Distribusi Normal

dan
Kurva Normal

SIMULASI POPULASI DENGAN DISTRIBUSI NORMAL

Count

P
O
L
U
A
S
I45
12
3
0
1
2
3
4

Banyaknya sampel berukuran

p
dari populasi berukuran s

Frekuensi

Hasil pengukuran

Frekuensi

Transformasi hasil pengukuran

Frekuensi

Transformasi Hasil pengukuran

Frekuensi

Transformasi Hasil pengukuran

Persamaan
Kurva Normal

N
2

/2 2

Y = Frekuensi
N = Jumlah Observasi
X = Hasil pengukuran

Frekuensi

Kurva & Distribusi Normal

Transformasi Hasil pengukuran

Frekuensi

Transformasi Hasil pengukuran

Frekuensi

Transformasi Hasil pengukuran

Frekuensi

Transformasi Hasil pengukuran

Frekuensi

Transformasi Hasil pengukuran

Frekuensi

Transformasi Hasil pengukuran

Frekuensi

Transformasi Hasil pengukuran

Level of confidence

Level of significance

Distribusi Normal

Area dari distribusi normal diidentifikasi

dengan menggunakan z-score. Dengan
perkataan lain, distribusi normal dengan
beberapa area ditandai dalam unit z-score.

z-score mengukur posisi dalam distribusi,

terkait dengan SD dari mean. z-score = (X
M)/.

Ketika distribusi ditransformasi ke dalam zscore, mean menjadi nol dan SD menjadi 1.

Distribusi Normal
Grafik di bawah menggambarkan persentase skor
yang berada pada tiap area.
Contoh: area antara mean ( = 0) dan titik yang
berada 1 SD di atas mean (z = 1) meliputi 34.13%
dari skor.
Cara ini memungkinkan kita untuk mendefinisikan
distribusi normal dalam Istilah
34.13% proporsi.
13.59%

-2

-1

2.28%

+1

+2

Distribusi Normal
Grafik di bawah menunjukkan:
- area di sisi kiri distribusi secara tepat sama dengan
area
yang berhubungan dari sisi kanan distribusi
- karena lokasi dari distribusi diidentifikasi dengan zscore,
persentase yang ditunjukkan
dalam gambar
34.13%
menerapkan
13.59%
distribusi normal tanpa memperhatikan
nilai mean
dan SD
2.28%

-2

-1

+1

+2

Daftar yang lengkap dari z-sores dan

proporsi disediakan dalam Tabel Unit
Normal (The unit normal table).

Tabel tersebut berisi proporsi dari

distribusi normal untuk rentang yang
menyeluruh dari nilai z-score yang
mungkin (Lihat Appendix B Table B.1)

Contoh Tabel:
(A)
Z

(B)

(C)

(D)

Proportion in
body

Proportion in
tail

Proportion between
mean & Z

0.50

.6915

.3085

.1915

0.51

.6950

.3050

.1950

0.52

.6985

.3015

.1985

Kolom A

Berisi nilai z-score yang berhubungan

dengan posisi yang berbeda dari distribusi
normal
Bayangkan garis vertikal yang melalui
distribusi normal. Maka, lokasi tepat dari
garis tersebut digambarkan sebagai nilai
z-scores yang ada dalam kolom A.
Garis vertikal tersebut membagi distribusi
dalam dua area: area yang lebih besar
(body) dan area yang lebih kecil (tail).

Kolom B dan C

Kolom B dan C mengidentifikasi

proporsi dari distribusi pada masingmasing area (body dan tail).
Kolom B menggambarkan proporsi
dari body.
Kolom C menggambarkan proporsi
dari tail.

Kolom D

Kolom D mengidentifikasi proporsi

dari distribusi ANTARA mean dan zscore.

PENTING untuk
DIINGAT!

Body selalu berhubungan dengan

area yang lebih besar dari distribusi
apakah area ini berada di sisi
sebelah kanan ataupun di sebelah
kiri. Tail selalu berhubungan dengan
area yang lebih kecil dari distribusi
apakah area ini berada di sisi
sebelah kanan ataupun di sebelah
kiri

PENTING untuk
DIINGAT!

Karena distribusi normal bersifat

simetris, proporsi di sisi kanan secara
tepat sama dengan proporsi yang
berhubungan di sisi kiri.

Meskipun nilai z-score akan berubah

tanda (+ dan -) dari satu sisi ke sisi
yang lain, proporsi akan selalu
bernilai positif

Appendix B : Table B.1.

Body

Tail

C
-z

Appendix B : Table B.1.

Body

Tail

C
0

+z

Appendix B : Table B.1.

+z

Probabilitas, Proporsi,
dan z-scores

Tabel unit normal berisi hubungan

antara lokasi z-score dan proprosi
dalam distribusi normal.

Jadi, jika kita mengetahui nilai z-score,

kita bisa mencari tahu proporsi yang
berhubungan dengan nilai tersebut di
dalam tabel. Sebaliknya, jika kita tahu
proporsi, kita dapat menemukan zscore untuk proporsi terkait.

Probabilitas, Proporsi,
dan z-scores

Karena probabilitas ekuivalen

dengan proporsi, tabel unit normal
dapat pula digunakan untuk
menemukan probabilitas untuk
distribusi normal.

Beragam Penggunaan
Tabel Unit Normal (1)

Menemukan proporsi/probabilitas untuk

nilai z-score tertentu.
Contoh:
Berapa proporsi distribusi normal yang
berhubungan dengan nilai z-score lebih
besar daripada + 1.50?
Formulasi lain dari pertanyaan di atas
adalah: Untuk distribusi normal, berapa
probablitas untuk memilih nilai z-score lebih
besar daripada z = + 1.50?

Beragam Penggunaan
Tabel Unit Normal (2)

Menemukan lokasi z-score yang

berhubungan dengan proporsi tertentu
Contoh:
Berapa z-score yang memisahkan 5%
tertinggi dari distribusi?

Beragam Penggunaan
Tabel Unit Normal (3)

Menemukan proporsi/probabilitas yang

ditempatkan antara dua skor.
Contoh:
Diketahui bahwa rata-rata kecepatan
kendaraan per jam adalah 60 km. Jika
distribusi diperkirakan normal, berapa
proporsi mobil yang berjalan dengan
kecepatan antara 50 dan 80 km per
jam?

Beragam Penggunaan
Tabel Unit Normal (4)

Menemukan skor yang berhubungan

dengan proporsi atau probabilitas
tertentu
Contoh:
Skor-skor SAT membentuk distribusi
normal dengan = 500 dan = 100,
berapa skor minimum yang diperlukan
untuk dapat masuk menjadi 10%
tertinggi dari distribusi SAT?

Beragam Penggunaan
Tabel Unit Normal (5)

Menemukan probabilitas untuk nilai

X tertentu
Contoh:
Karena skor IQ membentuk distribusi
normal dengan = 100 dan = 15,
berapa probabilitas untuk memilih
individu secara random dengan skor
IQ kurang dari 120?

Dalam istilah proporsi, pertanyaan

di atas dapat diubah menjadi:
Berapa proporsi individu dalam
populasi yang mempunyai skor IQ
kurang dari 120?

Untuk menyelesaikan masalah

probabilitas seperti itu, langkahlangkah berikut perlu dilakukan:
1. Ubah nilai X ke dalam z-scores
2. Gunakan tabel unit normal untuk
mencari proporsi yang
berhubungan
dengan nilai z-score

Aturan umum untuk menghindari

kesalahan
dalam penggunaan tabel

Buat gambar distribusi

Letakkan mean dalam garis vertikal dan
arsir porsi yang ingin dicari
Porsi tersebut mengindikasikan kolom
mana yang akan digunakan dalam tabel
unit normal
Contoh:

-1

+1

Probabilitas, Proporsi,
dan Percentile Ranks

Suatu masalah dapat diformulasikan

dalam tiga cara.
Contoh:
berapa probabilitas untuk memilih
individu secara random dengan skor IQ
kurang dari 120? dapat dinyatakan
dengan Berapa proporsi individu dalam
populasi yang mempunyai skor IQ kurang
dari 120? atau Berapa percentile rank
untuk skor IQ 120?

Hubungan z-scores & PR

Z

PR

-3.00
-2.33
-2.00
-1.64
-1.00
0.00
+1.00
+1.64
+2.00
+2.33
+3.00

.13
1.00
2.28
5.00
15.87
50.00
84.13
95.00
97.72
99.00
99.87

Penggunaan Lain dari

Tabel Unit Normal (1)

Untuk menentukan batas-batas skor

dalam penyebaran normal yang mencakup
suatu persentase tertentu dari kasus
Contoh :
Diketahui : Mean = 16 ; S = 4
Ditanya : Berapakah batas-batas skor
yang mencakup 75% di tengah seluruh
kasus ?

Penggunaan Lain dari

Tabel Unit Normal (2)

Untuk membagi suatu kelompok besar

menjadi kelompok-kelompok yang lebih
kecil.
Contoh :
Diketahui : tes UMPTN diikuti oleh 100
orang, ingin dikelompokkan menjadi 5
kelompok yang sama (A, B, C, D, E)
Berapa orang dalam setiap kelompok?

Jawab :
C = -0.6 s.d +0.6
B = +0.6 s.d +1.8
D
E
A = +1.8 s.d +3
D = -1.8 s.d -0.6
-3
-1.8 -0.6
E = -3 s.d -1.8

C
X

+0.6+1.8 +3

C = -0.6 s.d +0.6 = 2 x 22.57%

= 45.14% x 100 = 45 orang
B & D = 1.8 - 0.6 = 46.41% - 22.57%
= 23.84% x 100 = 24 orang
A & E = 3 1.8 = 49.87% - 46.41%
= 3.46% x 100 = 3 4 orang

Penggunaan Lain dari

Tabel Unit Normal (3)

Untuk membandingkan 2 distribusi yang

overlapping
Contoh:
Dari tes ingatan yang diikuti oleh 300 anak lakilaki dan 250 anak perempuan
Diketahui :
Mean = 21.49
Mean = 23.68
S = 3.63
S = 5.12
Mdn = 21.41
Mdn = 23.66
Ditanya :
berapa % berada di atas Mdn ?

Jawab:
Mdn = 23.66 21.49 = 2.17 skor unit di atas
Mean
atau Z = 2.17 / 3.63 = 0.60 di atas Mean
Dari tabel B Z = 0.6 C = 27.43%
= 27.43 x 300 = 82.29 = 82
orang

X
21.49

X
23.68
Median

Penggunaan z-scores
untuk
statistik inferensial (1)
Penggunaan z-scores untuk membuat

perbandingan antarskor dari distribusi yang

terpisah merupakan prosedur penting dalam
distribusi deskriptif (misalnya
membandingkan skor IQ dan IPK)
Namun, banyak peneliti melihat z-scores
sebagai jantung dari proses pembuatan
keputusan inferensial (proses pengujian
hipotesis), yaitu apakah kita memutuskan
bahwa dua variabel secara signifikan
berhubungan atau tidak berhubungan satu
sama lain

Penggunaan z-scores
untuk
statistik
inferensial
(2)
Peneliti membuat keputusan tentang ada

tidaknya hubungan antara dua variabel

berdasarkan dapat tidaknya sampel
penelitian di-label sebagai most rare:
events.
Secara tipikal, psikolog menggunakan the
most rare 5% sebagai kriteria yang
digunakan untuk pembuatan keputusan
inferensial meskipun dapat pula
digunakan 1% sebagai kriteria

Penggunaan z-scores
untuk
statistik
inferensial
(3)
Jadi, peneliti dan ahli statistik perlu

Jadi, peneliti dan ahli statistik perlu

menentukan cut-off score untuk
kriteria tersebut.
If we consider very low scores as well
as very high scores, then the most
rare 5% actually consists of the
lowest 2.5% and the highest 2.5% of
the scores, while the most rare 1%
consists of the lowest 0.5% and
highest 0.5% of the scores.

Penggunaan z-scores
untuk
statistik inferensial (4)
95 %
High Probability values:
Treatment has no effect
z = -1.96

z = +1.96

Extreme 5%:
Provide evidence of a treatment effect

Latihan
Diketahui : Mean = 12 ; S = 4 ; N = 100
Ditanya :
a. Berapa % kasus terletak antara 8 &
16
b. Berapa % kasus terdapat di atas 18?
c. Berapa % kasus terdapat di bawah 6?

Latihan
Dalam suatu majalah olahraga dilaporkan bahwa
dari penelitian terhadap 300 olahragawan
diperoleh Mean & SD tinggi loncatan tanpa galah
masing-masing 160 cm & 13 cm
Pertanyaan-pertanyaan yang timbul:
1.
Berapa banyaknya orang yang dapat meloncat
setinggi 180 cm ?
2.
Berapa proporsi orang yang tidak dapat
meloncat setinggi 140 cm ?

Latihan
3.

Mereka yang didiskualifikasikan

dalam golongan 10% peloncat
tinggi, dapat meloncat berapa cm ?

4.

Berapa tinggi loncatan yang hanya

dapat dicapai 5% dari kelompok itu ?

5.

Berapa % jumlah orang yang dapat

meloncat setinggi 170cm 190cm ?

Latihan
6.

Berapa banyaknya orang yang

dapat meloncat setinggi 130cm
-150cm?

7.

Berapa proporsi orang yang dapat

meloncat setinggi 147cm ?