BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam kehidupan sehari-hari kita sering dihadapkan dengan beberapa
pilihan yang harus kita tentukan memilih yang mana. Biasanya kita dihadapkan
dengan kemungkinan-kemungkinan suatu kejadian yang mungkin terjadi dan kita
harus pintar-pintar mengambil sikap jika menemukan keadaan seperti ini,
misalkan saja pada saat kita ingin bepergian, kita melihat langit terlihat mendung.
Dalam keadaaan ini kita dihadapkan antara 2 permasalahan, yaitu kemungkinan
terjadinya hujan serta kemungkinan langit hanya mendung saja dan tidak akan
turunnya hujan. Statistik yang membantu permasalahan dalam hal ini adalah
probabilitas.
Probabilitas didefinisikan sebagai peluang atau kemungkinan suatu kejadian,
suatu ukuran tentang kemungkinan atau derajat ketidakpastian suatu peristiwa
yang akan terjadi di masa mendatang. Rentangan probabilitas antara 0 sampai
dengan 1. Jika kita mengatakan probabilitas sebuah peristiwa adalah 0, maka
peristiwa tersebut tidak mungkin terjadi. Dan jika kita mengatakan bahwa
probabilitas sebuah peristiwa adalah 1 maka peristiwa tersebut pasti terjadi. Serta
jumlah antara peluang suatu kejadian yang mungkin terjadi dan peluang suatu
kejadian yang mungkin tidak terjadi adalah satu, jika kejadian tersebut hanya
memiliki 2 kemungkinan kejadian yang mungkin akan terjadi.
Pada modul II ini dibahas, antara lain tentang ketidakpastian dan suatu
kejadian atau peristiwa, distribusi normal serta distribusi poisson. Pada distribusi
poisson dilakukan pengamatan terhadap kemungkinan melintas mobil Jazz pada
‘jalan Samudra, Kota Lhokseumawe, Aceh. sebanyak 60 data berdasarkan
pengambilan waktu yang diambil dari hasil pencarian pada tabel random. Dan
distribusi normal jumlah nilai bahasa inggris 100 mahasiswa/i SMK Negeri 7
Lhokseumawe berdasarkan data yang diambil dari survei lapangan langsung.
Jadi dalam penelitian ini kami mengangkat judul Probabilitas menganalisis
data tentang distribusi normal dan poisson. Untuk hal tersebut diperlukan suatu
teori yang biasa disebut teori peluang atau probabilitas. Dalam modul II ini

1
dibahas antara lain tentang ketidakpastian dari suatu kejadian atau peristiwa,
distribusi normal dan poisson.

1.2 Rumusan Masalah

Adapun perumusan masalah dalam praktikum statistik ini adalah sebagai
berikut :
1. Bagaimana cara menjelaskan arti peristiwa atau kejadian ?
2. Bagaimana fungsi dan metode dari distribusi poisson untuk menghitung
probabilitas pengambilan 60 data Mobil Jazz yang lewat dari Jalan
Samudra, Kota Lhokseumawe, Aceh. berdasarkan waktu pengamatannya
yang diambil dari tabel random?
3. Bagaimana fungsi dan metode dari distribusi normal untuk menghitung
probabilitas pengambilan data jumlah nilai bahasa inggris 100 mahasiswa/i
SMK Negeri 7 Lhokseumawe?

1.3 Tujuan Masalah

Adapun tujuan dari praktikum statistik ini adalah sebagai berikut :
1. Untuk mengetahui dan mampu menjelaskan arti peristiwa atau kejadian.
2. Untuk mengetahui fungsi dan metode dari distribusi poisson untuk
menghitung probabilitas pengambilan 60 data Mobil Jazz yang lewat dari
Jalan Samudra, Kota Lhokseumawe, Aceh. berdasarkan waktu
pengamatannya yang diambil dari tabel random
3. Untuk mengetahui fungsi dan metode dari distribusi normal untuk
menghitung probabilitas pengambilan data jumlah nilai bahasa inggris 100
mahasiswa/i SMK Negeri 7 Lhokseumawe

1.4 Batasan Masalah dan Asumsi

1.4.1 Batasan Masalah
Untuk mempermudah pembahasan pada laporan praktikum probabilitas ini
maka perlu membuat batasan masalah sebagai berikut:
1. Pengambilan data distribusi normal di lakukan dengan survei lapangan
langung kepada 100 mahasiswa/i SMK Negeri 7 Lhokseumawe. Dan
 3

pengambilan data distribusi poisson berapa banyak mobil Jazz yang

melintasi Jalan Samudra, Kota Lhokseumawe, Aceh, dengan waktu
pengamatan dilakukan pada 09.20 – 14.20
2. Siswa/i yang menjadi sampel adalah Siswa/i SMK Negeri 7 Lhokseumawe

1.4.2 Asumsi
Adapun yang menjadi asumsi pada pengamatan untuk praktikum modul
ini adalah sebagai berikut:
1. Data diambil dengan melakukan wawancara langsung dan dilakukan
sebenarnya.

2. Praktikan yang melakukan wawancara data dalam kondisi sehat secara

jasmani maupun rohani.
3. Anggota kelompok yang membantu dalam pengambilan data bekerja
dengan keadaan baik dan telah dianggap bekerja secara ideal.

1.5 Langkah-Langkah Pemecahan Masalah

Adapun yang menjadi langkah-langkah pemecahan masalahnya adalah
sebagai berikut:
1. Menyurvei langsung dan kemudian catat sesuai ketentuan sampel yang
jadi objek penelitian
2. Melakukan pengambilan data jumlah nilai bahasa inggris SMK Negeri 7
Lhokseumawe sebanyak 100 data dan pengambilan data mobil Jazz
sebanyak 60 data.
3. Mencatat semua kemungkinan peristiwa yang muncul.
4. Menghitung jumlah dari semua kemungkinan pada percobaan.
5. Membuat tabel frekuensi dari percobaan.
6. Membuat tabel distribusi probabilitas percobaan.
7. Membuat grafik distribusi probabilitas pada percobaan.
8. Membuat laporan dari hasil percobaan.
1.6 Sistematika Penulisan
Untuk memudahkan memahami isi laporan praktikum ini, maka penulisan
akan dibagi kedalam 5 bab, yang masing-masing bab mengandung beberapa sub
bab, yaitu sebagai berikut :
BAB 1 PENDAHULUAN
Merupakan pengantar dalam menguraikan secara singkat mengenai latar
belakang masalah, maksud dan tujuan, urutan masalah, pembatas masalah,
dan sistematika laporan.
BAB II LANDASAN TEORI
Bab ini berisikan tentang probabilitas, probabilitas beberapa peristiwa,
probabilitas beberapa peristiwa dengan pendekatan kombinasi, peristiwa
komplementer, batas nilai probabilitas, distribusi probabilitas teoritis,
distribusi binomial, distribusi hipergeometrik, distribusi poison dan
distribusi normal.
BAB III PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini berisikan penguraian tentang pengumpulan data dan pengolahan
data secara distribusi poison dan distribusi normal.
BAB IV ANALISIS DAN EVALUASI DATA
Dalam hal ini data yang telah dikumpulkan dari hasil pengamatan yang
telah dilakukan akan diolah dan dijelaskan secara detail. Pada bab ini kita
dapat mengetahui analisis dan evaluasi data dari hasil Probabilitas yang
ada pada laporan ini.
BAB V KESIMPULAN DAN SARAN
Berisi tentang kesimpulan dari probabilitas dan saran yang memuat
perbaikan pada praktikum yang baik
 5

BAB II
LANDASAN TEORI

2.1 Definisi Probabilitas

Teori probabilitas dari ruang sampel berhingga direpresentasikan dalam
sebuah bilangan riil yang disebut pembobot atau probabilitas, dengan nilai antara
nol sampai dengan satu, yang memungkinkan untuk menghitung nilai probabilitas
terjadinya suatu kejadian. Jika suatu kejadian memiliki kemungkinan terjadi yang
besar, maka nilai probabilitas dari kejadian tersebut mendekati satu. Di sisi lain,
nilai probabilitas yang mendekati nol diberikan apabila suatu kejadian memiliki
kemungkinan terjadi sangat kecil atau hampir tidak mungkin terjadi (Schefter, J.E.
1990).
Teori probabilitas berkembang dari permainan peluang yang dilakukan
oleh penjual untuk memperkirakan peluang untuk kemenangannya dan mungkin
merupakan dasar untuk menentukan nisbah yang diharapkan dari tipe-tipe
persilangan genotip yang berbeda. Penggunaan teori ini memungkinkan kita untuk
menduga kemungkinan diperolehnya suatu suatu hasil tertentu dari persilangan
tersebut (Dwijoseputro,1977).
Probabilitas atau Peluang adalah suatu ukuran tentang kemungkinan suatu
peristiwa (event) akan terjadi di masa mendatang. Probabilitas dapat juga diartikan
sebagai harga angka yang menunjukkan seberapa besar kemungkinan suatu
peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin terjadi.
Probabilitas dilambangkan dengan P.
Contoh 1: Sebuah mata uang logam mempunyai sisi dua (H & T) kalau mata
uang tersebut dilambungkan satu kali, peluang untuk keluar sisi H
adalah ½.
Contoh 2: Sebuah dadu untuk keluar mata ‘lima’ saat pelemparan dadu tersebut
satu kali adalah 1/6 (karena banyaknya permukaan dadu adalah.
probabilitas bernilai himpunan memiliki hubungan yang erat dengan
ukuran bernilai himpunan (Walpole, Ronald E.1995).
Rumus:
P (E) = X/N ……………………………………………………………...Pers(2.1)
Keterangan:
P: Probabilitas
E: Event (Kejadian)
X: Jumlah kejadian yang diinginkan (peristiwa)
N: Keseluruhan kejadian yang mungkin terjadi
Probabilitas yang rendah menunjukkan kecilnya kemungkinan suatu
peristiwa akan terjadi. Suatu probabilitas dinyatakan antara 0 sampai 1 atau dalam
presentase. Probabilitas 0 menunjukkan peristiwa yang tidak mungkin terjadi,
sedangkan probabilitas 1 menunjukkan peristiwa yang pasti terjadi.
Ada tiga hal penting dalam probabilitas, yaitu (Mendenhall and reinmuth.
1982).
a Percobaan adalah pengamatan terhadap beberapa aktivitas atau proses
yang memungkinkan timbulnya paling sedikit 2 peristiwa tanpa
memperhatikan peristiwa mana yang akan terjadi.
b Hasil adalah suatu hasil dari sebuah percobaan.
c Peristiwa adalah kumpulan dari satu atau lebih hasil yang terjadi pada
sebuah percobaan atau kegiatan.
Probabilitas dari suatu peristiwa adalah rasio jumlah kejadian yang terjadi
sesuai dengan total jumlah kejadian. Contoh sederhana ketika melemparkan dua
dadu, apakah ada probabilitas bahwa sedikitnya satu dari sekian banyak peluang
akan muncul angka 6? Setiap dadu dapat muncul dengan enam nilai berbeda:
jumlah total hasilnya adalah 6 x 6 = 36, jumlah yang kemungkinan berhasil ada
11, sehingga probabilitasnya adalah 11/36 (Maslov & Maslova, 2013)

2.1.1 Defenisi klasik

Jika sebuah peristiwa A dapat terjadi dengan cara dari sejumlah total N

cara yang mutually axclusive dan memiliki kesempatan sama untuk terjadi, maka
probabilitas terjadinya peristiwa A dinotasikan dengan P(A) dan didefinisikan
sebagai :
P(A) = f A
N ……………………………………………………………Pers(2.2)
 7

Sedangkan probabilitas tidak terjadinya suatu peristiwa A atau komplemen

A( sering disebut kegagalan A) dinyatakan sebagai:
P(A) = P(A) = P(-A) = N – FA = 1 – FA = 1 = P(A)…………………….Pers(2.3)
N N

2.1.2 Defenisi Frekuensi Relative

Seandainya pada sebuah eksperimen yang dilakukan sebanyak N kali
terjadi kejadian A sebanyak FA kali, maka jika eksperimen tersebut dilakukan tak
terhingga kali banyaknya (N mendekati tak hingga), nilai limit dari frekuensi
relatif FA/N didefenisikan sebagai probabilitas kejadian A atau P(A).

P(A)= ……………………………………………………... Pers(2.4)

Defenisi ini mungkin adalah defenisi yang paling populer. Defenisi ini
memungkinkan untuk diterapkan pada banya0k masalah-masalah praktis di mana
definisi. klasik tidak bias di pakai.

2.1.3 Defenisi subjektif

Dalam kasus ini, probabilitas P(A) dari terjadinya peristiwa A adalah
sebuah ukuran dari “derajat keyakinan” yang memiliki seseorang terhadap
terjadinya peristiwa A. defenisi ini mungkin merupakan defenisi yang paling luas
di gunakan dan diperlukan jika sulit diketahui besarnya ruang sampel maupun
jumlah peristiwa yang di kaji maupun jika sulit dilakukan pengambilan sampel
(sampling) pada populasinya.

2.2 Probabilitas Beberapa Peristiwa

Probabilitas di bagi ke dalam beberapa peristiwa, yaitu sebagai berikut:
1. Peristiwa saling lepas (mutually exclusive)
Dua peristiwa atau lebih disebut peristiwa saling lepas jika kedua atau
lebih peristiwa itu tidak dapat terjadi pada saat yang bersamaan, disebut
juga peristiwa saling asing. Jika peristiwa A dan B saling lepas,
probabilitas terjadi peritiwa tersebut adalah :
P (A atau B) = P (A) + P (B) atau P (A U B) + P (B)……………Pers(2.5)
2. Peristiwa tidak saling lepas (nonecluxive)
Dua peristiwa atau lebih disebut peristiwa tidak saling lepas apabila kedua
peristiwa atau lebih tersebut dapat terjadi pada saat yang bersamaan.
Peristiwa tidak saling disebut juga peristiwa bersama. Jika dua peristiwa A
dan B tidak saling lepas, probabilitas terjadinya peristiwa tersebut adalah
P(A atau B) = P(A) + P (B) – P(A dan B)………………………..Pers(2.6)

3. Peristiwa saling bebas (peristiwa independent)

Dua peristiwa atau lebih disebut peristiwa saling bebas terjadinya
peristiwa yang satu tidak mempengaruhui terjadinya peristiwa yang
lain.Probabilitas peristiwa saling bebas dapat dibedakan atas tiga macam,
yaitu probabilitas marginal, gabungan, dan bersyarat.

a. Probabilitas marginal atau probabilitas tidak bersyarat

Probabilitas marginal peristiwa saling bebas adalah probabilitas
terjadinya suatu peristiwa yang tidak memilki hubungan dengan
terjadinya peristiwa lain. Peristiwa – peristiwa tersebut tidak saling
mempengaruhi.
b. Probabilitas gabungan
Probabilitas gabungan peristiwa saling bebas adalah probabilitas
terjadinya dua peristiwa atau lebih secara berurutan dan peristiwa-
peristiwa tersebut tidak saling mempengaruhui. Jika peristiwa A dan B
gabungan, probabilitas terjadinya tersebut adalah :
P (A dan B) = P(A ⋂ B) = P(A) x P(B).....................................Pers( 2.7)
Jika peristiwa A, B, dan C gabung, probabilitas terjadinya peristiwa
tersebut adalah
P(A ⋂ B ⋂ C) = P(A) x P(B) x P(C)……………......................Pers(2.8)
c. Probabilitas bersyarat
Probabilitas bersyarat peristiwa saling bebas adalah probabilitas
terjadinya suatu peristiwa dengan syarat peristiwa lain harus terjadi.
Peristiwa-peristiwa itu tidak saling mempengaruhui. Jika peristiwa B
bersyarat terhadap A, probabilitas tersebut adalah :
P (B/A) = P (B)………………………………………………...Pers(2.9)
 9

2.3 Probabilitas Beberapa Peristiwa Dengan Pendekatan Kombinasi

Mencari probabalitas satu atau beberapa peristiwa dapat dilakukan dengan
menggunakan pendekatan kombinasi.
Rumus kombinasi [4]:

……………………………………………………… Pers(2.10)

2.4 Peristiwa Komplementer

Komplementer adalah peristiwa dua gen dominan saling memengaruhi
atau melengkapi dalam mengekspresikan suatu sifat. Dua peristiwa disebut
peristiwa komplementer apabila peristiwa yang satu melengkapi peristiwa lainnya
atau peristiwa yang saling melengkapi jika peristiwa A dan B adalah peristiwa
komplementer, probabilitas terjadinya peristiwa itu sendiri adalah:
P(A) + p(B) = 1 Atau P(A) = 1 – p(B) atau p(B) = 1 – P(A)…………... Pers(2.11)

2.5 Batas Nilai Probabilitas

Probabilitas adalah suatu nilai yang digunakan untuk menentukan tingkat
suatu kejadian yang bersifat random.Oleh karena probabilitas merupakan suatu
indeks atau nilai ,maka probabilitas memiliki batas mulai dari 0 sampai dengan
1(0< Pr < 1). Batas probabilitas adalah :
1. Jika Pr = 0 ,di sebut probabilitas kemustahilan,maksudnya suatu peristiwa
atau kejadian yang mustahil terjadi.Misal,manusia tidak akan mati,ini
mustahil terjadi,maka nilai probabilitas = ( Pr = 0)
2. Jika Pr = 1,disebut probabilitas kepastian,maksudnya suatu peristiwa atau
kejadian yang pasti terjadi,.Misal,setiap makhluk akan mati, ini pasti
terjadi,maka nilai probabilitasnya = 1( Pr = 1)
3. jika (0< Pr < 1),disebut probababilitas kemungkinan,maksudnya suatu
peristiwa atau kejadian yang dapat atau tidak dapat atau tidak dapat
terjadi.Misal,setiap mahasiswa akan lulus pada waktu yang ditetapkan,
maka nila probabilitasnya (0< Pr< 1).
2.6 Distribusi Probabilitas Teoritis
Distibusi peluang teoritis atau probabilitas teoritis adalah suatu daftar
yang disusun berdasarkan kemungkinan dari kejadian-kejadian bersangkutan yang
di frekuensinya di peroleh secara perhitungan.

2.7 Distribusi Binomial

Distribusi Binomial adalah suatu distribusi probabilitas yang dapat
digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan
proses Bernoulli. Misalnya, dalam perlemparan sekeping kancing baju sebanyak 5
kali, hasil setiap ulangan mungkin muncul sisi gambar atau sisi angka. Begitu
pula, bila kartu diambil berturut-turut, kita dapat memberi label “berhasil” bila
kartu yang terambil adalah kartu merah atau “gagal” bila yang terambil adalah
kartu hitam. Ulangan-ulangan tersebut bersifat bebas dan peluang keberhasilan
setiap ulangan tetap sama,taitu sebasar ½..

2.7.1 Syarat Distribusi Binomial

Adapun syarat distribusi binomial, adalah sebagai berikut:
1. Jumlah trial merupakan bilangan bulat  Contoh melambungkan coin 2 kali,
tidak mungkin2 ½ kali.
2. Setiap eksperiman mempunya idua outcome (hasil).
Contoh: sukses/gagal, laki/perempuan, sehat/sakit.
3. Peluang sukses sama setiap eksperimen

2.7.2 Ciri - ciri Distribusi Binomial.

Distribusi Binomial dapat diterapkan pada peristiwa yang memiliki ciri-
ciri percobaan Binomial atau Bernoulli trial sebagai berikut :
1. Setiap percobaan hanya mempunyai 2 kemungkinan hasil: sukses (hasil
yang dikehendaki), dan gagal (hasil yang tidak dikehendaki).
2. Setiap percobaan beersifat independen atau dengan pengembalian.
3. Probabilita sukses setiap percobaan harus sama, dinyatakan dengan p.
Sedangkan probabilita gagal dinyatakan dengan q, dan jumlah p dan q
harus sama dengan satu.
 11

4. Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.

Rumus Distribusi Binomial
b(x;n,p) = nCx px qn-x dimana x = 0,1,2,3,…,n………………...Pers(2.12)
Keterangan
n : banyaknya ulangan
x : banyaknya keberhasilan dalam peubah acak x
p : peluang berhasil dalam setiap ulangan
q : peluang gagal, dimana q = 1-p dalam setiap ulangan

2.8 Distribusi Hipergeometrik

Distribusi hipergeometrik adalah distribusi probabilitas diskrit dari
sekelompok objek atau populasi yang dipilih tanpa pengembalian. Distribusi
hipergeometrik memiliki kedua sifat berikut: 1. Sampel acak ukuran n diambil
tanpa pengembalian dari N benda 2. Sebanyak k benda dapat diberi nama sukses
sedangkan sisanya, N – k, diberi nama gagal.
Rumus distribusi hipergeometrik Secara umum, distribusi hipergeometrik
dirumuskan: Keterangan: N = ukuran populasi n = ukuran sampel k = banyaknya
unsur yang sama pada populasi x = banyaknya peristiwa sukses 𝑃 𝑋 = 𝑥 = h 𝑥; 𝑁,
n, k = C x k C n−x 𝑁−k k C n N.
Distribusi hipergeometrik dapat diperluas, seperti berikut ini. Jika dari
populasi yang berukuran N terdapat unsur-unsur yang sama, yaitu k1, k2, k3,… ,k
n dan dalam sampel berukuran n terdapat unsur- unsur yang sama pula, yaitu 𝑥1,
x2, x3, … , x n dengan k1 + k2 + k3 + … + k n = 𝑁 dan x1 + x2 + x3 + … + x n =
n , distribusi hipergeometrik dirumuskan: 𝑃 X = x1, x2, … , x n = C x1 k1 C x2
k2 . . . C x n k n C n N.

2.9 Distribusi Poisson

Distribusi Poisson merupakan distribusi probabilitas untuk variabel diskrit
acak yang mempunyai nilai 0, 1, 2, 3 dst. Distribusi Poisson adalah distribusi
nilai-nilai bagi suatu variabel random X (X diskrit), yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu tertentu atau disuatu daerah
tertentu. Fungsi distribusi probabilitas diskrit yang sangat penting dalam beberapa
aplikasi prakti. Poisson memperhatikan bahwa distribusi binomial sangat
bermanfaat dan dapat menjelaskan dengan sangat memuaskan terhadap
probabilitas Binomial b(X│n.p) untuk X= 1,2,3 …n. namun demikian, untuk
suatu kejadian dimana n sangat besar (lebih besar dari 50) sedangkan probabilitas
sukses (p) sangat kecil seperti 0,1 atau kurang, maka nilai binomialnya sangat
sulit dicari. Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang
Poisson untuk peluang Binomial yang dapat digunakan untuk pendekatan
probabilitas Binomial dalam situasi tertentu.
Contoh Distribusi Poisson:
1 Disuatu gerbang tol yang dilewati ribuan mobil dalam suatu hari akan
terjadi kecelakaan dari sekian banyak mobil yang lewat.
2 Dikatakan bahwa kejadian seseorang akan meninggal karena shock pada
waktu disuntik dengan vaksin meningitis 0,0005. Padahal, vaksinasi
tersebut selalu diberikan kalau seseorang ingin pergi haji.
Percobaan Poisson memiliki ciri-ciri berikut:

a Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari
hasil percobaan di selang waktu dan tempat yang lain terpisah.
b Peluang terjadinya suatu hasil percobaan sebanding dengan panjang selang
waktu dan luas tempat percobaan terjadi. Hal ini berlaku hanya untuk
selang waktu yang singkat dan luas daerah yang sempit.
c Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada satu
selang waktu dan luasan tempat yang sama diabaikan.
Rumus distribusi poisson adalah sebagai berikut:
(x) → Nilai Rata-rata
e Konstanta = 2,71828
x = Variabel random diskrit (1,2,3,…., x)
2.10 Distribusi Normal
Distribusi normal merupakan suatu alat statistik yang sangat penting untuk
menaksir dan meramalkan peristiwa-peristiwa yang lebih luas. Distribusi normal
disebut juga dengan distribusi Gauss untuk menghormati Gauss sebagai penemu
persamaannya persamaannya (1777-1855). (1777-1855). Menurut Menurut
 13

pandangan pandangan ahli statistik, statistik, distribusi distribusi variabel variabel

pada populasi mengikuti distribusi normal. (Subari,2014)

2.10.1 Distribusi Normal Baku

Distribusi normal baku adalah distribusi normal yang memiliki rata-rata
nol dan simpangan baku satu. Distribusi normal baku (standar) adalah distribusi
peubah acak dengan rata-rata μ=0 dan varian σ². Peubah acak (variabel random)
distribusi normal baku dinotasikan dengan Z y baku dinotasikan dengan Z yang
merupakan hasil tra ang merupakan hasil transformasi dari peubah acak X
nsformasi dari peubah acak X yang berdistribusi normal. 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. Sebaran normal baku merupakan
sebaran peubah acak normal dengan nilai tengah nol dan simpangan bakunya 1.
Distribusi normal baku adalah distribusi normal yang memiliki rata - rata nol dan
rata nol dan simpangan baku simpangan baku satu. Distribusi ini juga dijuluki
satu. Distribusi ini juga dijuluki kurva lonceng (bell curve) karena grafik ) karena
grafik fungsi kepekatan kepekatan probabilitasnya probabilitasnya mirip dengan
bentuk mirip dengan bentuk lonceng. Kurva distribusi normal yang lebih banyak
digunakan adalah distribusi normal bak normal baku. Kurva distribusi normal
distribusi normal baku diperoleh diperoleh dari distribusi dari distribusi normal
umum dengan cara transformasi nilai x menjadi nilai z, dengan formula sebagai
berikut :
𝑧 = 𝑥−𝜇 𝜎………………………………………………………Pers(2.13)
Kurva distribusi normal baku disajikan pada Gambar 1 berikut ini :
 Gambar 2.1 Kurva Distribusi Normal
Untuk keperluan praktis, para ahli statistika telah menyusun Tabel
distribusinormal baku dan tabel tersebut dapat ditemukan hampir di semua buku
teks Statistika. teks Statistika. Tabel distribusi normal baku disebut juga dengan
Tabel Z dan dapat digunakan untuk mencari peluang di bawah kurva normal
secara umum, asal saja nilai µ dan σ diketahui. Sebagai catatan nilai µ dan σ dapat
diganti masing-masing dengan nilai x̄ dan S. Berikut ini adalah tabel Z :

Gambar 2.2 Tabel Distribusi Z