MAKALAH

DISTRIBUSI NORMAL

DISUSUN OLEH

1. DIYAH AHADYATUNNISA
2. FADILA HAPSAH BAPANG
3. IWAN SUSANTO

YAYASAN RUMAH SAKIT ISLAM NUSA TENGGARA BARAT

SEKOLAH TINGGI ILMU KESEHATAN YARSI MATARAM

PROGRAM STUDI ILMU KEPERAWATAN JENJANG S1

MATARAM

2020
 KATA PENGANTAR

Assamualaikum. Wr.Wb.

Puji syukur kehadirat Allah SWT atas rahmat, taufik, serat hidayah-Nya
Puji syukur saya panjatkan kehadirat Allah SWT, atas limpahan rahmat dan
hidayah-Nya kami dapat menyelesaikan tugas dengan baik, tepat waktunya yang
berjudul “DISTRIBUSI NORMAL”. Makalah ini disusun sebagai salah satu
tugas dari mata kuliah Biostatistik. Dalam kesempatan ini kami mengucapkan
terima kasih yang sebesar besarnya kepada Ibu Syamdarniati., SKM., M.Kes
selaku dosen pengampuh mata kuliah Biostatistik.
Kami menyadari bahwa dalam penyusunan makalah ini masih jauh dari
kata sempurna, baik dari segi penulisan, bahasa ataupun penyusunannya. Oleh
karena itu kami mengharapkan kritik dan saran yang sifatnya membangun,
khususnya dari dosen pengampuh mata kuliah Biostatistik menjadi acuan dalam
bekal pengalaman bagi kami untuk lebih baik dimasa yang akan datang.

Mataram, 18 Oktober 2020

Penyusun

Kelompok V
 DAFTAR ISI

HALAMAN JUDUL................................................................................................i
KATA PENGANTAR.............................................................................................ii
DAFTAR ISI..........................................................................................................iii
BAB I PENDAHULUAN........................................................................................1
A. LATAR BELAKANG...........................................................................1
B. RUMUSAN MASALAH.......................................................................2
C. TUJUAN MAKALAH...........................................................................2
BAB II PEMBAHASAN.........................................................................................3
A. Distribusi Normal...................................................................................3
B. Mean , Variansi dan Fungsi Pembangkit Momen..................................6
C. MGF Distribusi Normal.........................................................................8
D. Cara Membaca Tabel Distribusi Normal.............................................11
E. Kelebihan dan Kelemahan Distribusi Normal.....................................13
BAB III PENUTUP...............................................................................................18
KESIMPULAN......................................................................................................18
SARAN 18
DAFTAR PUSTAKA............................................................................................19
 BAB I
PENDAHULUAN
A. Latar Belakang
Dikenalnya distribusi normal diawali oleh kemajuan yang pesat dalam
pengukuran pada abad ke 19. Pada waktu itu, para ahli matematika
dihadapkan pada suatu tantangan mengenai fenomena variabilitas
pengamat atau interna yang artinya bila seorang mengadakan pengukuran
berulang-ulang maka hasilnya akan berbeda-beda.Yang menjadi
permasalahan adalah nilai manakah yang dianggap paling tepat dari
semua hasil pengukuran tersebut. Maka kemudian berdasarkan
kesepakatan maka nilai rata-rata dianggap paling tepat dan semua
penyimpangan dari rata-rata dianggap suatu kesalahan atau error.
Abraham de Moivre adalah yang pertama kali memperkenalkan
distribusi normal ini dan kemudian dipopulerkan oleh Carl Fredreich
Gauss. Sehingga nama lain distribusi ini adalah distribusi Gauss. Gauss
mengamati hasil dari 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. Oleh sebab itu, kami perlu
menyusun makalah yang berjudul “Distribusi Normal”.
B. Rumusan Masalah
1. Apa yang dimaksud dengan distribusi normal ?
2. Bagimana rumus mean, variansi dan fungsi pembangkit momen dalam
distribusi normal?
3. Bagaimana rumus MGF distribusi normal?
4. Bagaimana cara membaca tabel distribusi normal?
5. Apa saja kelebihan dan kelemahan distribusi normal?
C. Tujuan Makalah
1. Mengetahui pengertian distribusi normal
2. Mengetahui rumus mean, variansi dan fungsi pembangkit momen
dalam distribusi normal
3. Mengetahui rumus MGF distribusi normal.
4. Mengetahui cara membaca tabel distribusi normal
5. Mengetahui kelebihan dan kelemahan distribusi normal
 BAB II

PEMBAHASAN

A. Pengertian Distribusi Normal

Distribusi peluang kontinu yang terpenting dalam seluruh bidang

statistika adalah distribusi normal. Distribusi normal merupakan suatu alat
statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-
peristiwa yang lebih luas. Grafiknya disebut kurva normal, terbentuk
lonceng seperti pada gambar 2.1. yang menggambarkan dengan cukup
baik banyak gejala yang muncul di alam, industri, dan penelitian.
Pengukuran fisik di bidang seperti percobaan meteorologi, penelitian
curah hujan, dan pengukuran suku cadang yang diproduksi sering dengan
baik dapat diterangkan menggunakan distribusi normal.
Di samping itu, galat dalam pengukuran ilmiah dapat dihampiri
dengan sangat baik oleh distribusi normal. Pada tahun 1733, Abraham de
Moivre menemukan persamaan matematika kurva normal. Ini merupakan
dasar bagi banyak teori statistika induktif. Distribusi normal sering pula
disebut distribusi Gauss untuk menghormati Karl Friedrich Gauss (1777-
1855) yang juga menemukan persamaannya waktu meneliti galat dalam
pengukuran yang berulang- ulang mengenai bahan yang sama.

Gambar 2.1
Suatu peubah acak kontinu X yang distribusinya berbentuk lonceng
seperti pada gambar 2.1 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 ) .

Distribusi Normal
Fungsi padat peubak acak normal X, dengan rataan μ dan variansi σ , ialah

2
 1  x   
1   
 
n( x;  ,  )  e  2 
2

Fungsi densitas distribusi normal diperoleh dengan persamaan sebagai

berikut x  2
1 1 ( )
f ( x)  e 2 
 2

Keterangan:
π = 3,1416
e = 2,7183
µ = rata-rata
σ = simpangan baku
Begitu μ dan σ diketahui maka seluruh kurva normal diketahui.
Sebagai contoh, bila μ = 50 dan σ = 5 , maka ordinat n(x; 50, 5) dapat
dengan mudah dihitung untuk berbagai nilai x dan kurvanya dapat
digambarkan. Pada ambar 2.2 telah dilukiskan dua kurva normal yang
mempunyai simpangan baku yang sama tapi rataanya berbeda. Kedua
kurva bentuknya persis sama tapi titik tengahnya terletak di tempat
yang berbeda di sepanjang sumbu datar.

Gambar 2.2
 Pada gambar 2.3 terlukis dua kurva normal denga rataan yang
sama tapi simpangan bakunya berlainan. Terlihat kedua kurva mempunyai
titik tengah yang sama pada sumbu datar, tapi kurva dengan simpangan
baku yang lebih besar tampak lebih rendah dan lebih melebar. Perhatikan
bahwa luas di bawah kurva peluang harus sama dengan 1 sehingga baik
kumpulan data makin berbeda maka makin rendah dan melebar pula
kurvanya.

Gambar 2.3
Gambar 2.4 memperlihatkan lukisan dua kurva normal yang baik
rataan maupun simpangan bakunya berlainan. Jelas keduanya mempunyai
letak titik tengah yang berlainan pada sumbu datar dan bentuknya
mencerminkan dua nilai σ yang berlainan.

Gambar 2.4

Beberapa sifat dari kurva fungsi kepadatan peluang (densitas)

distribusi normal umum:
 Kurvanya berbentuk lonceng dan simetrik di x = µ.
Rataan, median, modus dari distribusi berimpitan.
Fungsi kepadatan peluang mencapai nilai maksimum di x = µ sebesar

1
2 2 .

Kurvanya berasimtot sumbu datar x.

1. Kurvanya mempunyai titik infleksi (x, f(x), dengan x = µ ± σ,

1
1 
f ( x)  e 2

2 2

Ciri – ciri distribusi normal :

1. Distribusi normal mempunyai beberapa sifat dan ciri, yaitu:
2. Disusun dari variable random kontinu
3. Kurva distribusi normal mempunyai satu puncak (uni-modal)
4. Kurva berbentuk simetris dan menyerupai lonceng hingga mean,
median dan modus terletak pada satu titik.
5. Kurva normal dibentuk dengan N yang tak terhingga.
6. Peristiwa yang dimiliki tetap independen.
7. Ekor kurva mendekati absis pada penyimpangan 3 SD ke kanan dan
ke kiri dari rata-rata dan ekor grafik dapat dikembangkan sampai
tak terhingga tanpa menyentuh sumbu absis.
 Sifat – sifat dstribusi normal

1. Rata-ratanya(mean) μ danstandard deviasinya= σ

2. Mode (maximum) terjadidi x=μ

3. Bentuknyasimetrikterhadapx=μ

4. Titikbeloktepatdi x=μ ± σ
5. Kurvamendekatinolsecaraasimptotissemakinx jauhdarix=μ

6. Total luasnya= 1

B. Rumus Mean, Variansi, dan Fungsi Pembangkit Momen

Mean, variansi dari fungsi pembangkit momen dari distribusi normal

umum adalah:

Mean E ( X )  

Variansi Var ( X )  
2

 t   2 t 2 
 2 
Pembangkit momen Mx(t )  e
 
Pr oof .

E( X )     x. f ( x)dx

  ( x   )2
1
  x.
 2 2
e 2 2
dx

(x  )
Misal z  , maka x   z dan dx  dz

Batas-batasnya x  0 maka z  0, dan x   maka z  .
  z2
1
E( X )   ( z   ).
 2 2
e 2
z dz

  z2   z2
 

2 ze

2
dx 
2 

e 2
dx

  z2
z2 
karena f  x   z e merupakan fungsi ganjil, maka  ze 2
dz  0
2 2 
2
  2z
sehingga kita mencari dulu  e dx
2 
(x  )
Misal z  , maka x   z   dan dx   dz

Batas-batasnya x  0 maka z  0, dan x   maka z  
  z2

2 

e 2
dx

  ( x  )2
1 2 2 1
  e dx
 2 
  ( x  )2
1 2 2
  e dx
 2 2
  .(1)

Sehingga
2
 z2
  z
 
E( X )  
2 
z e 2
dx 
2 

e 2
dx

0 

 Pr oof .
Var ( X )  E ( X   ) 2

 

( z   )2 f ( x)dx


 

( z   )2 f ( x)dx

  ( x   )2
1
  (z  ) 2 2 2
e dx
 2 2

x
Misakan p  , maka x     p, dx   dp

Batas-batasnya x  0 maka p  0, dan x   maka p  
  p2
2
Var ( X )  p  dp
2 2
e 2

2 2 0

C. Rumus MGF
Penjelasan singkat mengenai distribusi normal dapat dilihat di artikel
“Distribusi Normal”. Artikel ini akan membahas tentang fungsi
pembangkit momen atau moment generating function (MGF) dari
distribusi normal.
Pembahasan awal dari bagian ini adalah menurunkan persamaan
MGF-nya. Selanjutnya menurunkan momen pertama dan momen kedua
berdasarkan persamaan MGF yang telah diperoleh sebelumnya. Dari
momen pertama dan kedua dapat diketahui rata-rata (mean) dan varian.
 p2 dt
misalkan t  maka p 2  2t , 2 p dp  2 dt maka
2 2t

2 2 1
 2t.e
t
Var ( X )  . dt
2 0 2t
2  1
2

2
2
t
0
.e  t dt

2  3 
2
  
 2
2 2 1  1 
  
 2 2
2
 

2

Mx(t )  E (e tx )

Mx(t )  e
tx
f ( x) dx

2
 1  x 
1  
 
Mx(t )  e
tx
e 2 dx
 2 
2
 1  x 
1  
2   
Mx(t )  e
tx
e dx
2  

Misalkan , maka

Selanjutnya , sehingga
  1 2
1  z
Mx (t ) 
2  

e t (t z   ) e 2
 dz
1
  z2
1 2  t ( t z   )
Mx (t ) 
2 e

dz
1

e t  z2
2

e

 tz
Mx (t )  dz
2 
1
 z2

e t 2  1
 tz   2t 2 
1 2 2
 t
Mx (t ) 
2 e

2 2
dz
1
 z2
e t
 2 
z 2  2  tz   2t 2  1
 2t 2
Mx (t ) 
2 

e e2 dz

1 2 2
t   t 1
 z2
e 2  2

z 2 2  tz   2t 2 
Mx (t ) 
2 

e dz

1
 t   2t 2  1
 z2
e 2 2  z t 2
Mx (t ) 
2 e

dz

1
t 
1 2 2
 t  
e 2
2
Mx (t ) 
2
1
 1 2
 
2
1 2 2
t   t
e 2
Mx (t )   2
2
1 2 2
t   t
Mx (t )  e 2

Nilai Harapan X
Nilai Harapan X2

Nilai Harapan (X – E(X))2

Sebagai catatan, nilai harapan X merupakan rata-rata (mean) dan nilai

harapan (X – E(X))2 merupakan varian.
D. Cara Membaca 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.
Contoh penggunaan tabel:
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.

E. Kelebihan dan Kelemahan Distribusi Normal

Metode yang juga dikenal dengan sebutan forceddistribution ini

mendapatkan namanya dari kenyataan bahwa para penilai yang terlibat
memang “dipaksa” untuk mendistribusikan nilai karyawan ke dalam
sejumlah kategori kinerja yang sudah ditetapkan persentase proporsinya.
Biasanya, bentuk distribusi yang diterapkan adalah distribusi normal,
dimana persentase yang setara kecilnya ditempatkan di kutub kanan
(terbaik) dan kutub kiri (terburuk) sedangkan persentase yang lebih besar
ditempatkan di bagian tengah — di antara kedua kutub tersebut. Sebagai
contoh, proporsi yang mungkin digunakan adalah: Istimewa 10%,
Memuaskan 20%, Berkinerja Bagus 40%, Perlu Peningkatan 20%, dan
Tidak Memuaskan 10%.
Adapun asumsi yang mendasari metode ini adalah bahwa, secara
statistik, tingkat kinerja karyawan terdistribusi mengikuti pola kurva
normal.Jika berhasil diimplementasikan secara efektif, metode distribusi
normal bisa mendatangkan kelebihan berikut ini:
1. Mengurangi kemungkinan terjadinya bias penilaian.
Dengan memaksa penilai untuk mendistribusikan hasil
penilaiannya, bias yang terjadi akibat penilai terlalu murah hati
(dimana semua karyawan dinilai bagus) atau terlalu pelit (dimana
semua karyawan dinilai buruk) bisa diminimalkan. Melalui penerapan
metode ini, Ford —misalnya— berhasil menurunkan bias kemurahan
hati yang terjadi di metode penilaian kinerja sebelumnya dimana 98%
stafnya dinilai “memenuhi harapan” (Olson & Davis, 2003).
2. Meningkatkan objektivitas penilaian.
Karena harus memastikan penempatan setiap karyawan dalam
suatu kategori, pada metode distribusi normal, para penilai perlu
mengevaluasi semua karyawan berdasarkan kriteria yang sama.
Dengan demikian, hasil penilaian mereka akan cenderung lebih
objektif dibandingkan jika setiap manajer menilai anak buah mereka
berdasarkan kriteria mereka masing-masing.
3. Memfasilitasi terjadinya komunikasi yang spontan dan terbuka antara
atasan dan bawahan.
Metode ini menuntut para atasan untuk secara berkala memberikan
umpan balik kepada anak buah mereka. Tanpa kesediaan untuk
sering menyampaikan umpan balik secara spontan dan terbuka, sang
atasan akan menghadapi kesulitan pada saat harus menjelaskan kepada
anak buahnya mengapa dia menempatkan si karyawan di kategori
“tidak memuaskan”.
4. Membantu menetapkan konsekuensi kinerja yang tepat.
 Dengan memaksa para atasan untuk mendistribusikan karyawan ke
dalam kategori tertentu, perusahaan bisa mengenali siapa saja yang
berkinerja unggul, menengah, dan yang berkinerja terendah. Jadi,
secara terarah, perusahaan bisa memutuskan karyawan mana yang
harus diganjar dengan kompensasi dan promosi, karyawan mana yang
patut dipertahankan dan dikembangkan, serta karyawan mana yang
perlu diputuskan hubungan kerjanya.

Di sisi lain, metode distribusi normal juga tidak lepas dari sejumlah
kelemahan pokok yang mengundang kritik:
1. Metode ini menggunakan sistem distribusi normal yang salah
penerapannya.
Menurut Abelson (2001), model kurva lonceng mengasumsikan
bahwa distribusi normal akan terjadi pada sekelompokbesar subjek
yang terbentuk secara acak, dan tidak mengasumsikan hal yang sama
untuk kelompok-kelompok kecil. Adapun yang dimaksud dengan
kelompok besar adalah kelompok yang setidaknya terdiri dari 1.000 –
1.500 anggota.
Pada kenyataannya, sejumlah perusahaan menerapkan model
kurva lonceng ini pada sekelompok kecil karyawan, yang jumlah
anggotanya bahkan tidak lebih dari 50 orang. Akibatnya, sebagian
karyawan yang berkinerja bagus tetapi berada di kelompok unggul
mau tidak mau akan menderita karena terpaksa mendapatkan nilai
buruk. Sebaliknya, beberapa karyawan yang sebenarnya berkinerja
biasa-biasa saja tetapi berada di kelompok yang berkinerja lemah,
akan menikmati inflasi nilai dan dianugerahi posisi sebagai 10%-20%
karyawan yang berkinerja terbaik — hanya karena memang harus ada
yang dinilai paling tinggi.
Sementara itu, asumsi acak yang digunakan juga dianggap
tidak tepat. Kalau secara statistik dinyatakan bahwa acak adalah
situasi dimana setiap anggota populasi memiliki peluang yang sama
 untuk terpilih menjadi anggota sampel, maka dengan jelas dapat
disimpulkan bahwa kelompok karyawan Anda bukanlah kelompok
yang acak. Anda tidak merekrut mereka secara acak, Anda tidak
menempatkan mereka secara acak, Anda juga tidak melatih dan
memperlakukan mereka secara acak.
2. Ketika diterapkan secara konsisten, metode distribusi normal justru
membangkitkan tantangan baru yang menyulitkan.
Karena mengharuskan perusahaan untuk memecat karyawan
yang dinilai berkinerja paling rendah, setelah diimplementasikan
selama beberapa tahun, metode ini justru semakin mempersulit upaya
membedakan karyawan yang berkinerja memuaskan dengan
karyawan yang berkinerja istimewa. Perbedaan di antara keduanya
semakin menipis dan semakin tidak kasat mata. Di sisi lain, karena
standar kinerja karyawan yang semakin lama semakin meningkat,
perusahaan juga semakin sulit mendapatkan calon karyawan yang
memenuhi standar tersebut, yaitu karyawan yang kualifikasinya harus
melebihi karyawan yang sebelumnya dipecat.
3. Kategori yang digunakan tidak menunjukkan kinerja yang
sebenarnya.
Pemaksaan nilai dan pengkategorian yang dipersyaratkan
dalam metode distribusi normal membuat karyawan diberi nilai dan
ditempatkan di kategori yang belum tentu sesuai dengan tingkat
kinerja aktual mereka. Perusahaan yang berhasil mencapai target
bisnisnya, misalnya, dimana semua karyawannya memang berprestasi
bagus dan berhasil mencapai target perorangan mereka, dengan
terpaksa harus tetap menempatkan 10% karyawannya di kategori
“tidak memuaskan”. Situasi semacam ini tentu tidak bisa dianggap
objektif. Akibatnya, seperti yang dikemukakan oleh Olson dan Davis,
karyawan lebih sering merasa bahwa nilai yang mereka terima
sesungguhnya hanyalah nilai yang dibuat untuk memuaskan distribusi
 yang telah ditetapkan perusahaan. Bukan merupakan refleksi dari
kinerja aktual mereka.
4. Dipersepsi lebih sulit dan kurang fair dibandingkan metode
penilaian konvensional.
Persepsi yang timbul di kalangan mereka yang terlibat dalam
implementasi metode distribusi normal ini ditemukan dalam
penelitian Schleicher, Bull dan Green (2008). Dengan adanya
persepsi semacam itu, tidak mengherankan jika kemudian
teridentifikasi bahwa para manajer umumnya kurang bereaksi positif
terhadap metode tersebut (Lawler, 2002). Mereka sering
mengungkapkan komentar miring tentang metode itu, sehingga
akhirnya para karyawan pun berpandangan bahwa metode tersebut
kurang fair dan dengan demikian tidak mereka terima.
5. Terlalu memaksakan perbandingan kinerja antar-jabatan dalam
upaya mendapatkan peringkat kinerja seluruh karyawan.
Pertanyaannya adalah: Bagaimana Anda akan secara fair dan
objektif membandingkan kinerja seorang kepala departemen dengan
kinerja seorang petugas administrasi? Atau kinerja Kepala
Departemen Pemasaran dengan Kepala Departemen SDM? Kriteria
apa yang akan Anda gunakan? Selain tidak mudah untuk dijawab dan
diimplementasikan, pertanyaan itu jelas mengusik rasa keadilan para
pengemban jabatan yang diperbandingkan.
6. Merangsang tumbuhnya lingkungan kerja yang kompetitif sekaligus
destruktif.
Upaya membandingkan tingkat kinerja, dan memasukkan
karyawan ke dalam kategori yang proporsinya sudah dibatasi dengan
persentase tertentu, jelas membuat karyawan terperangkap dalam
situasi persaingan. Selalu mencoba menampilkan kinerja yang tidak
hanya sebaik mungkin, tetapi juga harus lebih baik dibandingkan
kinerja rekan-rekan yang lain, agar bisa masuk dalam kategori
penilaian yang lebih tinggi dan terhindar dari kemungkinan menjadi
penghuni kategori terbawah.
Situasi semacam ini jelas menghambat terjadinya kerja sama di
kalangan anggota kelompok kerja. Apalagi jika karyawan mengetahui
bahwa perusahaan memberikan perlakuan dan kompensasi yang
berbeda untuk setiap kategori penilaian.
 BAB III

PENUTUP

A. Kesimpulan

Dari pembahasan di atas dapa disimpulkan distribusi peluang

kontinu yang terpenting dalam seluruh bidang statistika adalah distribusi
normal. Distribusi normal merupakan suatu alat statistik yang sangat
penting untuk menaksir dan meramalkan peristiwa-peristiwa yang lebih
luas. Grafiknya disebut kurva normal terbentuk lonceng yang
menggambarkan dengan cukup baik banyak gejala yang muncul di alam,
industri, dan penelitian. Abraham de Moivre adalah yang pertama kali
memperkenalkan distribusi normal ini dan kemudian dipopulerkan oleh
Carl Fredreich Gauss. Sehingga nama lain distribusi ini adalah distribusi
Gauss.
 DAFTAR PUSTAKA
Harum, Anita Sugiarti. 2013. Distribusi Normal (Kurva Normal). Diunduh dari:
https://anitaharum.wordpress.com/2013/11/12/distribusi-normal-kurva-normal/.
Pada hari Minggu pukul 20:00 WIB.

Labels, Rory.2016. MGF Distribusi Normal. Diunduh dari:

http://www.rumusstatistik.com/2016/04/mgf-distribusi-normal.html, diakses pada
tanggal 9 Mei 2016 pukul 10.50 WIB.

Subari, Hendrianto. 2014. Distribusi Normal Baku. Diunduh dari:

http://hendritakengon.blogspot.co.id/2014/03/distribusi-normal-baku.html. Pada
Hari Rabu pukul 19:50 WIB.

https://hatta2stat.wordpress.com/category/distribusi-normal-2/. 23 November
2011. Archive for the ‘Distribusi normal’ Category. Pada hari Rabu pukul 19:40
WI
SOAL
1. Apakah yang dimaksud dengan distribusi normal ?
Distribusi normal merupakan suatu alat statistik yang sangat penting
untuk menaksir dan meramalkan peristiwa-peristiwa yang lebih luas.