SEBARAN NORMAL

Sebaran peluang kontinyu yang paling penting dalam bidang statistika adalah sebaran normal. Sebaran normal sering dijadikan persyaratan tertentu yang harus dipenuhi dalam analisis data statistik. Grafik yang dihasilkan dari sebaran normal disebut dengan kurva normal, yaitu grafik berbentuk genta (lonceng) seperti Gambar. Grafik ini digunakan untuk berbagai gugusan data yang terjadi di alam, industry, dan penelitian. Bentuk persamaan kurva normal F(x) = 1 22 -1/2(x-)2 / 2 e

Dari persamaan tersebut diperoleh kurva normal sebagai berikut :

F(x)

Gambar kurva normal, bentuk seperti genta

Kurva normal mempunyai 2 parameter yaitu (mean) dan (sigma = standar deviasi), yang posisinya seperti Gambar. Ciri kurva normal adalah simetris terhadap dan mempunyai titik belok x = .

-
Gambar kurva normal dengan 2 parameter

Distribusi normal dituliskan dengan X dimana X ~ N(,) (baca X menyebar normal dengan rerata dan simpangan baku ). Hasil perhitungan dari persamaan normal juga sudah dibuat tabel, tetapi khusus untuk =0 dan =1. Tabel yang tersedia adalah untuk P(Z z0). Distribusi normal dengan rerata 0 dan standar deviasi atau simpangan baku 1 disebut

Distribusi Normal Baku dan diberi diberi notasi Z dimana Z~N(0,1) (baca Z menyebar normal dengan rerata 0 dan simpangan baku 1). Rumus distribusi normal baku adalah Z=(x)/.

-1
Gambar kurva normal baku

Mengingat distribusi normal mempunyai sifat smetris dan luas dibawah kurva sama dangan 1, maka P(Z 0) = P(Z 0) = 0,5 Contoh a. Hitunglah peluang P(Z < 1,37) dan P(Z > 1,37) Dengan melihat tabel kurva normal, P (Z < 1,37) = 0,9147 Dan P (Z > 1,37) = 1 P(Z <1,37) = 1 0,9147 = 0,0853 0,0853 0,9147

1,37 b. P (-1,55 Z 1,60) = P (Z 1,60) P(Z - 1,55) = 0,9452 0,0605 = 0,8846

-1,55

1,55

c. Tentukan harga Z0 sedemikian hingga P(Z Z0) = 0,025 Untuk mengerjakan soal ini perlu dipahami dasar teori peluang pada bab sebelumnya. Pada bab tersebut telah disampaikan bahwa total peluang adalah 1, maka P(Z Z0) + P (Z Z0) = 1.Dengan cara dibalik, maka P(Z Z0) = 1 0,025 = 0,975. Nilai 0,975 adalah nilai peluang yang terlihat di tabel distribusi normal. Dari data tersebut dapat ditentukan nilai Z0= 1,96.

1,96

d.

Rata-rata kadar kalori dari buah jeruk yang baru di panen adalah 200 kcal, dengan

standar deviasi 5 kcal. Bila kalori mengikuti distribusi normal, tentukan, a) peluang kalori tersebut lebih dari 208 kcal, b) tentukan pula peluang kalori tersebut lebih dari 190 kcal tetapi kurang dari 200 kcal. Ditanya : P(X >208) dan P(190 < x < 200) Telah diketahui bahwa distribusi normal yang dilambangkan X ~N (, ) dan bentuk baku Z ~ N (0, 1) mempunyai rumus Z = (x - )/ maka a. P (x > 208) = P (x-200)/5 > (208-200)/5) = P (Z > 1,6) Karena sisi kanan dijadikan baku, maka sisi kiri juga dijadikan baku dengan cara dikurangi rerata dan dibagi standar deviasi, sampai menjad Z. Setelah bentuk Z ketemu maka ~ = P(Z > 1,6) = 1- P (Z 1,6) = 1 0,9452 = 0,0548 Untuk soal b P (190 < x < 200) = P (190-200)/5 < (x-200)/5 < (200-200)/5 = P (-2 < Z < 0) = 0,5 P(Z< -2) = 0,5 0,0228 = 0,4772 Dari teorema limit pusat, misalkan diambil contoh acak berukuran n dari suatu populasi yang mempunya mean dan standar deviasi , maka X = (x1 + x2 + x3 + .. + xn)/n Akan mempunyai distribusi normal dengan mean dan varian 2/n, sehingga X ~ N (x, x2/n). Dalam praktek biasanya contoh n jumlah sangat besar atau tak terhingga, namun dapat didekati untuk n lebih dari atau sama dengan 30. Teorema limit pusat ini membuat peranan distribusi normal menjadi penting.

-2/n

+2/n

Gambar kurva normal dari contoh sebanyak n

Besarnya (standar deviasi populasi) biasanya juga tidak diketahui nilainya dan bias diduga s (standar deviasi contoh).

Contoh : Suatu populasi data lebar daun pisang mempunyai rerata 82 cm dan standar deviasi 12 cm. dari populasi diambil contoh acak sebanyak 64. Tentukan P(80,8 x 83,2) dan P(x > 93,2). Menurut teorema limit pusat X ~ N (x , x2/n), maka X ~ N (82,144/64), dimana x = 82 cm dan x = 2/n = 144/64 = 1,5 cm. Dengan demikian P(80,8 x 83,2) = P (80,8 82)/1,5 (x 82)/1,5 (83,2 82)/1,5 = P(-1,2/1,5 Z 1,2/1,5) = P (-0,8 Z 0,8) = P (Z 0,8) P (Z -0,8) = 0,7881 0,2119 = 0,5762 P (x > 93,2) = P (x 82)/1,5 > (93,2/15) = P (Z > 11,2/1,5) = P (Z > 7,46) = 1 P (Z 7,46) = 1 1 = 0

UJI NORMALITAS DATA

Untuk keperluan analisis selanjutnya dalam statistika induktif harus diketahui model distribusi datanya. Dalam uji hipotesis yang akan dibahas pada bab berikutnya diperlukan asumsi distribusi gugus data., misalnya distribusi binomial, poission, atau distribusi normal. UJi normalitas data digunakan untuk menguji apakah suatu gugus data mengikuti distribusi normal atau tidak. Beberapa metode yang digunakan untuk menguji normalitas suatu data antara lain uji dengan kertas peluang, uji dengan distribusi chi kuadrat, uji berdasarkan persentase data yang masuk dalam wilayah rerata dan standar deviasi, serta uji normalitas liliefors yang digunakan khusus untuk statistika non parametrik. a. Uji dengan chi kuadrat Sebelum dilakukan pengujian perlu dihitung dahulu frekuensi harapan (E = Expected) dan frekuensi pengamatan (O = Observer). Frekuensi O diperoleh dari contoh pengamatan sedangkan frekuensi E diperoleh hasil kali n dengan peluang luas dibawah kurva normal untuk interval yang bersangkutan. Selanjutnya digunakan rumus chi kuadrat (x 2) dengan derajat bebas (db) = k-3 dan taraf (missal 0,05). Rumus chi kuadrat x2 = (O-E)2/E

Contoh data (Sudjana, 2002) dianggap hasil pengukuran dan pengelompokan data terhadap tinggi 100 tanaman jagung secara acak adalah sebagai berikut :

Tabel Distribusi frekuensi tinggi tanaman jagung Tinggi (cm) 140 144 145 149 150 154 155 159 160 164 165 169 170 174 Jumlah Frekuensi 7 10 16 23 21 17 6 100

Data asli tidak ditunjukkan disini namun setelah dihitung, diperoleh rerata x = 157,8 cm dan standar deviasi s = 8,09 cm. Selanjutnya ditentukan batas untuk semua kelas interval. Interval pertama dengan batas 139,5 dan 144,5 atau dalam angak standart z adalah -2,26 dan -1,64. Ingat distribusi normal baku dengan rumus Z = (x - )/. Luas dibawah kurva normal untuk interval pertama yang dibatasi nilai Z dari -2,26 sampai -1,64 adalah P(-2,26 < Z < 1,64) = 0,0505 0,0119 = 0,0386. Maka frekuensi harapan = n x luas interval kelas = 100 x 0,0386 = 3,9. Hasil perhitungan semua interval disajikan pada tabel :

Tabel frekuensi harapan dan pengamatan Batas atas Z untuk batas kelas 139,5 144,5 149,5 154,5 159,5 164,5 169,5 174,5 -2,26 -1,64 -1,03 -0,41 0,21 0,83 1,45 2,06 0,0386 0,1010 0,1894 0,2423 0,2135 0,1298 0,0538 3,9 10,1 18,9 24,2 21,4 13,0 5,4 7 10 16 23 21 17 6 Luas interval kelas Frekuensi harapan (E) Frekuensi pengamatan (O)

Berdasarkan rumus chi kuadrat dan dari tabel diperoleh : 1. X2= (7 3,9)2/3,9 + + (6 5,4)2= 4,27

2. Karena jumlah kelas = 7, maka derajat bebas untuk distribusi chi kuadrat = 7 3 = 4 3. Dari tabel x20,05(4) = 9,49 dan X20,01(4)= 13,3 4. Maka hipotesis yang mengatakan bahwa data tersebut berasal dari distribusi normal, dapat diterima