Sebaran Normal dan

Luas Daerah di Bawah Kurva Normal

Disampaikan pada:

Kuliah Statistika – Pertemuan VI

di Program Studi Teknologi Pertanian
Fakultas Teknologi Pertanian – UNUD
13 Oktober 2021 [Kelas C]
15 Oktober 2021 [Kelas D]
Eka N Kencana
Sociometric Study Group
Program Studi Matematika
Universitas Udayana
Sebaran Normal
Sebaran Normal merupakan sebaran peluang dari variabel acak kontinyu yang
disepakati sebagai sebaran peluang terpenting dari sejumlah distribusi peluang
variabel acak. Bila variabel acak X dengan nilai tengah (rataan) μ dan variansi
(ragam) 𝜎2 serta daerah asal X = 𝐃f (X) ε R, maka P(X=x) = f(x) dikatakan
mengikuti sebaran normal bila:

Saat fungsi peluang X berdistribusi normal, maka seringkali disimbolkan sebagai:

X ≈ Normal(x; μ, 𝜎)
Sebaran Normal Baku
Sebaran Normal Baku merupakan sebaran peluang dari variabel acak Z dengan
μ = 0 dan 𝜎2 = 1 dengan fungsi peluang bisa dinyatakan dalam persamaan berikut:

Seluruh variabel acak X ≈ Normal(x; μ, 𝜎) bisa ditransformasi menjadi variabel

acak Z ≈ Normal(z; 0, 1) melalui Standarisasi Variabel menggunakan persamaan
berikut:

𝑥 − 𝜇!
𝑧=
𝜎!
Sebaran Normal Baku
Karakteristik Kurva Sebaran Normal
Baku:

1. Kurva simetri pada sumbu vertikal

saat x = μ = 0;
2. Nilai probabilitas (sumbu vertikal)
maksimum terjadi saat x = μ = 0;
3. Titik-titik balik kurva terjadi saat
x±𝜎; pada kurva normal baku 𝜎 = 1;
4. Kurva bersifat asimptot pada sumbu
horizontal; dan
5. Luas daerah di bawah kurva = 1.
Area di Bawah Kurva Normal
Untuk menghitung luas daerah di
bawah kurva normal (L) pada
interval x1 ≤ x ≤ x2 bisa dilakukan
dengan memperhatikan bila
X ≈ Normal(x; μ, 𝜎), maka:

(1)

Persamaan (1) merupakan persamaan

yang sulit diintegralkan! Cara
termudah yang bisa dilakukan adalah:
1. Lakukan standarisasi X menjadi
" # $!
Z menggunakan 𝑧 =
%!
2. Baca Luas Daerah di Bawah
Kurva Normal Baku
Membaca Kurva Normal Baku
Area di Bawah Kurva Normal: Ilustrasi
Misalkan diketahui IQ peserta kuliah
Statistika ITP menyebar normal dengan
nilai rataan 110 dan simpangan baku 15.
Berapa peluang Alex Pangan yang
memrogram matakuliah Statistika memiliki
IQ antara 105 hingga 120?

Diketahui:
X ≈ Normal(110, 15)

z1 = (105 – 110)/15 = – 0.333

z2 = (120 – 110)/15 = 0.667

P(105 ≤ x ≤ 120) = P(-0.333 ≤ z ≤ 0.667)

Area di Bawah Kurva Normal: Ilustrasi

Kedua suku pada ruas kanan persamaan bisa

dihitung menggunakan fungsi NORM.S.DIST() pada
Microsoft Excel. Untuk menghitung integral I dan
II digunakan NORM.S.DIST(0.667;TRUE) dengan
hasil 0.7475 dan NORM.S.DIST(-0.333;TRUE)
dengan hasil 0.3774. Sehingga:

P(z) = 0.7475 – 0.3774 = 0.3701

∴ Peluang Johny Sistem memiliki IQ antara 105

hingga 120 sebesar 0.3701.
Area di Bawah Kurva Normal: Contoh Soal

Contoh 1.a: Contoh 1.b:

Hitunglah P(z ⩾ 1.75) Hitunglah P(-1.75 ⩽ z ⩽ 1.75)

P(z ⩾ 1.75) = 1 – P(z < 1.75) P(-1.75 ⩽ z ⩽ 1.75) = 1 – P(z < -1.75) - P(z > 1.75)
= 1 – 0.1056 - 0.1056 = 0.7887
= 1 – 0.8944 = 0.1056
Aplikasi Kurva Normal: Contoh Soal

Soal 6.11 (Walpole et al, p. 186):

A soft-drink machine is regulated so that it discharges an average of 200 ml per cup. If the
amount of drink is normally distributed with a standard deviation equal to 15 ml:

a) what fraction of the cups will contain more than 224 ml?
b) what is the probability that a cup contains between 191 and 209 ml?
c) how many cups will probably overflow if 230 ml cups are used for the next 1000 drinks?
d) below what value do we get the smallest 25% of the drinks?

Bila volume minuman per gelas (X ) diasumsikan mengikuti sebaran normal, maka:
X ≈ Normal(200; 15)
!!" #!$$
a) Fraksi minuman yang terisi > 224 ml = P(x > 224) * 100% = P(z > ) * 100%
%&

= P(z > 1.60) * 100% = [1 – P(z ⩽ 1.60)] * 100% = 5.48 persen.

Aplikasi Kurva Normal: Contoh Soal

Soal 6.11 (Walpole et al, p. 186):

X ≈ Normal(200; 15)
%'% #!$$ !$' #!$$
b) P(191 ⩽ x ⩽ 209) = P( ⩽z⩽ ) = P(-0.6 ⩽ z ⩽ 0.6)
%& %&

= P(z ⩽ 0.6) – P(-0.6 ⩽ z) = 0.7257 – 0.2743 = 0.4514

!($ #!$$
c) Peluang minuman terisi > 230 ml = P(x > 230) = P(z > )
%&

= P(z > 2.000) = 1 – P(z ⩽ 2.000) = 1 – 0.9772 = 0.0228

∴ Jumlah gelas dengan volume minuman > 230 ml sekitar 0.0228 * 1000 ≈ 23 gelas.

d) Berapa nilai x1 sehingga P(x ⩽ x1) = 0.25?

Menggunakan fungsi Excel NORM.S.INV(p) bisa diketahui nilai z = -0.6745.
Karena z1 = (x1 – 200)/15, maka x1 = 200 – 0.6745 * 15 = 189.88 ≈ 190 ml.
Area di Bawah Kurva Normal: Ilustrasi
Soal 6.23 (Walpole et al, p. 187):
The IQs of 600 applicants to a
certain college are approximately
normally distributed with a mean of
115 and a standard deviation of 12.
If the college requires an IQ of at
least 95, how many of these stu-
dents will be rejected on this basis
of IQ, regardless of their other
qualifications? Note that IQs are
recorded to the nearest integers.
Bila IQ diasumsikan mengikuti
sebaran normal, maka:
IQ ≈ Normal(115; 12)
Area di Bawah Kurva Normal: Ilustrasi
Soal 6.23 (Walpole et al, p. 187):
IQ ≈ Normal(115; 12)
Jumlah peserta yang ditolak akan
sama dengan P(IQ < 95) * 600
Nditolak = P(IQ < 95) * 600
= 0.0478 * 600
≈ 29 orang
Teorema Limit Pusat
Salah satu teorema terpenting dalam Statistika adalah Teorema Limit Pusat
(Central Limit Theorem). Teorema ini menyatakan:

Bila merupakan nilai rataan (mean) dari sampel acak berukuran n yang
diambil dari populasi dengan mean μ dan ragam σ2, maka distribusi variabel
acak Z untuk n → ∞ dengan

mengikuti sebaran Normal(z; 0, 1).

Catatan:
n = 30 merupakan guideline batas bawah untuk menggunakan Teorema Limit
Pusat dalam pengambilan inferensia populasi dari sebuah sampel acak.
Teorema Limit Pusat: Contoh Aplikasi
An electrical firm manufactures light bulbs that have a length of life that is
approximately normally distributed, with mean equal to 800 hours and a standard
deviation of 40 hours. Find the probability that a random sample of 16 bulbs will
have an average life of less than 775 hours (Sumber: Walpole et al., p. 234)
Solusi:
𝚺 ≈ Normal(800; 40)
n = 16, P(𝑥̅ < 775)?
Menggunakan Teorema Limit Pusat: