Sesi : 12
Disusun oleh :
KELOMPOK 04
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.
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.
𝜎1
𝜎2
µ1 = µ2
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.
3
J. Supranto, STATISTIK: Teori dan Aplikasi Edisi Ketujuh (Jakarta: PT. Gelora Aksara Pratama,2009) hlm. 50.
Z=
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)
√
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)
𝜎 = √𝜎 2 =simpangan baku
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
Untuk keperluan perhitungan probabilitas, luas kurva normal disamakan dengan 1 satuan
(100%).
= 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).
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
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*)
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.