STATISTIK 1

(KELOMPOK 3)
DISTRIBUSI NORMAL

DISUSUN OLEH :

Ian Sopian (201466025)

Indah Putri Fezaliana (201466055)

Petri Harmiyati Oematan (201466058)

M. Idrus Djamar (201466066)

Rizkita N. Wulandari (201466093)

Aufa Miftah Firdausy (201466152)

Jennifer Wayoi (201466163)

FAKULTAS FISIOTERAPI
TAHUN AJARAN 2016/2017
DISTRIBUSI NORMAL

Diantara sekian banyak distribusi, barangkali distribusi normal merupakan distribusi yang secara
luas banyak digunakan dalam berbagai penerapan. Distribusi normal merupakan distribusi
kontinu yang mensyaratkan variable yang di ukur harus kontinu, misalnya tinggi badan, berat
badan, skor IQ, Jumlah curah hujan, isi botol Coca-cola, hasil ujian dan sebagainya.

Kurva Normal

Suatu variable acak kontinu X, yang memiliki distribusi berbentuk lonceng seperti yang
diperlihatkan dalam Peraga 2.2, disebut Variabel acak normal. Persamaan matematika bagi
distribusi probabilitas acak normal tergantung pada dua parameter, yaitu 𝜇 𝑑𝑎𝑛 𝜎 atau nilai
tengah dan simpangan bakunya. Fungsi kepadatan probabilitas normal dapat distuliskan sebagai
berikut.1
1 𝑥−𝜇)2
1 (
F(x)=𝜎√2𝜋 𝑒 2 𝜎
, untuk -∞ ≤ 𝑥 ≤ ∞,

Di mana :

𝜋 = 3,14159

𝜎 = 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢 = √𝜎2

𝜇 = 𝑟𝑎𝑡𝑎 𝑟𝑎𝑡𝑎 𝑋

e = 2,71828

Bila nilai-nilai 𝜇 𝑑𝑎𝑛 𝜎 diketahui maka kita dapat menggambarkan kurva normal itu dengan
pasti. Bagaimanapun bentuk dan ketinggian dari kurva normal sangat tergantung pada dua
variable ini. Dalam peraga 2.2 diberiakn sketsa dua kurva normal yang mempunyai dua
simpangan baku yang sama, namun nilai tengahnya berbeda. Kedua kurva itu sama bentuknya,
tetapi berpusat pada posisi yang berbeda sepanjang sumbu mendatar.

PERAGA 2.2

Kurva Normal

𝜎1 𝜎2

𝜇1 𝜇2 x

1
J. Supranto, M.A., Statistik Teori dan Aplikasi (Jakarta : Penerbit Erlangga, 2009), hlm. 49.
Dalam peraga 2.3 diberikan sketsa dua kurva normal dengan nilai tengah yang sama, tetapi
simpangan bakunya berbeda. Perhatikan bahwa kedua kurva itu berpusat diposisi yang sama,
tetapi kurva dengan simpangan baku yang lebih besar berentuk lebih rendah dan lebih menyebar
ke samping.

Sementara dalam peraga 2.4 menunjukan sketsa dua kurva normal yang mempunyai nilai tengah
dan simpangan baku berbeda. Keduanya berpusat pada dua posisi yang berbeda dan bentuk yang
mencerminkan nilai 𝜎 yang berbeda juga.2

Kurva normal mempunyai bentuk yang simetris terhadap rata-rata 𝜇. Bentuk kurva normal
sangat dipengaruhi oleh besar/ kecilnya rata-rata 𝜇 dan simpangan bsku 𝜎. Makin kecil 𝜎 bentuk
kurva makin runcing dan sebagian besar nilai X mengumpul mendekati rata-rata 𝜇, dan
sebaliknya, bila 𝜎 makin besar maka bentuknya makin tumpul dan nilai-nilai X makin menjauhi
rata-rata 𝜇.

Beberapa karakteristik distribusi normal adalah sebagai berikut :

1. Distribusi normal memiliki dua parameter yaitu 𝜇 𝑑𝑎𝑛 𝜎 yang masing-masing

menentukan lokasi dan bentuk distribusi
2. Titik tertinggi kurva normal berada pada rata-rata
3. Distribusi normal adalah distribusi yang simetris

2
Ibid, hlm. 49-50.
 4. Simpangan baku (standar deviasi) 𝜎, menentukan lebarnya kurva. Makin kecil 𝜎 bentuk
kurva makin runcing. Dua distribusi normal dengan rata-rata 𝜇 sama tetapi dengan
simpangan baku berbeda telah ditunjukan pada peraga 2.3 di atas
5. Total luas daerah dibawah kurva normal adalah 1
6. Jika jarak dari masing-masing nilai X terhadap rata-rata 𝜇 diukur dengan simpangan baku
𝜎 maka kira-kira 68% berjarak 1𝜎, 95% 𝑏𝑒𝑟𝑗𝑎𝑟𝑎𝑘 2𝜎 𝑑𝑎𝑛 99% 𝑏𝑒𝑟𝑗𝑎𝑟𝑎𝑘 3𝜎
3

P(𝜇 − 1𝜎 ≤ 𝑋 ≤ 𝜇 + 1𝜎) = ± 68% (68,26%)

P(𝜇 − 2𝜎 ≤ 𝑋 ≤ 𝜇 + 2𝜎) = ± 95% (95,46%)

P(𝜇 − 3𝜎 ≤ 𝑋 ≤ 𝜇 + 3𝜎) = ± 99% (99,74%)

Lihat Peraga 2.5.

PERAGA 2.5 Kurva Normal dengan Skala Biasa (X) dan Skala Baru (Z)

𝜇 − 3𝜎 𝜇 - 2𝜎 𝜇 -𝜎 𝜇 𝜇 +𝜎 𝜇 + 2𝜎 𝜇 + 3𝜎
Z
-3 -2 -1 0 1 2 3
68,26%

95,46%

99,74%

Sebagai ilustrasi, diberikan data hasil pengukuran tinggi para atlet yang disajikan dalam bentuk
tabel dan grafik sebagai berikut.

TABEL 2.7 Frekuensi Relatif dan Frekuensi Kumulatif dari Tinggi 100 Orang
Atlet

3
Ibid, hlm. 50-51.
Tinggi Atlet dalam Frekuensi
Banyak Atlet Frekuensi Relatif
cm Kumulatif
(f) (fr)
(X) (fk)
154-155 3 0,03 0,03

156-157 12 0,12 0,15

158-159 22 0,22 0,37

160-161 32 0,32 0,69

162-163 18 0,18 0,87

164-165 9 0,09 0,96

166-167 4 0,04 1,00

Jumlah 100 1,00

Kurva fungsi normal teoretis sangat sempurna bentuknya dan sering disebut “ideal curve”.
Akan tetapi, di dalam prakteknya , hanya mendekati saja. Perhatikan bentuk kurva empiris dari
tinggi mahasiswa berikut , dimana bentuknya mendekati/menyerupai kurva normal.4

PERAGA
K 2.5 Kurva Empiris dari Tinggi 100 orang Atlet

Frekuensi Relatif
0,4
Keterangan
= kurva normal
0,3
= kurva mendekati normal

0,2

0,1

0 152 154 156 158 160 162 164 166 168

Tinggi (cm)

Untuk membuat histogram harus dibuat batas kelas yang sesungguhnya, mulai dari kelas
pertama 153,5 – 155,5 sampai dengan kelas terakhir 165,5 – 167,5. Setiap histogram dibuat
berdasarkan batas kelas yang baru tersebut. Suatu kurva yang diperoleh dengan menghubungkan

4
Ibid, hlm. 51-52.
titik tengah dari puncak setiap histogram disebut polygon frequency. Perhatikan peraga di atas,
kurva polygon mendekati bentuk kurva normal.
Perlu diketahui disini bahwa rata-rata dan varians distribusi normal adalah sebagai berikut.

1 𝑥−𝜇 2
∞ 1 − ( )
E(X) = ∫−∞ 𝑥 𝑒 2 𝜎 𝑑𝑥 = 𝜇
𝜎 √2𝜋
1 𝑥−𝜇 2
2 ∞ (𝑋−𝜇)2 − ( )
Var(X) = 𝐸{𝑋 − 𝜇} = ∫∞ 𝜎 √2𝜋 𝑒 2 𝜎 𝑑𝑥 = 𝜎 2

Fungsi distribusi atau distribusi kumulatif dari fungsi normal adalah sebagai berikut.

x
1 1 x−μ 2
F(x) = P(X ≤ x) = ∫ e−2( σ
)
dx
σ√2π −∞

𝑃(𝑥1 ≤ 𝑋 ≤ 𝑥2) = 𝐹(𝑥2) − 𝐹(𝑥1), 𝑥1 < 𝑥 2

dimana :

X = N (𝜇, 𝜎) = fungsi normal dengan rata-rata 𝜇 ,

𝜎 = √𝜎 2 = simpangan baku

Distribusi Normal Baku (Standar)

Setiap kurva normal, bentuk dan sebaran distribusinya sangat tergantung pada nilai 𝜇 dan
𝜎. Perhatikan Peraga 2.7. luas daerah pada rentang x 1 dan x2 berada antara kurva I dan kurva II.
Hal ini membuktikan bahwa luas daerah di bawah kurva sangat dipengaruhi oleh nilai 𝜇 dan 𝜎.
Adalah satu halyang sia-sia untuk membuat tabel yang berbeda pada setiap kurva normal dengan
𝜇 dan 𝜎 berbeda. Oleh karena itu, dikembangkan suatu cara untuk mentransformasikan setiap
hasil pengamatan yang berasal dari sembarang variabel acak normal x menjadi variabel acak
normal z dengan 𝜇 = 0 dan 𝜎 = 1. Artinya, variabel acaknormal z ini merupakan bentuk baku dari
setiap variabel acak normal x sehingga penyelesaian setiap soal dengan µ dan ơ berbeda dapat
diselesaikan dengan satu tabel standar.5

5
Loc.cit.
Luas daerah untuk dua kurva normal
II

6
Untuk mengunbah distribusi normal menjadi distribusi normal baku adalah dengan cara
mengurangi nilai nilai variabel X dengan rata rata µ dan membaginya dengan standar deviasi
diperoleh variabel baru Z.
𝑋−μ
Z= ơ

Variabel normal baku Z mempunyai rata-rata µ=0 stadar deviasi ơ=1

𝑋−μ 1 μ−μ
E (Z) = E ( )= E (X-µ) = =0
ơ ơ ơ

𝑋−μ 2
Var (Z) = E(Z – E(Z)) = E( 𝑍)2 = E( ) =1
ơ

Populasi normal asal dan hasil transformasi

x1 x2

6
Ibid, hlm. 53.
Karena nilai nilai antara x1 dan x2 ditransformasikan ke z1 dan z2. Maka luas daerah antara x1
dan x2 sama denga luas daerah z1 dan z2, dengan kata lain :

P(x1 < x < x2) = P (z1 <z1 <z2)

Untuk keperluan perhitugan probabilitas, luas kurva normal disamakan dengan satuan (100%)

Kurva normal P (-∞≤ Z≤∞)

O Z=1,96

Luas kurva titik O = P (Z ≥ 0)

= p (Z ≤ 0)

= 0,5000

Jadi kurva berbentuk simetris. Dab luas kurva sebelah kanan titik O = 0,5000 (=50%)

Uuntuk mencari berapakah Luas A (lihat peraga di atas) , dapat digunakan tabel Distribusi
normal pada lampiran III, yaitu sebesar 0,4750.

Untuk mencari luas A dengan menggunakan tabel tersebut, dapat dilakukan cara berikut ini:

 Perhatikan harga tertinggi yang membatasi luas tersebut , dalam hal ini adalah 1,96, dan
uraiakan menjadi 1,90 + 0,06.
 Lihat kolom Z pada tabel dan cari di mana letak 1,90.
 Setelah anda menemukan letak 1,90 segeralah bergeser ke arah kanan dan perhatikan
perpotongannya dengan kolom 0,06 (perpotongan baris 1,9 dengan kolom 0,06)
 Pada perpotongan tersebut di dapatkan angka sebesar 0,4750 yang merupakan luas A atau
P(0≤ X≤1,96)

Seandainya tabel distribusi normal tidak tersedia , maka untuk mecri nilai luas A harus kita
hitung dengan Rumus 2.15 yang menggunakan integral terhadap fungsi normal dan tentu saja
tidak mudah. Tetapi dengan bantuan komputer hal ini bisa dilakukan.7

7
Ibid, hlm. 54.
PENYELESAIAN. Tabel Distribusi Normal dibuat berdasarkan variabel Z, yang juga sudah
dibakukan berdasarkan variabel X, untuk menggunakan Tabel Distribusi Normal, variabel X
harus diubah menjadi Z, dan harus dibakukan dahulu (standardized).8
𝜒−𝜇
Z ~ 𝑁 (0,1)
𝜎

a)

𝜎 = √4 = 2
11−12
Untuk 𝜒 = 11 → 𝑍 = 2
= −0,50

X
14−12
11 12 14 Untuk 𝜒 = 14 → Ζ = =1
2
Z * * * Ρ(11 ≤ 𝜒 ≤ 14 = Ρ(−0,5 ≤ Ζ ≤ 1)
-0,50 0 1
= Ρ(0 ≤ 𝑍 ≤ 0,5) + 𝑃(0 ≤ 𝑍 ≤ 1)
= 0,1915 + 0,3413

= 0,5328

b)
𝜎 = √9 = 3
−2−4
𝑋 = −2 → 𝑍 = = −2
3

5−4
𝑋 = 5 → 𝑍 = 3 = 0,33
𝑃(−2 ≤ 𝑋 ≤ 5 = 𝑃(−2 ≤ 𝑍 ≤ 𝑍0,33)
= 𝑃(0 ≤ 𝑍 ≤ 2) + 𝑃(0 ≤ 𝑍 ≤ 0,33)
x -2 4 5
= 0,4772 + 0,1293
Z * * * *
-2 0 0,33
= 0,6065

c)
𝜎 = √144 = 12
17,4−24
𝑋 = 17,4 → 𝑍 = = −0,55
12
58,8−24
𝑋 = 58,8 → 𝑍 = 12
= 2,90
𝑃(17,5 < 𝑋 < 58,8 = 𝑃(−0,55 < 𝑍 < 2,90)

= 𝑃(0 < 𝑍 < 0,55) + 𝑃(0 < 𝑍 < 2,90)

8
Ibid, hlm. 56.
 X 17,4 24 58,8 = 0,2088 + 0,4981 = 0,7069

Z -0,55 0 2,90

CONTOH 2.10 Satu mata uang logam Rp.50 dilemparkan ke atas sebanyak 4 kali, X menyatakan
banyaknya gambar burung (B) yang muncul.9

a. Hitunglah 𝑝(𝑥), 𝑥 = 0,1,2,3,4 dengan fungsi Binomial.

b. Buatlah histogram 𝑝(𝑥)!
c. Dengan menggunakan pendekatan fungsi normal, hitunglah 𝑝(𝑥)!.

PENYELESAIAN

a. 𝑋 = 0 → 𝑝(0) = 0,0625

𝑋 = 1 → 𝑝(1) = 0,2500

𝑋 = 2 → 𝑝(2) = 0,3750

𝑋 = 3 → 𝑝(3) = 0,2500

𝑋 = 4 → 𝑝(4) = 0,0625

b. Untuk membuat histogram, harus dibuat kelas-kelas baru yang memuat X=0,1,2,3,4 sebagai nilai
tengah dari masing-masing kelas. Kelas-kelas yang dimaksud ialah -0,5-0,5 sampai 3,5-4,5.

PERAGA 2.10 Histogram Distribusi Binomial

P(x)
0,4

0,3

0,2

0,1

* * * * * * * * * * x
- 0,5 0 0.5 1 1,5 2 2,5 3 3,5 4 4,5
1
𝜇 = 𝐸(𝑋) = 𝑛𝑝 = 4 × = 2
2
1 1
𝜎 = √𝑛𝑝𝑞 = √4 × 2
×2 =1

9
Ibid, hlm. 56-57.
 Apabila X merupakan variabel diskrit sekaligus normal kontinu, maka perlu diadakan koneksi
yaitu dengan menambah dan mengurangi nilainya dengan 0,5.kelas-kelas yang baru diperoleh
berdasarkan koneksi tersebut.

𝑥−𝜇
𝑍= = 𝑋 − 𝜇, 𝑘𝑎𝑟𝑒𝑛𝑎 𝜎 = 1
𝜎
𝑃(𝑋 = 0) = 𝑃(−0,5 ≤ 𝑋 ≤ 0,5)

−0,5 − 2 0,5 − 2
= 𝑃( ≤𝑍≤ )
1 1
= 𝑃(−2,5 ≤ 𝑍 ≤ −1,5)
= 𝑃(0 ≤ 𝑍 ≤ 2,5) − 𝑃(0 ≤ 𝑍 ≤ 1,5)
= 0,4938 − 0,4332
= 0,0606
𝑃(𝑋 = 2)𝑝(2) = 𝑃(1,5 ≤ 𝑋 ≤ 2,5
= 𝑃(−0,5 ≤ 𝑍 ≤ 0,5)
= 2𝑃(0 ≤ 𝑍 ≤ 0,5)
= 0,3830
𝑃(𝑋 = 3) = 𝑝(3) = 𝑃(2,5 ≤ 𝑋 ≤ 3,5)
= 𝑃(0,5 ≤ 𝑍 ≤ 1,5)
= 𝑃(0 ≤ 𝑍 ≤ 1,5) − 𝑃(0 ≤ 𝑍 ≤ 0,5)
= 0,4332 − 0,1915
= 0,2417

𝑃(𝑋 = 4) = 𝑝(4) = 𝑃(3,5 ≤ 𝑍 ≤ 4,5)

= 𝑃(1,5 ≤ 𝑍 ≤ 2,5)
= 𝑃(0 ≤ 𝑍 ≤ 2,5) − 𝑃(0 ≤ 𝑍 ≤ 1,5)
= 0,938 − 0,4332
= 0,0606
Misalnya,distribusi normal digunakan untuk memperkirakan besarnya probabilitas bahwa 𝑋 > 2. Dari
peraga 2.9, 𝑃(𝑋 > 2).berarti luas daerah kurva disebelah kanan titik (2.5) adalah:10

2,5−2
𝑍= 1
=0,5
Jadi, 𝑃(𝑋 > 2) = 𝑃(𝑍 > 0,5)
= 𝑃(𝑍 ≥ 0) − 𝑃(0 ≤ 𝑍 ≤ 0,5)
= 0,5000 − 0,1915
= 0,3125
Menurut distribusi Binomial:
𝑃(𝑋 > 2) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)
= 0,2500 + 0,0625
= 0,3125

10
Ibid, hlm. 57-58.
Dengan demikian,terdapat selisih sebesar 0,3125-0,3085=0,004(0,4%). Untuk n > 40 ,biasanya
pendekatan ini menajadi lebih baik.

CONTOH 2.11 Seorang pemilik pabrik ban angin mendapatkan perkiaraan mengenai rata-rata panjang
jalan yang dapat ditempuh(dalam 1000 km) oleh ban merek terbaru,sampai ban tersebut rusak.
Asumsinya, ban tersebut dipergunakan secara wajar dalam kondisi jalan yang relatif sama. Untuk
keperluan tersebut, telah dilakukan penelitian terhadap 400 ban merek baru yang telah dipakai sampai
rusak. Ada yang dapat menempuh jalan sepanjang 30.000 kilometer kemudian rusak, dan ada pula yang
menempuh legih jauh lagi.
Hasinya disajikan dalam tabel berikut.

TABEL 2.8 frekuensi relative (fr) dan frekuensi kumulatif (fk) dari umur Ban Merek Baru

Batas Kelas Nilai Tengah Banyaknya Ban Fr fk

(1000 km) (X) (f) FIn F(X)=P(X≤ 𝒙)

13 – 15 14 20 0,050 0,050
16 – 18 17 40 0,100 0,150
19 – 21 20 50 0,125 0,275
22 – 21 23 70 0,175 0,450
25 – 27 26 80 0,200 0,650
28 – 30 29 60 0,150 0,800
31 – 33 32 40 0,100 0,900
34 – 46 35 30 0,075 0,975
37 – 39 38 10 0,025 1,000

Jumlah 400 1,000

Dari data aslinya dapat dihitung rata-rata jalan yang ditempuh sampai ban rusak, yaitu 25.300 km, dan
simpangan bakunya berdasarkan perkiraan adalah 6.100 km. di dalam soal in, nilai perkiraan tersebut kita
anggap nilai sebenarnya, jadi 𝜇 = 25,3 𝑟𝑖𝑏𝑢 𝑘𝑖𝑙𝑜𝑚𝑒𝑡𝑒𝑟, 𝑑𝑎𝑛 𝜎 = 6,1 𝑟𝑖𝑏𝑢 𝑘𝑖𝑙𝑜𝑚𝑒𝑡𝑒𝑟.

Dengan mengunakan pendekatan distribusi normal, buatlah distribusi normal kumulatif (sebagai
pendekatan frekuensi kumulatif). Kemudian buatlah gambar kurva dari kedua distribusi kumulatif
tersebut.11

Penyelesaiian Agar dapat menggunakan tabel distribusi normal ,nilai variabel X harus dibakukan
menjaadi nilai Z (standardized normal)

Z = X – μ = X – 25,3
O 6,1

11
Ibid, hlm. 58-59.
Di mana X = nilai tengah = ½ (nilai batas bawah + nilai batas atas) dari kelas tertentu.Setelah
dilakukan perhitungan misalny:

Z1 = 14 – 25,3
6,1
= -11,3
6,1
= -1,85

F(-1,85)= P(Z ≤ 1,85)

= 1- P (Z ≤ 1,85)
= 1 – (0,5000 + p(0 ≤ 2 ≤ 1,85)
= 1 – (0,5000 + 0,4678)
= 0,0322

Z5 = 26 – 25,3
6,1
= 0,7
6,1
= 0,11

F(0,11) = P(Z ≤ 0,11)

= 0,5000 + P(0 ≤ Z ≤ 0,11)
= 0,5000 + 0,0438
= 0,5438

Z9 = 38 – 25,3
6,1
= 12,7
6,1
= 2,08

F(2,08) = P(Z ≤ Z2,08)

= 0,5000 + P(0 ≤ Z ≤ 2,08)
= 0,5000 + 0,4812
=0,9812 ,dan seterusnya
Akan kita peroleh tabel dan grafik atau kurva seperti tampak pada tabel 2,9 dan Page 2.11 di
halaman berikut.12

12
Loc.cit.
TABEL 2.9 Distribusi Normal Komulatif dan Frekuensi Komulatif

X Z Distribusi Normal Frekuensi Komulatif

Komulatif (fx)
F(X) (Observasi)

14 -1,85 0,0322 0,050

17 -1,36 0,8690 0,150
20 -0,87 0,1922 0,275
23 -0,38 0,3520 0,450
26 0,11 0,5438 0,650
29 0,61 0,7291 0,800
32 1,10 0,8665 0,900
35 1,59 0,9441 0,975
38 2,08 0,9812 1,000

Cara lain adalah dengan menggunakan uji kompeten penerapan suatu fungsi .Ingat bahwa dalam
menggunakan pendekatan normal ,pada variabel asli yang diskrit harus dilakukan koreksi dengan
jalan menambah atau mengurangi dengan 0,5 untuk tiap nilai X, sehingga bentuk variabel
normal baku Z adalah sebagai berikut.13

Z = ( X – 0,5 ) – μ
O

Catatan : Penetapan variabel asli diskrit dengan pendekatan normal lebih baik kalau dimulai
12,5 (= 13 – 0,5 ) dan berakhir dengan 39,5 (= 39 + 0,5 )

Tabel 2.10 Tabel Frekuensi

X F
150-158 9
159-167 24
168-176 51
177-185 66
186-194 72
195-203 48
204-212 21
213-221 6
222-230 3
Jumlah 300

13
Ibid, hlm. 60-61.
Dari data asli telah dihitung E(X) = μ = 184,3 ; dan o = 14,54.

PENYELESAIAN Harus dibuat batas kelas baru dengan menambah dan menguranginya dangen
0,5. Jadi kelas pertama (150 – 158 ) menjadi ( 149,5 – 158,5 )dan kelas terakhir (222 – 230)
menjadi (221,5 – 230,5).Kemudian kita hitung frekuensi kurfa normal untuk setiap kelas.

Z1 = 149,5 – 184,3 = -34,8 = 2,39339 = -2,39

14,54 14,54
P(-2,39 ≤ Z ≤ 0) = P(0 ≤ Z ≤ 2,39) = 0,4916
Z2 = 158,5 – 184,3 = -25,8 = 1,7744 = -1,77
14,54 14,54
P(-1,77 ≤ Z ≤ 0) = P(0 ≤ Z ≤ 1,77) = 0,4616
Z7 = 203,5 – 184,3 = -19,2 = 1,32049 = -1,32
14,54 14,54
P(0 ≤ Z ≤ 1,32) = 0,4066

212,5 − 184,3 28,2

Z₈ = = = 1,93847 = 1,94
14,54 14,54

P(0 ≤ 𝑍 ≤ 1,94)= 0,4738

221,5 − 184,3 37,8
Z₉ = = 14,54 = 2,55845 = 2,56
14,54

P(0 ≤ 𝑍 ≤ 1,94)= 0,4948 dan seterusnya.

Sekarang perhatikan kelas ke-7 dari Tabel 2.10 denganbtas kelas 204 – 121. Selesai
14

dilakukan koreksi dengan mengurangi 0,5 terhadap 201 dan menambah 0,5 terhadap 212 kita
peroleh btas kelas baru (204 – 0,5) – (212 + 0,5) = 203,3 – 212,5.

14
Ibid, hlm. 61-62.
 Kemudian melalui pembakuan, kita peroleh Z₇ = 1,32 dan Z₈= 1,94.

Luas daerah kurva normal antara 0 – 0,132 adalah 0,4066 dan antara 0 – 1,94 adalah
0,4738 (dari Tabel Distribusi Normal). Dengan demikian, luas daerah kurva normal antara 203,5
– 212,5 = 0,4738 – 0,4066 = 0,0672.

Juga, apabila kita lihat batas kelas pertama (150 – 158), maka setelah dilakukan koreksi
menjadi (149,5 - 158,5). Luas daerah kurva normal antara (149,5 - 158,5) = 0,4616 – (0,4916) =
0,4916 – 0,4616 = 0,0300. (Ingat tanda Z. Jika –Z, daerahnya diberi tanda -). Hasil perhitungan
di atas kita susun dalam tabel berikut.15

15
Loc.cit.
 TABEL 2.11 Frekuensi Kurva Normal
16

𝜇 = 184,3

𝜎 = 14,54

Distribus
Batas Nilai Batas 𝑓 𝑓𝑟 𝑓𝑘 Z 𝑃(0 𝑓𝑟 i Frekuensi
Kleas Tenga Bawah/Ata = 𝑓𝑙𝑛 <𝑍 Norm Kumulati Normal
h s <𝑙𝑧𝑙 al f Normal

149,5 -2,39 0,4916

150 – 154 9 0,0300 0,03 0,038 0,0384 11,52(=1
158 158,5 00 -1,77 0,4616 4 2*)
163 24 0,0800 0,1230
159 - 167,5 0,11 -1,16 0,3770 0,084 25,38(=2
167 172 51 0,1700 00 6 0,2946 5*)
176,5 -0,54 0,2054
168 - 181 66 0,2200 0,28 0,171 0,5325 51,48(=5
176 185,5 00 0,08 0,0319 6 1*)
190 72 0,2400 0,7586
177 - 194,5 0,50 0,70 0,2580 0,237 71,19(=7
185 199 48 0,1600 00 3 0,9072 1*)
203,5 1,32 0,4066
186 - 208 21 0,700 0,74 0,226 0,9744 67,83(=6
194 212,5 00 1,94 0,4738 1 8*)
217 6 0,0200 0,9954
195 - 221,5 0,90 2,56 0,4948 0,148 44,58(=4
203 226 3 0,0100 00 6 1,0000 5*)
230,5 3,18 0,4993
204 - - - - - 0,97 - - 0,067 20,16(=2
212 00 2 0*)

213 - 0,99 0,021 6,3(=

221 00 0 6*)

222 – 1,00 0,004 1,35(=

230 0 5 2*)

- - 1,000 300*
0*
Dibulatk
an

16
Ibid, hlm. 63.
Keterangan Tabel Frekuensi Kurva Normal.

Kolom (1): Batas kelas yang asli.

Kolom (2): Nilai Tengah

Kolom (3): Batas kelas baru, darikolom (1) yang telah dilakukan koreksi untuk mengubah
variabel, diskrit menjadi kontinu yaitu dengan menambah atau mengurangi setiap
nilai batas kelas dengan 0,5. Misalnya,

150 – 0,5 = 149,5 158 + 0,5 = 158,5

Angka 158,5 bisa diperoleh dari 158 + 0,5 (batas atas kelas pertama) atau 159 –
0,5 (batas bawah kelas kedua). Begitu juga untuk kelas-kelas lainnya.

Kolom (4): Frekuensi asli (= 𝑓)

Kolom (5): Frekuensi Relatif (= 𝑓𝑟 = 𝑓/𝑛 )

Kolom (6): Frekuensi kumulatif(= 𝑓𝑘)

Kolom (7): Varaiabel dari kolom (2) dibakukan (standardized) dengan rumus:
𝑋−𝜇
Z= 𝜎

203,5−184,3
Z₇ = = 1,32 dan seterusnya.
14,54

Kolom (8): Luas daerah dari kurva variabel Z = N(0,1), dari 0 sampai dengan Z.17

17
Ibid, hlm. 64.
 𝑃(0 ≤ 𝑍 ≤ 𝑍1 ) = 𝑃(−𝑍 ≤ 𝑍 ≤ 0) karena simetris (diperoleh dari Tabel
Distribusi Normal).

Kolom(9): Luas daerah kurva dalam setiap kelas, nilainya sama dengan selisih antara nilai Zі
dengan nilai Z(і-₁) .
Misalnya, untuk kelas 150 – 158 → 149,5 – 158,5 maka luas daerah kurvanya adalah
= -Z₁ - (Z₂) = Z₂ - Z₁ = 0,4916 – 0,4616 = 0,0300.
Sedangkan, untuk kelas 186 -194 → 185,5 – 194,5 maka luas daerah kurvanya adalah
= Z₆ - Z₅ = 0,2580 – 0,0319 = 0,2261 dan seterusnya.

Kolom(10): Distribusi kumulatif normal.

Kolom(11): Frekuensi normal.

18

18
Loc.cit.