Anda di halaman 1dari 8

DISTRIBUSI NORMAL

1. PENGERTIAN

Distribusi normal dikenal juga sebagai distribusi Gaussian, merupakan salah satu
distribusi peluang kontinu dengan grafik berbentuk bel/genta. Distribusi normal paling
banyak digunakan dalam berbagai analisis statistika. Banyak sekali kejadian ataupun
fenomena baik dalam ilmu sosial maupun ilmu alam yang dapat dihitung melalui pendekatan
dengan mengikuti distribusi normal. Distribusi normal banyak digunakan dalam berbagai
distribusi dalam statistika, dan kebanyakan pengujian hipotesis mengasumsikan normalitas
suatu data. Suatu data membentuk distribusi normal jika jumlah data di atas dan di bawah
mean adalah sama. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
melebar tak berhingga pada kedua arah positif dan negatifnya.
1. Kurva berbentuk genta (m= Md= Mo)
2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X= m
5. Luas daerah di bawah kurva adalah 1; di sisi kanan nilai tengah dan di sisi kiri.

2. CIRI-CIRI KURVA NORMAL

1. Bentuk kurva normal

a) Menyerupai lonceng (genta/bel).


b) Merupakan suatu poligon yang dilicinkan yang mana ordinat (sumbu tegak)
merupakan frekuensi dan absisnya (sumbu alas) memuat nilai variabel.
c) Simetris.
d) Luas daerah merupakan nilai rata-rata (mean).
e) Luas daerah sebelah kiri dan kanan mendekati 50%.
f) Memiliki satu modus (disebut juga bimodal).

2. Daerah kurva normal

a) Merupakan ruangan yang dibatasi daerah kurva dengan absisnya (sumbu alas).
b) Luas daerah biasanya dinyatakan dalam persen atau proporsi.
Distribusi normal dipengaruhi oleh dua parameter, yaitu mean dan standar deviasi.
Mean menentukan lokasi pusat statistik dan standar deviasi menentukan lebar dari kurva
normal.

3. RUMUS DISTRIBUSI NORMAL

Keterangan :
= nilai data
= 3,14
= simpangan baku
= rata-rata
= 2,71828

Persamaan di atas bila dihitung dan diplot pada grafik akan terlihat seperti pada Gambar 1
berikut:

Gambar 1. kurva distribusi normal umum

Sifat-sifat penting distribusi normal adalah sebagai berikut:

1. Grafiknya selalu berada di atas sumbu x


2. Bentuknya simetris pada x =
3. Mempunyai satu buah modus, yaitu pada x =
4. Luas grafiknya sama dengan satu unit persegi, dengan rincian :

Kira-kira 68% luasnya berada di antara daerah dan +


Kira-kira 95% luasnya berada di antara daerah 2 dan + 2
Kira-kira 99% luasnya berada di antara daerah 3 dan + 3

Membuat kurva normal umum bukanlah suatu pekerjaan yang mudah. Lihat saja rumus
untuk mencari fungsi densitasnya (nilai pada sumbu Y) begitu rumit. Oleh karena itu, orang
tidak banyak menggunakannya.

Orang lebih banyak menggunakan DISTIBUSI NORMAL BAKU. Kurva distribusi normal baku
diperoleh dari distribusi normal umum dengan cara transformasi nilai x menjadi nilai z,
dengan formula sbb:

Kurva distribusi normal baku disajikan pada Gambar 2 berikut ini.

Gambar 2. Kurva distribusi normal baku


Kurva distribusi normal baku lebih sederhana dibanding kurva normal umum. Pada kurva
distribusi normal baku, nilai = 0 dan nilai =1, sehingga terlihat lebih
menyenangkan. Namun, sifat-sifatnya persis sama dengan sifat-sifat distribusi normal umum.

Untuk keperluan praktis, para ahli statistika telah menyusun Tabel distribusi normal baku
dan tabel tersebut dapat ditemukan hampir di semua buku teks Statistika. Tabel distribusi
normal bakui disebut juga dengan Tabel Z dan dapat digunakan untuk mencari peluang di
bawah kurva normal secara umum, asal saja nilai dan diketahui. Sebagai catatan nilai
dan dapat diganti masing-masing dengan nilai dan S.

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.

Tabel Z
Jika pengujian dua arah / sisi, maka gambarnya sebagai berikut :
Jika pengujian satu arah, maka gambarnya sebagai berikut :

4. JENIS-JENIS DITRIBUSI PROBABILITAS NORMAL

Distribusi kurva normal dengan m sama dan s berbeda


Distribusi kurva normal dengan m berbeda dan s sama

Distribusi kurva normal dengan m dan s berbeda

Anda mungkin juga menyukai