16

KULIAH KE 5 :
SEBARAN NORMAL
Tujuan Umum :
Mampu memahami sebaran peubah acak normal
Tujuan Khusus :
1. Mampu menjelaskan pengertian peubah acak kontinyu, ukuran pemusatan dan
ukuran penyebaran peubah acak normal.
2. Mampu menjelaskan pengertian sebaran normal, menggunakan tabel Z untuk
menghitung peluang pada sebaran normal.
5.1. Peubah Acak Kontinyu : Ukuran Pemusatan dan Penyebaran
Dalam Bab 4. dibahas sebaran contoh dari populasi dengan hanya dua macam individu,
seperti ganjil atau genap, dan hidup atau mati. Contoh acak demikian akan menghasilkan
sebaran binomium dan merupakan peubah diskret. Selanjutnya kita bicarakan populasi yang lain
dimana individu diukur ciri lainnya, seperti tinggi atau beratnya dan menghasilkan peubah
kontinyu dimana jumlah individu dengan ukuran berbeda dapat kita peroleh dengan jumlah
tanpa batas.
1. Ukuran Pemusatan
Untuk peubah kontinu, harga rata-rata merupakan ukuran pemusatan atau nilai
tengah peubah suatu populasi atau contoh. Sedang ragam merupakan ukuran penyebaran dari
nilai-nilai peubah acak suatu populasi atau contoh tersebut. Besaran yang menentukan
karateristik populasi, yaitu rata-rata dan ragam disebut parameter. Dalam praktek sehari-hari,
jarang kita bekerja dengan data populasi. Kita bekerja atas dasar contoh.
Harga rata-rata ada beberapa macam, yaitu :
(a) Rata-rata hitung : diperoleh dengan cara menjumlah semua nilai peubah dibagi
dengan banyaknya individu peubah tersebut. Misalkan tiga ekor ikan lemuru dengan
uikuran 2, 3, 4 cm, maka :
Rata-rata hitung = (2 + 3 + 4) / 3 = 3 cm
(b) Rata-rata ukur : diperoleh dengan cara mengalikan semua nilai peubah

dibagi

dengan banyaknya individu peubah tersebut. Misalkan ikan lemuru yang tertangkap
dengan bantuan lampu kuat cahaya berbeda menghasilkan 2, 4 dan 8 ton per per 3
jam, maka
Rata-rata ukur = 3 2 x 4 x8 = 4 ton

17
(c) Rata-rata harmonis (RH) : diperoleh dengan cara membalik nilai jumlah banyaknya
individu dari peubah. Misalkan ikan lemuru yang ditangkap sore, malam dan pagi hari
yang menyebar secara harmonis menurut gerakan terang bulan sebanyak 2, 3, dan 4
kwintal, maka rata-rata harmonis adalah :
1
Rata-rata harmonis = 1/RH = 1/3

. RH = 2,77 kwintal
(1/2 + 1/3 + 1/4)

2. Ukuran Penyebaran : Ragam Contoh

Ukuran penyebaran data didasarkan pada jumlah kwadrat simpangan (JK). Jumlah
simpangan dan jumlah mutlak simpangan ternyata tidak dapat digunakan untuk mengukur
penyebaran data, karena jumlah simpangan selalu = nol, sedangakan jumlah mutlak simpanagn
untuk rata-rata yang sama menunjukkan hasil yang berbeda. Kita perhatikan Tabel 5.1. hasil
pengamatan panjang 5 ekor ikan lemuru pada bulan April 2003, yaitu 10, 12, 14, 15, dan 14
cm. Rata-rata hitung = 13 cm.
Tabel 5.1. Tiga macam pengukuran sebaran data
Sebara Data

Simpangan

10 10-13 = - 3
12 12-13 = - 1
14 14-13 = +1
15 15-13 = +2
14 14-13 = +1
Rata-rata = 13

Jumlah

Simpangan
Mutlak
3
1
1
2
1

= 0 Jumlah = 8a)

Jumlah Kwadrat
Simpangan
(-3)2 =
(-1)2 =
(+1)2 =
(+2)2 =
(+1)2 =

9
1
1
4
1

Jumlah =

16b)

Keterangan : a) untuk rata-rata sama dapat dihasilkan nilai simpangan mutlak berbeda. Berarti
tidak konsisten.
b) nilai konsisten.
Kesimpulan :
Oleh karena itu, ukuran penyebaran (ragam) data untuk selanjutnya menggunakan
jumlah kwadrat simpangan, yaitu : ( Xi X ) 2., dimana Xi = nilai pengamatan ke i, dan
X = nilai rata-rata contoh. Adapun standard deviasi adalah sebagai berikut :

Standar deviasi =

( Xi X ) 2

(5.1)

18
5.2. Sebaran Normal
Dalam kuliah ke 4, kita bahas garafik yang dihasilkan untuk sebaran bionomium
dengan peluang

0,1, 0,5 dan 0,9. Dengan p = 0,5 dihasilkan grafik distribusi binomium

berbentuk simetri. Pada tahun 1733 , 20 tahun setelah konsep sebaran binomium telah
diselesaikan secara komprehensif oleh Bernoulli, De Moivre mengumumkan grafik distribusi
normal (Snedecor dan Cochran, 1962). Kedua bentuk distribusi binomium dan normal jelas
tidak ada kaitan, ditunjukkan di Gambar 5.1. Persamaan distribusi normal dinyatakan sebagai
berikut :

f(y) =

( y- )

(5.2)

e
-y -

Pada Gambar 5.1 (B) terlihat bahwa kurva f(y) dari persamaan (5.2) mula-mula
hampir mendatar sampai pada titik (C) lalu menaik dengan kecepatan yang meningkat sampai
setinggi 1/ 2 . e pada titik (D), pada saat nilai y = ( - ). Kemudian kurva ini terus naik,
dengan laju berkurang sampai setinggi 1/ 2 pada titik (E), pada nilai y = . Selanjutnya
mulai turun kembali sampai titik 1/ 2 e pada nilai y = ( + ). Ada tiga titik belok yang
memerlukan perhatian, yaitu : (1) titik ( - ), (2) titik dan (3) titik ( + ). Jika nilai
semakin besar, maka, titik belok akan semakin jauh dari y = dan nilai f(y) akan makin kecil,
yang berarti puncak kurva semakin rendah. Jelas bahwa keragagaman peubayh acak y semakin
besar jika semakin besar. Dengan demikian

menjadi ukuran penyebaran suatu peubah

acak.
Suatu yang menarik akan terjadi, jika dtetapkan = 0, dan 2 = 1, maka grafik
menunjukkan dengan N(0,1) dan peubah acak normal ini dilambangkan dengan huruf besar Z
dan digunakan sebagai lambang fungsi kepekatan sebagai pengganti f. Jika absis grafik
digunakan standard = (y - ) / , maka terbentuk persamaan yang lebih sederhana pada
persamaan 5.2.

19

15% Frekuensi
(%)
10% -

............ ................E.--0,4

--0,3
..................... D

5%

--0,2

.
15

2,5%
............. C
.
.

.
.
.
.
20 25 30 35
Jumlah yang berhasil
(A)

-3 -2

+ 1,96

--0,1
.

2,5%
.

..

+2 +3

(B)

Gambar 5.1. (A) Distribusi binomium jumlah kejadian berhasil, peluang p = 0,5
(B) Distribusi normal dengan rata-rata dan standar deviasi

1
Y =

- /2

(5.3)

Persamaan y menjadi fungsi Z sebagai berikut :

e -z

(z)=
2

/2

(5.4)

Persamaan (5.3) disebut fungsi kepekatan normal baku. Kurva kepekatan normal
baku tercantum pada Gambar 5.2.

5.3. Menghitung P(0 Z Z0)

Dengan dasar persamaan (5.3) dibuat tabel yang menunjukkan hubungan antara
berbagai nilai

dan berbagai luasan pada kurva normal. Selanjutnya dibuat sebaraan

frekuensi normal komulatif. Suatu hal yang amat penting tentang fungsi kepekatan ini adalah

20
bahwa luas daerah di bawah kurva antara nilai y = 0 sampai nilai y = z 0 adalah suatu bilangan
positif, telah dihitung dan disajikan dalam suatu daftar P(0 Z z0) untuk berbagai nilai z0.
Sebaran frekuensi normal komulatif untuk n = 10.000 disajikan pada Tabel 5.2.

4P(0 z z0)
321-3

-2

-1

+1 z 0 +2

+3

Gambar 5.2. Kepekatan normal baku

Tabel 5.2. Tabel frekuensi normal komulatif (Z) untuk n 10.000
z0

P(0Zz0)

z0

P(0Zz0)

z0

P(0Zz0)

0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9

0.0000
0,0398
0,0793
0,1179
0,1554
0,1915
0,2257
0,2580
0,2881
0,3159

1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9

0.3413
0.3643
0,3849
0,4032
0,4192
0,4332
0,4452
0,4554
0,4641
0,4713

2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4

0,4772
0,4821
0,4861
0,4893
0,4918
0,4938
0,4953
0,4965
0,4974
0,4981
0,4987
0,4990
0,4993
0,4995
0,4997

3,6
3,9

0,4998
5,0000

Sumber : Snedecor (1962) : Statistical Methods

21

1. Membaca Tabel
Tabel 5.2

hanya menggunakan

satu digit dibelakang koma. Misalnya kita akan

menghitung dua digit dibelakang koma, misalnya mencari untuk z 0 = 1,52, caranya sebagai
berikut :
1,52 terletak z0 antara 1,50 dan 1,60.
Cek nilai komulatif z0 masing-masing, yaitu 0,4332 dan 0,4452.
Nilai 1,52 bisa dihitung dengan perkiraan, yaitu :
(1,52-1,50)/ (1,60-1,50) (0,4452 0,4332) =

0,0024.

2. Berapa besarnya nilai P(0Z1,52) ?

Jawabannya :
P(0Z1,52)

= 0,4332 + 0,0024

= 0,4356.

3. Tabel sebaran frekuensi komulatif adalah setangkup

Jika ada pertanyaan P(-1,56 Z +1,56), jawabnya adalah = 2 x 0,4356 = 0,8712.
4. Angka khusus dan penting :
nilai Z antara -1 dan +1 adalah = 2 x 0,3413 = 68,26%;
nilai Z antara -2 dan +2 adalah = 2 x 0,4772 = 95,50%;
nilai Z antara -3 dan +3 adalah = 2 x 0,4987 = 99,74%;
Sebaran binomium, Poisson maupun normal, bukan berarti kita harus mengikuti salah
satau dari ketiga peluang tersebut. Banyak lagi yang lain. Namun demikian, semua hukum
peluang memiliki sifat berlaku umum, yaitu :
Hukum Peluang
1. Fungsi peluang peubah acak tidak pernah negatif,
antara 0 dan positif
2. Jumlah luas daerah di bawah kurva kepekatan
peluang selalu = 1

(5.5)

Untuk diperhatikan bahwa ada dua parameter utama yang mencirikan suatu peubah
acak, yaitu :

(1) rata-rata

yang menggambarkan nilai pemusatan, dan (2) ragam yang

menggambarkan penyebarannya. Besarnya nilai harapan rata-rata dengan simbul E(Y) dan
nilai harapan ragam dengan simbul y2 bergantung pada jenis peluangnya. Untuk peubah
binomium, Poisson dan normal dapat diringkarkan kembali di persamaan (5.5) dalam box.

22

Nilai harapan rata-rata dan

ragam sebaran normal
E(Y)
y2

= yi/n
= (yi-yr)2, yr = y rata-rata

(5.6)

5.4. Fungsi Peluang Empirik

Adapun

hukum peluang yang didasarkan pada data emperik dan tidak dapat

diidasarkan pada humum peluang tersebut diatas masih banyak lagi. Misalnya sebaran peubah
acak peternak ikan di Blitar. Peternak ini memiliki peluang sebagai berikut :

P(Y = y)

36/58, untuk
15/58, untuk
4/58, untuk
2/58, untuk
1,58, untuk
0,0 , untuk

y = 5,5
y = 15,5
y = 25,5
y = 35,5
y = 85,5
y lainnya

(5.7)

Fungsi peluang (5.6) diperoleh dari data lapang, dan disebut sebagai fungsi peluang
empirik. Nilai tengah E(Y) dan ragam (y2) bagi fungsi peluang ini masing-masing adalah :
E(Y)

36/58(5,5) + 15/58 (15,5) + 4/58 (25,5) + 2/58 (35,5) +

1/58 (85,5) = 11,90

(y2)

36/58 (5,5-11,9)2 + 15/58 (15,5-11,9)2 + 4/58 (25,5-11,9)2 +

2/58 (35,5-11,9)2 + 1/58 (85,5-11,9)2 = 154,13.

5.5. Tugas-Tugas
Tinggi badan mahasiswa Pascasarja Universitas Brawiajaya ternyata

menyebar

mendekati normal denagn nilai tengah 160 cm dan simpangan baku 6,25 cm
Pertanyaan :
1. Berapa persen mahasiswa Pascasarjana yang tinggi badannya lebih dari 165 cm.
2. Berapa persen mahsiswa pascasarjana yang tinggi badannya kurang dari 150 cm.
3.

Kalau kita ingin memisahkan 5% mahasiswa pascasarjana yang tertinggi, berapa cm

batas pemisah tinggi badan tersebut ?

4. Berapa persen mahsiswa pascasarjana yang tinggi badannya di antara 155 dan 170 cm.

23