1.

Distribusi Normal
Distribusi normal memegang peranan penting dalam statistika khususnya dalam berbagai
analisis untuk menarik suatu kesimpulan berdasarkan sampel yang diambil.

Distribusi normal adalah distribusi variabel kontinue yang memiliki ciri-ciri sebagai berikut :

1. Kurvanya mempunyai puncak tunggal

2. Kurvanya berbentuk seperti lonceng

3. Nilai rata-rata distribusi normal terletak ditengah kurva normal.

4. 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.

5. Dua sisi kurva normal memanjang tak terbatas dan tak pernah menyentuh garis horisontal.

Memiliki fungsi frekuensi :

1
1  (  x2 )( x   x ) 2
f ( x)  .e 2
Dari fungsi dasar distribusi normal diatas dapat diambil
 x 2
kesimpulan bahwa bentuk suatu distribusi normal tergantung pada 2 parameter, yaitu rata-rata
() dan standar deviasi (). Dimana : π = nilai konstan, yaitu3,1416 c= nilai konstan,
yaitu2,7183μ= parameter yang merupakan rata-rata distribusiσ= parameter yang merupakan
simpangan baku distribusi

Bentuk kurva distribusi normal :

f (x)

x x

Penggunaan Tabel Distribusi Normal Standar

Tabel distribusi normal standar atau tabel distribusi Z berguna untuk menghitung luas
daerah dibawah kurva distribusi normal standar.

f (z)
 a b z

Seandainya kita ingin menghitung luas daerah dibawah kurva distribusi normal standar
b
yang dibatasi oleh a dan b, maka kita harus menghitung  f ( z).d
a
z .

Perhitungan integral seperti itu membutuhkan waktu yang relatif lama, sehingga dibuat
bantuan tabel untuk menghitung luas daerah dibawah kurva normal standar yang dibatasi oleh
nilai-nilai tertentu. Perlu diingat bahwa tabel distribusi Z khusus memberikan hasil
perhitungan luas daerah dibawah kurva distribusi Z yang memiliki rata-rata = 0 dan deviasi
standar = 1

Tabel kurva normal standar adalah menggambarkan luas wilayah dibawah kurva normal
antara garis tegak lurus diatas rata-rata dengan setiap titik disebelah kanan rata-rata.

Luas wilayah tersebut menunjukkan probabilitas dari suatu interval, sehingga luas
seluruh wilayah dibawah kurva dan diatas sumbu horisontal = 1, karena kurva simetris,
maka luas wilayah disebelah kanan garis tegak lurus diatas rata-rata sama dengan 0,5 dan
sebelah kiri juga sama dengan 0,5.

2. Ekspektasi (Nilai Harapan)

Notasi: E(X) = nilai harapan (harapan matematik). Untuk suatu peubah acak diskrit X yang
memiliki nilai-nilai yang mungkin x1, x2, ..., xn, nilai harapan dari X didefinisikan sebagai:
 Nilai harapan dari X seringkali disebutrataan dan dilambangkan dengan ux, atau μ jika peubah
acaknya sudah jelas diketahui.
Definisi 1. Misalkan X adalah peubah acak dengan distribusi peluang f(x). Nilai harapan atau
rataan X adalah:

3. Teorema Chebysev
ketaksamaan/ketidaksamaan Chebyshev menjamin bahwa pada setiap data sampel atau distribusi
peluang, hampir semua nilai-nilainya mendekati rata-rata. Tepatnya, bahwa tidak lebih 1/k2 dari nilai
distribusi melebihi k standar deviasinya. Teorema ketidaksamaan Chebyshev dapat digunakan untuk
mengetahui rentang peluang untuk distribusi yang tidak diketahui berdasarkan rata-rata dan
variansnya.
Teorema Ketidaksamaan Chebyshev
Misalkan X adalah variabel acak dengan rata-rata (μ) dan varians (σ2), untuk setiap nilai k > 0, maka,

4. Estimasi Titik Dan Estimasi Selang

Ada dua jenis estimasi terhadap parameter populasi:

1. Estimasi titik (point estimation) yaitu nilai tunggal statistik sampel yang digunakan untuk
mengestimasi parameter populasi.

2. Estimasi interval (interval estimation) yaitu nilai interval dari statistik sampel yang berisi
kemungkinan terjadinya parameter populasi.

Berikut beberapa terminologi yang perlu diperhatikan ketika akan melakukan estimasi
interval parameter populasi:
1. Estimasi titik

2. Jumlah kemungkinan kesalahan di dalam estimasi titik atau interval kemungkinan

3. Pernyataan tentang derajat keyakinan yang mana interval berisi nilai parameter populasi

Estimasi titik adalah nilai tertentu yang digunakan untuk mengestimasi nilai populasi ada
tiga kriteria ketepatan estimasi titik sehingga bisa digunakan untuk membuat keputusan
tentang parameter populasi yaitu:

1. Tidak bias, tidak bias maksudnya disini adalah nilai statistik sampel tidak akan persis sama
dengan nilai parameter populasi. Nilainya kemungkinan akan di bawah atau di atas karena
kesalahan sampling. Oleh karena itu Keinginan kita adalah bahwa nilai harapan (expected
value) atau nilai rata-rata semua nilai statistik sampel yang diestimasi secara random dari
semua kemungkinan sampel yang ada sama dengan parameter populasi. Jika hal ini benar
maka dikatakan bahwa statistik sampel adalah estimator yang tidak bias dari parameter
populasi.

2. Konsisten, yaitu sebuah titik estimasi dikatakan konsisten bila nilai statistik sampel
cenderung sama dengan parameter populasi tidak bias ketika jumlah sampel terus bertambah.

3. Efisiensi di mana suatu estimator yang tidak biasa mempunyai ciri yang efisien bila
mempunyai deviasi standar atau standard error yang lebih kecil di dalam populasi yang sama.

Ketepatan estimasi sample bisa diukur dengan menggunakan estimasi interval. Estimasi
interval adalah sebuah interval keyakinan (confidence interval) berisi pernyataan keyakinan
bahwa interval tersebut berisi nilai parameter. Besarnya estimasi interval ini dipengaruhi oleh
3 faktor:
1. Besarnya sampel (n)
2. Tingkat keyakinan atau kepercayaan yang dipilih (level of confidence)
3. Variabilitas dari populasi yang diukur dengan standar deviasi.

Dari ketiga faktor tersebut kita bisa menentukan jenis distribusi mana yang digunakan di
dalam menghitung estimasi interval. Jika populasi berdistribusi normal, maka pertanyaan
berikutnya Apakah standar deviasi dari populasi diketahui atau tidak. Jika diketahui maka
kita menggunakan uji distribusi Z. Namun jika tidak diketahui maka kita menggunakan uji
distribusi t. Bila populasi tidak mempunyai distribusi normal tetapi sampel datanya besar
yaitu paling tidak 30 atau lebih maka digunakan uji distribusi Z. Sedangkan jika sampelnya
kurang dari 30 maka digunakan uji non parametrik.

1.Interval rata-rata dan standar deviasi diketahui

2. Interval rata-rata dan standar deviasi tidak diketahui dengan sampel besar

3. Interval rata-rata dan standar deviasi tidak diketahui pada sampel kecil
Teknik Sampling

Rangkuman Tugas Teknik Sampling

Dosen Pengampu : Susiana, S.Si., M.Si.

OLEH :
Nama : Friska Maduma Tondang
Fanny Angelina Simamora
Gunandri Panggabean
Larry Samosir
Kelas : Matematika Nondik A 2017
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
2019