MAKALAH STATISTIK 1

Nama Dosen : Nanda Aula Rumana

Sesi : 12

Disusun oleh :

KELOMPOK 04

Adam Maulana I ( 2014-66-085 )

Arif Maududi A ( 2014-66-110 )
Hariyanto ( 2014-66-060 )
Meiliantha ( 2015-66-025 )
Risky Asdamayanti ( 2014-66-102 )
Selvy Royna Ginting ( 2014-66-021 )
Siti Halimah ( 2014-66-107 )
Silvester Sule ( 2014-66-039 )
Tito Wicaksono ( 2014-66-137 )

UNIVERSITAS ESA UNGGUL

JAKARTA
2016
 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 variabel yang diukur 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 variable acak normal. Persamaan matematika bagi
distribusi probabilitas acak normal tergantung pada dua parameter, yaitu µ dan ơ atau nilai
tengah dan simpangan bakunya. Fungsi kepadatan probabilitas normal dapat dituliskan sebagai
berikut.
1
f ( x ) = ơ√2µe 12(𝑥−𝜎 µ )2, untuk -◦◦ ≤ x ≤ ◦◦,

dimana : 𝜋 = 3,14159

σ = simpanganbaku =√𝜎 2
µ = rata-rata X
e = 2,71828
Bila nilai-nilai µ dan σ diketahui, maka kita dapat menggambarkan kurva normal itu dengan
pasti. Bagaimana pun bentuk dan ketinggian dari kurva normal sangat tergantung pada dua
variable ini. Dalam peraga 2.2 diberikan 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 denganµ1 = µ2 tetapi𝜎1 = 𝜎2

𝜎1 𝜎2

µ1 µ2
1

1
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 48-49.
Dalam peraga 2.2 diberikan sketsa duakurva normal dengan nilai tengahnya yang sama, tetapi
simpangan bakunya berbeda. Perhatikan bahwa kedua kurva itu berpusat diposisi yang sama,
tetapi kurva dengan simpangan baku yang lebih besar berbentuk lebih rendah dan lebih
menyebar kesamping.

Peraga 2.3 duakurva normal denganµ1 = µ2 tetapi𝜎1 ≠ 𝜎2

𝜎1

𝜎2

µ1 = µ2

Peraga 2.4 duakurva normal denganµ1 = µ2 tetapi 𝜎1 ≠ 𝜎2

µ1 ˂µ2 , 𝜎1 ˂𝜎2

𝜎1 𝜎2

µ1 µ2

Sementara dalam peraga 2.4 menunjukkan 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.

Kurva normal mempunyai bentuk yang simetris terhadap rata-rata µ Bentuk kurva normal
sangat dipengaruhi oleh besar/kecilnya rata-rata µ dan simpangan baku 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.2

2
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 49-50.
Beberapakarakteristikdistribusi normal adalahsebagaiberikut :
1. Distribusi normal memilikidua parameter yaitu µ dan σ yang masing-
masingmenentukanlokasidanbentukdistribusi.
2. Titiktertinggikurva normal beradapada rata-rata
3. Distribusi normal adalahdistribusi yang simestris
4. Simpanganbaku( standardeviasi ) σ, menentukanlebarnyakurva. Makin kecil σ
bentukkurvamakinruncing. Duadistribusi normal dengan rata-rata µ
samatetapidengansimpanganbakuberbedatelahditunjukkanpadaperaga 2.3 diatas.
5. Total luasdaerahdibawahkurva normal adalah 1. ( hal in
berlakuuntukseluruhdistribusiprobabilitaskontinu )
6. Jikajarakdarimasing-masingnilai X terhadap rata-rata µ dikurdengansimpanganbaku σ,
makakira-kira 68% berjarak 1σ, 95% berjarak 2σ dan 99% berjarak 3σ,
atauditulissebagaiberikut :
Frekuensi relatif dan frekuensi komulatif dari tinggi 100 orang atlet
Tinggi atlet dalam Banyak atlet Frekuensi reatif Frekuensi komulatif
cm
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 0,9
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

Kurfa fungsi normal teoritis sangan sempurna bentuknya dan sering di sebut ” ideal curve “.
Akan tetapi dalam prakteknya ,hanya mendekati saja . perhatikan bentuk kurva empiris dari
tinggi mahasiswa tersebut , dimana bentuknya mendekati / menyerupai kurva normal.

Keterangan tabel frekuensi kurva normal

Kolom (1): batas kelas yang asli
Kolom (2): nilai engah
Kolom (3): batas atas baru dari Kolom (1) yg telah dilakukan koreksi untuk mengubah variabel
distrit menjadi kontinu dengan menambah atau mengurangi setiap nilai batas
kelas dengan 0,5. Milasnya..
150 – 0,5 = 149,5 158-0,5 = 158,5
Angka 158,5 bisa diproleh dari 158,5+ 0,5 .
Kolom (4): frekuensi asli (=f).
Kolom (5): frekuensi relatif (=fr =f/n)
Kolom (6): frekuensi komulatif (=fk)
Kolom (7): variabel dari kolom 2 dibak ukan dengan rumus3

3
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 50.
 Z=

Z7 = = 1,32 dan seterusnya.

Kolom (8): luas daerah dar kurva variabel z= N(0,1) dari 0 sampai Z.
Kolom (9): luas daerah dari setiap kelas , nilainya sama dengan selisih antara zi dengan z(i-1) .
Kolom (10): distribusi komulatif normal
Kolom (11): frekuensi normal.

PERAGA 2.6 Kurva Empiris dari Tinggi 100 Atlet

Frekuensi Relatif
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
152 154 156 158 160 162 164 166 168

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 titik tengah
dari puncak setiap histogram disebut polygon frecuency.
Perhatikan peraga diatas, kurva polygon mendekati bentuk kurva normal.
Perlu diketahui disini bahwa rata-ratadan varians distribusi normal adalah sebagai
berikut.
1 𝑥−𝜋 2
∞ 1
𝐸(𝑋) = ∫−∞𝑥 𝜎 2𝜋 ℯ −2 ( 𝜎
)
𝑑𝑥 = 𝜇 (2.12)
√

∞ (𝑥− 𝜇)2 −1 (𝑥−𝜋)2

𝑉𝑎𝑟(𝑋) = 𝐸{𝑋 − 𝜇}2 = ∫−∞ 𝜎√2𝜋
ℯ 2 𝜎 𝑑𝑥 = 𝜎 2 (2.13)

Fungsi distribusi atau distribusi kumulatif dari fungsi normal adalah sebagai berikut.4

4
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 52.
 1 𝑥−𝜋 2
1 𝑥 − ( )
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = 𝜎 √2𝜋
∫−∞
ℯ 2 𝜎 𝑑𝑥 (2.14)

𝑃(𝑥1 ≤ 𝑋 ≤ 𝑥2 ) = 𝐹(𝑥2 ) − 𝐹(𝑥1 ), 𝑥1 < 𝑥2 (2.15)

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

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 𝑥1 dan 𝑥2 berbeda antara kurva I dan kurva II.
Hal ini membuktikan bahwa luas daerah di bawah kurva sangat dipengaruhi oleh nilai 𝜇 dan 𝜎.
Adalah satu hal yang sia-sia untuk membuat table yang berbeda pada setiap kurva normal
dengan𝜇 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 dengan𝜇 = 0 dan 𝜎 = 1. Artinya, variabel acak normal z ini merupakan bentuk
baku dari setiap variabel acak normal x sehingga penyelesaian setiap persoalan dengan𝜇 dan 𝜎
berbeda dapat diselesaikan satu tabel standar.5
PERAGA 2.7 Luas Daerah untuk Dua Kurva Normal
3.5
3
2.5
2
1.5
1
0.5
0
0 0.5 1 1.5 2 2.5 3

Untuk mengubah distribusi normal menjadi distribusi normal baku (standar) adalah
dengan cara mengurangi nilai-nilai variabel X dengan rata-rata 𝜇 dan membaginya dengan
standar deviasi 𝜎 sehingga diperoleh variabel baru Z.
𝑋− 𝜇
𝑍= (2.16)
𝜎

5
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 53.
Variabel normal baku Z mempunyai rata-rata 𝜇 = 0 dan standar deviasi 𝜎 = 1.
𝑋− 𝜇 1 𝜇−𝜇
𝐸(𝑍) = 𝐸 ( ) = 𝜎 𝐸(𝑋 − 𝜇) = =0 (2.17)
𝜎 𝜎

𝑋− 𝜇 2 𝜎2
𝑉𝑎𝑟(𝑍) = 𝐸{𝑍 − 𝐸(𝑍)}2 = 𝐸(𝑍 2 ) = 𝐸 ( ) = 𝜎2 = 1 (2.18)
𝜎

Bila x berada diantara 𝑥 = 𝑥1 dan 𝑥 = 𝑥2 , maka variabel acak z akan berada diantara
nilai-nilai x tersebut.6
𝑥1 −𝜇 𝑥2 −𝜇
𝑧1 = dan 𝑧2 =
𝜎 𝜎

PERAGA 2.8 Populasi Normal Asal dan Hasil Transformasi

Karena nilai-nilai antara 𝑥1 dan 𝑥2 ditransformasikan ke 𝑧1 dan 𝑧2 , maka luas daerah

antara 𝑥1 dan 𝑥2 sama dengan luas daerah 𝑧1 dan 𝑧2 . Dengan kata lain,

𝑃(𝑥1 < 𝑥 < 𝑥2 ) = 𝑃(𝑧1 < 𝑧 < 𝑧2 )

Untuk keperluan perhitungan probabilitas, luas kurva normal disamakan dengan 1 satuan
(100%).

PERAGA 2.9 Kurva Normal 𝑃(−∞ ≤ Ζ ≤ ∞

Luas kurva sebelah kiri titik O = 𝑃(Ζ ≥ 0)

= 𝑃(Ζ ≤ 0)

= 0,5000
𝑃(𝑍0 ≤ Ζ ≤ 0) = 𝑃(0 ≤ Ζ ≤ 𝑍0 )

Untuk mencari berapakah luas A (lihat peraga diatas) atau 𝑃(0 ≤ X ≤ 1,96) dapat digunakan
table Distribusi Normal pada Lampiran III, yaitu sebesar 0,4750.

6
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 53-54.
Untuk mencari luas A dengan menggunakan table tersebut, dapat dilakukan cara berikut ini7:
 perhatikan harga tertinggi yang membatasi luas tersebut, dalam hal ini adalah 1,96, dan
uraikan menjadi 1,90 + 0,06
 lihat kolom Z pada table dan cari dimana 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 didapatkan angka sebesar 0,4750 yang merupakan luas A atau
𝑃(0 ≤ X ≤ 1,96).

Seandainya tabel Distribusi Normal tidak tersedia, maka untuk mencari luas A atau 𝑃(0 ≤ X ≤
1,96) 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 (lihat
APLIKASI KOMPUTER di akhir bab ini).

c) Perpotonganantarabaris 0,8dengankolom 0,06 = 0,3051.

Jadi, P(Z ≥ - 0,86) = P(0 ≤ Z ≤ 0,86) – P(Z ≥ 0)
= 0,3051 + 0,5000
= 0,8051
d) Perpotonganantarabaris 0,4dengankolom 0,03 – 0,1664.
Perpotonganantarabaris 1,1dengankolom 0,02 – 0,3686
P(0,43 ≤ Z ≤ 1,12 ) = P(0 ≤ Z ≤ 1,12) – P(0 ≤ Z ≤0,43)
= 0,3686 – 0,1664
= 0,2022
e) Perpotonganantarabaris 0,7 dengankolom 0,07 = 0,2794
P(Z ≤ 0,77) = P(Z ≤ 0) + P(0 ≤ Z ≤ 0,77)
= 0,5000 + 0,2794
= 0,7794
f) Perpotonganantarabaris 1,5 dengankolom 0,00 = 0,4332
P(-1,5 ≤ Z ≤ 0) = P(0 ≤ Z ≤ 1,5)
= 0,4332

7
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 54.
 g) Perpotonganantarabaris 0,5 dengankolom 0,00 = 0,1915
Perpotonganantarabaris 0,7dengankolom 0,05 = 0,2734
P(-0,5 ≤ Z ≤ 0,75) = P(0 ≤ Z ≤ 0,5) + P(0 ≤ Z ≤ 0,75)
= 0,1915 + 0, 2734
= 0,4649
Perhatikan ,untuk variable kontinu, termasuk normal, berlaku :
P(X = x ) = 0
P(a ≤ X ≤ b) = P(a < X < b) = F(b) – F(a)
F(X) = P(X ≤ x ) = P(X <x )

Contoh 2.9
a. X ~ N (µ, 𝜎 2 ) = N(12, 4), diketahui𝜎 = √𝜎 2
CarilahP(11 ≤ X ≤ 14).
b. X ~ N(4, 9)
CarilahP(-2 ≤ X ≤ 5).
c. X ~ N(24,144)
Carilah P ( 17,4 ≤ X ≤ 58,8).

PENYELESAIAN
TabelDistribusi Normal dibuatberdasarkan variable Z, yang
jugasudahdibakukanberdasarkan variable X. UntukmenggunakanTabelDistribusi Normal,
variable X harusdiubahmenjai Z, danharusdibakukandahulu (standardized)8

𝑋− 𝜇
𝑍 = – N(0,1)
𝜎
a. 𝜎 = √4 = 2
11−12
UntukX = 11 Z= = −0,50
2
14−12
UntukX = 14 Z= 2
=1
P(11 ≤ X ≤ 14) = P(-0,5 ≤ Z ≤ 1)
= P(0 ≤ Z ≤ 0,5) + P(0 ≤ Z ≤ 1)
= 0,1915 + 0,3413
= 0,5328

8
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 55-56.
 b. 𝜎 = √9 = 3
−2−4
X =-2 Z= = -2
3
5−4
X=5 Z= = 0,33
3
P(-2 ≤ X ≤ 5) = P(-2 ≤ Z ≤ 0,33)
= P(0 ≤ Z ≤ 2) + P(0 ≤ Z ≤ 0,33)
= 0,4772 + 0,1293
= 0,6065

c. 𝜎 = √144 = 12
17,4−24
UntukX = 17,4 Z= = −0,55
12
58,8−24
UntukX = 58,8 Z= = 2,90
12
P(17,5 ≤ X ≤ 58,8) = P(-0,55 ≤ Z ≤ 2,90)
= P(0 ≤ Z ≤ 0,55) + P(0 ≤ Z ≤ 2,90)
= 0,2088 + 0,4981
= 0,5328

CONTOH 2.10
Satuuanglogam Rp.50 dilemparkankeatassebanyak 4 kali, X
menyatakanbanyaknyagambarburung (B) yang muncul.
a. Hitunglahp(x), x = 0, 1 , 2, 3, 4 denganfungsi Binomial
b. Buatlah histogram p(x)
c. Denganmenggunakanpendekatanfungsi normal, hitunglahp(x)!9

PENYELESAIAN
a. X = 0 p(0) = 0,0625
X = 1p(1) = 0,2500
X=2 p(2) = 0,3750
X=3 p(3) = 0,2500
X=4 p(4) = 0,0625
b. Untukmembuat histogram, harusdibuatkelas – kelasbaru yang memuatX = 0, 1, 2,
3, 4 sebagainilaitengahdarimasing – masingkelas. Kelas – kelas yang
dimaksudialah -0,5 -0,5 sampaidenga 3,5 – 4,5

9
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 57.
 6

4
Series 1
3
Series 2
2 Series 3
1

0
Category 1 Category 2 Category 3 Category 4

µ = E(X) = np = 4 X ½ = 2
1 1
𝜎 = √4 × 2 × 2 = 1
ApabilaX merupakan variable diskritsekaligus normal kontinu,
makaperludiadakankoreksiyaitudenganmenambahdanmenguranginilainyadengan 0,5. Kelas –
kelas yang barudiperolehberdasarkankoreksitersebut.10
𝑋 −𝜇
Z= = X - µ, karena𝜎 = 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 ≤ X ≤ 4,5)
= P(1.5 ≤ Z ≤ 2,5)
= P(0 ≤ Z ≤ 2,5) - P(0 ≤ Z ≤ 1,5)
= 0,938 – 0,4332
= 0,0606

10
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 57.
 Z = (X – 0,5) - µ
σ
Penetapan variable asli diskrit dengan pendekatan normal lebih baik kalau dimulai
dengan
12,5 (= 13 -0,5) dan berakhir dengan 39,5 (= 39 + 0,5 ).
Contoh 2.12 : Berdasarkan table frekuensi di bawah ini, buatlah frekuensi kurva normal
Tabel Frekuensi
x f
150 - 158 9
159 - 167 24
168 - 176 51
177- 183 66
186 - 194 72
195 - 203 48
204 – 212 21
213 – 221 6
222 - 230 3
Jumlah 300

Dan gambarkan histogramnya Dari data asli telah di hitung E (X) = µ = 184,3 dan σ =
14,54 Penyelesaian :
Harus dibuat batas kelas baru dengan menambah dan menguranginya dengan 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 kurva normal untuk setiap
kelas.11
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 (-177 ≤ 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
Z8 = 212, 5 – 184,3 = 28, 2 = 1,93847 = 1,94
14,54 14, 54
P ( 0 ≤ Z ≤1,94) = 0,4738
Z9 = 221,5 – 184,3 = 37,8 = 2,55845 = 2,56
14,54 14,54
P (0 ≤ Z≤ 2,56) = 0,4948 , dan seterusnya

11
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 60.
 Sekarang perhatikan kelas ke- 7 dari table 2.10 dengan batas kelas 204 – 212. Setelah
dilakukan koreksi dengan mengurangi 0,5 terhadap 204 dan menambah 0,5 terhadap 212.
Kita peroleh batas kelas baru (204 – 0,5 ) – (212 + 0,5 ) = 203.3 – 212,5

0,406
6

0 1,32

0,4738

0 1,94

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 203,5 –
212,5 = 0,4066 = 0,0672
Juga, apabila kita lihat batas kelas pertama ( 150 -158 ), maka setelah di lakukan
– (0,4916) = 0,4916 – 0,4616 = 0,0300. (ingat tanda Z. Jika –Z, daerahnya diberi tanda min (-)
Hasil perhitungan diatas kita susun dalam table berikut ini.12

12
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 61.
 Table frekuensi kurva normal13
µ = 184,3
σ = 14,54
Batas Kelas Nilai Me Batas bwh/ f fr=f/n fk Z P(0<Z<IzI) Fr D. K F
atas Normal Normal Normal
1 2 3 4 5 6 7 8 9 10 11
149,5 -2,39 0,4916

150 – 158 154 158,5 9 0,0300 0,0300 -1,77 0,4616 0,0384 0,0384 11,52(=12*)

159 – 167 163 167,5 24 0,0800 0,1100 -1,16 0,3770 0,0846 0,1230 25,38(=25*)

168 – 176 172 176,5 51 0,1700 0,2800 -0,54 0,2054 0,1716 0,2946 51,48(=51*)

177 – 183 181 185,5 66 0,2200 0,0500 0,08 0,0319 0,2373 0,5352 71,19(=71*)

186 – 194 190 194,5 72 0,2400 0,7400 0,70 0,2580 0,2261 0,7586 67,83(=68*)

195 – 203 199 203,5 48 0.1600 0.9000 1,32 0,4066 0,1486 0,9072 44,58(=45*)

204 – 212 208 212,5 21 0,700 0,9700 1,94 0,4738 0,0672 0,9744 20,16(=20*)

213 – 221 217 221,5 6 0,0200 0,9700 2,56 0,4948 0,0210 0,9954 6,3(=6*)

222 – 230 226 230,5 3 0,0100 0,9900 3,18 0,4993 0,0045 1,0000 1,35(=2*)

- - - 300 - - - 1,0000* - 300*

*Dibulatkan

13
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 62.
 Daftar Pustaka

Supranto, J. 2009. STATISTIK: Teori dan Aplikasi Edisi Ketujuh. Jakarta: PT. Gelora
Aksara Pratama.