PENDAHULUAN

KOMPETENSI DASAR :
Pengetahuan:
3.5 Menjelaskan dan menentukan distribusi peluang binomial berkaitan dengan fungsi peluang
binomial
Indikator
 Memahami konsep variabel acak.
 Memahami konsep dan sifat fungsi distribusi binomial.
 Memahami cara penarikan kesimpulan melalui uji hipotesis dari suatu masalah nya yang terkait
dengan distribusi peluang binomial
 Mengidentifikasi masalah berkaitan dengan distribusi peluang binomial suatu percobaan (acak) dan
penarikan kesimpulannya
 Mengidentifikasi penyelesaian masalah berkaitan dengan distribusi peluang binomial suatu percobaan
(acak) dan penarikan kesimpulannya

3.6 Menjelaskan karakteristik data berdistribusi normal yang berkaitan dengan data
berdistribusi normal
Indikator
 Memahami konsep kurva normal
 Mengidentifikasi masalah yang berkaitan dengan distribusi normal dan penarikan kesimpulannya
 Mengidentifikasi cara penarikan kesimpulan melalui uji hipotesis untuk permasalahan yang berkaitan
dengan distribusi normal

Keterampilan
4.5 Menyelesaikan masalah berkaitan dengan distribusi peluang binomial suatu percobaan (acak)
dan penarikan kesimpulannya
Indikator
 Melakukan penarikan kesimpulan melalui uji hipotesis dari suatu masalah nya yang terkait dengan
distribusi peluang binomial
 Menyelesaikan masalah berkaitan dengan distribusi peluang binomial suatu percobaan (acak) dan
penarikan kesimpulannya
Menyajikan penyelesaian masalah berkaitan dengan distribusi peluang binomial suatu percobaan
(acak) dan penarikan kesimpulannya

4.6 Menyelesaikan masalah yang berkaitan dengan distribusi normal dan penarikan
kesimpulannya
Indikator
 Menyelesaikan masalah yang berkaitan dengan distribusi normal dan penarikan kesimpulannya
 Mempresentasikan penarikan kesimpulan melalui uji hipotesis untuk permasalahan yang berkaitan
dengan distribusi normal

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            1 

 
Tujuan Pembelajaran KD 3.5 dan KD 4.5
Setelah mengikuti proses pembelajaran, peserta didik diharapkan dapat:
 Memahami konsep variabel acak.
 Memahami konsep dan sifat fungsi distribusi binomial.
 Memahami cara penarikan kesimpulan melalui uji hipotesis dari suatu masalah nya yang
terkait dengan distribusi peluang binomial
 Mengidentifikasi masalah berkaitan dengan distribusi peluang binomial suatu percobaan
(acak) dan penarikan kesimpulannya
 Mengidentifikasi penyelesaian masalah berkaitan dengan distribusi peluang binomial
suatu percobaan (acak) dan penarikan kesimpulannya
 Melakukan penarikan kesimpulan melalui uji hipotesis dari suatu masalah nya yang terkait
dengan distribusi peluang binomial
 Menyelesaikan masalah berkaitan dengan distribusi peluang binomial suatu percobaan
(acak) dan penarikan kesimpulannya
 Menyajikan penyelesaian masalah berkaitan dengan distribusi peluang binomial suatu
percobaan (acak) dan penarikan kesimpulannya

Materi Pembelajaran KD 3.5 dan KD 4.5

 Statistik inferensial
 Konsep variable acak
 Fungsi probabilitas
 Fungsi distribusi binomial
 Fungsi binom

Tujuan Pembelajaran KD 3.6 dan KD 4.6

Setelah mengikuti proses pembelajaran, peserta didik diharapkan dapat:
 Memahami konsep kurva normal
 Mengidentifikasi masalah yang berkaitan dengan distribusi normal dan penarikan
kesimpulannya
 Mengidentifikasi cara penarikan kesimpulan melalui uji hipotesis untuk permasalahan
yang berkaitan dengan distribusi normal
 Menyelesaikan masalah yang berkaitan dengan distribusi normal dan penarikan
kesimpulannya
 Mempresentasikan penarikan kesimpulan melalui uji hipotesis untuk permasalahan yang
berkaitan dengan distribusi normal

Materi Pembelajaran KD 3.6 dan KD 4.6

Data berdistribusi normal
 Pengertian Data berdistribusi normal
 Distribusi fungsi normal
 Cara menggunakan table normal
 Menguji hipotesis birdistribusi normal

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            2 

 
 KEGIATAN PEMBELAJARAN

PELUANG BINOMIAL DENGAN FUNGSI DISTRIBUSI BINOMIAL

Peluang atau yang sering disebut sebagai probabilitas dapat dipandang sebagai cara untuk
mengungkapkan ukuran ketidakpastian/ ketidakyakinan/ kemungkinan suatu peristiwa terjadi atau
tidak terjadi. Untuk menyatakan suatu ketidakpastian atau kepastian diperlukan permodelan
matematis yang secara teoritis dinyatakan dengan sebaran atau distribusi. Suatu besaran yang
hanya bisa mengambil nilai-nilai berbeda dinamakan variabel Sedangkan variabel diskrit adalah
variabel yang diperoleh dari kegiatan membilang sehingga mempunyai nilai-nilai bulat. Jika
variabel diskrit tersebut diperoleh dari suatu eksperimen acak, maka dianamakan variabel diskrit
acak. hubungannya dengan pengujian objek percobaan, pemilihan sebaran akan mempermudah
penghitungan peluang. Ditinjau dari objek kajian peluang distribusi akan dikenal istilah peubah
acak yang diklasifikasikan dalam kelompok besar yaitu peubah acak diskrit dan kontinyu, dimana
masing-masing peubah memiliki beberapa jenis distribusi.
Distribusi peluang adalah sebuah daftar dari semua hasil yang mungkin muncul dari
sebuah percobaan dan peluang yang berhubungan dengan setiap hasil. Ada 2 macam distribusi
peluang yaitu distribusi peluang diskrit dan distribusi peluang kontinu.
 Distribusi Peluang Diskrit hanya dapat bernilai tertentu. Ciri-ciri utamannya adalah :
 Jumlah total peluangnya sama dengan 1
 Peluang dari suatu hasil adalah antara 0 sampai 1
 Hasilnya tidak terikat satu sama lain
 Distribusi Peluang Kontinu dapat bernilai tak hingga dalam suatu jangkauan yang spesifik.

A. Distribusi Peluang Diskrit

Distribusi pelung diskrit adalah suatu tabel atau rumus yang mencantumkan semua
kemungkinan nilau suatu pengubah acak diskrit (ruang contoh diskrit mengandung jumlah titik
yang terhingga) dan juga peluangnya. Adapun macam-macam distribusi diskrit adalah sebagai
berikut.

1. Distribus Binomial

Distribusi peluang binomial merupakan salah satu distribusi peluang diskrit yang banyak
menjelaskan mengenai proses bisnis dan fenomena fisika. Untuk menggunakan distribusi
binomial ada empat kondisi yang harus dipenuhi :

a. Proses atau peristiwa harus dapat didefinisikan hanya memiliki dua dan hanya dua
peristiwa yang saling eksklusif dan lengkap
b. Peluang terjadinya sebuah peristiwa harus sama untuk setiap percobaan dan tidak boleh
berubah-ubah karena waktu dan jumlah percobaan
c. Setiap percobaan harus independen dengan percobaan yang lain. Artinya sebuah percobaan
tidak dapat mempengaruhi percobaan lain
d. Jumlah percobaan harus bersifat diskrit

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            3 

 
 Suatu percobaan disebut percobaan Binomial jika memenuhi syarat:
1) Percobaan terdiri dari n usaha yang berulang
2) Tiap usaha memberikan hasil yang dapat ditentukan saling sukses atau gagal
3) Peluang sukses yang dinyatakan dengan P, tidak berubah dari usaha yang satu ke usaha yang
berikutnya
4) Tiap usaha bebas dengan usaha yang lainnya

Dari pernyataan di atas maka kita dapat mendefinisikan distribusi binomial yaitu:

“Banyaknya sukses x dalam n usaha suatu percobaan Binomial disebut peubah acak Binomial
Distribusi peluang p.a Binomial”

 Setiap hasil diklasifikasikan ke dalam satu dari dua kategori yang tidak terikat satu sama lain.
 Distribusi ini dihasilkan dari perhitungan jumlah sukses dari sejumlah percobaan.
 Peluang sebuah sukses tetap sama dari satu percobaan ke percobaan lain.
 Setiap percobaannya saling bebas.
 Peluang Binomial dengan p = Peluang suskes dihitung dengan rumus sbb:
n
b x; n, p p 1 p ;x 0,1,2, …
x
atau

dengan
    x = Usaha sukses
p = Peluang Sukses
n = Jumlah Usaha

Dalam percobaan binomial, peluang terjadinya peristiwa sukses tepat sebanyak x kali dari
n percobaan dapat didekati oleh fungsi peluang :

f ( x)  P( X  x)  nx p x q n x 
n!
x!(n  x)!
p x q n x

di mana n!  n  (n  1)  (n  2)  ...  1 , dan   adalah koefisien binomial (lihat lampiran dalam

n
x

bab ini). Rumus di atas merupakan rumus untuk menghitung peluang terjadinya peristiwa sukses
tepat sebanyak x kali dari n buah percobaan
 Nilai Rata-rata nya :  = n.p
 Nilai Variansinya : 2 = n.p.(1 – p)
Untuk memperjelas kondisi di atas mari kita ambil contoh percobaan pelemparan sebuah
dadu. Kita tahu bahwa setiap dadu dilempar akan menghasilkan satu dari enam peristiwa. Dari
peristiwa ini kita sebenarnya bisa mendefinisikan hasil yang akan terjadi ke dalam dua peristiwa
yang saling eksklusif misalnya peristiwa “munculnya angka empat” atau “angka bukan empat”.
Jelas bahwa peristiwa-peristiwa ini merupakan peristiwa yang saling eksklusif dan lengkap karena
“munculnya angka empat” dan “bukan angka empat” akan tercakup dalam pelemparan sebuah
dadu.
Jika dadu yang dilempar adalah dadu yang fair maka peluang munculnya angka dalam
setiap percobaan tidak akan berubah-ubah, karena meskipun kita melemparkannya sebanyak
10.000 kali tetap saja peluang munculnya angka empat adalah 1/6.

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            4 

 
Dadu tidak memiliki memori, artinya dadu ini tidak mengingat apa yang telah terjadi sebelumnya.
Peluang munculnya angka empat pada pelemparan dadu pertama kali adalah 1/6, demikian pula
dengan pelemparan yang kedua dan seterusnya peluangnya adalah tetap 1/6. Peluang ini tidak
dipengaruhi oleh peristiwa sebelumnya atau dalam istilah teori peluang, peristiwa ini saling
independen antara yang satu dengan lainnya.
Sebagai contoh lainnya, pelantunan tiga buah uang logam dimana setiap uang logam
berkemungkinan muncul angka (A) atau gambar (G)
Kegiatan ini memiliki ruang sampel S = {GGG, GGA, GAG, AGG, GAA, AGA, AAG, GGG},
sehingga n(S) = 8
Misalkan X adalah variabel yang menunjukkan banyaknya muncul angka
Maka :
X = 0 : {GGG}, maka n(X = 0) = 1 sehingga P(X = 0) = 1/8
X = 1 : {AGG, GAG, GGA}, maka n(X = 1) = 3 sehingga P(X = 1) = 3/8
X = 2 : {GAA, AGA, AAG}, maka n(X = 2) = 3 sehingga P(X = 2) = 3/8
X = 3 : {AAA} n(X = 3) = 1, maka sehingga P(X = 3) = 1/8

Dari data diatas diperoleh tabel distribusi probabilitas

Tabel distribusi probabilitas haruslah mempunyai nilai total 1. Artinya jumlah distribusi
peluang munculnya angka pada pelantunan tiga buah uang logam haruslah 1.
Dari tabel distribusi probabilitas diatas dapat dibuat fungsi distribusi probabilitas, yakni

Dari uraian diatas disimpulkan bahwa Suatu fungsi F(X) dikatakan fungsi distribusi probabilitas
jika memenuhi syarat sebagai berikut:

(1) X1 , X2 , X3 , …, dan Xn adalah kejadian yang saling lepas

(2) P(X1) + P(X2) + P(X3) + …+ P(Xn) = 1
Untuk lebih jelasnya ikutilah contoh soal berikut ini:

Contoh 1

Pada pelantunan dua buah dadu serentak satu kali, buatlah tabel dan fungsi distribusi peluang
munculnya dua mata mata dadu yang jumlahnya genap.

Jawab

Fungsi distribusi probabilitas, yakni

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            5 

 
 Eksperimen binomial adalah suatu eksperimen yang memberi hanya dua hasil yang
mungkin, yakni “sukses” dan “gagal”. (ditemukan oleh James Bernoulli)
Variabel acak X adalah jumlah total sukses dalam n kali percobaan. Jika p adalah peluang sukses
dan q adalah peluang gagal dalam setiap kali percobaan, maka berlaku:
p+q=1

Dalam eksperimen binomial dengan peluang sukses sebesar p dan peluang gagal sebesar q
= 1 – p untuk setiap percobaan, maka peluang x sukses dari n percobaan ulang dirumuskan:

Bentuk P(X = x) diatas merupakan fungsi distribusi binomial. Untuk lebih jelasnya ikutilah
contoh soal berikut ini :

Contoh 2

Sebuah eksperimen melantunkan dua dadu serentak 5 kali. Jika A adalah kejadian
munculnya dua mata dadu yang jumlahnya habis dibagi tiga, maka tentukan peluang sukses 3 kali
percobaan dalam eksperimen itu.

Jawab

Diketahui : n = 5 dan x = 3
maka A = {12, 21, 15, 51, 42, 24, 33, 36, 63, 45, 54, 66} n(A) = 12 dan n(S) = 36.

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            6 

 
Contoh 3

Suatu percobaan melantunkan 4 uang logam secara serentak. Jika percobaan itu diulangi sebanyak
5 kali, maka berapa peluang sukses munculnya tiga “gambar” sebanyak dua kali dalam percobaan
itu ?

Jawab

Diketahui : n = 5 dan x = 2
maka A = {GGGA, GGAG, GAGG, AGGG} n(A) = 4 dan n(S) = 42 = 16

Contoh 4

Sebuah tes terdiri dari 10 pertanyaan pilihan ganda dengan 4 pilihan jawaban. Sebagai suatu
eksperimen, anda memilih jawaban secara acak tanpa membaca pertanyaannya. Berapa peluang
anda menjawab dengan benar 6 nomor ?

Jawab

Diketahui : n = 10 dan x = 6

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            7 

 
Dalam eksperimen binomial dengan n kali percobaan ulang dimungkinkan untuk mengetahui
peluang sukses paling banyak r kali atau paling sedikit r kali, dimana r ≤ n, dengan menggunakan
rumus :
P(X ≤ r) = P(X = 1) + P(X = 2) + … + P(X = r)
dan
P(X ≥ r) = P(X = r) + P(X = r+1) + … + P(X = n)
Untuk lebih jelasnya ikutilah contoh soal berikut ini :

Contoh 5

Salah satu tugas layanan pelanggan dari suatu perusahaan telepon adalah kecepatan melayani
gangguan dirumah. Menurut data peluang gangguan pada layanan rumah bisa diperbaiki pada hari
pengaduan adalah 0,8. Untuk enam gangguan pertama yang dilaporkan pada suatu hari tertentu,
tentukan peluang paling banyak 4 gangguan bisa diperbaiki pada hari yang sama.

Jawab

Diketahui : Peluang sukses p = 0,8 dan peluang gagal q = 1 – 0,8 = 0,2

Misalkan X adalah banyak gangguan bisa diperbaiki pada hari terima laporan, maka

Contoh 6

Suatu paket soal ujian dengan 10 nomor soal pilihan ganda dimana setiap soal mengandung 5
option pilihan jawaban. Misalkan seorang siswa memilih jawaban secara acak untuk setiap soal,
maka berapakah peluang siswa tersebut akan gagal dalam ujian ?
(Anggap siswa tidak lulus jika jawaban benarnya paling banyak 5)

Jawab

Diketahui : Peluang sukses p = 1/5 = 0,2 dan peluang gagal q = 1 – 0,2 = 0,8
Misalkan X adalah banyak jawaban benar yang diperoleh siswa, maka

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            8 

 
Contoh 7

Suatu pasangan pengantin baru bermaksud memiliki enam anak. Jika keinginan mereka tewujud,
maka tentukan peluang lebih banyak anak lelaki daripada anak perempuan yang mereka miliki
Jawab
Diketahui : Peluang sukses p = 1/2 dan peluang gagal q = 1 – (1/2) = 1/2
Misalkan X adalah banyaknya anak lelaki yang mereka miliki, maka

Nilai rata-rata dan variansi dari sebuah distribusi peluang dapat dihitung sebagai berikut :
Rumus Menghitung Rata-rata :

Rumus Menghitung Variansi :

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            9 

 
Contoh 8

Suatu suku cadang dapat menahan uji goncangan tertentu dengan peluang , Hitung peluang
bahwa tepat dua dari empat suku cadang yang di uji tidak akan rusak

Jawab:
3 4 3 3 4! 3 1 4.3 3 27
𝑏 2: 4, 1
4 2 4 4 2! 2! 4 4 2 4 128

Contoh 9

Peluang seorang sembuh dari operasi jantung yang rumit adalah 0,7. Bila dari 10 orang menjalani
operasi jantung. Tentukan peluang:
a. Tepat lima orang akan sembuh
b. Paling sedikit 3 orang akan sembuh
c. Kurang dari 3 orang akan sembuh
d. Antara 3 sampai 8 yang akan sembuh

Jawab:

Misal : L x p.a yang menyatakan jumlah orang yang akan sembuh

a. 𝑝 𝑋 5 𝑏 5; 10,0,7 0,7 0,3
b. 𝑝 𝑥 3 1 𝑝 𝑥, 3 1 ∑ 𝑏 𝑥; 10, 0,7
1 𝑏 0; 10, 0,7 𝑏 1; 10, 0,7 𝑏 2; 10, 0,7 1 0,0016
c. 𝑝 𝑥 3 ∑ 𝑏 𝑥; 10, 0,7 0,0016
d. 𝑝 3 𝑥 8 ∑ 0,7 0,3
∑ 𝑏 𝑥; 10; 0,7 ∑ 𝑏 𝑥; 10; 0,7

Latihan :

2. Peluang seorang mahasiswa yang baru masuk Universitas akan lulus tepat pada waktunya
0,25, tentukn berapa peluang dari 28 mahasiswa akan lulus tepat pada waktunya:
a. Tidak seorangpun
b. Seorang mahasiswa
c. Paling sedikit seorang
d. Tidak lebih dari seorang

3. Sepuluh persen produksi baut ternyata rusak. Baut-baut tersebut dijual dalam kotak. Setiap
kotak berisi 25 buah tentukan peluang sebuah kotak berisi:
a. Semua baut bagus
b. Tidak lebih dari 2 rusak
c. Paling sedikit tiga bagus

4. Tiap soal ujian pilihan ganda terdiri dari pilihan betul salah, semuanya ada 20 soal tentukan
peluang menerka secara benar paling sedikit 17 soal

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            10 

 
Teorema (sifat binomial)
Distribusi Binomial mempunyai rataan dan varians : yaitu :
𝑖 𝜇 𝐸 𝑥 𝑛. 𝑝
𝑖𝑖 𝜎 𝑛𝑝 1 𝑝
𝑐𝑜𝑛𝑡𝑜ℎ ∶
𝑖 𝜇 𝑛. 𝑝 10.0,7 7
𝑖𝑖 𝜎 𝑛𝑝 1 𝑝 10 0,7 0,3 2,1

2. Distribusi Peluang Kontinu

Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua
nilai pada skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung
titik sampel yang tak terhingga banyaknya. Syarat dari distribusi kontinu adalah apabila
fungsi F(x) adalah fungsi padat peluang peubah acak kontinu X yang didefinisikan di atas
himpunan semua bilangan riil R bila:

Distribusi peluang kontinu dibagi menjadi 4:

a. Distribusi Normal

Distribusi Normal (Gaussian) mungkin merupakan distribusi probabilitas yang paling

penting baik dalam teori maupun aplikasi statistik. Distribusi ini paling banyak digunakan sebagai
model bagi data riil di berbagai bidang yang meliputi antara lain karakteristik fisik makhluk hidup
(berat, tinggi badan manusia, hewan, dll). Terdapat empat alasan mengapa distribusi normal
menjadi distribusi yang paling penting :

1). Distribusi normal terjadi secara alamiah.

2). Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan mudah
ditransformasi menjadi suatu distribusi variabel acak yang normal.
3). Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya bisa berfungsi
dengan benar jika model distribusinya merupakan distribusi normal.
4). Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada populasinya,
namun distribusi dari rata-rata sampel yang diambil secara random dari populasi tersebut
ternyata menunjukkan distribusi normal.

Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi distribusi peluang
berbentuk lonceng seperti gambar berikut.

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            11 

 
Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri
diantaranya:
a. Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
b. Simetris terhadap rataan (mean).
c. Kedua ekor/ ujungnya semakin mendekati sumbu absisnya tetapi tidak pernah memotong.
d. arak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ
e. Luas daerah di bawah lengkungan kurva tersebut dari –  sampai +  sama dengan 1 atau
100 %.
Kurva normal adalah satu model distribusi dari sejumlah kemungkinan distribusi. Kurva
normal bukan hanya satu kurva, melainkan mempunyai sejumlah kurva yang tidak terbatas yang
mungkin dapat dibuat, dan semua itu dideskripsikan dengan suatu persamaan aljabar berikut.

Persamaan di atas dapat membuat para siswa menjadi panik dan/atau mengalami kesulitan
untuk memahami konsep kurva normal. Secara umum, pemahaman atas persamaan aljabar ini
tidak menjadi kebutuhan atau diperlukan untuk mengapresiasi dan menggunakan kurva normal.
Namun demikian persamaan ini perlu dijelaskan untuk memahami bagaimana konsep dan aplikasi
suatu kurva normal.
Pertama, penggunaan simbol-simbol dalam persamaan ini dimaksudkan untuk
menyederhanakan proses perhitungan. Simbol-simbol itu termasuk “2’’. “p”, dan “e”. Lambang
“e” untuk menunjukkan adanya perhitungan dengan bilangan irasional atau untuk menunjukkan
batasan yang sangat panjang. Hal ini dimungkinakn untuk menunjukkan “sejumlah keunikan”,
dalam kasus “e” ini, yang menunjukkan “kekuatan khusus”
Kedua, adanya sekumpulan simbol yang menjadi kepedulian termasuk simbol “X”, yaitu
melambangkan variabel responden untuk suatu skor nilai. Tinggi dari suatu kurva pada satu titik
merupakan fungsi dari X ( f(x) ).
Ketiga, dua simbol terakhir dalam persamaan adalah “mu (μ) lambang dari rata-rata ” dan
“sigma (σ) lambang dari stadar deviasi” kedua lambang ini disebut dengan parameter atau nilai-
nilai. Kedua parameter ini memberikan kemungkinan pembuatan kurva normal menjadi tidak
terbatas, yaitu dengan menghubungkan kedua parameter ini. Dalam hal ini konsep parameter
menjadi sangat penting dan perlu diperhatikan secara sungguh-sungguh.
Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal
adalah satu (sebagaimana konsep probabilitas). Dengan demikian, luas kurva normal pada sisi kiri
= 0,5; demikian pula luas kurva normal pada sisi kanan = 0,5.

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            12 

 
Dalam analisis statistika, seringkali kita menentukan probabilitas kumulatif yang dilambangkan
dengan notasi P (X<x). Sebagai contoh, P (X<1), apabila diilustrasikan dengan grafik adalah luas
kurva normal dari minus takhingga hingga X = 1.

Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi normal. Berikut adalah tabel
distribusi normal standar, untuk P (X < x), atau dapat diilustrasikan dengan luas kurva normal
standar dari X = minus takhingga sampai dengan X = x.

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            13 

 
Contoh penggunaan:
Hitung P (X<1,25)

Penyelesaian: Pada tabel, carilah angka 1,2 pada kolom paling kiri. Selanjutnya, carilah angka 0,05 pada
baris paling atas. Sel para pertemuan kolom dan baris tersebut adalah 0,8944.
Dengan demikian, P (X<1,25) adalah 0,8944.

Kurva normal merupakan salah satu bentuk dari sekian banyak (tidak terbatas) pola
distribusi. Model setiap anggota ditentukan oleh seperangkat parameter (μ dan σ) dengan nilai
(perhitungan) khusus. Sebab parameter σ dapat ditempatkan pada suatu nilai, posisitf atau negatif,
dan parameter μ mempunyai nilai posisitf, hubungan dari kedua parameter ini membuat keluarga
kurva normal menjadi luas sekali yang mempunyai anggota anggota tidak terbatas. Atas dasar itu,
kurva normal diusulkan menjadi suatu model umum, karena asumsi kurva normal mampu
menjelaskan sejumlah besar fenomena yang terjadi secara alami, mulai dari skor tes sampai ke
fenomena bintang-bintang di langit.
Kurva normal sangat bervariasi mempunyai perbedaan, akan tetapi mempunyai sejumlah
sifat-sifat umum yang sama, sifat-sifat umum ini disebut juga dengan kesamaan kurva normal.
Kesamaan (sifat-sifat umum ini) mencakup: bentuk simetri, mendekat ke ujung tetapi tidak pernah
bersentuhan dengan sumbu X (asimtot), dan mempunyai wilayah di bawah kurva. Dalam hal

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            14 

 
bentuk, semua anggota keluarga kurva normal mempunyai kesamaan yaitu berbentuk “lonceng”,
kemudian sumbu X mempunyai kesamaan skala yang tepat. Sebagian besar wilayah di bawah
kurva berada di sekitar titik tengan atau rata-rata. Ujung garis distribusi mendekat ke sumbu X
tetapi tidak pernah menyentuh, dan luas wilayah di bawah kurvanya sangat kecil
Kesamaan dalam hal simetris, semua anggota keluarga kurva normal berada pada dua sisi
sejajar dan simetris. Artinya, jika satu kurva normal digambarkan pada permukaan kertas dua
dimensi, maka jika kertas itu dilipat pada garis tengahnya (garis rata-rata) maka kedua sisi kurva
normal itu harus tepat sama. Keadaan simetris ini juga tergambar dalam struktur tubuh manusia,
secara umum dalam posisi sejajar atau mendekati simetris antara sisi kiri dan kanan. Begitu juga
dalam perkembangan kehidupan manusia baik individual maupun sosial.
Semua keluarga kurva normal mempunyai ekor mendekati sumbu X, tetapi tidak pernah
menyentuhnya. Implikasinya, dibagian manapun suatu titik yang berada pada kurva (arah positif
atau negatif) tetap saja mempunyai wilayah yang berada di bawah kurva normal. Oleh karena itu,
gambar dari satu kurva normal harus mempunyai panjang garis yang tidak berhingga. Sehingga
untuk mengeahui luas wilayah yang berada di bawah kurva normal harus dilihat dari suatu rentang
yang dibatasi oleh sejumlah garis, hanya sebagaian kecil dari segmen garis yang digambarkan
untuk kurva normal khusus.
Semua anggota keluarga kurva normal mempunyai total wilayah di bawah kurva sama
dengan satu (1.00) , seperti yang terjadi pada model-model kemungkinan atau distribusi frekuensi.
Sifat ini, menjadi tambahan pada sifat simetri, implikasinya bahwa wilayah pada setiap setengah
dari distribusi adalah 0,50 atau setengah.

Distribusi normal kumulatif didefinisikan sebagai probabilitas variabel acak normal X

bernilai kurang dari atau sama dengan suatu nilai x tertentu. Maka fungsi distribusi kumulatif dari
distribusi normal ini dinyatakan sebagai :

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            15 

 
 Dengan menerapkan ketentuan diatas pada persamaan (1) maka fungsi kepadatan
probabilitas dari distribusi normal standard variabel acak kontinu Z adalah:

Sedangkan fungsi distribusi kumulatif dari distribusi normal standard ini

dinyatakan sebagai :

Contoh soal:
1. Diketahui nilai rata-rata hasil UN tahun 2015 adalah 73,25 dengan varians
42,25, serta nilai UN terdistribusi secara normal. Jika dipilih siswa lulusan SMA yang ikut
UN, tentukan peluang siswa tersebut nilainya.
a. Kurang dari 80
b. Antara 60 sampai 70

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            16 

 
 JAWAB
a. Peluang siswa nilainya kurang dari 80
Misalnya X adalah nilai seorang siswa, maka yang ditanya P(X < 80)
rata-rata μ = 73,25 dan variansnya σ2 = 42,25 → σ = 6,5
x 80  73,25
z , z = 1,038
 6,5
Jadi P(X < 80) = P(Z < 1,038) = 0,8504
Jadi peluang siswa nilainya kurang dari 80 adalah 0,8504
b. Peluang siswa nilainya antara 60 sampai 70
misalnya X adalah nilai seorang siswa, maka yang ditanya P(60 < X < 70)
rata-rata μ = 73,25 dan variansnya σ2 = 42,25 → σ = 6,5
x 60  73,25
z , Untuk x = 60 → z  =−2,038
 6,5
70  73,25
Untuk x = 70→ z  = −0,5
6,5
Jadi P(60 < X < 70) = P(−2,038 < Z < −0,5)
= P(Z < −0,5) − P(Z < −2,038)
={1−P(Z < 0,5)}−{1−P(Z < 2,038)}
={1−0,6915}−{1−0,9792}
={0,3085}−{0,0208}
= 0,2877
Jadi peluang siswa nilainya antara 60 dan 70 adalah 0,2877
Atau bisa juga : P(60 < X < 70) = P(−2,038 < Z < −0,5)
= P(0,5 < Z < 2,038)
= P(Z < 2,038) − P(Z < 0,5)
= 0,9792 − 06915
= 0,2877
2. Rata-rata tinggi orang dewasa Indonesia adalah 165cm dengan standar deviasinya 6,25cm.
Jika dipilih seseorangdewasa secara acak , maka tentukan peluang tingginya
a. Kurang dari 150cm
b. Lebih dari 160cm
c. Antara 160cm sampai dengan 170cm
d. Lebih dari 175cm
 Rata-rata =165 , standar deviasinya σ = 6,25
Misal X adalah tinggi badan orang dewasa , maka X~N(165,(6,25)2
JAWAB
a. Peluang tinggi badan kurang dari 150cm
yang ditanya adalah P(X < 150)
x 150  165
z → z =-2,4
 6,25
Jadi P(X < 150) = P(Z<−2,4)
= 1−P(Z<2,4)
= 1−0,9918
= 0,0082
Jadi peluang tinggi badannya kurang dari 150cm adalah 0,0082
b. Peluang tingi badan lebih dari 160cm

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            17 

 
 yang ditanya adalah P(X > 160)
x 160  165
z → z  0,8
 6,25
Jadi P(X > 160) = P(Z > −0,8)
= P(Z < 0,8)
= 0,7881
Jadi peluang tinggi badannya lebih dari 160cm adalah 0,7881
c. Peluang tingi badan antara 160cm sampai dengan 170cm
yang ditanya adalah P(160 < X < 170)
x 160  165
z → z  0,8
 6,25
160  165 170  165
Untuk x =160→ z   0,8 Untuk x =170 → z   0,8
6,25 6,25
Jadi P(160 < X < 170) = P(−0,8< Z <0,8)
= P(Z < 0,8) − P(Z < −0,8)
= P(Z < 0,8)−{1−P(Z < 0,8)}
= 2P(Z < 0,8)−1
= 2(0,7881)−1
= 0,5762
Jadi peluang tinggi badannya antara 160cm sampai dengan 170cm adalah 0,5762
d. Peluang tingi badan lebih dari 175cm yang ditanya adalah P(X > 175)
x 175  165
z → z  1,6
 6,25
Jadi P(X>175) = P(Z > 1,6)
= 1−P(Z<1,6)
= 1−0,9452
= 0,0548
Jadi peluang tinggi badannya lebih dari 175cm adalah 0,0548

3. Harapan hidup penduduk Indonesia terdistribusi secara normal dengan rata-

ratanya adalah 65 tahun dengan simpangan bakunya 8 tahun,
a. Tentukan peluang orang Indonesia dapat bertahan hidup antara 60 sampai 75 tahun
b. Dari data usia kematian 3000 jiwa, maka perkirakan banyaknya penduduk yang
meninggal di usia di atas 70 tahun
JAWAB
a. Tentukan peluang orang Indonesia dapat bertahan hidup antara 60 sampai 75 tahun.
Diketahui rata-rata harapan hidup μ = 65 tahun, dengan simpangan baku σ = 8 tahun
Misalkan X adalah harapan hidup seseorang, yang ditanya adalah P(60<X<75)
x 60  65
z , Untuk x=60 → z   0,625
 8
75  65
Untuk x =75 → z   1,25
8
Jadi P(60<X<75) = P(−0,625<Z<1,25)
= P(Z<1,25)−P(Z<−0,625)
= P(Z<1,25)−{1−P(Z<0,625)}
= 0,8944−{1−0,7340}

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            18 

 
 = 0,6284
Jadi peluang seorang akan bertahan hidup antara 60 tahun sampai 75 tahun adalaj 0,6284
b. Dari data usia kematian 3000 jiwa, maka perkirakan banyaknya penduduk yang meninggal
di usia di atas 70 tahun
Pertama-tama kita cari terlebih dahulu P(X>70)
x 70  65
z , x=70→ z   0,625
 8
Jadi P(X > 70) = P(Z>0,625)
= 1−P(Z<0,625)
= 1−0,7340
= 0,2660
Selanjutnya kita cari frekuensi harapan dari n =3000 dan peluangnya P(X>70=0,2660)
Fh= n×P(X)
= 3000×0,266
= 798 orang
Dari 3000 orang yang meninggal, maka banyaknya penduduk yang meninggal di usia di
atas 70 tahun adalah 798 orang.

4. Sebuah perusahaan memproduksi bola lampu yang mempunyai ketahanan berdistribusi nor
mal dengan rata-rata 3000 jam dan dengan simpangan bakunya 120 jam.
a. Berapa persen lampu yang mempunyai ketahanan kurang dari 2800 jam
b. Berapa banyak lampu yang mempunyai ketahanan lebih dari 2940 jam, jika diproduksi
sebanyak 10000 lampu
JAWAB
a. Berapa persen lampu yang mempunyai ketahanan kurang dari 2800 jam
diketahui rata-rata ketahanan lampu μ = 3000 jam, dengan simpangan bakunya σ=120
Misal X adalah ketahanan dari sebuah lampu, yang ditanya P(X < 2800)
x 2800  1300
z , x=2800→ z   1,667
 120
P(X<2800) = P(Z<−1,667)
= 1−P(Z<1,667)
= 1−0,9522
= 0,0478
Jadi peluang sebuah lampu mempunyai ketahanan kurang dari 2800 jam adalah 0,0478
b. Berapa banyak lampu yang mempunyai ketahanan lebih dari 2940 jam, jika diproduksi
sebanyak 10000 lampu
diketahui rata-rata ketahanan lampu μ=3000 jam, dengan simpangan bakunya σ=120
pertama kita cari dahulu peluang sebuah lampu mempunyai ketahanan lebih
dari 2940 jam. Misal X adalah ketahanan dari sebuah lampu, yang ditanya P(X>2940)
x 2940  3000
z , x=2940 → z   0,5
 120
P(X>2940) = P(Z>−0,5)
= P(Z<0,5)
= 0,6915
Jadi peluang sebuah lampu mempunyai ketahanan lebih dari 2940 jam adalah 0,6915
Selanjutnya kita cari frekuensi harapan dari n=10000 buah lampu dengan peluang 0,6915
fn=n×P(X)

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            19 

 
 =10000×0,6915
=6915 buah
Dari 10000 buah lampu perkiraan sekitar 6915 buah yang mempunyai ketahanan lebih
dari 2940 jam

5. Sebanyak 300 orang mengikuti ujian statistika di sebuah universitas memperoleh rata-
rata 70 dan simpangan bakunya 10. Jika distribusi nilai menyebar secara normal, maka
berapa persen yang mendapat
a. Nilai A , jika interval nilai A≥85
b. Nilai C, jika nilai C terletak pada interval 55≤C≤70
JAWAB
a. Nilai A, jika interval nilai A≥85
Nilai rata-rata μ=70 dan simpangan bakunya σ=10
Misal X adalah nilai seorang mahasiswa , ditanya P(X≥85)
x 85  70
z , x=85 → z   1,5
 10
P(X≥85)=P(Z≥1,5)
=1−P(Z<1,5)
=1−0,9332 = 0,0668
= 6,68100
Jadi yang mendapat nilai A adalah 6,68%
b. Nilai C , jika nilai C terletak pada interval 55≤C≤70
c. Nilai rata-rata μ=70 dan simpangan bakunya σ=10
Misal X adalah nilai seorang mahasiswa , ditanya P(55≤X≤70)
x 70  70
z , x=70 → z  0
 10
x 55  70
z , x=55 → z   1,5
 10

P(55 ≤ X ≤ 70) = P(−1,5 ≤ Z ≤ 0)

= P(Z ≤ 0)−P(Z ≤ −1,5)
= P(Z ≤ 0)−{1−P(Z ≤ 1,5)}
= 0,5−{1−0,9332}
= 0,5−0,0668
= 0,4332
= 43,32100
Jadi yang mendapat nilai C adalah 43,32%

6. Diketahui peluang seorang Indonesia menikah pada usia kurang dari 22 tahun adalah 0,44.
Jika usia pernikahan orang Indonesia terdistribusi normal dengan standar deviasinya
adalah 5 tahun, maka tentukan
a. Rata-rata usia pernikahan orang Indonesia
b. peluang seseorang menikan di usia lebih dari 30 tahun
JAWAB
a. Rata-rata usia pernikahan orang Indonesia

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            20 

 
 Diketahui rata-rata usia menikah μ tahun dan simpangan bakunya σ=5 tahun
Misal X adalah usia seseor ang menikah , maka P(X< 22) = 0,44
Karena peluangnya kurang dari 12 maka gambar table normalnya adalah

Dari P(Z<−z1) = 0,44

1−P(Z<z1) = 0,44
P(Z < z1) = 0,56
z1=0,151
x 22  
z , x=22 → z1   0,151
 5
22−μ = −0,755
μ = 22,755
Jadi rata-rata usia pernihakan orang Indonesia adalah 22,755 tahun
b. Peluang seseorang menikan di usia lebih dari 30 tahun
Diketahui rata-rata usia menikah μ = 22,755 tahun dan simpangan bakunya σ = 5σ tahun
Misal X adalah usia seseorang menikah, maka P(X > 30)
x 30  22,755
z , x=30 → z1   1,449
 5
P(X > 30) = P(Z > 1,449)
= 1− P(Z<1,449)
= 1−0,9264
=0,0736
Jadi peluang seseorang menikah pada usia lebih dari 30 tahun adalah 0,0736
7. Dari sebuah penelitian yang dilakukan di sebuah pusat perbelanjaan, rata-rata pengunjung
membelanjakan Rp320.000,00 dengan si mpangan bakunya adalah Rp110.000,00. Jika
diasumsikan bahwa banyaknya uang yang dibelanjakan berdistribusi normal, maka
a. Tentukan peluang seorang pengunjung akan membelanjakan
sedikitnya Rp400.000,00
b. Dari 2000 pengunjung, maka berapa banyak
yang akan membelanjakan antara RP300.000,00 sampai dengan Rp500.000,00
JAWAB
a. Tentukan peluang seorang pengunjung akan membelanjakan sedikitnya Rp400.000,00

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            21 

 
 Diketahui rata-rata pengunjung membelanjakan adalah μ=320.000.
Simpangan bakunya σ=110.000
Jika X adalah besarnya uang yang dibelanjakan pengunjung
Maka yang ditanya adalah P(X ≥ 400.000)
x 400.000  320.000
z , x=400.000 → z   0,727
 10.000

P(X ≥ 400.000) = P(Z ≥ 0,727)

= 1−P(Z ≤ 0,727)
=1−0,7663
=0,2337
Jadi peluang seorang pengunjung akan membelanjakan sedikitnya Rp400.000,00 adalah 0,
2337
b. Dari 2000 pengunjung, maka berapa banyak yang akan membelanjakan
antara RP300.000,00 sampai dengan Rp500.000,00
Langkah pertama kita cari terlebih dahulu P(300.000 < X < 500.000) kemudian
dari 2000 pengunjung kita cari frekuensi harapannya.
x
z , μ =320.000 dan σ = 110.000


300.000  320.000
x = 300.000 → z   0,182
110.000
500.000  320.000
x=500.000 → z   1,636
110.000
P(300.000 < X < 500.000) = P(−0,182 < Z <1,636)
= P(Z < 1,636) − P(Z < −0,182)
= P(Z < 1,636) − {1−P(Z<0,182)}
= 0,949−{1−0,5722}
= 0,5212
Langkah selanjutnya mencari frekuensi harapan dari n=2000 dan peluangnya 0,5212
fh = n×P(300.000 < X < 500.000)
= 2000×0,5212
=1042,4
≈1042
Jadi dari 2000 pengunjung, maka yang akan membelanjakan antara RP300.000 sampai
dengan Rp500.000 sebanyak 1042 pengunjung.

8. Dalam sebuah ujian Matematika, didapatkan rata-rata 80 dengan simpangan bakunya 8 ,

dan nilai ujian matematika berdistribusi normal,
a. Jika peluang mendapatkan nilai kurang dari k adalah 25%, maka tentukan nilai k
b. Dari 1000 orang yang mengikuti ujian matematika, maka berapa banyak yang
mendapat nilai lebih dari 90 ?
JAWAB
a. Jika peluang mendapatkan nilai kurang dari k adalah 25%, maka tentukan nilai k
Diketahui rata-rata nilai ujian μ=80
Simpangan bakunya σ=8
Misal X adalah nilai seorang mahasiswa, maka P(X< k) = 25%

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            22 

 
 P(X < k) = 25% → P(Z<−z1) = 0,25
1−P(Z<z1) = 0,25
P(Z<z1) = 0,75
Diperoleh z1=0,674
22   k  80
z  0,151 → − z1   0,151
5 8
k  80
 0,674 
8
k−80 = −5,392
k = 74,608
Jadi peluang mendapatkan nilai kurang dari k adalah 25%, maka nilai k = 74,608
b. Dari 1000 orang yang mengikuti ujian matematika, maka berapa banyak yang mendapat
nilai lebih dari 90 ?
Langkah pertama kita cari peluang mendapat nilai lebih dari 90 → P(X > 90)
k  80 90  80
z → z =1,25
8 8
P(X > 90) = P(Z > 1,25)
= 1−P(Z<1,25)
= 1−0,8944
= 0,1056
Langkah selanjutnya kita mencari frekuensi harapan dari n=1000 orang dengan
peluang 0,1056
fh = n×P(X > 90)
= 1000 × 0,1056
= 105,6 ≈106
Jadi dari 1000 orang yang mengikuti ujian matematika, perkiraan 106 orang mendapat nilai
diatas 90

9. Sebuah perusahaan minuman mineral mengemas minuman jenis gelas dalam

volume 250ml. Volume sesungguhnya minuman di dalam gelas tersebut mendekati
distribusi normal dengan standar deviasi 2ml. Untuk meyakinkan bahwa minimal 90%
gelas memuat lebih dari 250m, maka tentukan volume rata-rata yang harus disediakan
perusahaan tersebut dalam setiap gelas!

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            23 

 
 JAWAB
 X~N(μ,2)
P(X > 250) = 90% ↔ P(Z > z)= 0

P(Z > −z1) = 0,9

P(Z < z1) = 0,9
Didapat z1=1,282
x 250  
z →  z1 
8 2
−1,282×2 = 250 − μ
μ = 250+2,564
= 252,64
Jadi volume rata-rata yang harus disediakan perusahaan tersebut tiap gelas 252,64ml

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            24 

 
 10. Dari hasil ujian pelajaran matematika, 15% peserta mendapat nilai lebih dari 65, dan 10%
peserta mendapat nilai kurang dari 35.Jika nilai peserta dapat didekati dengan distribusi
normal, maka tentukan
a. Rata-rata dan variansnya
b. Nilai peserta lebih dari 75
JAWAB
a. Rata-rata dan variansnya
15% peserta mendapat nilai lebih dari 65 → P( X > 65) = 0,15
10% peserta mendapat nilai kurang dari 35 → P(X < 35) = 0,1

Pada gambar kurva normal variabel :

P(Z < z2) = 85% = 0,85 didapat z2 = 1,036
P(Z<−z1) = 10% → 1−P(Z < z1) = 0,1
P(Z < z1) = 0,9 didapat z1 = 1,282
x 35  
z   →   z1   
 
35  
 1,282  → −1,282σ = 35 − μ …( 1)

65  
z2 

65  
1,036  → 1,036σ = 65 − μ …( 2)
  
Dari (1) dan (2 ) : {65 – μ = 1,036σ dan 35 – μ = −1,282σ}
kurangkan kedua persamaan , didapat 30 = 2,318σ
sehingga σ = 12,9422
μ = 51,5919
Jadi rata- ratanya μ=51,59 dan variansnya σ=12,94
b. Nilai peserta lebih dari 75
yang ditanya adalah P(X > 75)
x 75  51,59
z → z ≈1,809
 12,94

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            25 

 
 P(X > 75) = P(Z > 1,809)
= 1−P(Z<1,809)
= 1−0,9647
= 0,0353

11. bawah ini adalah data tinggi badan dari 800 siswa SMA Etika Budaya.

Tinggi (cm) Frekuensi

135 – 142 60
143 – 150 220
151 – 158 311
159 – 166 189
167 – 174 20

12. Jika distribusi dari tinggi badan di sekolah ini mendakati distribusi normal, maka tentukan

a. Mean dan variansnya

b. Peluang tinggi siswa kurang dari 150cm
c. Peluang tinggi badan 145cm sampai 165cm

Jawaban:
a. Mean dan variansnya

Tinggi (cm) Frekuensi xi i i2 fi. i fi. i2

135 – 142 60 138,5 - 2 4 -120 240
143 – 150 220 146,5 - 1 1 -220 220
151 – 158 311 154,5 0 0 0 0
159 – 166 189 162,5 1 1 189 189
167 – 174 20 170,5 2 4 40 80
800 -111 729

b. x  x s 
 f . .c → x  154,5   111  8
i

f i 800

= 154,5 − 1,11
= 153,39
 f .u   f i . i
2
2
 2
   .c
i i
2

f i
 f
 i

  
2
729   111  2
  .8
         800  800 
= 57,0879 → σ = 7,556
Jadi rata-rata tinggi badannya adalah μ = x = 153,39 cm dan simpangan bakunya σ = 7,556
cm
c. Peluang tinggi siswa kurang dari 150cm
X~N(μ,σ) dengan μ=153,39 dan σ =7,556

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            26 

 
 x 150  153,39
z  z  ≈ -0,449
     7,556
P(X<150) = P(Z<−0,449)
= 1−P(Z<0,449
= 1−0,6732
= 0,3268
c. Peluang tinggi badan antara 145cm sampai 165cm
X~N(μ,σ) dengan μ = 153,39 dan σ = 7,556
x 145  153,39
z  untuk x =145 maka z   ≈ −1,
   7,556
165  153,39
untuk x=165 maka z   ≈1,537
7,556
P(145<X<165) = P(−1,11< Z <1,537)
= P(Z<1,537) − P(Z<−1,11)
= P(Z<1,537) − {1−P(Z<1,11)}
= 0,9378−{1−0,8665}= 0,8043

12. Diketahui nilai akhir sebuah mata kuliah berdistribusi normal dengan rata-rata 78 dan
simpangan bakunya 10. Jika 10% mendapat nilai A, 20% mendapat nilai B, 40% mendapat
nilai C, 20% mendapat nilai D, dan 10% mendapat nilai E, maka tentukan selang dari
masing masing nilai akhir!
JAWAB
 Diketahui rata-rata nilai akhir μ=78
Simpangan bakunya σ = 10
Nilai akhir berdistribusi normal, jika X adalah nilai akhir seorang mahasiswa maka selang
(interval) tiap nilai disajikan pada gambar di bawah ini

Pada gambar di atas :

P(Z< z2) = 90% di dapat z2 = 1,282
P(Z< z1) = 70% di dapat z1 = 0,524

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            27 

 
 x x 2 78 x 78
z  → z2   1,282  2  101,282 = x2 di dapat x2 = 12,82
   10 10
x 78 x 78
z1  2  z1  1  10.z1 = x1 - 78
10 10
0,524 = x110 di dapat x1 = 5,24
Interval nilai :
A > 78 + x2 → A > 78+12,82 atau A > 90,82
78 + x1 < B < 78 + x2 → 78 + 5,24 < B < 78+12,82 atau 83,24 < B < 90,82
78 − x1 < C < 78 + x1 → 78 − 5,24 < C < 78 + 5,24 atau 72,76 < C < 83,24
78 − x2 < D < 78 − x1 → 78 − 12,82 < D < 78 − 5,24 atau 65,18 < D < 72,76
E < 78 − x2 → E < 78 − 12,82 atau E < 65,18

13. Dari hasil penelitian, kandungan garam pada air di muara sungai Kapuas didapatkan rata-
ratanya adalah 215 mg/liter, dan simpangan bakunya 45 mg/liter. Jika kadar garam di
muara sungai Kapuas terdistribusi secara normal diambil dan satu liter secara acak air dari
muara sungai Kapuas, maka
a. Tentukan peluang kadar garamnya kurang dari 200 mg/liter
b. Tentukan peluang kadar garamnya antara 175 mg/liter sampai 250 mg/liter
JAWAB
a. Tentukan peluang kadar garamnya kurang dari 200 mg/liter
Diketahui rata-ratanya μ = 215
Simpangan bakunya = 45
Misal X adalah kadar garam pada sampel air di muara sungai Kapuas
yang ditanya adalah P(X < 200)
x 200  215
z   →  z   0,333
 45
P(X<200) = P(Z<−0,333)
= 1−P(Z<0,333)
= 1−0,6904
= 0,3096
Jadi peluang kadar garamnya kurang dari 200 mg/liter adalah 0,3096
b. Tentukan peluang kadar garamnya antara 175 mg/liter sampai 250 mg/liter
Diketahui rata- ratanya μ = 215
Simpangan bakunya = 45
Misal adalah kadar garam pada sampel air di muara su ngai Kapuas
yang ditanya adalah P(175 < X < 250)
x 175  215
z   untuk x = 175, maka z   0,889
 45
250  215
untuk x = 250 maka z   0,778
45
P(175<X<250)=P(−0,889<Z<0,778)
=P(Z<0,778)−P(Z<−0,889)
=P(Z<0,778)−{1−P(Z<0,889)}
=0,7818−{1−0,8131}
=0,5945

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            28 

 
 Jadi peluang kadar garamnya antara 175 mg/liter sampai 250 mg/liter adalah 0,5945
14. Diketahui rata-rata kadar garam di pantai utara pulau Jawa adalah 28 gram perliter dengan
simpangan bakunya 4,5 gram/liter dan kadar garam di pantai utara pulau Jawa berdistribusi
normal. Jika seorang petani garam menampung 100 m3 air laut, maka tentukan peluang
petani itu akan mendapatkan garam
a. Kurang dari 2850 kg garam
b. Antara 2700 kg sampai dengan 3000 Kg
JAWAB
a. Kurang dari 2850 kg garam
Volume air yang diambil =100m3 = 100000 lt
Kadar garam yang diharapkan adalah = 2850kg/100000lt = 0,0285 kg/liter
= 28,5gram/liter
Diketahui rata- ratanya μ = 28
Simpangan bakunya = 4,5
Jika X adalah kadar garam sampel air di pantai utara pulau Jawa
Yang ditanya adalah P(X < 28,5)
x 28,5  28
z  untuk x = 28,5 maka z   0,111
 4,5
P(X < 2850) = P(Z < 0,111)
= 0,5442
Jadi peluang mendapatkan kurang dari 2850 kg garam adalah 0,5442
b. Antara 2700 kg sampai dengan 3000 Kg
Volume air yang diambil =100m3=100000lt
Kadar garam tertinggi yang diharapkan = 3000kg/100000lt = 0,0300 kg/liter
= 30 gram/liter
Kadar garam terendah yang diharapkan = 2700kg/100000lt = 0,0270kg/liter
= 27 gram/liter
Diketahui rata- ratanya μ = 28
Simpangan bakunya = 4,5
Jika X adalah kadar garam sampel air di pantai utara pulau Jawa
Yang ditanya adalah P(27 < X < 30)
x 27  28
z  untuk x = 27 maka z   0,222
 4,5
30  28
untuk x = 30 maka z   0,444
4,5
P(2700<X<3000) = P(−0,222 < Z < 0,444)
= P(Z<0,444) − P(−0,222)
= P(Z<0,444) − {1−P(Z<0,222)}
= 0,6714−{1−0,5879}
= 0,759
Jadi peluang mendapatkan garam antara 2700 kg sampai dengan 3000 Kg adalah 0,759
15. Diketahui rata-rata pendapatan perkapita penduduk Indonesia adalah $4000 pertahun
dengan simpangan bakunya $825 dan pendapatan perkapita penduduk Indonesia
berdistribusi normal. Jika penduduk Indonesia digolongkan menjadi 5 kategori yaitu 5%
sangat miskin, 20% miskin, 50% sedang, 20% kaya, dan 5%
sangat kaya , maka tentukan batas intervalnya!

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            29 

 
 JAWAB
 Diketahui rata-rata pendapatan perkapita penduduk Indonesia adalah μ = $4000
Dengan simpangan bakunya σ = $825
Penduduk Indonesia digolongkan menjadi 5 kategori yaitu 5% sangat miskin,
20% miskin, 50% sedang, 20% kaya, dan 5% sangat kaya
Jika X adalah pendapatan perkapita penduduk Indonesia, maka

Pada gambar di atas , maka :

P(Z < z2) = 95% → P(Z< z2) = 0,95 didapat z2 = 1,645
P(Z<z1)=75% → P(Z< z1) = 0,75 didapat z1 = 0,674
x (4000  b)   (4000  b)  4000
z  z2   1,645  
  825
b = 1357,125
(4000  a)   (4000  a)  4000
z1   0,674  
 825
a = 556,05
4000 − b = 4000 − 1357,125 = 2642,875 ≈ 2643
4000 − a = 4000 − 556,05 = 3443,95 ≈ 3444
4000 + a = 4000 + 556,05 = 4556,05 ≈ 4556
4000 – b = 4000 − 1357,125 = 5357,825 ≈ 5358
Jadi interval penggolongan tingkat pendapatan di Indonesia adalah sebagai berikut :
o Sangat miskin X< 4000 – b → X < 2643
Sangat miskin jika penghasilan perkapita kurang dari $2643 pertahun
o Miskin 4000 – b < X < 4000 – a → 2643 < X < 3444
Miskin jika penghasilan perkapita antara $2643 sampai $3444 pertahun
o Sedang 4000 – a < X < 4000 + a → 3444 < X < 4556
Sedang jika penghasilan perkapita antara $3444 sampai $4556 pertahun
o kaya 4000 + a < X < 4000 + b → 4556 < X < 5358
Kaya jika penghasilan perkapita antara $4556 sampai $5358 pertahun
o Sangat kaya X > 4000 + b → X > 5358
Sangat kaya jika penghasilan perkapita lebih dari $5358 pertahun

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            30 

 
 Latihan

SOAL-SOAL STATISTIK DISTRIBUSI NORMAL.

1. Dalam distribusi normal standar ( Z~N(0,1)), tentukanlah:

a. P(-2,50 < Z < 1,08)
b. P(-0,55 < Z < 0)
c. P(Z > 2,40)
d. P(|Z| > 2,4)
e. P(|Z| < 1,3)
2. Diketahui variabel acak X terdistribusi normal dengan rata-rata 20 dan variansi 16,
tentukanlah P(X > 30)
3. Diketahui variabel acak X terdistribusi normal dengan rata-rata 50 dan simpangan baku 16,
tentukanlah P( 44 < x < 56)
4. Suatu variabel acak X dapat mengambil nilai positip dan negatip. Bila X terdistribusi normal
dengan rata-rata 3 dan variansi 4, tentukanlah peluang X bernilai negatip.
5. Variabel acak X terdistribusi normal dengan rata-rata  dan variansi ¼  . Tentukanlah
2

P( X > 1,5  )
6. X berdistribusi normal dengan rata-rata 15 dan simpangan baku 2, tentukanlah nilai s yang
memenuhi P( X < s) = 0,914
7. X adalah suatu variabel acak yang berdistribusi normal dengan P( X > 59,1) = 0,022 dan
P( X > 29,2) = 0,935. Tentukanlah nilai rata-rata dan standar deviasi dari X.
8. Andi dan Ani sering pergi ke kantor Pos bersama, mereka mengendarai motor milik Andi.
Setiap kali Andi mengantar Ani ke kantor Pos, Andi selalu menurunkan Ani di kantor Pos dan
Andi menghabiskan waktu menunggu Ani dengan berjalan jalan dengan sepeda motornya
berkeliling. Dari penelitian mereka dapatkan bahwa lamanya Ani menyelesaiakan urusan di
kantor Pos berdistribusi normal dengan rata-rata 6 menit dan standar deviasi 1,3 menit. Berapa
menit setelah Andi menurunkan Ani di kantor Pos, dia harus menjemput Ani dengan peluang
95%, Ani tidak harus menunggunya.
9. Waktu yang diperlukan untuk menunggu resep siap untuk diambil berdistribusi normal dengan
rata-rata 15 menit dan standar deviasi 2,8 menit. Tentukan peluang waktu menunggu adalah
....
a. lebih dari 20 menit
b. antara 10 sampai 18 menit
c. kurang dari 8 menit.
10. Pada ujian statistik diketahui 15% dari jumlah peserta mendapat nilai lebih dari 63 dan 10%
dari jumlah peserta mendapat nilai kurang dari 32. Bila diasumsikan bahwa nilai peserta ujian
tersebut berdistribusi normal, tentukanlah nilai rata-rata dan standar deviasinya.
 

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            31 

 
 Penilaian Harian

1. Misal X adalah variabel yang menyatakan jumlah sisi angka yang muncul dalam pelemparan 4
mata uang setimbang sekaligus, nilai P(x = 3 ) dapat dinyatakan sebagai:
4
1
A. 4C3  
 2
3
1 2
B. 4C3    
3 3
3
3 1
C. 4C3    
 4  4
3
1  2
D. 4C3    
3 3
3
1
E. 4C3  
 2

2. Didalam sebuah kotak terdapat 5 kelereng merah, 2 kelereng putih dan 1 kelereng biru. X
adalah variabel yang menyatakan banyaknya kelereng merah yang terambil bila diambil
sebuah kelereng 3 kali berturut-turut dari dalam kotak tersebut dengan pengembalian, maka
nilai P(X = 2) = .... .
A. 225/1024 D. 125/248
B. 225/512 E. 25/112
C. 125/512

3. Dua dadu dilempar bersamaan. X adalah variabel yang menyatakan jumlah mata dadu yang
muncul. Nilai dari P(X = 5) adalah ... .
A. 1/2
B. 1/3
C. 2/7
D. 1/9
E. 2/9
4. Dari seperangkat kartu Bridge diambil sebuah kartu tiga kali berturut-turut dengan
pengembalian. X menyatakan banyaknya karu as yang terambil. Bila a adalah nilai minimum
X dan b adalah nilai maksimum X, maka a + b = .... .
A. 1
B. 2
C. 3
D. 4
E. 5

5. Sebuah dadu dilempar empat kali. X menyatakan jumlah mata dadu genap yang muncul. Nilai
rata-rata X adalah .... .
A. 1
B. 1,5

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            32 

 
 C. 2
D. 2, 5
E. 3
6. Sebuah lempeng yang bernomor 1 sampai dengan 4 diputar 6 kali, X menyatakan banyaknya
angka 3 yang muncul. Nilai variansi dari X adalah .... .
A. 0,25
B. 0, 5
C. 0,75
D. 1
E. 1,25
7. X adalah variabel acak kontinu yang mengambil nilai antara 2 dan 5. Jika f(x)  2 x  1,
27
maka nilai P(X < 3) = ... .
A. 0,59
B. 0,42
C. 0,35
D. 0,26
E. 0,09

3
8. Bila X adalah variabel acak kontinu yang mengambil nilai diantara 0 dan 6, dan f(x)  x ,
328
maka nilai P(1 < X < 2) = .... .
A. 0,0684
B. 0,0534
C. 0,0424
D. 0,0214
E. 0,0114

9. X adalah variabel acak kontinu yang mengambildiantara 1 dan 3, dengan fungsi kepekatan
f(x) = ax + 2, nilai a = .... .
A. - 3/4
B. - 1/3
C. - 3/5
D. 1/2
E. 3/5

10. Sebuah kotak berisi 8 kelereng merah dan 2 kelereng putih. Bila diambil sebuah kelereng tiga
kali berturut-turut dengan pengembalian, maka peluang terambil 1 kelereng putih adalah ... .
A. 45/125
B. 46/125
C. 47/125
D. 48/125
E. 49/125

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            33 

 
11. Seorang peramal mempunyai peluang meramal dengan tepat sebesar 0,25. Bila peramal
tersebut meramal sebanyak 5 kali, peluang ramalannya minimal tepat 4 kali adalah ... .
A. 3/4
B. 5/32
C . 1/64
D. 1/144
E. 3/144

12. Sebuah toko kue menjajakan 3 jenis kue yaitu kue A, kue B dan kue C. Amir pergi berbelanja
ke toko tersebut dan ia membeli 3 buah kue. Peluang Amir membeli 2 buah kue A adalah .... .
A. 1/9
B. 2/9
C. 3/9
D. 4/9
E. 5/9

13. Peluang seseorang lulus ujian adalah 0,75. Bila terdapat 100 orang yang mengikuti ujian
maka rata-rata yang lulus adalah ....
A. 75
B. 65
C. 55
D. 45
E. 25

14. Dalam distribusi normal nilai P (Z < 2,35), adalah .....

A. 0,4906
B. 0,6406
C. 0, 9906
D. 0,0094
E. 0,0009

15. Suatu data berdistribusi normal dengan rata-rata 10 dan simpangan baku 3, Untuk menentukan
peluang data yang bernilai > 17, dapat ditentukan dengan melihat tabel pada distribusi normal
Z dengan menggunakan P(Z > a), nilai a adalah ... .
A. 7,00
B. 3,00
C. 2,33
D. 1, 43
E. 1, 02

16. Dalam tabel distribusi normal Z, nilai dari P(1,15 < Z < 2,04 ) = ..... .
A. 0, 1044
B. 0, 3749
C. 0, 4793

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            34 

 
 D. 0, 5793
E. 0, 6749

17. Daya tahan bohlam lampu merek A ( di ukur dalam jam) berdistribusi normal dengan rata-rata
8.000 jam dan simpangan baku 1000 jam. Peluang bohlam lampu tersebut mempunyai daya
tahan 7500 sampai dengan 9000 jam adalah .... .
A. 0,597
B. 0,0597
C. 0,1597
D. 0,0398
E. 0,0199

18. Pada ujian matematika yang dilaksanakan nilai peserta ujian berdistribusi normal, dengan rata-
rata 75 dan simpangan baku 5. Jika diambil seorang peserta maka peluang nilai peserta
tersebut lebih dari 85 adalah ....
A. 0,0228
B. 0,2280
C. 0,3467
D. 0,4772
E. 0,5000

19. Nilai ujian matematika suatu kelas berdistribusi normal dengan rata-rata nilai 67 dan
simpangan baku 5. Bila yang lulus adalah 80% dari jumlah semua peserta, maka nilai batas
kelulusannya adalah ....
A. 62, 8
B. 60, 8
C. 59, 2
D. 55, 8
E. 52, 2

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            35 

 
 Essay
20. Tabel berikut menyajikan nilai ulangan statistika kelas XII MIPA

Nilai frekwensi
46 - 50 1
51 - 55 5
56 - 60 15
61 - 65 22
66 - 70 24
71 - 75 26
76 - 80 24
81 - 85 22
86 - 90 15
91 - 95 5
96 - 100 1
Jumlah 160

A. Tentukanlah rata-rata
B. Tentukan simpangan baku
C. Tentukan peluang nilai lebih besar dari 84 ( diasumsikan data berdistribusi normal).
D. Tentukanlah banyak peserta yang mendapat nilai lebih dari 84.

E‐MODUL/MATEMATIKA PEMINATAN/12 MIPA                           IMAN SANTOSO,M.PD/SMAN 55 JAKARTA                                            36