STATISTIKA DAN

PROBABILITAS
DISTRIBUSI NORMAL
 Distribusi Normal
Distribusi normal memegang peranan penting dalam
statistika khususnya dalam berbagai analisis untuk menarik
suatu kesimpulan berdasarkan sampel yang diambil.
Konsep distribusi normal sangat penting untuk dipahami
karena konsep ini mendasari asumsi pada distribusi
sampling, pendugaan statistika maupun pengujian
hipotesa.
 Ciri-ciri
1. Kurvanya mempunyai puncak tunggal
2. Kurvanya berbentuk seperti lonceng
3. Nilai rata-rata distribusi normal terletak ditengah kurva normal.
4. Semakin besar nilai  , maka kurva akan semakin landai, dan semakin kecil nilai  maka
kurva akan semakin melancip
5. Disebabkan distribusi normal mempunyai bentuk simetris maka media dan modus juga
berada ditengah-tengah kurva normal, sehingga nilai rata-rata median dan modus adalah
sama.
6. Dua sisi kurva normal memanjang tak terbatas dan tak pernah menyentuh garis horisontal.
 Ciri-ciri
1. Kurva berbentuk genta (= Md= Mo)
2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X= 
5. Luas daerah di bawah kurva adalah 1; ½
di sisi kanan nilai tengah dan ½ di sisi 

kiri.
 Jenis Kurva Distribusi Normal
10
9
8
7
6
5
4
3
2
1
0
m

Mesokurtic Platykurtic Leptokurtic

SEMAKIN BESAR NILAI  , MAKA KURVA AKAN SEMAKIN
LANDAI,
DAN SEMAKIN KECIL NILAI  MAKA KURVA AKAN
SEMAKIN MELANCIP
Proses Perhitungan Distribusi Normal
• Transformasi nilai x menjadi nilai z-score
• Z=X-/
• Gambar distribusi normal
• Tentukan nilai Z berada
• Cari nilai p dari tabel distribusi Normal
• Pahami konteks pertanyaan dalam soal.
 Definisi
Bila X suatu pengubah acak normal dengan nilai tengah , dan standar
deviasi , maka persamaan kurva normalnya adalah:

1
1  ( x   ) 2

n( x;  ,  )  2 2
e
2 
 n(x)

0.3

0.25

0.2
σ
0.15

0.1

0.05

0
-6 -4 -2 0 2 4 6
μx
Contoh variabel random yg memiliki distribusi normal misalnya:
 distribusi error dalam pengukuran
 pengukuran dalam meteorologi
 pengukuran curah hujan
 sebagai pendekatan bagi distribusi binomial dan distribusi
hipergeometrik, dan lainnya
 Sifat Distribusi Normal
Mean µ

Varians

Deviasi Standar

Koefisien momen kemiringan

Koefisien momen kurtois

Deviasi mean
 Sifat Distribusi Normal
1. Rata-ratanya (mean) μ dan standard deviasinya = σ
2. Mode (maximum) terjadi di x=μ
3. Bentuknya simetrik thd x=μ
4. Titik belok tepat di x=μ±σ
5. Kurva mendekati nol secara asimptotis semakin x jauh dari x=μ
6. Total luasnya = 1
 Bentuk distribusi normal ditentukan oleh μ dan σ.

2 2
1 1
2 1

μ1 = μ2 σ 1 > σ 2 μ1 < μ2 σ 1 < σ 2 μ1 < μ2 σ 1 = σ 2

 Luas di Bawah Kurva dan Probabilitas
P(x1<x<x2) = probabilitas variabel random x memiliki nilai antara x1
dan x2
P(x1<x<x2) = luas di bawah kurva normal antara x=x1 dan x=x2

x1 μ x2
 Luas di Bawah Kurva dan Probabilitas
• Oleh karena perhitungan integral normal tsb sulit, maka
disusunlah tabel nilai rapat probabilitas. Akan tetapi karena nilai
rapat probabilitasnya tergantung pada μ dan σ maka sangatlah
tidak mungkin mentabelkan untuk semua nilai μ dan σ
 Luas di Bawah Kurva dan Probabilitas
Distribusi normal standard adalah distribusi normal dengan mean
μ=0 dan standard deviasi σ=1.

x
Transformasi z memetakan distribusi normal

menjadi distribusi normal standard, sebab distribusi normal
dengan variabel z ini memiliki mean =0 dan standard deviasi = 1.
 Luas di Bawah Kurva dan Probabilitas
Transformasi ini juga mempertahankan luas dibawah kurvanya,
artinya:
Luas dibawah kurva Luas dibawah kurva
distribusi normal = distribusi normal
antara x1 dan x2 standard antara z1 dan
z2

Dengan z1 = (x1-μ)/σ dan z2 = (x2-μ)/σ.

Sehingga cukup dibuat tabel distribusi normal standard
kumulatif saja!
Tabel Distribusi Normal
 Hubungan antara Distribusi Binomial dan
Distribusi Normal
• Jika N cukup besar dan jika tak satu pun dari p atau q sangat dekat dengan nol maka
distribusi binomial dapat didekati atau diaproksimasi oleh sebuah distribusi normal
dengan variabel terstandarisasi yang dirumiskan sebagai:
x  Np
z
Npq
• Pendekatan ini akan semakin baik seiring dengan semakin bertambah besarnya N.
Dalam praktiknya, pendekatannya akan sangat bagus jika Np dan Nq kedua-duanya
lebih besar daripada 5.
Distribusi Normal
Distribusi Normal
Distribusi Normal
Distribusi Normal
Contoh Tabel Frekuensi
Histogram Frekuensi
Histogram Frekuensi
Pengamatan vs Teoretik
Pengamatan vs Teoretik
Pengamatan vs Teoretik
Pengamatan vs Teoretik
Frekuensi Teoretik
Kurva Pengamatan vs Kurva PDF Teoretis
Frekuensi Kumulatif Pengamatan vs Teoretis
Kurva Pengamatan vs Kurva CDF Teoretis
Kurva Pengamatan vs Kurva CDF Teoretis
Ketentuan :
• Jika data berdistribusi normal, coba hitung probabilitas debit dengan interval
100 m3/s