MODUL PERKULIAHAN

STATISTIKA TEKNIK

POKOK BAHASAN :

Distribusi Normal

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

FT Teknik Sipil 04 11006 Retna Kristiana, ST,MM,MT

Abstract Kompetensi
Suatu peubah acak kontinu X yang Mahasiswa mampu menjelaskan
distribusinya berbentuk lonceng disebut pengertian distribusi normal beserta
peubah acak normal. Probability sifat dan ciri-cirinya.
Distribution Function (PDF) normal atau
distribusi normal pada umumnya ditulis
sebagai n( x;  ,  ) yang berarti peubah
acak x terdistribusi normal dengan
parameter μ dan σ
.

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

1 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 Pendahuluan

Dalam mempelajari berbagai fenomena fisis yang terjadi di sekitar kita, diperlukan suatu
model matematika. Model-model tersebut dikontruksi dalam bentuk persamaan fungsi yang dapat
menggambarkan karakteristik dari penomena tersebut. Sebagai contoh dalam mempelajari
fenomena distribusi curah hujan. Umumnya intensitas curah hujan akan naik perlahan (gerimis),
kemudian intensitasnya meningkat menjadi lebat hingga pada suatu waktu tertentu intensitas
tersebut akan perlahan-lahan menurun (gerimis) kemudian berhenti. Fakta ini, kemudian oleh ilmuan
matematika berusaha mengkontruksi model matematika yang tepat dapat menggambarkan
fenomena tersebut dan diperoleh model matematika yang umumnya disebut sebagai distribusi
normal. Distribusi ini diselidiki oleh tiga ilmuan yaitu Abraham de Moivre (1667-1745), Pirre
Laplace (1749-1827) dan Karl Gauss (1777-1855). Abraham de Moive seorang matematikawan
inggris mengamati distribusi normal dalam aplikasinya pada masalah permainan yang bersifat
untung-untungan. Kemudian Pirre Laplace menemukan distribusi normal sebagai hasil dari
beberapa kekeliruan dalam masalah Astronomi.
Sedangkan Karl Gauss menemukan kurva normal dalam usaha menggambarkan teori
kekeliruan pengukuran pada perhitungan orbit bintang di langit. Sepanjang abad ke-18 dan ke-19,
Karl Gauss meneliti dan berupaya untuk menetapkan model distribusi normal sebagai dasar hukum
untuk semua peubah acak kontinu. Pengukuran fisik lainnya seperti dibidang meterologi, hidrologi,
dan pengukuran suku cadang, serta pengukuran prestasi belajar sering dengan baik dapat
diterangkan dengan menggunakan distribusi normal. Untuk dapat memahami sifat dari suatu fungsi
peluang, mahasiswa harus memiliki pemahaman yang baik tentang fungsi Gamma dan sifat-
sifatnya. Oleh karena itu, diawal pembahasan mengenai distribusi normal ini, akan ingatkan kembali
tentang fungsi gamma dan sifat-sifatnya.

1. Fungsi Gamma

Definisi

Fungsi gamma didefinisikan sebagai ( ) = x
 −1 − x
e dx untuk  >0 dan x  R
0

Fungsi ini dikontruksi sebagai alat untuk menyelesaikan integral-integral yang memuat fungsi
f ( x) = x  −1e − x . Berikut sifat-sifat fungsi gamma.

SIFAT FUNGSI GAMMA

Untuk n bilangan bulat positif, maka
a. (n) = (n − 1)!
 1  1.3.5...(2n − 1)
b.  n + = 
 2 2n
1
c.   = 
2
2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning
2 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 Bukti:
 

Untuk  =1, didapat (1) =  x1−1e − x dx =  e − x dx = − e − x = 0 - (-1) = 1
0 0 0
Untuk  >1, maka kita integralkan dengan menggunakan integral parsial diperoleh
 
( ) = − e − x x  −1 +  e − x ( − 1) x  −2 dx = ( − 1)  e − x x  − 2 dx


0 0 0
Kenyataan ini menghasilkan rumus berulang berkali-kali, yakni
( ) = ( − 1)( − 2)(( − 2) = ( − 1)( − 2)( − 3)(( − 3) dan seterusnya. Jika  = n
dan n dimana bilangan bulat positif, maka (n) = (n − 1)(n − 2)(n − 3)....(1) karena (1) = 1 ,
maka (n) = (n − 1)(n − 2)(n − 3)....1, sehingga (n) = (n − 1)! . Jadi sifat a telah terbukti benar.
Lebih lanjut, mahasiswa dapat membuktikan sifat b dan c dengan mengunakan integral fungsi
trigonometri.

Contoh 1
Nyatakan fungsi gammanya dan tentukan nilainya, jika:
1
a.  =5 dan b.  =3 .
2
Solusi:

a. Untuk  = 5, maka fungsinya (5) =  x 4 e − x dx dan nilai (5) = (5 − 1)! = 4! = 24
0

 1
1
1 2
b. Untuk  =3 , maka fungsinya  3  =  x 2 e − x dx dan nilai
2  2 0
 1  1  1 3  5 15
 3  =  3 +  =  = 
 2  2 3
2 8

2. Distribusi Normal

Suatu peubah acak kontinu X yang distribusinya berbentuk lonceng disebut peubah acak normal.

Gambar 1 Kurva distribusi normal

Persamaan yang memenuhi kurva tersebut dinamakan Probability Distribution Function (PDF)
normal yang didefinisikan sebagai berikut:

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

3 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 Definisi Probabiliti Distribution Function (PDF) Normal
Jika X adalah peubah acak bebas, maka fungsi
1  x− 
2

1  
2  
f ( x) = e ,−  x   dengan  = 3,14159… dan e = 2,71828 . . .
2 2
disebut sebagai Probability Distribution Function (PDF) normal atau distribusi normal dan
umumnya ditulis sebagai n( x;  ,  ) yang berarti peubah acak X terdistribusi normal dengan
parameter μ dan σ

Gambar 2 Kurva distribusi normal dengan (a) 1 < 2 dan 1 = 2; (b) 1 = 2 dan 1 <2; (c) 1 < 2
dan 1 < 2

Pada gambar 1 melukiskan kurva normal yang berbentuk seperti lonceng. Begitu parameter  dan
 diketahui, maka seluruh kurva normal dapat diketahui dan kurvanya dapat digambarkan. Misalkan
jika diketahui  = 0 dan  = 1, maka ordinat f(x) dapat dengan mudah dihitung untuk berbagai
harga x dan kurvanya dapat digambarkan.

Pada gambar 2 (a) telah dilukiskan dua kurva normal yang mempunyai simpangan baku sama, tetapi
rataannya berbeda. Kedua kurva bentuknya persis sama, tetapi titik tengahnya terletak di tempat
yang berbeda di sepanjang sumbu datar.

Pada gambar 2(b) terlukis dua kurva normal dengan rataan yang sama tetapi simpangan bakunya
berbeda. Kedua kurva mempunyai titik tengah sama tetapi kurva dengan simpangan baku yang lebih
besar tampak kurvanya lebih landai/rendah dan lebih menyebar.

Pada gambar 2 (c) memperlihatkan lukisan dua kurva normal yang baik rataan maupun simpangan
bakunya berlainan. Jelas keduanya mempunyai titik tengah yang berlainan pada sumbu datar dan
bentuknyapun mencerminkan dua harga simpangan baku yang berlainan.

Dengan mengamati grafik serta memeriksa turunan pertama dan kedua dari f(x)= n(x ;  ;  ), maka
dapat diperoleh lima sifat kurva normal sebagai berikut:

SIFAT KURVA NORMAL

a. Titik pada sumbu datar yang memberikan maksimum kurva, terdapat pada x = 
b. Kurva simetris terhadap garis tegak yang melalui 
c. Kurva mempunyai titik belok pada x=    cekung dari bawah untuk  −  X   + ,
dan cekung dari atas untuk harga x lainnya

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

4 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 d. Kedua ujung kurva normal mendekati asimtot sumbu datar, jika harga x bergerak menjauhi 
baik ke kiri maupun ke kanan;
e. Seluruh luas di bawah kurva dan di atas sumbu datar sama dengan 1.

Contoh 2
Seorang mahasiswa melakukan penelitian pada kelas II SMA untuk mengetahui pengaruh
penggunaan media pembelajaran BINGKAI AJAIB dalam meningkatkan prestasi belajar matematika.
Hasil evaluasi pembelajaran yang diperoleh sebagai berikut :

Selidiki apakah data prestasi belajar siswa kelas II SMA tersebut terdistribusi normal?

Solusi:
Data prestasi belajar tersebut dapat dikatakan terdistribusi normal apabila data tersebut terdistribusi
sebagaimana pada gambar 1. Oleh karena itu, untuk mengetahuinya, prosedur paling sederhana
yang dapat ditempuh adalah dengan membuat tabel distribusi frekuensi dan menggambar grafik
distribusi frekuensinya. Apabila grafiknya menyerupai gambar kurva normal sebagaimana pada
gambar 1, maka data tersebut dapat dinyatakan sebagai data yang terdistribusi normal. Karena
pengamatan adalah kelas IIA dan IIB, maka data tersebut digabungkan dan dibuat tabel distribusi
frekuensi sebagai berikut:

Tabel 5.1 Distribusi frekuensi

Selanjutnya nilai pada kolom frekuensi digambar grafiknya dan diperoleh sebagai berikut:

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

5 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 Gambar 3 Distribusi frekuensi data prestasi belajar siswa

Berdasarkan gambar 3 di atas, maka dapat dikatakan bahwa data prestasi belajar siswa kelas II
SMA terdistribusi normal, karena model kurva distribusi frekuensinya menyerupai model kurva
distribusi normal.

Contoh 3
Selidiki apakah f(x) = n(x;μ,σ) benar suatu fungsi peluang?
Solusi:
f(x)=n(x;μ,σ) dapat dinyatakan sebagai fungsi peluang apabila memenuhi syarat

(i). 0  f ( x)  1 dan (ii).
−
 f ( x) = 1
Dengan menggunakan metode análisis real, berikut syarat (i) akan diselidiki:
1  x−   1 1  x−  
2 2

1 −   −  
f ( x) = e 2  
 ln f ( x) = ln  e 2   
2 2  2 2 
 
 − 1  x −   
2

 1 
 + ln e 
2  
 ln f ( x) = ln 
 2 
2
 
 
 1  1 x−  2

 ln f ( x) = ln  −  
 2  2   
2

1 x− 
2
 1 
   = ln  2 
 − ln f ( x)
2    2 
 x− 
2
  1  
  = 2ln   − ln f ( x)
2 
     2  
x−   1  
 = 2ln   − ln f ( x)

   2 2  
  1  
 x =  +  2 ln   − ln f ( x)

  2  
2

  1     1  
Bentuk 2 ln   − ln f ( x) Terdefinisi jika 2ln   − ln f ( x)  0 , akibatnya
  
  2     2 2  
2

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

6 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
   1     1  
2ln   − ln f ( x)  0  ln 
 
 − ln f ( x)  0

  2 2     2 2  
1 1

 ln 2 2  0  ln 2 2  ln e 0
f ( x) f ( x)
1

 2 2  e 0  1
− e0  0
f ( x) f ( x) 2 2

1 e 0 f ( x) 2 2
 − 0
f ( x) 2 2 f ( x) 2 2


1 − f ( x) 2 2
f ( x) 2 2
(
 0  1 − f ( x) 2 2 f ( x) 2 2  0 )( )
Akar-akar karakteristik
f ( x) 2 2 = 1 atau f ( x) 2 2 = 0
Diperhatikan untuk bentuk f ( x) 2 2 = 1
1
f ( x) 2 2 = 1  f ( x) =  0 ………………………..….(a)
2 2
1
Dari bentuk f ( x) =  f ( x)  1 …….………….……….…..(b)
2 2
Dari bentuk f ( x) 2 2 = 0  f ( x) = 0 …………………………...(c)
Dari (a), (b) dan (c) diperoleh syarat (i) 0  f ( x)  1 terpenuhi

Selanjutnya diperiksa apakah syarat (ii) terpenuhi, yakni apakah  f ( x)dx = 1
−
1  x−  1  x− 
2 2
  −   − 
1  1 

 f ( x)dx =  e
2   2  
e dx = dx
− − 2 2 2 2 −

1 x−  x−  2 −2
2 2 1
Misal u =    2u =    x =  +  2u  dx = u du , akibatnya
2      2
  
1  2 −
1
 2 −
1

 f ( x)dx = e e
−u −u
( u du ) =
2
u du 2

− 2 2 −
2 2 2 2 −

1  −u − 2  1  2 −1 −u 
  1
 0 1 1 0 1
− −1
   
−u
=  e u du + e u 2
du  =  u e du + u 2 e −u du 
2  2   − 0  2   − 0 

=
1   1   1 
  2  +   2  =
2       2 
1
+  =
2 
2 
=1  

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

7 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 
Berdasarkan hasil terakhir, maka syarat (ii), yakni bahwa
−
 f ( x)dx = 1 terpenuhi
Karena syarat (i) dan (ii) terpenuhi, maka terbukti benar bahwa
1  x− 
2

1  
f ( x) = n( x;  , ) = e 2  
,−  x   adalah suatu fungsi peluang.
2 2
Karena f(x) adalah suatu fungsi peluang, maka tentunya f(x) memeiliki rataan dan simpangan
baku. Rataan dan simpangan baku dari PDF normal adalah sebagai berikut:

RATAAN DAN VARIANS DISTRIBUSI NORMAL

Jika X peubah acak bebas yang terdistribusi normal, maka rataan X adalah x =  dan dan
Varians X adalah  = 2
x
2
.

Bukti:
dM x (t )
Berdasarkan definisi rataan bahwa  x = E ( x) = dengan Mx(t) adalah fungsi
dx t =0
pembangkit moment yang terdefinisi sebagai M x (t ) = E (e tx ) maka diperoleh bahwa
 1  x− 2 
  1  x− 2  1  x− 2  −   − tx 
1 −   1 tx −   1  2   
M x (t ) =  etx f ( x)dx = e
tx
e 2  
dx = e
2  
dx = e  
dx
− − 2 2 2 2 − 2 2 −
 1 
( x −  )2 − 2 2 tx  (( x −  ) )
2
 −   −
1 2
− 2 2 tx
1 1
e  2
e
2
2
= 
dx = 2 2
dx
2 2 − 2 2 −

Sekarang perhatikan bentuk berikut:

x − ( + t ) − 2 t
2 2 2
(
− t 2 4 = x 2 − 2 x  + t 2 +  + t 2 − 2 t 2 − t 2 4 ) ( ) 2

= x 2 − 2 x − 2 xt 2 +  2 + 2 t 2 + t 2 − 2 t 2 − t 2 4 ( ( )) 2

= x 2 − 2 x − 2 xt 2 +  2 + 2  t 2 + t 2 4 − 2  t 2 − t 2 4
= x 2 − 2 x +  2 − 2 xt 2
= (x −  ) − 2 2 xt
2

Jadi (x −  )2 − 2 2 xt = x − ( + t 2 )2 − 2 t 2 − t 2 4 sehingga diperoleh

1

−
1 
 (
 x −  + t
2
) −2  t
2 2
−t 2 4  1

−
1 
 (
 x −  + t
2
) 
2
−
1
(− 2  t 2
−t 2 4 )
M x (t ) =
2 2
e
−
2 2  
dx =
2 2
e
−
2 2 
e 2 2
dx
1
(2  t 2
+ t 2 4 ) 1 −
1 
 (
 x −  + t
2
) 
2

=e 2 2

− 2 2
e 2 2 
dx

t 2 2  (
1  x −  + t 2
− 
)  2
t2
 t+ 1    t+
=e  dx = e n ( x ,  + t 2 ,  )
2 2  2
e
− 2 2

t 2 2 t 2 2
 t+ t+
=e 2
(1) = e 2

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

8 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 1
 t + t 2 2
 M x (t ) = e 2 sehingga diperoleh rataan sebagai berikut

( )
1
dM x (t )  t + t 2 2
 x = E ( x) = =  + t 2 e 2 =  dan
dt t =0
t =0

d   
( ) ( ) ( ) ( )
2 1 1 1
d M x (t )  t + t 2 2  t + t 2 2  t + t 2 2
E( x2 ) = =   + t 2
e 2  =  0 + 2 e 2 +  + t 2 e 2  + t 2
dt 2
t =0
dt  
 t =0   t =0

( ) ( ) ( + (0) ) = 
1 1
 ( 0) + ( 0) 2  2  ( 0) + ( 0) 2  2
= 0 + 2 e 2 +  + (0) 2 e 2 2 2
+ 2 sehingga diperoleh
varians sebagai  = E ( x ) − E ( x) =  +  −  =  .
2 2 2 2 2 2 2
x

Contoh 3
Kembali lihat contoh 2 di atas. Tentukan berapakah peluang seoprang siswa yang terpilih secara
acak, memperoleh nilai tepat 65?

Solusi:

Karena data prestasi belajar tersebut terdistribusi normal, maka permasalahan pada contoh 2 dapat
diselesaikan dengan menggunakan fungsi normal. Berasarkan contoh 2 di atas, telah dibuktikan
bahwa f(x) = n(x;μ,σ) adalah suatu fungsi peluang. Oleh karena untuk suatu X = x, maka P(X=x) =
f(x). Untuk itu perlu dicari nilai rataan dan simpangan baku data prestasi belajar siswa. Karena
pengamatan dalam permasalahan ini adalah seluruh kelas II dan telah dimiliki data seluruh kelas II,
maka rataan dan simpangan baku diberikan sebagai berikut:
75 75

x  (x − 55,8)
2
i i
= i =1
= 55,8 dan  = i =1
= 17,6 sehingga diperoleh Peluang siswa yang
75 75 − 1
terpilih secara acak akan memperoleh nilai tes tepat 65 adalah
1  65 − 55 ,8  2
−  
1 2  17 , 6 
P( x = 65) = f (65) = e = 0,02 = 2%
2 (17,6) 2

Gambar 4 Kurva distribusi normal

dengan  = 55,7 dan  = 17,5 serta nilai dari P(x=65)=2%

3. Luas di bawah Kurva Normal

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning
9 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 Kurva setiap distribusi peluang kontinu atau fungsi padat peluang dibuat sedemikian rupa sehingga
luas di bawah kurva diantara dua ordinat x = x1 dan x = x2 sama dengan peluang peubah acak X
mendapat harga antara x = x1 dan x = x2. Jadi untuk kurva normal pada gambar di atas.
1  x− 
2
x2 x2
−  
P( x1  X  x2 ) =  n(x;  ,  )dx =
1

2  
e dx menyatakan luas daerah yang diarsir.
x1
x1 2 2

Gambar 5 Luas daerah di bawah kurva normal antara x1 dan x2

Di depan telah ditunjukkan dengan beberapa gambar, bahwa kurva normal tergantung pada rataan
dan simpangan baku distribusi. Luas daerah di bawah kurva antara dua ordinat sembarang jelas
tergantung pada harga  dan  . Hal ini terlihat seperti gambar berikut. Pada gambar tersebut
daerah yang berpadanan dengan P( x1  X  x2 ) untuk kedua kurva dengan rataan dan
simpangan baku yang berbeda adalah daerah yang terdapat dua arsiran.

Gambar 6 P(x1<X<x2) untuk kurva normal

dengan rataan dan simpangan baku yang berbeda
Contoh 4
Lihat kembali contoh 2 di atas. Tentukan peluang seorang siswa yang terpilih secara acak akan
memperoleh nilai
a. Kurang dari 65
b. Lebih dari 75
c. Diantara 65 dan 75

Solusi:

a. Peluang siswa yang terpilih secara acak akan memperoleh nilai tes kurang dari 65 adalah
65 55 ,8 65
P( X  x = 65) =  f ( x)dx =  f ( x)dx +  f ( x)dx
− − 55 ,8
2 2
55 ,8 1  x − 55 ,8  65 1  x − 55 ,8 
−   −  
1 2  17 , 6  1 2  17 , 6 
= 
− 2 (17,6) 2
e dx + 
55 ,8 2 (17,6) 2
e dx

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

10 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 55 ,8

Karena  = 55,8 
−
 f ( x)dx = 0,5 dan dengan menggunakan integral numerik metode

65
deret Reimant untuk x = 0.0001 , diperoleh bahwa  f ( x)dx = 0,19942
55 ,8
sehingga nilai

dari P( X  x = 65) = 0,5 + 0,19942 = 0,69942 = 69,94%

Jadi peluang siswa yang terpilih memperoleh nilai tes kurang dari 65 adalah 69,942%.

b. Peluang siswa yang terpilih secara acak akan memperoleh nilai tes lebih dari 75 adalah
P(X≥x=75). Nilai ini diberikan sebagai berikut:
  75
P( X  x = 75) = 
75
f ( x)dx = 
55 ,8
f ( x)dx −  f ( x)dx
55 ,8
2 2
 1  x − 55 ,8  75 1  x − 55 ,8 
−   −  
1 2  17 , 6  1 2  17 , 6 
= 
55 ,8 2 (17,6) 2
e dx − 
55 ,8 2 (17,6) 2
e dx


Karena  = 55,8   f ( x)dx = 0,5
55 ,8
dan dengan menggunakan integral numerik metode

75
deret Reimant untuk x = 0.0001 , diperoleh bahwa  f ( x)dx = 0,36235 .
55 ,8

Sehingga nilai dari P( X  x = 75) = 0,5 − 0,36235 = 0,13765 = 13,765%

Jadi peluang siswa yang terpilih memperoleh nilai tes lebih dari 75 adalah 13,77%.

c. Peluang siswa yang terpilih secara acak akan memperoleh nilai tes antara 65 sampai 75 adalah
2
75 1  x − 55 ,8 
−  
1 2  17 , 6 
P(65  X  75) = 
65 2 (17.6) 2
e dx = 0,16293 = 16,3%

Gambar 7 Kurva distribusi normal dengan  = 55,7 dan  = 17,5 serta (a) . P(X=65); (b);
P(X>x=75); (c) P(65<X75)

4. Distribusi Normal Baku

Untuk memudahkan perhitungan dalam menentukan nilai integral fungsi padat normal, maka dibuat
tabel normal baku. Seluruh nilai dalam tabel normal baku merupakan hasil transformasi setiap
peubah acak X menjadi himpunan pengamatan baru satu peubah acak normal Z dengan rataan 0
(nol) dan variansi 1 (satu).

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

11 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 Teorema Distribusi Normal Baku
Jika X peubah acak yang terdistribusi normal dengan rataan μ dan simpangan baku σ, maka
X −
peubah acak baru Z= akan terdistribusi normal baku


Bukti:
1  x− 
2

1 −  
X ~ n ( x,  ,  )  f ( x ) = e 2  
;−  x  
2 2
x−
z=  x = z +   dx = dz , akibatnya diperoleh

1  x− 
2
  −   1  1
1  1 − z2 1 − z2
 f ( x)dx =   dz = 
2  
e dx = e 2
e 2

− − 2 2 − 2 − 2
2
 1  z −0  
1 −  
=  dz =  n( z ,0,1)dz
2 1 
e
2 (1)
2
− −

X −
Bentuk integral terakhir membuktikan bahwa X ~ n ( x,  ,  )  Z = ~ n( z,0,1)

Distribusi asli yang telah ditransformasikan dilukiskan pada gambar 5.5. Karena semua nilai X
antara x1 dan x2 mempunyai nilai Z padanan antara z1 dan z2, maka luas daerah di bawah kurva X
antara ordinat x = x1 dan x = x2 pada gambar 5 sama dengan luas daerah di bawah kurva Z antara
ordinat z = z1 dan z = z2 yang telah ditransformasikan.

Gambar 8 Luas daerah di bawah kurva distribusi normal dan di bawah kurva z

Sekarang banyaknya tabel kurva normal yang diperlukan telah diperkecil menjadi satu, yaitu
distribusi normal baku. Tabel 1 (lihat halaman 16 - 18) memberikan luas di bawah normal baku
yang berpadanan dengan P(0 < z < b). Perlu diingat, bahwa luas adalah besaran skalar, jadi selalu
positif (tidak pernah negatif). Sedangkan tanda negatif pada z menunjukkan letak daerahnya saja.
Misalnya daerah antara z = 0 dan z = 2,15 adalah daerah luasan di sebelah kanan  = 0 ,
sedangkan daerah antara z = 0 dan z = -2,15 adalah luasan di sebelah kiri  = 0. Luas kedua
daerah ini sama yang besarnya akan dihitung melalui contoh-contoh berikut.

Contoh 5.
Dengan menggunakan tabel distribusi normal baku (tabel z), tentukan luas daerah
a. Antara z = 0 dan z = 2,15
b. Antara z = 0 dan z = -1,86
2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning
12 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 c. Antara z = -1,86 dan z = 2,15
d. Antara z = 1,34 dan z =2,06
e. Untuk z>1,96
f. Untuk z>1,96

Solusi:
a. Antara z = 0 dan z = 2,15
Cara menghitung luasnya adalah dengan melihat tabel z. Pada kolom paling kiri cari angka 2,1
dan cari pada baris paling atas angka 05. Dari 2,1 tarik arah ke kanan dan dari 05 tarik
menurun, didapat angka 4842. Angka ini merupakan angka dibelakang koma, sehingga luas
daerah yang dicari adalah 0,4842. Gambarnya adalah sebagai berikut:

Gambar 9 Luar daerah di bawah kurva normal baku antara z = 0 dan z = 2,15

b. Antara z = 0 dan z = -1,86

Karena z bertanda negatif, maka daerah luasannya di sebelah kiri rataan. Karena sifat
simetris kurva normal, maka luas daerah antara z = -1.86 dan z = 0 sama dengan luas daerah
antara z = 0 dan z = 1.86. Seperti cara mencari pada soal a, pada daftar z lihat kolom paling
kiri nilai 1.8, kemudian baris paling atas lihat angka 06. Dari 1,8 tarik ke kanan dan dari .06
tarik ke bawah diperoleh angka 4686. Jadi luas daerah yang dicari adalah 0,4686

Gambar 10 Luar di bawah kurva normal baku antara (a) z = -1, 86 dan z = 0, (b) z = 0 dan z
= 1,86

c. Antara z = -1,86 dan z = 2,15

Dari grafik sebagaimana pada gambar 11 di bawah ini, terlihat bahwa kita perlu mencari luas
daerah dua kali, lalu menjumlahkannya. Mengikuti cara pada soal a dan b, maka diperoleh luas
daerah antara z = −1.86  Z  z = 2.15 diberikan sebagai berikut:
z = −1.86  Z  z = 2.15 = ( z = −1.86  Z ) + ( Z  z 2.15) = 0.4686 + 0.4842 = 0.9528

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

13 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 Gambar 11 Luar daerah di bawah kurva normal baku antara z = -1.86 dan z = 2.15

d. Antara z = 1,34 dan z =2,06

Gambar 12 Luas di bawah kurva normal baku antara z = 1.34 dan z = 2.06

Untuk soal ini, kita menghitung irisan antara luas z = 0 sampai z = 2,06 dan z = 0 sampai z =
1,34. Dengan mengurangi luas z =0 sampai z =2,06 dan z = 0 sampai z = 1,34. dengan cara
yang sama seperti soal-soal sebelumnya, maka diperoleh luas daerah yang diarsir adalah z1.36 <
Z<z2.06 = z2,06 – z1,34= 0,4803 - 0,4099 = 0,0704.

e. z< 1,96

Gambar 13 Luas daerah di bawah kurva normal baku antara z < 1.96

Luasnya sama dengan dari z = 0 ke kiri ditambah dengan luas dari z = 0 sampai ke z = 1,96.
Jadi, luasnya = 0,5000 + 0,4750 = 0.9750

f. z>1,96
Luasnya sama dengan dari z = 0 ke kanan (=0,5) dikurangi dengan luas dari z = 0 sampai ke z =
1,96. Jadi, luasnya = 0,5000 - 0,4750 = 0,0250.

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

14 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 Gambar 14 Luas dibawah kurva normal baku dengan z > 1,96

Contoh 6
Selesaikan permasalahan pada contoh 5.3 di atas menggunakan distribusi normal baku.

Solusi:
65 − 55.7 75 − 55.7
Untuk x = 65  z = = 0,5314 dan untuk x = 75  z = = 1,1029 sehingga
17.5 17.5
diperoleh
65 0 , 53 0 0 , 53

a. P( X  x = 65) =  f ( x)dx =  f ( z )dz =  f ( z )dz +  f ( z )dz

− − − 0

= 0,5 + P(0  Z  0,53) = 0,5 + 0,2019 = 0,7019 = 70,19%

   1,1
b. P( X  x = 75) = 
75
f ( x)dx = 
1,1
f ( z )dz =  f ( z )dz −
0
 f ( z )dz = 0,5 − 0,3643 = 0,1357 = 13,57%
0
75 1,1 1,1 0 , 53
c. P(65  X  75) =  f ( x)dx =  f ( z )dz =  f ( z )dz −  f ( z )dz = 0,3643 − 0,2019 = 0,1624 = 16,24%
65 0 , 53 0 0

Contoh 5.6.
Dari suatu penelitian di Rumah Sakit Sayang Ibu Selong, diperoleh data bahwa rata-rata berat bayi
yang baru lahir adalah 3750 gram dengan simpangan baku 325 gram. Jika berat bayi berdistribusi
normal, maka tentukan ada:
a. Berapa bayi yang beratnya lebih dari 4500 gram, jika ada 1000 bayi?
b. Berapa bayi yang beratnya antara 3500 gram dan 4500 gram, jika semuanya ada 1000 bayi
c. Berapa bayi yang beratnya kurang atau sama dengan 4000 gram, jika semuanya ada 1000 bayi?
d. Berapa bayi yang beratnya 4250 gram, jika semuanya ada 5000 bayi?

Solusi:
4.500 − 3.750
a. Dengan memakai rumus transformasi, untuk x = 4.500 diperoleh: z = = 2,31
325
dengan menggunakan tabel Z, diperoleh nilai z2,31 = 0,4896. Karena yang ditanyakan adalah
berat bayi yang lebih dari 4.500 gram, pada grafik luasnya ada di sebelah kanan z 2,31, seperti
contoh-contoh yang terdahulu, maka luasnya adalah 0,5000- 0,4896 = 0,0104. Jadi, ada 0,0104
 1.000 = 10,4  10 bayi yang beratnya lebih dari 4.500 gram.
3.500 − 3.750
b. Dengan x1=3.500 dan x2 = 4.500 diperoleh: z1= = −0,77 dan
325
4.500 − 3.750
z2= = 2,31 . Dengan bantuan tabel z diperoleh luas z-0,77 = 0,2794 dan z2,31=
325

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

15 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 0,4896, sehingga luas keseluruhan 0,2794 + 0,4896 = 0,7690. Jadi banyak bayi yang beratnya
antara 3.500 gram sampai dengan 4.500 gram diperkirakan ada (0,7690)(1.000) = 769 bayi

c. Beratnya kurang dari atau sama dengan 4.000 gram, maka beratnya harus kurang dari 4.000,5
4.000,5 − 3.750
gram. Sehingga untuk X = 4000,5 maka z= = 0,77. dan z0,77=0,2794. Peluang
325
berat bayi kurang dari atau sama dengan 4.000 gram = 0,5 + 0,2794 = 0,7794. Jadi banyaknya
bayi yang beratnya kurang dari atau sama dengan 4.000 gram = (0,7794) (1.000)= 779,4  779
bayi
d. Berat 4.250 gram, berarti berat antara 4.249,5 dan 4.250,5 dengan x1 = 4.249,5 dan x2 =
4.249,5 − 3.750 4.250,5 − 3.750
4.250,5 diperoleh z1= = 1,53 dan z2= = 1,54. Dengan bantuan
325 325
tabel z diperoleh luas z1,53 = 0,4370 dan z1,54 = 0,4382, sehingga luas keseluruhan adalah 0,4382,
sehingga luas keseluruhan adalah 0,4382 - 0,4370 = 0,0012. Jadi, banyaknya bayi yang beratnya
4.250 gram = (0,0012)(5000) = 6 bayi

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

16 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
 Tabel 1 Fungsi Densitas Distribusi Probabilitas Normal Baku

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

17 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id
Da f ta r Pu st a ka
1 . Pr o f. Dr . Agu s I r ia nt o , , “ St a tist ik : Ko nse p Dasar d an Aplikasinya” , Jaka rt a ,
Ke n can a, 2 0 06
2 . G e tu t Pr ame st i, “ Ap lika si SPSS 1 5.0 da lam Mo de l L in ier Sta t ist ika ”, Jaka rt a ,
M e dia Ale x Com pu t in d o, 2 0 07 .
3 . Dr . Ir . Har in a ld i, M. En g, “ Pr in sip - Pr in sip St at istik u nt u k T ekn ik da n
Sa in s” , Ja ka r ta , Er la ng g a, 2 00 5 .
4 . Pr o f. Dr . Su d ja na , M A., M Sc. , ”M e to da St a tist ika” , Ba nd u ng , Ta rsito , 2 00 7
5 . Su d ar yo n o, M. Pd ., “ St at ist ika Pr ob ab ilita s [T eor i&Ap lika si] ”, Yo gya ka rt a, An d i,
2 0 12 .
6. http://palenggahanlincakreyot.wordpress.com/2012/10/28/tabel -distribusi-
normal-tabel-z/

2020 Statistik a Teknik Pusat Bahan Ajar dan eLearning

18 Retna Kristiana, ST,MM,MT http://www.mercubuana.ac.id