Disusun oleh :
NPM: 0119101177
2019/2020
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga
saya dapat menyelesaikan tugas makalah yang berjudul Distribusi Normal ini tepat pada
waktunya.
Adapun tujuan dari penulisan dari makalah ini adalah untuk memenuhi tugas Bapak Rachmat
Hidayat, DR., DRS., M.PD. pada mata kuliah Statistika Bisnis. Selain itu, makalah ini juga
bertujuan untuk menambah wawasan tentang Distribusi Normal bagi para pembaca dan juga
bagi penulis.
Saya mengucapkan terima kasih kepada Bapak Rachmat Hidayat, DR., DRS., M.PD.,
selaku dosen mata kuliah Statistika Bisnis yang telah memberikan tugas ini sehingga dapat
menambah pengetahuan dan wawasan sesuai dengan bidang studi yang saya tekuni.
Saya juga mengucapkan terima kasih kepada semua pihak yang telah membagi sebagian
pengetahuannya sehingga saya dapat menyelesaikan makalah ini.
Saya menyadari, makalah yang saya tulis ini masih jauh dari kata sempurna. Oleh karena itu,
kritik dan saran yang membangun akan saya nantikan demi kesempurnaan makalah ini.
Penyusun
DAFTAR ISI
Halaman Judul
Kata pengantar.................................................................................................i
Daftar Isiii
BAB I PENDAHULUAN
BAB II PEMBAHASAN
Kesimpulan ...........................................................................................10
DAFTAR PUSTAKA
BAB I
PENDAHULUAN
Abraham de Moivre adalah orang pertama kali memperkenalkan distribusi normal ini
dalam suatu artikel miliknya pada tahun 1733 sebagai pendekatan distribusi normal
untuk (n) besar. Kemudian dipopulerkan oleh Carl Fredreich Gauss. Sehingga nama lain
dari distribusi ini adalah distribusi Gauss. Gauss mengamati hasil percobaan yang
dilakukan berulang-ulang, dan dia menemukan hasil yang paling sering adalah nilai rata-
rata. Penyimpangan baik ke kanan atau ke kiri yang jauh dari rata-rata, terjadinya
semakin sedikit. Sehingga bila disusun maka akan terbentuk distribusi yang simetris.
Satu-satunya distribusi probabilitas dengan variabel random kontinu adalah distribusi
normal. Ada dua peran yang penting dari distribusi normal. Pertama, distribusi normal
memiliki beberapa sifat yang mungkin untuk digunakan sebagai patokan dalam
mengambil suatu kesimpulan berdasarkan hasil sampel yang diperoleh. Pengukuran
sampel digunakan untuk menafsirkan parameter populasi. Kedua, distribusi normal
sangat sesuai dengan distribusi empiris, sehingga dapat dikatakan bahwa semua kejadian
alami akan membentuk distribusi ini. Karena alasan inilah sehingga distribusi ini dikenal
sebagai distribusi normal dan grafiknya dikenal sebagai kurva normal atau kurva gauss.
Karena begitu pentingnya ketepatan dalam pengambilan kesimpulan suatu pengukuran
atau percobaan.
Distribusi normal salah satu distribusi teoretis variabel random kontinu. Distribusi
normal sering disebut distribusi Gauss, sesuai nama pengembangnya, yaitu Carl Fredreich
Gauss pada abad ke-18, seorang ahli matematika dan astronomi. Distribusi normal
merupakan distribusi peluang yang terpenting dalam seluruh bidang statistika. Distribusi
normal merupakan suatu alat statistik untuk menaksir dan meramalkan peristiwa-peristiwa
yang lebih luas. Pengukuran fisik di bidang seperti percobaan meteorologi, penelitian curah
hujan, dan pengukuran suku cadang yang diproduksi sering dapat diterangkan menggunakan
distribusi normal.
Distribusi normal merupakan distribusi yang simetris dan berbentuk genta atau lonceng.
Pada bentuk tersebut ditunjukkan hubungan ordinat pada rata-rata dengan berbagai ordinat
dengan berbagai jarak simpangan baku yang diukur dari rata-rata.
Suatu peubah acak kontinu X yang distribusinya berbentuk lonceng seperti pada gambar,
disebut peubah acak normal. Persamaan matematika distribusi peluang peubah normal
kontinu bergantung pada dua parameter µ dan σ yaitu rataan dan simpangan bakunya. Jadi
fungsi padat X akan dinyatakan dengan n (x, µ, σ).
Berikut merupakan tabel distribusi normal standar untuk P (X < x) atau dapat
digambarkan dengan luas kurva normal standar dari X = minus tak terhingga sampai dengan
X = x.
Pada tabel carilah angka 1,2 pada kolom paling kiri. Kemudian, carilah angka 0,05 pada baris
paling atas. Sel pertemuan antara kolom dan baris adalah 0,8944. Dengan demikian P
(X<1,25) adalah 0,8944.
2.3 Contoh Soal Distribusi Normal
Contoh Soal 1
Rata-rata produktivitas padi di lampung tahun 2009 adalah 6 ton per hektare (ha), dengan
simpangan baku (s) 0,9 ton. Apabila luasnya sawah yang di Lampung 100.000 hektare
(ha) dan produktivitas padi berdistribusi normal (data tentatif), tentukan berikut ini!
jadi berapakah luasnya sawah yang memiliki produktivitas yang lebih dari 8ton?
jadi berapakah luasnya sawah yang memiliki produktivitas yang kurang dari 5ton?
jadi berapakah luasnya sawah yang memiliki produktivitas diantara 4–7ton?
Penyelesaian:
1. Jumlahkan nilai z dari nilai x= 8 ton dengan menggunakan rumus
Penyelesaian:
Diketahui μ = 2500 untuk jumlah nilai rata-ratanya dalam hitungan dan 400 jumlah
deviasi standarnya.
Z = (X – μ) / σZ1 = (2500 – 2500) / 400 Z1 = 0 / 400 = 0 Z2 = (2805 – 2.805) /
400Z2 = 0.76
Contoh Soal 3
Telah ditemukan harga rata- ratanya dari 100 responden sebagai angket motivasi kerja =
75 dengan simpangan baku = 4. ditanyakan:
1. Berapakah total respondennya yang mendapat nilai 80 keatas?
2. Berapa nilai responden yang dapat dikualifikasikan 10 % dari nilai tertinggi?
Penyelesaian:
1. Z = (80 –75)/4
= 1,25 dari tabel kurva normal didapat luas kekanan = 10,56 %. Maka hasil
responden = 10,56%x100= 11 orang
Keterangan:
µ : Rata-rata (mean) dari data
σ : Simpangan baku data berdistribusi normal
Contoh Soal 6
Misalkan Z adalah variabel random yang berdistribusi normal baku (normal standar).
Hitunglah luas wilayah pada Z < 1,24 atau peluang P(Z < 1,24)!
Penyelesaian:
Sebelum menjawab persoalan di atas, perlu dipahami bahwa P(Z < 1,24) sama juga
dengan P(Z ≤ 1,24). Hal ini karena Z adalah variabel random kontinu dimana P(Z = 1,24)
= 0, sehingga P(Z < 1,24) sama saja dengan P(Z ≤ 1,24).
Area Z < 1,24 pada kurva distribusi normal baku dapat dilihat pada gambar berikut.
Untuk mengetahui luas area kurva normal pada Z < 1,24 atau peluang P(Z < 1,24), kita
bisa akan menggunakan tabel Z distribusi normal baku.
Tabel Z yang ada pada link di atas terdiri dari dua bagian, yaitu bagian tabel Z negatif
dan bagian tabel Z positif. Karena Z = 1,24 adalah bilangan yang positif maka bagian
tabel yang digunakan adalah bagian tabel Z positif.
Pada tabel Z, kolom pertama menunjukkan nilai Z yang memiliki satu angka di belakang
koma, sedangkan angka kedua di belakang koma terletak pada baris pertama.
Untuk menentukan luas wilayah Z < 1,24, kita harus menentukan terlebih dahulu letak
1,2 pada kolom pertama kemudian diarahkan ke kanan. Selanjutnya menentukan letak
0,08 pada baris pertama kemudian diarahkan ke bawah. Coba perhatikan ilustrasi pada
gambar di bawah ini.
Titik pertemuan keduanya merupakan luas wilayah Z < 1,24 atau P(Z < 1,24), yaitu
0,8925.
Contoh Soal 7
Berapakah luas area kurva normal pada Z > 1,24 atau P(Z > 1,24)?
Penyelesaian:
Dari contoh pertama telah diketahui bahwa P(Z < 1,24) adalah 0,8925. Karena luas area
keseluruhan di bawah kurva normal adalah 1, maka
P(Z > 1,24) = 1 – P(Z < 1,24)
P(Z > 1,24) = 1 – 0,8925
P(Z > 1,24) = 0,1075
Dengan demikian luas area kurva normal pada Z > 1,24 atau P(Z > 1,24) adalah 0,1075.
Contoh Soal 8
Berapakah luas area kurva normal antara -1,12 < Z < 0,92 atau P(-1,12 < Z < 0,92)?
Penyelesaian:
Area kurva normal -1,12 < Z < 0,92 dapat kita lihat pada gambar berikut.
Dari ilustrasi di atas dapat kita ketahui bahwa ternyata luas area kurva normal -1,12 < Z
< 0,92 adalah luas area kurva normal Z < 0,92 dikurangi luas area kurva normal Z <
-1,12. Penyelesaiannya dapat kita tulis menjadi:
P(-1,12 < Z < 0,92) = P(Z < 0,92) – P(Z < -1,12).
Nilai P(Z < 0,92) dan P(Z < -1,12) dapat diperoleh dari tabel distribusi normal baku.
Dengan menggunakan tabel Z dapat diketahui bahwa P(Z < 0,92) = 0,8212 dan P(Z <
-1,12) = 0,1314, sehingga:
P(-1,12 < Z < 0,92) = 0,8212 – 0,1314
P(-1,12 < Z < 0,92) = 0,6898
Contoh Soal 9
BAB III
PENUTUP
3.1 Kesimpulan
Berdasarkan pembahasan di atas, dapat disimpulkan bahwa distribusi normal
merupakan distribusi peluang kontinu yang terpenting di seluruh bidang statistika. Distribusi
normal digunakan untuk menafsirkan peristiwa-peristiwa yang lebih luas. Kurva distribusi
normal berbentung lonceng. Abraham de Moivre adalah yang pertama kali menemukan dan
memperkenalkan distribusi normal yang kemudian dipopulerkan dan dikembangkan oleh
Carl Fredreich Gauss, seorang ahli matematika dan astronomi. Sehingga nama lain dari
distribusi normal adalah distribusi Gauss.
Dengan mempelajari distribusi normal dan mencermati contoh-contoh soal diatas,
dapat menambah pengetahuan kita terhadap distribusi normal. Kita jadi tahu bagaimana
menafsirkan dan meramalkan peristiwa-peristiwa yang terkait dengan distribusi normal.
DAFTAR PUSTAKA
Quipper. Distribusi Normal. Dikutip dari: https://quipper.co.id/distribusi-normal/.
Diakses pada: 2 Mei 2020.
Kumpulansoal. Contoh Soal Distribusi Normal. Dikutip dari: https://kumpulansoal-
42.blogspot.com/2017/06/contoh-soal-distribusi-normal.html. Diakses pada: 2 Mei 2020.
Rumusstatistik. Menghitung Luas Area Tabel Z Distribusi Normal. Dikutip dari:
https://www.rumusstatistik.com/2016/10/menghitung-luas-area-tabel-z-distribusi-
normal.html. Diakses pada: 3 Mei 2020.
Academia. Makalah Statistika Lanjut Tentang Distribusi Normal. Dikutip dari:
https://www.academia.edu/37508574/MAKALAH_STATISTIKA_LANJUT_TENTAN
G_DISTRIBUSI_NORMAL_. Diakses pada: 4 Mei 2020.
Rumuspintar. Distribusi Normal. Dikutip dari: https://rumuspintar.com/distribusi-
normal/. Diakses pada: 4 Mei 2020.