Anda di halaman 1dari 26

MAKALAH STATISTIKA LANJUT TENTANG

DISTRIBUSI NORMAL
Untuk Memenuhi Tugas Mata Kuliah Statistika Lanjut
Dosen Pengampu: Titis Sunanti, M.Si

Disusun oleh:
Kelompok 5/4A3

1. Odilo Fautngilyanan (12144100061)


2. Umi Arifah (14144100093)
3. Hari Wantoro (14144100095)
4. Tika Nur Cahyani (14144100096)

PRGRAM STUDI PENDIDIKAN MATEMATIKA


FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS PGRI YOGYAKARTA
2016

1
1
KATA PENGANTAR

Puji syukur atas kehadirat Tuhan Yang Maha Esa yang telah memberikan
rahmat dan hidayah-Nya sehingga kami dapat menyelesaikan makalah tentang
Distribusi Normal dengan lancar. Penulisan makalah ini merupakan kewajiban
dan sebagai tugas mata kuliah Statistika Lanjut mahasiswa Universitas PGRI
Yogyakarta.
Kami menyadari bahwa dalam penyelesaian makalah ini, kami banyak
mendapatkan bimbingan dan nasehat, serta bantuan dari berbagai pihak. Berkaitan
dengan hal tersebut kami mengaturkan banyak terima kasih kepada
1. Bu Titis Sunanti, M.Si yang sudah memberikan bimbingan dan
pengarahan kepada kami.
2. Teman-teman 4A3 terima kasih atas bantuannya.
3. Semua pihak yang tidak dapat kami sebutkan satu per satu yang telah
memberikan bantuan dalam penyusunan makalah ini.
Kami menyadari sepenuhnya dalam penyusunan makalah ini masih banyak
kekurangan. Oleh karena itu, kami terus menunggu saran dan kritik yang sifatnya
membangun dan positif. Semoga hasil makalah ini dapat bermanfaat bagi
pembaca dan pihak yang berkepentingan.

Yogyakarta, 9 Mei 2016

Penyusun

2
DAFTAR ISI

HALAMAN JUDUL................................................................................................i
KATA PENGANTAR..............................................................................................ii
DAFTAR ISI...........................................................................................................iii
BAB I PENDAHULUAN........................................................................................1
1.1 LATAR BELAKANG................................................................................1
1.2 RUMUSAN MASALAH...........................................................................2
1.3 TUJUAN MAKALAH..............................................................................2
BAB II PEMBAHASAN.........................................................................................3
2.1 Distribusi Normal......................................................................................3
2.2 Mean , Variansi dan Fungsi Pembangkit Momen......................................6
2.3 MGF Distribusi Normal.............................................................................8
2.4 Cara Membaca Tabel Distribusi Normal..................................................11
2.5 Kelebihan dan Kelemahan Distribusi Normal.........................................13
BAB III PENUTUP...............................................................................................18
3.1 KESIMPULAN........................................................................................18
3.2 SARAN....................................................................................................18
DAFTAR PUSTAKA.............................................................................................19

3
BAB I PENDAHULUAN

1.1 LATAR BELAKANG


Dikenalnya distribusi normal diawali oleh kemajuan yang pesat dalam
pengukuran pada abad ke 19. Pada waktu itu, para ahli matematika dihadapkan
pada suatu tantangan mengenai fenomena variabilitas pengamat atau interna
yang artinya bila seorang mengadakan pengukuran berulang-ulang maka
hasilnya akan berbeda-beda.Yang menjadi permasalahan adalah nilai manakah
yang dianggap paling tepat dari semua hasil pengukuran tersebut. Maka
kemudian berdasarkan kesepakatan maka nilai rata-rata dianggap paling tepat
dan semua penyimpangan dari rata-rata dianggap suatu kesalahan atau error.
Abraham de Moivre adalah yang pertama kali memperkenalkan
distribusi normal ini dan kemudian dipopulerkan oleh Carl Fredreich Gauss.
Sehingga nama lain distribusi ini adalah distribusi Gauss. Gauss mengamati
hasil dari percobaan yang dilakukan berulang-ulang, dan dia menemukan hasil
yang paling sering adalah nilai rata-rata. Penyimpangan baik ke kanan atau ke
kiri yang jauh dari rata-rata, terjadinya semakin sedikit. Sehingga bila disusun
maka akan terbentuk distribusi yang simetris. Satu-satunya distribusi
probabilitas dengan variabel random kontinu adalah distribusi normal. Ada dua
peran yang penting dari distribusi normal .Pertama, distribusi normal memiliki
beberapa sifat yang mungkin untuk digunakan sebagai patokan dalam
mengambil suatu kesimpulan berdasarkan hasil sampel yang diperoleh.
Pengukuran sampel digunakan untuk menafsirkan parameter populasi.
Kedua, distribusi normal sangat sesuai dengan distribusi empiris,
sehingga dapat dikatakan bahwa semua kejadian alami akan membentuk
distribusi ini. Karena alasan inilah sehingga distribusi ini dikenal sebagai
distribusi normal dan grafiknya dikenal sebagai kurva normal atau kurva gauss.
Karena begitu pentingnya ketepatan dalam pengambilan kesimpulan suatu
pengukuran atau percobaan. Oleh sebab itu, kami perlu menyusun makalah
yang berjudul Distribusi Normal.

1
1.2 RUMUSAN MASALAH
Berdasarkan latar belakang masalah yang telah dipapakan diatas,
adapun rumusan masalah adalah sebagai berikut :
1. Apa yang dimaksud distribusi normal ?
2. Bagimana rumus mean, variansi dan fungsi pembangkit momen dalam
distribusi normal?
3. Bagaimana rumus MGF distribusi normal?
4. Bagaimana cara membaca tabel distribusi normal?
5. Apa saja kelebihan dan kelemahan distribusi normal?

1.3 TUJUAN MAKALAH


Berdasarkan latar belakang masalah yang telah dipaparkan diatas,
adapun tujuan makalah ini antara lain :
1. Mengetahui dan memahami pengertian distribusi normal.
2. Mengetahui dan memahami rumus mean, variansi dan fungsi pembangkit
momen dalam distribusi normal.
3. Mengetahui dan memahami rumus MGF distribusi normal.
4. Mengetahui dan memahami cara membaca tabel distribusi normal.
5. Mengetahui dan memahami kelebihan dan kelemahan distribusi normal.

2
BAB II PEMBAHASAN

2.1 Distribusi Normal


Distribusi peluang kontinu yang terpenting dalam seluruh bidang
statistika adalah distribusi normal. Distribusi normal merupakan suatu alat
statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-
peristiwa yang lebih luas. Grafiknya disebut kurva normal, terbentuk lonceng
seperti pada gambar 2.1. yang menggambarkan dengan cukup baik banyak
gejala yang muncul di alam, industri, dan penelitian. Pengukuran fisik di
bidang seperti percobaan meteorologi, penelitian curah hujan, dan pengukuran
suku cadang yang diproduksi sering dengan baik dapat diterangkan
menggunakan distribusi normal.
Di samping itu, galat dalam pengukuran ilmiah dapat dihampiri
dengan sangat baik oleh distribusi normal. Pada tahun 1733, Abraham de
Moivre menemukan persamaan matematika kurva normal. Ini merupakan dasar
bagi banyak teori statistika induktif. Distribusi normal sering pula disebut
distribusi Gauss untuk menghormati Karl Friedrich Gauss (1777-1855) yang
juga menemukan persamaannya waktu meneliti galat dalam pengukuran yang
berulang- ulang mengenai bahan yang sama.

Gambar 2.1
Suatu peubah acak kontinu X yang distribusinya berbentuk lonceng
seperti pada gambar 2.1 disebut peubah acak normal. Persamaan matematika


distribusi peluang peubah normal kontinu bergantung pada dua parameter

3

dan yaitu rataan dan simpangan bakunya. Jadi fungsi padat X akan


dinyatakan dengan n (x, , ).

Distribusi Normal

Fungsi padat peubak acak normal X, dengan rataan dan variansi ,

2
1 x
1
n ( x; , ) e 2
2 normal diperoleh dengan persamaan sebagai
Fungsi densitas distribusi
x 2
ialah 1 1 ( )
berikut f ( x) e 2
2

Keterangan:

= 3,1416

e = 2,7183

= rata-rata

= simpangan baku


Begitu dan diketahui maka seluruh kurva normal


diketahui. Sebagai contoh, bila = 50 dan = 5 , maka ordinat n(x; 50,

5) dapat dengan mudah dihitung untuk berbagai nilai x dan kurvanya dapat
digambarkan. Pada ambar 2.2 telah dilukiskan dua kurva normal yang
mempunyai simpangan baku yang sama tapi rataanya berbeda. Kedua kurva

4
bentuknya persis sama tapi titik tengahnya terletak di tempat yang berbeda di
sepanjang sumbu datar.

Gambar 2.2

Pada gambar 2.3 terlukis dua kurva normal denga rataan yang sama
tapi simpangan bakunya berlainan. Terlihat kedua kurva mempunyai titik
tengah yang sama pada sumbu datar, tapi kurva dengan simpangan baku yang
lebih besar tampak lebih rendah dan lebih melebar. Perhatikan bahwa luas di
bawah kurva peluang harus sama dengan 1 sehingga baik kumpulan data makin
berbeda maka makin rendah dan melebar pula kurvanya.

Gambar 2.3
Gambar 2.4 memperlihatkan lukisan dua kurva normal yang baik
rataan maupun simpangan bakunya berlainan. Jelas keduanya mempunyai letak
titik tengah yang berlainan pada sumbu datar dan bentuknya mencerminkan


dua nilai yang berlainan.

5
Gambar 2.4

Beberapa sifat dari kurva fungsi kepadatan peluang (densitas)


distribusi normal umum:
1. Kurvanya berbentuk lonceng dan simetrik di x = .
2. Rataan, median, modus dari distribusi berimpitan.
3. Fungsi kepadatan peluang mencapai nilai maksimum di x = sebesar

1
2 2
.
4. Kurvanya berasimtot sumbu datar x.
5. Kurvanya mempunyai titik infleksi (x, f(x), dengan x = ,

1
1
f ( x) e 2

2 2

2.2 Mean , Variansi dan Fungsi Pembangkit Momen


Mean, variansi dari fungsi pembangkit momen dari distribusi normal
umum adalah:
E( X )
Mean

6
Var ( X ) 2
Variansi
t 2 t 2


2
Mx(t ) e

Pembangkit momen

Pr oof .

E( X ) x. f ( x)dx

( x )2
1
x.
2 2
e 2 2
dx

(x )
Misal z , maka x z dan dx dz

Batas-batasnya x 0 maka z 0, dan x maka z .
z2
1
E( X ) ( z ).
2 2
e 2
z dz

z2 z2


2 ze

2
dx
2

e 2
dx

z2
z2
karena f x z e merupakan fungsi ganjil, maka ze 2
dz 0
2 2
2
2z
sehingga kita mencari dulu e dx
2
(x )
Misal z , maka x z dan dx dz

Batas-batasnya x 0 maka z 0, dan x maka z

7
z2

2

e 2
dx

( x )2
1 2 2 1
e dx
2
( x ) 2
1 2 2
e dx
2 2
.(1)

Sehingga
2
z2
z

E( X )
2
z e 2
dx
2

e 2
dx

Pr oof .
Var ( X ) E ( X ) 2



( z ) 2 f ( x )dx




( z ) 2 f ( x )dx

( x )2
1
(z ) 2 2 2
e dx
2 2

x
Misakan p , maka x p, dx dp

Batas-batasnya x 0 maka p 0, dan x maka p
p2
2
Var ( X ) p dp
2 2
e 2

2 2 0

8
2.3 MGF Distribusi Normal
Penjelasan singkat mengenai distribusi normal dapat dilihat di artikel
Distribusi Normal. Artikel ini akan membahas tentang fungsi pembangkit
momen atau moment generating function (MGF) dari distribusi normal.
Pembahasan awal dari bagian ini adalah menurunkan persamaan
MGF-nya. Selanjutnya menurunkan momen pertama dan momen kedua
berdasarkan persamaan MGF yang telah diperoleh sebelumnya. Dari momen
pertama dan kedua dapat diketahui rata-rata (mean) dan varian.
p2 dt
misalkan t maka p 2 2t , 2 p dp 2 dt maka
2 2t

2 2 1
2t.e
t
Var ( X ) . dt
2 0 2t
2 1
2

2
t
2

0
.e t dt

2 2
3

2
2 2 1 1

2 2
2


2

Mx (t ) E (etx )

Mx (t ) e
tx
f ( x ) dx

2
1 x
1

Mx (t ) e
tx
e 2
dx
2
2
1 x
1
e
2
Mx (t ) tx
e dx
2

Misalkan , maka

Selanjutnya , sehingga

9
1 2
1 z
Mx (t )
2

et ( t z ) e 2
dz
1
z2
1 2

e
t ( t z )
Mx (t ) dz
2
1

e t z2

e
2
tz
Mx (t ) dz
2
1
z2

e t 2 1
tz 2t 2
1 2 2
t
Mx (t )
2 e

2 2
dz
1
z2
e t
2

z 2 2 tz 2t 2 1
2t 2
Mx (t )
2

e e2 dz

1 2 2
t t 1
z2
e 2 2
z 2 2 tz 2t 2
Mx (t )
2


e dz

1
t 2t 2 1
z2
e 2 2 z t 2
Mx (t )
2 e

dz

1
t
1 2 2
t
e 2
2
Mx (t )
2
1
1 2

2
1 2 2
t t
e 2
Mx (t ) 2
2
1 2 2
t t
Mx (t ) e 2

Nilai Harapan X

10
Nilai Harapan X2

Nilai Harapan (X E(X))2

Sebagai catatan, nilai harapan X merupakan rata-rata (mean) dan nilai harapan
(X E(X))2 merupakan varian.

2.4 Cara Membaca Tabel Distribusi Normal


Berikut adalah tabel distribusi normal standar, untuk P (X < x), atau
dapat diilustrasikan dengan luas kurva normal standar dari X = minus
takhingga sampai dengan X = x.

11
12
Contoh penggunaan tabel:
Hitung P (X<1,25)
Penyelesaian:

Pada tabel, carilah angka 1,2 pada kolom paling kiri. Selanjutnya,
carilah angka 0,05 pada baris paling atas. Sel para pertemuan kolom dan
baris tersebut adalah 0,8944.

Dengan demikian, P (X<1,25) adalah 0,8944.

2.5 Kelebihan dan Kelemahan Distribusi Normal

Metode yang juga dikenal dengan sebutan forceddistribution ini


mendapatkan namanya dari kenyataan bahwa para penilai yang terlibat
memang dipaksa untuk mendistribusikan nilai karyawan ke dalam sejumlah
kategori kinerja yang sudah ditetapkan persentase proporsinya. Biasanya,
bentuk distribusi yang diterapkan adalah distribusi normal, dimana persentase
yang setara kecilnya ditempatkan di kutub kanan (terbaik) dan kutub kiri

13
(terburuk) sedangkan persentase yang lebih besar ditempatkan di bagian tengah
di antara kedua kutub tersebut. Sebagai contoh, proporsi yang mungkin
digunakan adalah: Istimewa 10%, Memuaskan 20%, Berkinerja Bagus 40%,
Perlu Peningkatan 20%, dan Tidak Memuaskan 10%.

Adapun asumsi yang mendasari metode ini adalah bahwa, secara


statistik, tingkat kinerja karyawan terdistribusi mengikuti pola kurva
normal.Jika berhasil diimplementasikan secara efektif, metode distribusi
normal bisa mendatangkan kelebihan berikut ini:

1. Mengurangi kemungkinan terjadinya bias penilaian.

Dengan memaksa penilai untuk mendistribusikan hasil penilaiannya, bias


yang terjadi akibat penilai terlalu murah hati (dimana semua karyawan
dinilai bagus) atau terlalu pelit (dimana semua karyawan dinilai buruk)
bisa diminimalkan. Melalui penerapan metode ini, Ford misalnya
berhasil menurunkan bias kemurahan hati yang terjadi di metode
penilaian kinerja sebelumnya dimana 98% stafnya dinilai memenuhi
harapan (Olson & Davis, 2003).

2. Meningkatkan objektivitas penilaian.

Karena harus memastikan penempatan setiap karyawan dalam suatu


kategori, pada metode distribusi normal, para penilai perlu mengevaluasi
semua karyawan berdasarkan kriteria yang sama. Dengan demikian, hasil
penilaian mereka akan cenderung lebih objektif dibandingkan jika setiap
manajer menilai anak buah mereka berdasarkan kriteria mereka masing-
masing.

3. Memfasilitasi terjadinya komunikasi yang spontan dan terbuka antara


atasan dan bawahan.

14
Metode ini menuntut para atasan untuk secara berkala memberikan
umpan balik kepada anak buah mereka. Tanpa kesediaan untuk sering
menyampaikan umpan balik secara spontan dan terbuka, sang atasan
akan menghadapi kesulitan pada saat harus menjelaskan kepada anak
buahnya mengapa dia menempatkan si karyawan di kategori tidak
memuaskan.

4. Membantu menetapkan konsekuensi kinerja yang tepat.

Dengan memaksa para atasan untuk mendistribusikan karyawan ke


dalam kategori tertentu, perusahaan bisa mengenali siapa saja yang
berkinerja unggul, menengah, dan yang berkinerja terendah. Jadi, secara
terarah, perusahaan bisa memutuskan karyawan mana yang harus
diganjar dengan kompensasi dan promosi, karyawan mana yang patut
dipertahankan dan dikembangkan, serta karyawan mana yang perlu
diputuskan hubungan kerjanya.

Di sisi lain, metode distribusi normal juga tidak lepas dari sejumlah
kelemahan pokok yang mengundang kritik:

1. Metode ini menggunakan sistem distribusi normal yang salah


penerapannya.

Menurut Abelson (2001), model kurva lonceng mengasumsikan


bahwa distribusi normal akan terjadi pada sekelompokbesar subjek yang
terbentuk secara acak, dan tidak mengasumsikan hal yang sama untuk
kelompok-kelompok kecil. Adapun yang dimaksud dengan kelompok
besar adalah kelompok yang setidaknya terdiri dari 1.000 1.500
anggota.

15
Pada kenyataannya, sejumlah perusahaan menerapkan model
kurva lonceng ini pada sekelompok kecil karyawan, yang jumlah
anggotanya bahkan tidak lebih dari 50 orang. Akibatnya, sebagian
karyawan yang berkinerja bagus tetapi berada di kelompok unggul mau
tidak mau akan menderita karena terpaksa mendapatkan nilai buruk.
Sebaliknya, beberapa karyawan yang sebenarnya berkinerja biasa-biasa
saja tetapi berada di kelompok yang berkinerja lemah, akan menikmati
inflasi nilai dan dianugerahi posisi sebagai 10%-20% karyawan yang
berkinerja terbaik hanya karena memang harus ada yang dinilai paling
tinggi.

Sementara itu, asumsi acak yang digunakan juga dianggap tidak


tepat. Kalau secara statistik dinyatakan bahwa acak adalah situasi dimana
setiap anggota populasi memiliki peluang yang sama untuk terpilih
menjadi anggota sampel, maka dengan jelas dapat disimpulkan bahwa
kelompok karyawan Anda bukanlah kelompok yang acak. Anda tidak
merekrut mereka secara acak, Anda tidak menempatkan mereka secara
acak, Anda juga tidak melatih dan memperlakukan mereka secara acak.

2. Ketika diterapkan secara konsisten, metode distribusi normal justru


membangkitkan tantangan baru yang menyulitkan.

Karena mengharuskan perusahaan untuk memecat karyawan yang dinilai


berkinerja paling rendah, setelah diimplementasikan selama beberapa
tahun, metode ini justru semakin mempersulit upaya membedakan
karyawan yang berkinerja memuaskan dengan karyawan yang berkinerja
istimewa. Perbedaan di antara keduanya semakin menipis dan semakin
tidak kasat mata. Di sisi lain, karena standar kinerja karyawan yang
semakin lama semakin meningkat, perusahaan juga semakin sulit
mendapatkan calon karyawan yang memenuhi standar tersebut, yaitu
karyawan yang kualifikasinya harus melebihi karyawan yang sebelumnya
dipecat.

16
3. Kategori yang digunakan tidak menunjukkan kinerja yang sebenarnya.

Pemaksaan nilai dan pengkategorian yang dipersyaratkan dalam metode


distribusi normal membuat karyawan diberi nilai dan ditempatkan di
kategori yang belum tentu sesuai dengan tingkat kinerja aktual mereka.
Perusahaan yang berhasil mencapai target bisnisnya, misalnya, dimana
semua karyawannya memang berprestasi bagus dan berhasil mencapai
target perorangan mereka, dengan terpaksa harus tetap menempatkan
10% karyawannya di kategori tidak memuaskan. Situasi semacam ini
tentu tidak bisa dianggap objektif. Akibatnya, seperti yang dikemukakan
oleh Olson dan Davis, karyawan lebih sering merasa bahwa nilai yang
mereka terima sesungguhnya hanyalah nilai yang dibuat untuk
memuaskan distribusi yang telah ditetapkan perusahaan. Bukan
merupakan refleksi dari kinerja aktual mereka.

4. Dipersepsi lebih sulit dan kurang fair dibandingkan metode penilaian


konvensional.

Persepsi yang timbul di kalangan mereka yang terlibat dalam


implementasi metode distribusi normal ini ditemukan dalam penelitian
Schleicher, Bull dan Green (2008). Dengan adanya persepsi semacam itu,
tidak mengherankan jika kemudian teridentifikasi bahwa para manajer
umumnya kurang bereaksi positif terhadap metode tersebut (Lawler,
2002). Mereka sering mengungkapkan komentar miring tentang metode
itu, sehingga akhirnya para karyawan pun berpandangan bahwa metode
tersebut kurang fair dan dengan demikian tidak mereka terima.

5. Terlalu memaksakan perbandingan kinerja antar-jabatan dalam upaya


mendapatkan peringkat kinerja seluruh karyawan.

Pertanyaannya adalah: Bagaimana Anda akan secara fair dan objektif


membandingkan kinerja seorang kepala departemen dengan kinerja
seorang petugas administrasi? Atau kinerja Kepala Departemen

17
Pemasaran dengan Kepala Departemen SDM? Kriteria apa yang akan
Anda gunakan? Selain tidak mudah untuk dijawab dan
diimplementasikan, pertanyaan itu jelas mengusik rasa keadilan para
pengemban jabatan yang diperbandingkan.

6. Merangsang tumbuhnya lingkungan kerja yang kompetitif sekaligus


destruktif.

Upaya membandingkan tingkat kinerja, dan memasukkan


karyawan ke dalam kategori yang proporsinya sudah dibatasi dengan
persentase tertentu, jelas membuat karyawan terperangkap dalam situasi
persaingan. Selalu mencoba menampilkan kinerja yang tidak hanya
sebaik mungkin, tetapi juga harus lebih baik dibandingkan kinerja rekan-
rekan yang lain, agar bisa masuk dalam kategori penilaian yang lebih
tinggi dan terhindar dari kemungkinan menjadi penghuni kategori
terbawah.

Situasi semacam ini jelas menghambat terjadinya kerja sama di


kalangan anggota kelompok kerja. Apalagi jika karyawan mengetahui
bahwa perusahaan memberikan perlakuan dan kompensasi yang berbeda
untuk setiap kategori penilaian.

18
BAB III PENUTUP

3.1 KESIMPULAN
Berdasarkan pembahasan yang telah penyusun uraikan diatas, maka
dapat disimpulkan bahwa distribusi peluang kontinu yang terpenting dalam
seluruh bidang statistika adalah distribusi normal. Distribusi normal merupakan
suatu alat statistik yang sangat penting untuk menaksir dan meramalkan
peristiwa-peristiwa yang lebih luas. Grafiknya disebut kurva normal terbentuk

19
lonceng yang menggambarkan dengan cukup baik banyak gejala yang muncul
di alam, industri, dan penelitian. Abraham de Moivre adalah yang pertama kali
memperkenalkan distribusi normal ini dan kemudian dipopulerkan oleh Carl
Fredreich Gauss. Sehingga nama lain distribusi ini adalah distribusi Gauss.

3.2 SARAN
Dalam penulisan makalah ini kami meyadari bahwa masih banyak
kekeliruan dan kesalahan dalam hal penulisan dan penyusunannya. Oleh karena
itu, kami menantikan saran dan kritikan yang sifatnya membangun untuk
perbaikan selanjutnya. Semoga makalah ini bermanfaat bagi pembaca dan dapat
menambah pustaka keilmuan mahasiswa.

20
DAFTAR PUSTAKA

Ronald E. Walpole. Pegantar Statistik edisi ke-3. Jakarta: PT Gramedia


Pustaka Utama.

Dari Internet:
Harum, Anita Sugiarti. 2013. Distribusi Normal (Kurva Normal). Diunduh
dari: https://anitaharum.wordpress.com/2013/11/12/distribusi-normal-
kurva-normal/. Pada hari Minggu pukul 20:00 WIB.

Labels, Rory.2016. MGF Distribusi Normal. Diunduh dari:


http://www.rumusstatistik.com/2016/04/mgf-distribusi-normal.html,
diakses pada tanggal 9 Mei 2016 pukul 10.50 WIB.

Subari, Hendrianto. 2014. Distribusi Normal Baku. Diunduh dari:


http://hendritakengon.blogspot.co.id/2014/03/distribusi-normal-baku.html.
Pada Hari Rabu pukul 19:50 WIB.

https://hatta2stat.wordpress.com/category/distribusi-normal-2/. 23
November 2011. Archive for the Distribusi normal Category. Pada hari
Rabu pukul 19:40 WIB

21
22