MODUL KULIAH

Mata Kuliah Statistika Probabilitas

Dosen Safitri Jaya

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

DISTRIBUSI NORMAL (lanjutan…)

9.1 Penggunaan Kurva Normal Standar

 Modul 9 – Distribusi Normal 2

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

b. X > 950 jam

Z = (950 – 825) / 45 = 2.78
Diperoleh P(Z > 2.78) = P(Z > 0) – P(0 < Z < 2.78)
= 0.5 – 0.4973 = 0.0027

Jadi terdapat 0.0027 x 5000 lampu = 13.5 atau 14 lampu yang tahan lebih dari 950
jam

9.2 Hubungan antara Distribusi Normal dan Distribusi Binomial

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).

Oleh karena itu, penggunaan distribusi normal untuk menyelesaikan kasus

distribusi binomial dapat dilakukan dengan menggunakan aturan (penyesuaian),
yaitu faktor koreksi. Caranya adalah dengan menambah atau mengurangi variabel
X-nya dengan 0.5 :
a. Untuk batas bawah (kiri), variabel X dikurangi 0.5
b. Untuk batas atas (kanan), variabel X ditambah 0.5
 Modul 9 – Distribusi Normal 4

Dengan demikian, rumus Z menjadi

Rumus 9.1
Zi = (Xi ± 0.5) - µ
δ
dengan i = 1.2 µ = n.p δ = √n.p.q

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

P(X = 10) = C15 (1/2)10 . (1/2) 15 – 10

10

P(X = 10) = C (1/2)10 . (1/2) 5

15
10

= 15 / 10! (15 – 10)! (0.00098)(0.3125) = 0.091

2. Menggunakan kurva normal

µ = n.p = 15 . ½ = 7.5
δ = √n .p .q = √15 . ½ . ½ = 1.9365
karena variabel x = 10
- Untuk batas bawahnya = 10 – 0.5 = 9.5
- Untuk batas atasnya = 10 + 0.5 = 10.5
Z1 = (9.5 – 7.5) / 1.9365 = 1.03 (dari tabel = 0.3485)
Z2 = (10.5 – 7.5) / 1.9365 = 1.55 (dari tabel = 0.4394)
Jadi P(x = 10) = 0.4394 – 0.3485 = 0.0909
Perbedaan hasil antara rumus binomial dan kurva normal sebesar 0.0001, sangat
kecil sehingga dapat diabaikan.

9.3 Z-Skor untuk pengujian Hipotesis

 Modul 9 – Distribusi Normal 5

Penelitian kuantitatif pada umumnya dimaksudkan untuk menguji hipotesis

yang dikembangkan. Jenis statistik yang digunakan untuk menguji hipotesis ini
adalah statistik inferensial, yang mungkin dimaksudkan untuk menguji hubungan
atau perbedaan. Hipotesis merupakan sesuatu yang melekat pada penelitian
kuantitatif, walaupun tidak semua penelitian kuantitatif membutuhkan hipotesis,
terutama untuk yang bersifat deskriptif. Hipotesis itulah yang dijadikan dasar sebagai
langkah kerja penelitian, mulai dari pembuatan instrumer, pengumpulan data,
analisa data dan akhirnya penarikan penyimpulan dari suatu penelitian.

Hipotesis merupakan sebuah pernyataan yang kebenarannya masih harus

dibuktikan melalui bukti-bukti empiris kerja penelitian. Hipotesis tidak dapat muncul
begitu saja, melainkan harus dibangun berdasarkan teori yang dikembangkan. Jika
pengembangan teori itu menyarankan tidak adanya hubungan yang signifikan antara
suatu variabel, misalnya variabel kemampuan penalaran dengan variabel yang lain,
seperti kemampuan berbahasa siswa, hipotesis yang diajukan adalah nol.
Sebaliknya jika berdasarkan pengembangan teori itu disarankan adanya hubungan
yang signifikan, hipotesis yang diajukan adalah hipotesis alternatif atau hipotesis
kerja (Gunawan, 2007).

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

Sebagaimana dikemukakan di atas, kemungkinan munculnya suatu gejala

tersebut biasanya ditandai dengan huruf P yang dinyatakan dalam suatu persentase.
Maka untuk menunjukkan kemungkinan diterima atau ditolaknya hipotesis biasanya
digunakan kode P, yaitu P = 0.05 atau tariff signifikansi 5% yang menunjuk pada
pengertian bahwa gejala itu akan muncul sebanyak 5 kali dalam 100 kejadian.

Penentuan batas penerimaan atau penolakan hipotesis dengan P = 0.05

tersebut sebenarnya menggunakan logika wilayah z-skor pada daerah kurva normal.
Secara teoritis, z-skor mempunyai luas wilayah dalam daerah kurva normal yang
dihitung berdasarkan simpangan baku dari rata-rata hitung, baik daerah yang berada
di atas maupun di bawahnya. Luas wilayah untuk tiap z-skor dapat dilihat pada tabel
daerah kurva normal. Sebagaimana dikemukakan dalam daerah pembicaraan
daerah kurva normal di atas, semakin besar nilai z-skor yaitu yang dicerminkan oleh
simpangan ±1s, ±5s dst, akan semakin besar daerah yang dimilikinya.

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.

9.4 Uji Normalitas

Data-data berskala interval sebagai hasil pengukuran pada umumnya
mengikuti asumsi distribusi normal. Namun, suatu data ternyata tidak mengikuti
asumsi itu bukanlah hal yang mustahil. Untuk mengetahui kepastian sebaran data
yang diperoleh haruslah dilakukan uji normalitas terhadap data yang bersangkutan.
Berbagai rumus statistik inferensial yang digunakan untuk menguji hipotesis
penelitian mendasarkan diri pada asumsi bahwa data yang bersangkutan memenuhi
cirri sebaran normal (Winarsunu, 2008).
 Modul 9 – Distribusi Normal 7

Dengan kata lain, keadaan data berdistribusi normal merupakan sebuah

persyaratan yang harus dipenuhi. Sebuah data yang tidak berdistribusi normal,
sebagai konsekuensinya, tidak dapat digarap dengan rumus statistik tersebut.
Dengan demikian, sebelum dikenai rumus statistik tertentu, normalitas sebaran
suatu data haruslah sudah diketahui. Jadi, uji normalitas data tersebut haruslah
sudah dilakukan sebelum penerapan suatu rumus statistik untuk pengujian hipotesis.
Namun, perlu juga dicatat bahwa ada rumus statistik yang tidak begitu peka
terhadap penyimpangan asumsi normalitas data. Misalnya rumus uji-t atau t-student
diketahui tidak begitu sensitif terhadap penyimpangan yang wajar dari asumsi
distribusi normal.

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

X2 = (O – E1)2 + (O – E2)2 + ….. + (O – En)2

E1 E2 En

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

Sebagai contoh, data berikut menyajikan hasil pengukuran kemampuan

statistic 55 orang mahasiswa yang telah ditampilkan dalam bentuk tabel distribusi
bergolong. Kelas interval yang dibutuhkan adalah 7. Hipotesis yang diajukan adalah
hipotesis nol dengan taraf signifikan 5%

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

Langkah-langkah untuk menguji normalitas sebaran data tersebut adalah sebagai

berikut :
a. Menentukan batas-batas kelas interval untuk menghitung luas daerah kurva
normal. Batas kelas interval pertama adalah 84.5 dan 79.5, kedua 74.5 dan 69.5,
dan seterusnya.
b. Mentransformasikan batas kelas tersebut ke dalam bilangan z-skor. Batas kelas
84.5 dan 79.5 mempunyai z-skor 2.41 dan 1.74, dan seterusnya (menggunakan
rumus 8.2)
c. Menghitung luas daerah tiap kelas interval berdasarkan tabel daerah kurva
normal. Luas daerah kelas interval pertama dengan z-skor 2.41 dan 1.74 adalah
0.4920 dan 0.4591, sehingga luas kelas interval itu 0.4920 – 0.4591 = 0.0329.
Dengan cara yang sama dapat ditemukan luas daerah kelas-kelas interval
berikutnya.
d. Menghitung frekuensi teoritis (frekuensi harapan, E) dengan cara luas daerah
kelas interval dikalikan 55 (jumlah kasus). Untuk kelas interval pertama di atas
adalah 0.0329 x 55 = 1.81. Dengan cara yang sama dapat ditemukan frekuensi
teoritis (E) kelas-kelas interval berikutnya.

Berikut adalah hasil penghitungan untuk semua data :

 Modul 9 – Distribusi Normal 9

No Batas Z batas Luas daerah Frekuensi Frekuensi

kelas kelas kelas interval harapan (E) observasi (O)
1 84.5 2.41
2 79.5 1.74 0.0329 1.8 2
3 74.5 1.06 0.1397 7.68 7
4 69.5 0.39 0.2037 11.2 10
5 64.5 - 0.27 0.2581 14.2 14
6 59.5 - 0.95 0.2225 12.2 12
7 54.5 - 1.62 0.1185 6.5 7
8 49.5 - 2.29 0.043 2.36 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

Untuk menguji harga X2 tersebut digunakan taraf signifikansi 5% (P = 0.05)

dengan derajat kebebasan (db) k – 3 dan dalam contoh di atas db: 7 – 3 = 4. Tabel
nilai-nilai kritis khi-kuadrat dengan db 4 pada taraf signifikansi 5% menunjukkan
bilangan sebesar 9.488. Bilangan khi kuadrat yang diperoleh di atas jauh di bawah
taraf signifikansi 5%. Dengan demikian hipotesis di tolak. Artinya, data yang diuji
distribusinya terbukti berdistribusi normal sehingga dapat diterapkan pada teknik
statistik yang mempersyaratkan distribusi normal.

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

3. Nilai ujian statistik sebagian besar mahasiswa mempunyai distribusi normal

dengan rata-rata 34 dan standar deviasi 4. Jika X menyatakan nilai-nilai
mahasiswa tersebut, berapakah batas nilai x0 agar 10% dari kelompok nilai
terendah berada di bawah x0

4. Sebuah uang logam yang setimbang dilemparkan sebanyak 10 kali. Dengan

menggunakan pendekatan distribusi normal terhadap distribusi binomial,
tentukanlah probabilitas untuk memperoleh antara 3 sampai dengan 6 sisi muka

5. Tentukanlah nilai probabilitas variabel acak Z berikut :

a. P(0 < Z ≤ 1.25)
b. P(- 1.57 ≤ Z < 0)
c. P(- 2.5 ≤ Z ≤ 3.5)