Handout INF107 PS Pertemuan 9
Handout INF107 PS Pertemuan 9
Modul 9 (Sembilan)
Topik Distribusi Normal
Sub Topik Distribusi Normal (lanjutan…)
1. Penggunaan Kurva Normal Standar
2. Hubungan antara distribusi normal dengan distribusi
Materi
binomial
3. Z-skor untuk pengujian hipotesis
4. Uji Normalitas
1. Memahami penggunaan kurva normal standar
2. Memahami hubungan antara distribusi normal dan
distribusi binomial
Tujuan
3. Memahami dan menjelaskan z-skor untuk pengujian
hipotesis
4. Memahami uji normalitas
Untuk menentukan luas daerah di bawah kurva normal standar, telah dibuat
daftar distribusi normal standar, yaitu tabel luas kurva normal standar dengan nilai-
nilai Z tertentu. Dengan daftar tersebut bagian-bagian luas dari distribusi normal
standar dapat dicari. Karena seluruh luas kurva adalah 1 dan kurva simetris
terhadap µ = 0, luas dari garis tegak pada titik nol ke kiri ataupun ke kanan adalah
0.5 dan diartikan P(Z > 0) = 0.5. Luas daerah di bawah kurva normal pada interval
tertentu dituliskan P(0 < Z < b).
Contoh :
Akan dihitung nilai P(0 < Z < 2.13)
Jawab :
a. 2.13 = 2.1 + 0.03
b. Dengan tabel luas kurva normal standar dicari 2.1 pada kolom Z (kolom paling
kiri) dan 0.03 pada baris pertama (baris paling atas)
c. Diperoleh pertemuan nilai dari P(0 < Z < 2.13) = 0.4834
Untuk menentukan luas daerah kurva normal yang bukan baku, dilakukan
transformasi dengan menggunakan nilai Z, dengan cara sebagai berikut ;
1. Menghitung nilai Z sampai dua desimal
2. Menggambar kurva normal standarnya
3. Meletakkan nilai Z pada sumbu X, kemudian menarik garis vertikal yang
memotong kurva
4. Nilai yang terdapat dalam daftar merupakan luas daerah antara garis tersebut
dengan garis vertikal di titik nol
5. Dalam daftar distribusi normal standar, pencarian tempat harga Z pada kolom
paling kiri hanya sampai satu desimal dan pencarian desimal keduanya pada
baris paling atas
6. Dari Z di kolom kiri maju ke kanan dan dari Z di baris atas turun ke bawah
sehingga didapat bilangan yang merupakan luas daerah yang dicari. Untuk
mencari nilai Z, apabila luas kurva diketahui, dilakukan langkah sebaliknya
Contoh :
Sebuah perusahaan memproduksi bola lampu yang ketahanannya berdistribusi
normal dengan rata-rata 825 jam dan simpangan baku 45 jam. Hitunglah :
Modul 9 – Distribusi Normal 3
a. Berapa persen lampu yang ketahanannya antara 800 dan 860 jam
b. Berapa banyak lampu yang tahan lebih dari 950 jam jika diproduksi 5000 lampu
Jawab :
a. Diketahui µ = 825 jam dan δ = 45 jam
P(800 < Z < 860)
z1 = (800 – 825) / 45 = - 0.55 dan z2 = (860 – 825) / 45 = 0.78
diperoleh P(- 0.55 < Z < 0.78) = P(- 0.55 < Z < 0) + P(0 < Z < 0.78)
= 0.2088 + 0.2823 = 0.4911
Sehingga diperoleh 49,11% lampu yang ketahanannya antara 800 dan 860 jam
Jadi terdapat 0.0027 x 5000 lampu = 13.5 atau 14 lampu yang tahan lebih dari 950
jam
Distribusi binomial akan mendekati distribusi normal jika nilai p sama dengan
½ dan nilai n lebih besar. Namun dalam prakteknya, distribusi normal (kurva normal)
dapat digunakan untuk menyelesaikan kasus distribusi binomial (probabilitas
binomial), sekalipun p tidak sama dengan ½ dan n relatif kecil. Seperti diketahui,
distribusi binomial bervariabel diskret, sedangkan distribusi normal (kurva normal)
bervariabel kontinu (Lungan, 2006).
contoh :
sebuah uang logam yang setimbang memiliki permukaan angka (A) dan gambar (G),
dilemparkan ke atas sebanyak 15 kali. Tentukan probabilitas untuk mendapatkan 10
kali permukaan gambar. Gunakan distribusi binomial dan kurva normal
Jawab :
1. Menggunakan distribusi binomial
n = 15 x = 10 p=½ q=½
P(X = x) = C n px . q n-x
x
Untuk menentukan batas signifikansi hasil observasi dan uji statistik yaitu
diterima atau ditolaknya sebuah hipotesis, ada ketentuan-ketentuan yang digunakan
yaitu taraf signifikansi (level of significance). Dalam statistik dasar penerimaan atau
penolakan hipotesis adalah teori probabilitas sebagaimana yang dibicarakan pada
bab sebelumnya. Prinsip probabilitas yang dimaksud berkaitan dengan pertanyaan
seberapa besarkah peluang atau kemungkinan munculnya suatu gejala atau
kejadian dalam kondisi tertentu. Sebuah hipotesis dinyatakan diterima atau ditolak,
jika gejala atau kejadian yang ingin diuji itu dapat muncul dalam hitungan jumlah
tertentu sesuai dengan persyaratan yang telah ditentukan. Jika frekuensi
kemungkinan kemunculan gejala itu memenuhi persyaratan yang telah ditentukan
dan hal itu didukung oleh bukti-bukti empiris hasil penelitian, maka hipotesis akan
diterima, dan apabila berlaku kebalikannya maka hipotesis yang diajukan akan
ditolak.
Modul 9 – Distribusi Normal 6
Oleh karena besar kecilnya nilai z-skor yang diperoleh dapat digunakan untuk
menentukan taraf signifikansi angka indeks hasil uji coba statistik. Misalnya uji
korelasi atau anova, pengujian hipotesis penelitian juga dapat dilakukan dengan
menghitung nilai Z tersebut. Hal itu merupakan alternatif lain sebab paada umumnya
uji signifikansi dilakukan dengan mengkonsultasikan pada nilai-nilai kritis yang telah
ditabelkan. Uji signifikansi menggunakan tabel jauh lebih mudah dan cepat daripada
menghitung nilai z.
Ada beberapa cara yang dapat digunakan untuk melakukan uji normalitas
data. Cara yang dimaksud adalah dengan menggunakan rumus model khi-kuadrat
dan Lilliefors. Uji normalitas menggunakan model khi-kuadrat dapat ditempuh
dengan dua cara yang berbeda dalam penghitungan frekuensi harapan (E,
expected) :
1. Dengan penghitungan luas daerah z-skor
2. Dengan penghitungan persentase
Rumus 9.2
Jadi dalam uji normalitas suatu data yang menggunakan rumus khi-kuadrat,
terlebih dahulu harus dihitung berapa nilai frekuensi harapan (E), sedangkan
frekuensi observasi (O) sudah dengan sendirinya tersedia. Selain itu, meskiupun
data yang ingin dilakukan uji normalitas adalah data yang berskala interval, yang
menjadi persoalan bukan besar kecilnya bilangan tiap data individual (X) yang ada,
melainkan frekuensi pemunculan tiap bilangan data. Dengan demikian data yang
diolah dalam uji normalitas adalah data nominal.
Modul 9 – Distribusi Normal 8
No Skor Frekuensi
1 80 – 84 2
2 75 – 79 7
3 70 – 74 10
4 65 – 69 14
5 60 – 64 12
6 55 – 59 7
7 50 – 54 3
Selanjutnya, data frekuensi harapan dan frekuensi observasi pada tabel di atas
dikalkulasikan menggunakan rumus 9.2
X2 = (3 – 1.8)2 + (7 – 7.68)2 + …….. + (3 – 2,36)2 = 0.775
1.8 7.68 2.36
Tugas 6
1. Variabel acak X mempunyai distribusi normal dengan rata-rata 18 dan standar
deviasi 2.5, hitunglah :
a. P(X < 15)
b. P(17 < X < 21)
Modul 9 – Distribusi Normal 10
2. Dari pengiriman sebanyak 1000 rim kertas koran dengan berat 60 gr, diketahui
bahwa rata-rata tiap rimnya berisi 450 lembar dengan standar deviasi 10 lembar.
Jika distribusi jumlah kertas per rim tersebut berdistribusi normal, berapa persen
dari rim kertas itu yang berisi 455 lembar atau lebih