manajer toko ingin mengetahui probabilitas apabila permintaan karpet Turki adalah 5000 meter atau kurang 3. M.Contoh Perhitungan Probabilitas Dengan Distribusi Normal Toko karpet di Depok. Manajer toko ingin mengetahui probabilitas apabila permintaan antara 3000 meter sampai 5000 meter Penyelesaian : 1) Berdasarkan data diatas maka dapat disimpulkan bahwa : X = Besarnya permintaan = 6000 atau lebih µ = Mean / rata-rata dari distribusi normal = 4200 σ = Deviasi standart = 1400 Menghitung Batas Atas dan Batas Bawah Distribusi Normal Batas bawah = 4200 . STATISTIK II 4 . Sahibul Munir.

29 maka : 1.3 ( 1400 ) =0 = 1400 Menghitung Batas Atas dan Batas Bawah Distribusi Normal PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. STATISTIK II 5 . M. Dilihat di tabel kurva normal terdapat nilai sebesar 0.29 Dengan nilai Z sebesar 1.Gambar Kurva Distribusi Normal 0 µ = 4200 σ = 1400 X=6000 Rumus Probabilitas : Z = (X-µ)/σ = ( 6000 .9015 2. 9015 = 0.Si.0985 atau = 9.0. Sehingga probabilitas permintaan karpet Turki lebih besar dari 6000 meter adalah sebesar 1 . Sahibul Munir. SE.4200 ) / 1400 = 1.85 % 2) Berdasarkan data diatas maka dapat disimpulkan bahwa : X = Besarnya permintaan = 5000 atau kurang µ = Mean / rata-rata dari distribusi normal = 4200 σ = Deviasi standart Batas bawah = 4200 .

SE.Si.57 maka : 1. Sehingga probabilitas permintaan karpet Turki lebih kurang dari 5000 meter adalah sebesar 71.57 Dengan nilai Z sebesar 0. M.Batas atas = 4200 + 3 ( 1400 ) = 8400 Gambar Kurva Distribusi Normal 0 µ = 4200 σ = 1400 5000 8200 Rumus Probabilita : Z = (X-µ)/σ = ( 5000 .7157 2.3 ( 1400 ) Batas atas =0 = 8400 = 1400 Menghitung Batas Atas dan Batas Bawah Distribusi Normal = 4200 + 3 ( 1400 ) PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Dilihat di tabel kurva normal terdapat nilai sebesar 0.57 % 3) Berdasarkan data diatas maka dapat disimpulkan bahwa : X = Besarnya permintaan = 3000 sampai dengan 5000 meter µ = Mean / rata-rata dari distribusi normal = 4200 σ = Deviasi standart Batas bawah = 4200 .4200 ) / 1400 = 0. STATISTIK II 6 . Sahibul Munir.

0. Antara 3000 sampai 4200 meter Z = (X-µ)/σ = ( 3000 .0. M.57 Distribusi PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.Si. STATISTIK II 7 . SE.4200 ) / 1400 = 0. Sahibul Munir.86 Dengan nilai Z sebesar .Gambar Kurva Distribusi Normal Z = .4200 ) / 1400 = .57 5000 8200 Rumus Probabilita : Dihitung dengan menentukan dua daerah yaitu : I.86 3000 µ = 4200 σ = 1400 Z = 0.0.1949 II Antara 4200 sampai 5000 meter Z = (X-µ)/σ = ( 5000 .86 maka dapat dilihat di tabel kurva Normal terdapat nilai sebesar 0.

9 X=5 µ = 8.3 σ = 1.8 X=10 13. Sahibul Munir.36 % PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.7157 Jadi probabilitasnya adalah : 0.57 maka dapat dilihat di tabel kurva Normal terdapat nilai sebesar 0.0336 Jadi P ( X<=5 ) = 3.0.83 Dari tabel Distribusi Normal maka probabilita sebesar 0.3 = 1. SE.7 Bila P ( X<=5 ) : maka Z = (X .7157 . STATISTIK II 8 .08 % 2.8 atau Distribusi 52.1.3 ) / 1.Si.8.Dengan nilai Z sebesar 0.8 = . M.1949 = 0.5208 CONTOH LAIN PROBABILITAS Bila diketahui Mean (µ ) adalah Standart Deviasi ( σ ) adalah Pertanyaan : Bagaimana Probabilitas kejadian bila lebih kecil dari 5 Bagaimana Probabilitas kejadian bila lebih besar dari 10 Penyelesaian : Langkah I : Membuat Kurva Distribusi Normal = 8.µ ) / σ = ( 5 .

µ ) / σ = ( 10 . Misalnya kita menyelidiki hasil panenan padi dari 300 orang petani di suatu daerah.8 = 0.8.3 ) / 1. P(110 <=X<=130 ) Hitung luas kurva distribusi normal antara 60-85.Si.Bila P ( X>=10 ) : maka Z = (X . P(80 <= X<= 100 ) Hitung luas kurva distribusi normal antara 75-120. 3. Dari hasil penyelidiki tersebut kita ketahui bahwa hasil panenan rata-rata ( µ ) = 50 P ( X>=10 ) = 1 .100.8264 Jadi Latihan : 1. sedangkan hasil ujian masuk tersebut mendekati distribusi normal Ditanyakan : • • Berapa hasil ujian masuk minimal yang dicapai calon yang diterima di Fakultas Ekonomi tersebut Seandainya 5 % dari calon yang mempunyai nilai ujian terbaik akan diberi keringanan SPP pada tahun pertama. mengingat terbatasnya fasilitas dan demi pertimbangan mutu hanya akan diterima 200 orang. M. STATISTIK II 9 . P(X >= 135 ) Hitung luas kurva distribusi normal 90 ke kiri. berapa nilai ujian minimal dari calon mahasiswa yang mendapatkan keringanan SPP tersebut. P(75 <= X <= 120) Hitung luas kurva distribusi normal antara 110-130.94 Dari tabel Distribusi Normal maka probabilita sebesar 0. P(100 <=X<= 125) Hitung luas kurva distribusi normal antara 80 . P(60 <= X <= 85) Hitung luas kurva distribusi normal 135 ke kanan. Sahibul Munir. P( X <= 90 ) 2.1736 atau 17.8264 = 0.0. Dari nilai masuk diketahui bahwa nilai Rata-ratanya adalah 56 dengan Standard Devisasi 12. Diketahui Mean ( µ ) = 100 dan Standard Deviasi ( σ ) = 20 Ditanyakan : Hitung luas kurva distribusi normal antara 100-125. SE.36 % PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. Dari 1000 calon mahasiswa baru 2002 yang ingin memasuki Fakultas Ekonomi.

kwintal dengan Standard Deviasi (σ ) = 10 kwintal. Seandainya hasil panenan padi dari 300 orang petani tersebut mendekati distribusi normal Ditanyakan : • • • • • • Berapa probabilitasnya dari petani-petani tersebut yang hasil panenannya berkisar 40 sampai dengan 65 kwintal. dan nilai itu mengikuti sebaran normal. Pada suatu ujian. Sebuah perusahaan alat listrik memproduksi bohlam yang umurnya menyebar normal dengan nilaitengah 800 jam dan simpangan baku 40 jam. Hitunglah peluang sebuah bohlam hasil produksinya akan mencapai umur antara 778 dan 834 jam dan gambarkan kurva distribusi normalnya 6. dengan simpangan baku 0. hitunglah peluang bahwa aki tertentu akan mencapai umur kurang dari 2. STATISTIK II 10 . dinyatakan dengan P (X>=75) Berapa probabilitasnya dari petani-petani tersebut yang hasil panenannya 35 kwintal atau kurang. dinyatakan dengan P (50<=X<=70) Berapa probabilitasnya dari petani-petani tersebut yang hasil panenannya 75 kwintal atau lebih. SE. dinyatakan dengan P (40<=X<=65) Berapa probabilitasnya dari petani-petani tersebut yang hasil panenannya berkisar 50 sampai dengan 70 kwintal. Bila 12 % diantara peserta ujian akan diberi nilai A. nilai rata-ratanya adalah 74 dan simpangan baku 7. M.3 tahun dan gambarkan kurva Distribusi normalnya 5. Sebuah jenis aki mencapai umur rata-rata 3 tahun. Sahibul Munir. Bila umur aki itu menyebar normal. dinyatakan dengan P (X<=35) Berapa hasil panenan paling rendah bagi 25 % petani yang mempunyai hasil panenan tinggi Sepuluh persen ( 10 % ) dari para petani tersebut mempunyai hasil panenan beberapa kwintal 4.5 tahun. berapakah batas nilai terkecil bagi A dan batas nilai tertinggi bagi B ? dna gambarkan kurva distribusi normalnya PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir.Si.

Sahibul Munir.PUSAT PENGEMBANGAN BAHAN AJAR-UMB Ir. STATISTIK II 11 . M.Si. SE.

Sign up to vote on this title
UsefulNot useful