Kurva Normal

A. Kurva Normal

Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan
peristiwa-peristiwa yang lebih luas. Suatu data membentuk distribusi normal bila
jumlah data di atas dan di bawah mean adalah sama.

Bentuk kurva normal menyerupai bentuk genta (bel). Kurva normal merupakan
suatu poligon yang dilicinkan yang mana ordinatnya memuat frekuensi dan absisnya
memuat nilai variabel. Bentuk kurva normal adalah simetris, sehingga luas rata-rata
(mean) ke kanan dan ke kiri masing-masing mendekati 50 %. Memiliki satu modus,
jadi kurva unimodal.

B. Daerah Kurva Normal

Ruangan yang dibatasi daerah kurva dengan absisnya disebut daerah kurva
normal. Luas daerah kurva normal biasa dinyatakan dalam persen atau proporsi.
Dengan kata lain luas daerah kurva normal adalah seratus per sen, apabila dinyatakan
dalam persen, dan apabila dinyatakan dengan proporsi, luas daerah kurva normal
adalah satu.
 1. Kurva Normal Standar (Kurva Normal Baku)

Kurva normal standar atau kurva normal baku adalah kurva normal yang mana
nilai rata-ratanya sama dengan nol (m = 0 ) dan simpangan bakunya adalah 1 (s = 0 ).
Dalam kurva normal umum nilai rata-rata sama dengan x dan nilai simpangan baku 1s,
2s, 3s. dengan kata lain dalam kurva normal umum nilai rata-ratanya tidak sama
dengan nol (m ¹ 0) dan nilai simpangan bakunya tidak sama dengan 1 (s ¹ 1). Kurva
normal umum dapat diubah kedalam kurva normal baku dengan menggunakan
rumus :

z = nilai standard

X = Data ke i dari suatu kelompok data

X = rata-rata kelompok

s = simpangan baku
Penggunaan Kurva Normal

Contoh: Berat bayi yang baru lahir rata-rata 3.750 gram dengan simpangan baku 325
gram. Jika berat bayi berdistribusi normal, maka tentukanlah:

1. Berapa persen yang beratnya lebih dari 4.500 gram?

2. Berapa bayi yang beratnya 3.500 gram dan 4.500 gram, jika semuanya ada
10.000 bayi?
3. Berapa bayi yang beratnya lebih kecil atau sama dengan 4.000 gram jika
semuanya ada 10.000 bayi?
4. Berapa bayi yang beratnya 4.250 gram apabila semuanya ada 5.000 bayi?
5. Berapa persen bayi yang beratnya 3500 gram?
6. Berapa persen bayi yang memiliki berat 3.250 dan 4.250 ?

Cara menjawab soal tersebut adalah:

7. Hitung nilai z sehingga dua desimal

8. Gambar kurva normal standar
9. Letakkan harga z pada sumbu datar lalu tarik garis vertikal hingga memotong
kurva
10. Lihat harga z dalam daftar harga z, caranya cari harga z pada kolom paling kiri
hanya hingga satu desimal dan desimal keduanya dicari pada baris paling atas.
11. Dari z paling kiri maju ke kanan dan dari z di baris atas turun ke bawah, maka
didapat bilangan yang merupakan luas yang dicari. Bilangan yang didapat harus
ditulis dalam bentuk 0, x x x x (bentuk empat desimal).
12. Apabila yang diperlukan persen maka setelah melalui langkah ke lima kalikan
dengan 100. Karena luas daerah kurve normal adalah 1 atau 100 %, dan bentuk
kurva simetrik, maka luas dari garis tegak pada titik nol ke kiri ataupun kekanan
adalah 0.5 atau 50%.

Penyelesaian:

Luas daerah kurva dengan nilai z = 2,31 adalah 0,4896

Bayi yang memiliki berat lebih dari 4.500 gram, pada grafiknya ada di sebelah kanan
z = 2,31.

Luas daerah kurva ini adalah 0,5 – 0,4896 = 0,014. Jadi bayi yang memiliki berat
lebih dari 4.500gram ada 1,04%

Luas daerah kurva dengan nilai z = -0,77 adalah 0,2794 dan luas daerah dengan nilai z
= 2,31 adalah 0,4896.

Grafik bayi yang memiliki berat 3500 dan 4500 ada diantara z = -0,77 dan z = 2,31.
Luas daerahnya adalah 0,2794 + 0,4896 = 0, 7690.

Jadi banyak bayi yang memiliki berat badan 4500 gram kira-kira ada 0,7690 x 10.000
= 7.690

c. Bayi yang memiliki berat lebih kecil atau sama dengan 4.000 gram, maka beratnya
harus lebih kecil dari 4000,5 gram.
Luas daerah kurva dengan nilai z =0,77 adalah 0,2794

Perkiraan bayi yang memiliki berat lebih kecil atau sama dengan 4.000 gram adalah :
0,5 + 0,2794 = 0,7794

Banyak bayi yang memiliki berat lebih kecil atau sama dengan 4.000 gram adalah
0,7794 x 10.000 = 7794.

d. Bayi yang memiliki berat 4.250 gram berarti beratnya ada diantara 4.249,5 gram
dan 4.250,5 gram.

Luas daerah kurva dengan nilai z = 1,53 adalah 0,4370

Luas daerah kurva dengan nilai z = 1,54 adalah 0,4382

Luas daerah kurva yang perlu adalah: 0,4382 –0,4370 = 0,0012

Jadi banyak bayi yang memiliki berat 4.250 gram adalah : 0,0012 x 5.000 = 6.
 2. Distribusi Student t

Prosedur untuk estimasi standard error dengan standart deviasi sampel

 S
x  
n n

Hanya sesuai bila sampel besar S 

Atau
Sx   x

Dengan Ukuran Sampel Kecil:

Kachigan < 30

Healey < 100

Hasil Interval kepercayaan secara substansi menjadi salah

Distribusi Student t dapat membantu mengatasi Interval Kepercayaan dalam sampel

kecil dan tidak diketahui. Student t adalah suatu distribusi probabilitas yang mirip
dengan distribusi normal, tetapi dengan beberapa perbedaan penting. Student t
digunakan untuk menemukan area di bawah distribusi sampling dan untuk
menentukan wilayah kritis

 Bentuk ditribusi t bergantung pada ukuran sampel

 Ukuran sampel kecil distribusi t lebih datar daripada distribusi Z.
 Begitu sampel menjadi besar distribusi t mendekati bentuk distribusi Z
 Keduanya identik bila ukuran sampel >120
 Bila Ukuran Sampel (n) meningkat Standard Deviasi Sampel (s) semakin
memenuhi sebagai estimator Standard Deviasi Populasi ( ) distribusi t
semakin dekat dengan distribusi z

Distribusi t bergantung pada ukuran sampelada pertimbangan tentang Derajat

Kebebasan. Derajat Kebebasan adalah jumlah observasi dalam data yang bebas untuk
berubah setelah statistik sampel dihitung jumlah observasi yang tidak bias.

 Kasus satu sampel DF= N-1

 Kasus dua sampel DF= N1+N2-2

Seperti dalam Distribusi Z, tabel distribusi t akan membantu menemukan wilayah di

bawah kurva normal.

C. Uji Normalitas

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai
sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data
tersebut berdistribusi normal ataukah tidak.

Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi
normal atau diambil dari populasi normal. Metode klasik dalam pengujian normalitas
suatu data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa pakar
statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat
diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar.

Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau
tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari 30
bisa dipastikan berdistribusi normal, demikian sebaliknya data yang banyaknya kurang
dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian.

Metode Chi Square Dalam Uji Normalitas

(Uji Goodness Of Fit Distribusi Normal)

Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal

menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas
dengan nilai yang diharapkan. Uji Chi-square seringkali digunakan oleh para
peneliti sebagai alat uji normalitas.

Keterangan :

X2 = Nilai X2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan
N (total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)

Komponen penyusun rumus tersebut di atas didapatkan berdasarkan pada hasil

transformasi data distribusi frekuensi yang akan diuji normalitasnya, sebagai berikut:
 Keterangan :
Xi = Batas tidak nyata interval kelas
Z = Transformasi dari angka batas interval kelas ke notasi pada distribusi normal
pi = Luas proporsi kurva normal tiap interval kelas berdasar tabel normal
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal
dikalikan N (total frekuensi) (pi x N)

Syarat Uji Chi-Square dalam Uji Normalitas

Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal)

a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi.
b. Cocok untuk data dengan banyaknya angka besar ( n > 30 )
c. Setiap sel harus terisi, yang kurang dari 5 digabungkan.
 DAFTAR PUSTAKA

http://file.upi.edu/Direktori/FIP/JUR._PEND._LUAR_BIASA/196101051983032-OO
M_SITI_HOMDIJAH/KURVA_NORMAL.pdf

https://hedyansabila.wordpress.com/kurva-normal/

https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwjPoNXwy4
rTAhVFK48KHUBLCUIQFggWMAA&url=https%3A%2F%2Fjuweticharisma.files.wordpress.com%
2F2011%2F09%2Fkuliah-iii-kurva-normal2011.ppt&usg=AFQjCNF2OGZ0JsF65mc_c1VWNk_DjZb
v3A&sig2=bpruIr3Czp2yMjx0pr7LOw&cad=rja

https://www.statistikian.com/2013/01/uji-normalitas.html