Anda di halaman 1dari 6

Pengertian Distribusi Normal

Apa itu distribusi normal?

Distribusi normal merupakan salah satu jenis distribusi dengan variabel acak
yang kontinu.

Pada distribusi normal terdapat kurva/grafik yang digambarkan menyerupai


bentuk lonceng.

Distribusi normal dapat disebut juga sebagai distribusi Gauss. Persamaan


yang terdapat dalam distribusi normal salah satunya yaitu terkait fungsi
densitas.

Berikut merupakan fungsi densitas pada distribusi normal.

Rumus Distribusi Normal

Keterangan:
 π : konstanta dengan nilai 3,14159. . .
 e  : bilangan eksponensial dengan nilai 2,7183 . . .
 µ  : rata-rata (mean) dari data
 σ  : simpangan baku data berdistribusi normal
Bagaimana cara untuk menghitung nilai z? Nilai z dapat dihitung dengan
rumus berikut.

z = (x – µ)/σ
Keterangan:
 µ  : rata-rata (mean) dari data
 σ  : simpangan baku data berdistribusi normal
Pada bagian sebelumnya dijelaskan bahwa data yang berdistribusi normal
memiliki kurva yang berbentuk menyerupai lonceng.

Bentuk kurva dari data berdistribusi normal yaitu sebagai berikut.


Kurva distribusi normal
Berdasarkan kurva distribusi normal di atas, distribusi normal memiliki rata-
rata (mean) sama dengan 0 dan simpangan baku sama dengan 1.

Berikut ini akan dijelaskan mengenai beberapa contoh penerapan distribusi


normal.

Penerapan Distribusi Normal


Distribusi normal sangat penting untuk dipelajari terutama dalam melakukan
analisis data statistika.

Dengan data yang diambil secara acak dan berdistribusi normal akan
memudahkan dalam melakukan analisis dan meramalkan serta mengambil
kesimpulan untuk cakupan yang lebih luas.

Distribusi normal banyak diterapkan dalam berbagai perhitungan statistika


dan pemodelan yang berguna dalam berbagai bidang.

Dalam menentukan distribusi probabilitas diperlukan tabel z dari distribusi


normal.

Pengertian chi-square (kai kuadrat)


Dalam teori probabilitasdan statistika, distribusi chi-kuadrat(bahasa Inggris: Chi-
square distribution) atau distribusi χ² dengan k derajat kebebasan k peubah acak normal
baku yang saling bebas. Distribusi ini seringkali digunakan dalam statistik inferensial,
misalnya dalam pengujian hipotesis, atau dalam konstruksi selang kepercayaan. [2][3][4]
[5]
 Ketika dibandingkan dengan distribusi chi-kuadrat nonsentral,distribusi ini kadang
disebut distribusi chi-kuadrat sentral. adalah distribusi jumlah kuadrat.
Salah satu penggunaan distribusi iniadalah uji chi kuadrat untuk kepatutan (goodness of fit)
suatu distribusi pengamatan dengan distribusi teoretis, kriteria klasifikasi analisis data yang
saling bebas, serta estimasi selang kepercayaan untuk simpangan baku populasi
berdistribusi normal dari simpangan baku sampel. Sejumlah pengujian statistika juga
menggunakan distribusi ini, seperti Uji Friedman. Distribusi chi-kuadrat merupakan kasus
khusus distribusi gamma.

Prosedur dan contoh soal Uji Chi-Kuadrat adalah sebagai berikut :

1). Urutkan data pengamatan (dari data terbesar sampai dengan data terkecil atau
sebaliknya)
2). Tentukan range nilai peluang yang akan diambil
3). Tentukan nilai K, yaitu Variabel Reduksi Gauss, untuk setiap nilai peluang
4). Masukkan nilai K tersebut dalam persamaan berikut
XT = X + KTS .......................................

rumus chi square :

Interpretasi hasil uji adalah sebagai berikut :


1). Apabila peluang lebih dari 5%, maka persamaan distribusi yang digunakan dapat diterima
2). Apabila peluang kurang dari 1%, maka persamaan distribusi yang digunakan tidak dapat
diterima
3). Apabila nilai peluang diantara 1% – 5%, maka tidak mungkin diambil keputusan,
diperlukan data tambahan
Pengujian Chi-Kuadrat (x2)
Chi-kuadrat digunakan untuk mengadakan pendekatan dari beberapa vaktor atau
mngevaluasi frekuensi yang diselidiki atau frekuensi hasil observasi dengan frekuensi yang
diharapkan dari sampel apakah terdapat hubungan atau perbedaan yang signifikan atau
tidak.
Dalam statistik, distribusi chi square termasuk dalam statistik nonparametrik. Distribusi
nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui. Distribusi
ini sangat bermanfaat dalam melakukan analisis statistik jika kita tidak memiliki informasi
tentang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk penggunaan statistik
parametrik tidak terpenuhi.
Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi square adalah :

 Distribusi  chi-square memiliki satu parameter yaitu derajat  bebas (db).


 Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai positif tak
terhingga di sebelah kanan.
 Probabilitas nilai chi square di mulai dari sisi sebelah kanan.
 Luas daerah di bawah kurva normal adalah 1.
a)      Uji Kecocokan = Uji Kebaikan Suai = Goodness of Fit
b)      Uji Kebebasan
c)      Uji Beberapa Proporsi (Prinsip pengerjaan (b) dan (c) sama saja)
Nilai chi square adalah nilai kuadrat karena itu nilai chi square selalu positif. Bentuk
distribusi chi square tergantung dari derajat bebas (Db)/degree of freedom. Pengertian pada
uji chi square sama dengan pengujian hipotesis yang lain, yaitu luas daerah penolakan Ho
atau taraf nyata pengujian
Metode Chi-kuadrat menggunakan data nominal, data tersebut diperoleh dari hasil
menghitung. Sedangkan besarnya nilai chi-kuadrat bukan merupakan ukuran derajat
hubungan atau perbedaan.
Macam-macam bentuk analisa Chi-kuadrat :

 Penaksiran standar deviasi


 Pengujian hipotesis standar deviasi
 Pengujian hipotesis perbedaan beberapa proporsi atau chi-square dari data
multinominal
 Uji hipotesis tentang ketergantungan suatu variabel terhadap variabel lain/uji Chi-
square dari tabel kontingensi/tabel dwikasta/tabel silang
 Uji hipotesis kesesuaian bentuk kurva distribusi frekuensi terhadap distribusi peluang
teoritisnya atau uji Chi-square tentang goodness of fit
Ketentuan Pemakaian Chi-Kuadrat (X2)
Agar pengujian hipotesis dengan chi-kuadrat dapat digunakan dengan baik, maka
hendaknyamemperhatikan ketentuan-ketentuan sebagai berikut :
1. Jumlah sampel harus cukup besar untuk meyakinkan kita bahwa terdapat kesamaan
antara distribusi teoretis dengan distribusi sampling chi-kuadrat.
2. Pengamatan harus bersifat independen (unpaired). Ini berarti bahwa jawaban satu
subjek tidak berpengaruh terhadap jawaban subjek lain atau satu subjek hanya satu kali
digunakan dalam analisis.
3. Pengujian chi-kuadrat hanya dapat digunakan pada data deskrit (data frekuensi atau
data kategori) atau data kontinu yang telah dikelompokan menjadi kategori.
4. Jumlah frekuensi yang diharapkan harus sama dengan jumlah frekuensi yang
diamati.
5. Pada derajat kebebasan sama dengan 1 (table 2 x 2) tidak boleh ada nilai ekspektasi
yang sangat kecil. Secara umum, bila nilai yang diharapkan terletak dalam satu sel terlalu
kecil (< 5) sebaiknya chi-kuadrat tidak digunakan karena dapat menimbulkan taksiran yang
berlebih (over estimate) sehingga banyak hipotesis yang ditolak kecuali dengan koreksi dari
Yates.
Bila tidak cukup besar, maka adanya satu nilai ekspektasi yang lebih kecil dari 5 tidak akan
banyak mempengaruhi hasil yang diinginkan.
Pada pengujian chi-kuadrat dengan banyak ketegori, bila terdapat lebih dari satu nilai
ekspektasi kurang dari 5 maka, nilai-nilai ekspektasi tersebut dapat digabungkan dengan
konsekuensi jumlah kategori akan berkurang dan informasi yang diperoleh juga berkurang.
KESIMPULAN
Distribusi normal standard (baku) adalah distribusi normal yang memiliki sifat khusus, yaitu
distribusi dengan : rata-rata(µ) = nol(0) dan simpangan baku(σ) = satu(1). Distribusi normal
standard (baku) muncul sebagai solusi dari adanya masalah dalam penyusunan tabel distribusi
normal. Masalah tersebut ialah kenyataan bahwa terdapat banyak sekali macam distribusi
normal dipengaruhi oleh nilai rata-rata dan simpangan baku nya. Oleh karena itu agar kita tetap
dapat mencari probabilitas suatu interval dengan menggunakan langkah praktis melalui tabel
distribusi normal daripada perhitungan metode integral yang lebih kompleks, maka digunakanlah
apa yang disebut dengan distribusi normal standard (baku). Berdasarkan hasil uji statistic chi-
square terhadap data penelitian yang telah
dilakukan maka dapat ditarik kesimpulan bahwa terdapat hubungan yang
bermakna antara obesitas terhadap Kapasitas Vital Paksa (Forced Vital
Capacity/FVC) paru.

Anda mungkin juga menyukai