Distribusi Normal
Distribusi Normal
Distribusi normal merupakan distribusi teoritis dari variable random yang kontinu.
Pengalaman telah membuktikan bahwa sebagian besar dari variable random yang kontinu di
berbagai bidang aplikasi yang beraneka ragam umumnya memiliki distribusi yang didekati dengan
distribusi normal atau dapat menggunakan sebagai model teoritisnya. Distribusi normal yang
demikian merupakan distribusi yang simetris, berbentuk genta dan kontinu serta memiliki fungsi
frekuensi.
Fungsi f(x) di atas juga dinamakan fungsi kepekatan normal ( normal density function)
Rumus diatas, distribusi normal tergantung pada 2 parameter yaitu rata-rata Ux dan varians
σ kuadrat x. Dengan kata lain, distribusi normal umum merupakan sekeluarga kurva yang
berparameter dua buah dan agar kita memperoleh suatu gambaran tentang distribusi normal yang
khusus, kedua parameter diatas harus diberi harga yang tertentu pula.
dengan sendirinya, suatu distribusi normal dapat dibedakan dari distribusi normal yang lain atas
dasar perbedaan rata-ratanya atau variansinya atau kedua-duanya.
Jika Ux sudah tertentu tanpa menentukan σ kuadrat x, maka kita akan memperoleh serangkaian
keluarga distribusi normal yang memiliki rata-rata yang sama dengan varians seperti pada diagram
1
Sebaliknya, jika σ kuadrat x sudah tertentu sedangkan Ux tidak ditentukan, kita akan peroleh
serangkaian keluarga kurva normal yang memiliki bentuk yang sama dengan lokasi yang berbeda
sepanjag sumbu X seperti dalam diagram 2
Karena distribusinya kontinu, cara menghitung probablitasnya dilakukan dengan jalan
menetukan luas di bawah kurvanya. Sayangnya, fungsi frekuensi normal tidak memiliki integral
yang sederhana sehingga probabilitas umumnya dihitung dengan menggunakan distribusi normal
standar dimana variabel randomnya
Definisi dari diagram 1 bila Z merupakan variabel random yang kemungkinan harga-
harganya menyatakan bilangan-bilangan riil antara - ∞ dan + ∞, maka Z dinamakan variabel
normal standar bila dan hanya bila probabilitas interval dari a ke b menyatakan luas dari a ke b
antara sumbu Z dan kurva normalnya dan persamaanya diberikan sebagai berikut :
Fungi yangdirumuskan dengan 10.1.3 diatas dinamakan fungsi kepekatan normal standart
( standar normal density function). Grafiknya dapat dilihat pada diagram 10.1.3
Diagram 10.1.3.fungsi kepekatan normal standar
bahwa probabilitas pada sembarang titik-titik ialah nol karena bagi variabel kontinu,
probabilitas selalu dinyatakan dalam interval. Dengan kata lain, probabilitas Z yang merupakan
nilai pada interval antara Z = a hingga Z = b adalah sama dengan luas yang dibatasi oleh kurva
normalnya, sumbu Z dan garis vertical Z = a dan Z = b. hal demikian dapat dilihat pada diagram
10.1.4
diagram 10.1.14 Kurva normal standar
seperti yang telah penulis katakan, pencarian luas kurva normal diatas dapat dilakukan
dengan bantuan tabel luas normal A(z).
contoh 10.1.1 Berapakah probabilitas variabel random normal yang standar merupakan
nilai 0 dan 1 ?
Per Table luas kurva normal, maka p(0<Z<1) = 0,3413.
Contoh 10.1.2 berapakah probabilitas variabel random normal yang standar merupakan
nilai antara -2 dan +2 ?
Per Tabel luas kurva normal, maka p(-2<Z<+2) = 2(0,4772) = 0,9544.
Hal tersebut berarti bahwa 95,44 persen dari seluruh luas kurva normal standar terletak
antara -2 dan +2.
Contoh 10.1.3 Berapakah probabilitas variabel random normal yang standar merupakan
nilai antara 0,1 dan 2,8 ?
Per Tabel luas kurva normal, maka p(0,1 < Z < 2,8 ) = p(0 < Z < 2,8 ) – p(0 < Z < 0,1 ) =
0,4974 – 0,0398 = 0,4576.
Luas kurvanya dapat dilihat pada diagram 10.1.5
Bila demikian halnya, apakah tabel yang berbeda harus dibuat untuk pencarian luas kurva
normal dengan Ux dan O kuadrat x yang berbeda ?Hal yang sedemikian itu tidak perlu. Luas
kurva normal dengan Ux dan O kuadrat x yang berbeda tetap dapat dicari dengan jalan mengubah
variabel random X yang normal kedalam variabel random Z yang standar dan dirumuskan
sebagaiberikut :
Serta kemudian mencari nilai Z-nya dengan bantuan tabel F(z) atau A(z).
Pengubahan X ke Z sedemikian itu dapat dilihat dalam diagram 10.1.8 dan 10.1.9
Diagram 10.1.8 Kurva normal umum standar.
contoh :
Bila X merupakan variabel random yang memiliki distribusi normal dengan rata-rata Ux =
24 dan deviasi standar Ox = 12, berapakah probabilitas 17,4< X < 58,8 ?
Pengubahan variabel normal 17,4 dan 58,8 masing-masing kedalam variabel standar
memperoleh
= 0,7069
Jika probabilitas diatas dihitung dengan bantuan table distribusi normal kumulatif, maka
diperoleh hasil
p(17,4 ) < X < 58,8 ) = p(-0,55 < Z < 2,90)
= F(2,90) – F(-0,55)
= 0,9981 – 0,2912
= 0,7069
Contoh 10.1.7
Dari pengiriman sebanyak 1.000 riem kertas koran berat 60 gram diketahui bahwa rata-
rata tiap riemnya terisi dengan 450 lembar dengan deviasi standar sebesar 10 lembar. Jika distribusi
jumlah kertas per riemtersebut dapat didekati dengan kurva normal, berapa persen dari riem kertas
diatas terisi dengan 455 lembar atau lebih ?
Dalam soal diatas, Ux = 450 dan Ox = 10 sedangkan yang kita ingin ketahui ialah p(X ≥
455). Pengubah variabel normal 455 kedalam variabel standar memperoleh
Karena f(0,50) = 0,6915, maka p(Z ≥ 0,50) = 1 – 0,6915 = 0,3085 atau 30,85 persen. Jelas
bahwa 30,85 persen dari riem kertas diatas terisi dengan 455 lembar atau lebih.
Contoh 10.1.8
Angka ujian statistik sebagian besar mahasiswa memiliki Ux = 34 dan Ox = 4. Jika
distribusi angka-angka ujian tersebut kurang kurang lebih menyerupai distribusi normal, dibawah
angka berapa kita akan memperoleh 10 persen terendah dari seluruh distribusi angka-angka
tersebut ?
Setiap perubahan pada variable random X akan mengakibatkan proses “bergerak”. Satu
cara untuk membendung “gerakan” tersebut ialah dengan menciptakan sebuah variable baru, yaitu
Y = X – np.
Distribusi variable baru Y memiliki np = 0 dan cara pemusatanya tidak berbeda dari
distribusi normal yang standar. Selain daripada itu, distribusi variable Y tersebut memiliki Oy =
akar dari npq . Kita telah mengetahui bahwa distribusi normal yang standar memiliki Uz = 0 dan
Oz = 1, sehingga variable random Y yang
memiliki µz= np = 0 dan σy =√npq masih perlu disesuaika agar σy nya sama dengan 1.
Bila npq > 0, maka Y/ √npq akan menghasilkan variable random baru Z yang
memiliki σy = 1seperti dalam halnya distribusi normal yang standar.
1 sedangkan nilai-nilai tersebut masing-masing akan sama dengan µx dan σz dari
distribusi normal yang standa. Bila n menjadi besar, ordinat-ordinat sentra (tinggai ordinat-ordinat)
dari luas grafik probabilitas Z tidak akan mendatar. Karena µz = 0, maka proses “bergerak” tidak
terjadi dank arena σz= 1, maka “perluasan” pun tidak terjadi .
Pendekatan probabilitas binomial dengan luas yang terdapat dibawah kurva normal dapat
dilakukan dengan bantuan Tabel normal.
Contoh 10.3.1 Diketahui distribusi binomial memiliki n = 8 dan p = 1/2, sedangkan
grafiknya dinyatakan seperti dalam diagram dibawah ini
Pendekatan distribusi binomial dngan distribusi normal dapat dilakukan sebagai berikut :
np = 10 x 1/2= 5
Sesuai dengan rumus 10.3.1, kita peroleh persamaan hubungan antara X dan Z sebagai
berikut :
https://id.scribd.com/document/340675066/Makalah-Distribusi-Normal