Pada Teori Peluang, Distribusi Normal atau disebut pula Distribusi Gauss sering

digunakan dalam distribusi probabilitas dalam analisis statistik. Distribusi Normal baku adalah
distribusi normal yang memiliki rata-rata nol dan simpangan baku satu. Distribusi ini juga
dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan probabilitasnya mirip dengan
bentuk lonceng

Garis merah menunjukkan distribusi normal baku

Grafik tersebut menunjukkan persebaran data yang terjadi dalam ukuran penyebaran
data. Semakin banyak data yang tersebar di tengah menunjukkan bahwa data semakin
mengelompok di tengah. Hal ini yang kita kenal dengan distribusi normal baku.
Bila nilai μ dan σ diketahui, maka kurva normal itu telah tertentu. Misalnya μ = 50 dan
σ = 5, maka ordinat-ordniat f (x;50,5) dengan mudah dapat dihitung untuk berbagai nilai x.
Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam maupun sosial.
Beragam skor pengujian psikologi dan fenomena fisika seperti jumlah foton dapat dihitung
dmelalui pendekatan dengan mengikuti distribusi normal. Distribusi normal banyak digunakan
dalam berbagai bidang statistika, misalnya distribusi sampling rata-rata akan mendekati normal,
meski distribusi populasi yang diambil tidak berdistribusi normal.
Beberapa karakteristik dari distribusi probabilitas dan kurva normal adalah:
1. Kurva berbentuk genta atau lonceng dan memiliki satu puncak yang terletak di tengah.
Nilai rata-rata hitung (μ) = median (Md) = modus (Mo). Nilai μ=Md=Mo yang berada di
tengah membelah kurva menjadi dua bagian yaitu setengah di bawah nilai μ=Md=Mo dan
setengah di atas nilai μ=Md=Mo.
2. Distribusi probabilitas dan kurva normal berbentuk kurva simetris dengan rata-rata
hitungnya (μ).
3. Distribusi probabilitas dan kurva normal bersifat asimptotis.
4. Kurva mencapai puncak pada saat x = μ.
5. Luas daerah dibawah kurva normal adalah 1, ½ di sisi kanan nilai tengah dan ½ di sisi kiri.
Untuk tiap pasang μ dan σ, sifat-sifat di atas selalu di penuhi, hanya bentuk kurvanya saja yang
berlainan. Jika σ makin besar, kurva makin rendah (platikurtik) dan untuk σ makin kecil, kurva
makin tinggi (leptokurtik).

Bila 𝑋 suatu pengubah acak normal dengan nilai tengah μ, dan standar deviasi σ, maka
persamaan kurva normalnya adalah:
1 −1(𝑥−𝜇)2
𝑓(𝑧) = − 𝑒 2 𝜎
√2𝜋
Untuk (−∞ < 𝑥 < ∞), dengan :
𝜋 = 3,1416 dan 𝑒 = 2,7183
𝜇 = parameter rata − rata
𝜎 = parameter simpangan baku

Grafik Kurva Normal :

𝑃(𝑥 ≤ 𝜇) = 0,5
𝑃(𝑥 ≥ 𝜇) = 0,5
∞
Luas kurva normal ∫−∞ 𝑓(𝑥) 𝑑𝑥 = 1

Luas kurva normal antara 𝑥 = 𝑎 dan 𝑥 = 𝑏 = probabilitas 𝑥 terletak antara 𝑎 dan 𝑏

 𝑏
𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫ 𝑓(𝑥)𝑑𝑥
𝑎
Distribusi Normal Baku

 Distribusi normal baku adalah distribusi probabilitas acak normal dengan nilai tengah nol
dan simpangan baku 1.
 Seringkali disebut dengan distribusi Z.
 Hal yang perlu dilakukan dalam rangka distribusi probabilitas normal baku adalah
mengubah atau membakukan distribusi aktual dalam bentuk distribusi norma baku yang
dikenal dengan nilai Z atau skor Z.
 Nilai Z adalah jarak yang berbeda antara sebuah nilai X yang dipilih dari rata-rata μ,
dibagi dengan standar deviasinya, σ.

Transformasi dari nilai 𝑿 ke 𝒁

Dimana nilai 𝑍 ∶
 𝑋−𝜇
𝑍=
𝜎
Dengan
𝑍 = skor z atau nilai normal baku
𝑋 = nilai dari suatu pengamatan atau pengukuran
𝜇 = nilai rata − rata hitung suatu distribusi
𝜎 = standar deviasi

Grafik Normal Umum

Rata-rata 𝜇 ≠ 0 dan simpangan baku 𝜎 ≠ 0

Grafik Normal Baku

Rata-rata 𝜇 = 0 dan simpangan baku 𝜎 = 1

Contoh

1. Rata-rata berat sebuah kotak adalah 283 gram dan standar deviasinya 1.6 gram.
Berapakah kemungkinan sebuah kotak dibawah 284.5 gram?
Jawab :
𝑋 − 𝜇 284,5 − 283
𝑍= = = 1,5
𝜎 1,6
2. Diketahui rata-rata hasil ujian adalah 74 dengan simpangan baku 7. Jika nilai-nilai
peserta ujian berdistribusi normal dan 12% peserta nilai tertinggi mendapat nilai A,
berapa batas nilai A yang terendah?
Jawab:
𝐴 = 𝑃(𝜇 ≤ 𝑋 ≤ 𝑋𝐴 ) = 0,5 − 0,12
= 𝑃(𝜇 ≤ 𝑍 ≤ 𝑍𝐴 ) = 0,38 → 𝑍 = 1,175
𝑋𝐴 − 𝜇
𝑍𝐴 =
𝜎
𝑋𝐴 = 𝑍𝐴 . 𝜎 + 𝜇 = (1,175).7 + 74 = 82,225

Jika 5% peserta terendah mendapat nilai E, berapa batas atas nilai E?

 𝑃(𝑋𝐸 ≤ 𝑋 ≤ 0) = 0,45
𝑃(𝑍𝐸 ≤ 𝑍 ≤ 0) = 𝑍𝐸 = −1,645 → (𝑋 < 𝜇)
𝑋𝐸 − 𝜇
𝑍𝐸 =
𝜎
𝑋𝐸 = 𝑍𝐸 . 𝜎 + 𝜇 = (−1,645). 7 + 74 = 62,485