BAB 8

DATA BERDISTRIBUSI NORMAL

Peta Konsep

Data Berdistribusi Normal

Fungsi Distribusi Normal

Cara Menggunakan Tabel Normal

Menyelesaiakan Berkaitan Distribusi Binomial

Kata Kunci :

Fungsi Distribusi Normal, ara Menggunakan Tabel Normal , Menyelesaikan Berkaitan

Distribusi Normal
67 | Matematika Peminatan SMA/MA Kelas XII
 BAB 8
DATA BERDISTRIBUSI NORMAL

3.8 Menjelaskan Data  Mencermati Semua variabel acak bersifat diskrit

karakteristik data berdistribusi pemahaman kurva
berdistribusi normal normal sebagaimanatelah kita bicarakan
normal yang  Menyelesaikan pada pokok bahasan
berkaitan masalah yang sebelumnya(fungsi binomial).
dengan data berkaitan dengan Sekarang kita alihkan perhatian kita
berdistribusi distribusi normal
normal kepada distribusi dengan variabel
dan penarikan
kesimpulannya acak kontinu. Distribusi dengan
4.8 Menyelesaikan  Mempresentasikan variabel acak kontinu yang pertama
masalah yang penarikan kali kita akan kita bicarakan di sini
berkaitan kesimpulan melalui
dengan
hanyalah distribusi normal atau
uji hipotesis untuk
distribusi normal permasalahan yang sering juga disebut distribusi Gauss.
dan penarikan berkaitan dengan Distribusi ini merupakan salah satu
kesimpulannya distribusi normal yang paling penting dan banyak
digunakan.

A. DISTRIBUSI FUNGSI NORMAL

Jika variabel acak kontinu X mempunyai fungsi densitas pada X = x dengan persamaan :
1 x
1  ( )2
f ( x)  e 2 
 2
Dengan
π = nilai konstan yang bila ditulis hingga 4 desimal, π = 3,1416
e = bilangan konstan, bila ditulis hingga 4 desimal, e = 2,7183
µ = parameter, ternyata merupakan rata-rata distribusi
σ = parameter, merupakan simpangan baku untuk distribusi
dan nilai x mempunyai batas -∞ < x < ∞, maka dikatakan bahwa variabel acak X berdistribusi
normal. Sifat-sifat penting distribusi normal :
1) Grafiknya selalu ada di atas sumbu datar x
2) Bentuknya simetrik terhadap x = µ
0,3989
3) Mempunyai satu modus, jika kurva uniimodal, tercapai pada x = µ sebesar

4) Grafiknya mendekati (berasimtotkan) sumbu datar x dimulai dari x = µ + 3 σ ke kanan dan
x = µ - 3 σ ke kiri
5) Luas daerah grafik selalu sama dengan satuan persegi.

Untuk tiap pasang µ dan σ, sifat-sifat di atas selalu di penuhi, hanya bentuk kurvanya saja yang
berlainan. Jika σ makin besar, kurva makin rendah (platikurtik) dan untuk σ makin kecil, kurva
makin tinggi (leptokurtik)

68 | Matematika Peminatan SMA/MA Kelas XII

Jika X sebuah variabel acak kontinu Karena ada hubungan dengan sifat fungsi probabilitas bilitas
   1 x
1  ( )2
 f ( x)dx  1 , maka berlaku juga untuk  f ( x)dx   2 e 2 
dx , maka menentukan

peluang harga X antara a dan b, yakni P (a < X < b ) digunakan rumus

b 1 x 2
1  ( )
P ( a  X  b)   e 2 
dx
a  2

Penggunaan praktis menggunakan rumus diatas tidak perlu dirisaukan lagi karena telah tersusun
daftar untuk keperluan di maksud. Daftar tersebut dapat dilihat di daftar distribusi normal standar
atau normal baku pada lampiran (Daftar F). Distribusi normal standar ialah distribusi normal
dengan rata-rata µ = 0 dan simpangan baku σ = 1. Fungsi densitasnya berbentuk :

1
1 2Z2
f ( z)   e ; z daerah -∞ < z < ∞
2
Mengubah dstribusi normal umum f(x) diatas menjadi distribusi normal baku f(z) diatas ditempuh
menggunakan transformasi :
X 
Z

Perubahan grafiknya dilihat gambar berikut:

69 | Matematika Peminatan SMA/MA Kelas XII

Fungsi normal, mempunyai bentuk kurva yang simetris terhadap rata-ratanya. Luas kurva
disebelah kiri sama dengan di sebelah kanan rata-ratanya yaitu 0,5 atau 50%. Apabila x mengikuti
fungsi normal , maka menurut teorema normal ada fenomena tersebut :
1) ±68,27% dari kasus ada dalam daerah satu simpangan baku sekitar rata-rata, yaitu antara
µ - σ dan µ + σ (observasi mempunyai nilai X berjarak 1σ dari rata-ratanya)
2) ±95,45% dari kasus ada dalam daerah satu simpangan baku sekitar rata-rata, yaitu antara
µ - 2σ dan µ + 2σ (observasi mempunyai nilai X berjarak 2σ dari rata-ratanya)
3) ±99,37% dari kasus ada dalam daerah satu simpangan baku sekitar rata-rata, yaitu antara
µ - 3σ dan µ + 3σ (observasi mempunyai nilai X berjarak 3σ dari rata-ratanya)

B. CARA MENGGUNAKAN TABEL NORMAL

Agar dapat menggunakan tabel normal, variabel X harus diubah terlebih dahulu menjadi
variabel Z. Untuk keperluan ini, lihat tabel F (tabel Normal pada lampiran)

Perhatikan, bahwa setiap nilai dalam tabel menunjukkan luas daerah di bawah kurva yang dibatasi
oleh nilai Z = 0 sampai dengan Z = tertentu (maksudnya jarak terhadap rata-rata) seperti contoh
dibawah ini.

Kalau nilai variabel yang diberikan belum berupa standar normal harus di standarkan
X 
dahulu dengan rumus Z  , ingat bahwa luas seluruh kurva = 1 artinya probabilitas Z

mengambil antara = -∞ s/d +Z sebesar 1 (luas seluruh kurva) yaitu Pr (-∞ < Z < ∞) = 1 dan

Pr (-∞ < Z < 0) = Pr (0 < Z < ∞) = 0,5 (karena simetris terhadap titik 0, tempat rata-rata Z)

Kegiatan 8.1
Mecermati dan Memahami Kurva Normal
Perhatikan Soal berikut ini :

Pr (0 ≤ X ≤ 1,24) = 0,3925 → Pr Z > 1,24 = 0,5 – 0,3925 = 0,1075

Oleh karena kurva normal simetris, maka
Pr (-1,24 ≤ Z ≤ 0) = 0,3925 dan Pr (Z < -1,24) = 0,50 – 0,3925 = 1,1075
Perhatikan : Nilai 0,3925 terletak merupakan perpotongan antara baris dengan angka 1,2 dengan kolom
dengan angka 0,04. Angka 1,2 setelah digabungkan dengan 0,04 diperoleh angka Z yaitu :
Z = 1,2 + 0,04 = 1,24 (lihat lampiran tabel Normal diperoleh 0,3925)

70 | Matematika Peminatan SMA/MA Kelas XII

 Pr (-1,5 ≤ Z ≤ 0) = 0,4332 Pr (Z ≤ 2,15) = 0,50 + Pr (0 ≤ Z ≤ 2,15)
Pr Z (-1,5 ≤ Z ≤ 1,5) = 0,4332 + 0,4332 = 0,50 + ...... = 0,9842
= 0,8664

Pr (Z ≥ -1,45) Pr (0,73 ≤ Z ≤ 1,64)

= Pr (-1,45 ≤ Z ≤ 0) + 0,50 = Pr (0 ≤ Z ≤ 1,64) - Pr (0 ≤ Z ≤ 0,73)
= ...... + 0,5 = 0,9265 = . ........... + ............ = ...

Di dalam persoalan khusus d dalam pengujian hipotesis (testing hypotesis) dan teori
perkiraan interval (interval estimation theory) kita sering harus mencari berapa besarnya nilai Z
apabila luas daerah dibawah kurva sudah diketahui.
Misal carilah besaran nilai Z sedemikian rupa sehingga daerah di sebelah kanannya = 10 %

Pr (0 ≤ Z ≤ ? ) = 0,50 - 0,100 = 0,400

Ternyata dari data tabel tidak ada angka 0,4000 tetapi angka yang dekat dengan angka itu yaitu
0,3997 dengan nilai Z sebesar 1,28.
Jadi Z = 1,28 sebesar Pr (0 ≤ Z ≤ 1,28) = 0,3997
Kegiatan 8.2
Meyelesaikan dan Mempresentasikan Berkaitan dengan Distribusi Normal
Berat bayi yang baru lahir rata-rata 3,750 gr dengan simpangan baku 325 gr. Jika berat bayi
berdistribusi normal, maka tentukan :
a) Berapa persen bayi yang beratnya lebih dari 4.500 gr
b) Berapa bayi yang beratnya antara 3.500 gr dan 4.500 gr , jika semuanya ada 10.000 bayi
c) Berapa bayi yang beratnya lebih kecil atau sama dengan 4.000 gr , jika semuanya ada
10.000 bayi
d) Berapa bayi yang beratnya 4.250 gr jika semuanya ada 5.000 bayi.
Penyelesaian : X = berat bayi dalam gr, µ = 3.750 gr, σ = 325 gr ,maka :
X 
a) Dengan tranformasi Z  , untuk x = 4.500 gr

4.500 gr  3.750 gr
Z  2,31 (Lihat Daftar F)
325 gr
Z {(2,3) vertikal, (1) horizontal} = 0, 4896

71 | Matematika Peminatan SMA/MA Kelas XII

Berat yang lebih dari 4.500 gr pada grafiknya ada disebelah kanan z = 2,31. Luas daerah ini = 0,5 –
0,4896 = 0,0104.
Jadi ada 1,04% dari bayi yang beratnya lebih dari 4.500 gr

0,4896

Grafik Luas daerah

b) Dengan x = 3.500 dan x = 4.500 gr
...... gr  3.750 gr .... gr  .... gr
Z1   0,77 dan Z2   ...
325 gr 325 gr
Daftar F diperoleh 0,2794 dan 0,4896,
Luas daerah yang perlu = daerah yang diarsir = 0,2794 + 0,4896 = ...
Banyak bayi yang beratnya antara 3.500 gr dan 4.500 gr diperkirakan ada (0,7690) (10000)
= ...

c) Dengan berat kecil atau sama dengan 4.000 g, maka beratnya harus lebih kecil dari
4.000,5
..... gr  3.750 gr
Z  ... (Lihat Daftar F)
325 gr
Daftar F diperoleh 0,2794
Peluang berat bayi lebih kecil atau sama dengan 4.000 gr = 0,5 – ............ = ..............
Jadi banyak bayi = (..............)(.....................)= ........
Sketsa Grafiknya :

..............................................

d) Berat 4.250 gr berat antara 4.249,5 gr dan 4.250,5 gr, jadi :

X = ..................... dan x = .........................
...... gr  3.750 gr .... gr  .... gr
Z1   ... dan Z2   ...
325 gr 325 gr
Daftar F diperoleh ......... dan ..............,
Luas daerah yang perlu = daerah yang diarsir = 0,4382 - 0,4370 = ...
Banyak bayi yang beratnya antara 3.500 gr dan 4.500 gr diperkirakan ada (.............) (............) = ...
Sketsa Grafiknya :

...........................................

72 | Matematika Peminatan SMA/MA Kelas XII

 C. MENGUJI HIPOTESIS BERDISTRIBUSI NORMAL

Sebelum mempelajari cara menarik kesimpulan, kita telah mengenal istilah parameter.
Parameter dapat berupa taksiran dari populasi yang akan ditaksir dan diuraikan dalam bentuk
rata-rata, simpangan baku dan persen. Taksiran atau penafsiran sebaiknya berupa interval atau
selang taksiran yang akan dikenal sebagai arti sempit sebagai derajat kepercayaan/koefisien
kepercayaan merupakan pernyataan dalam bentuk peluang. Berdasarkan penaksiran yang
dilakukan, lalu kesimpulan dibuat bagaimana atau berapa besar harga parameter itu melalui
pengujian hipotesis.
Hipotesis adalah asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk
menjelaskan hal itu yang sering dituntut untuk melakukan pengecekannya. Jika asumsi atau
dugaan itu dihususkan mengenai populasi, umumnya mengenai nilai-nilai parameter populasi,
maka hipotesis itu disebut hipotesis statistik. Setiap hipotesis bisa benar atau tidak benar dan
karenanya pelu diadakan penelitian sebelum hipotesis itu diterima atau ditolak. Untuk pengujian
hipotesis, peneitian dilakukan sampel acak diambil, nilai-nilai statistik yang perlu dihitung
kemudian dibandingkan menggunakan kriteria tertentu dengan hipotesis.
Jika hasil yang dapat dari penelitian itu, dalam pengertian peluang, jauh berbeda dari hasil
yang diharapkan terjadi berdasarkan hipotesis, maka hipotesis ditolak. Jika terjadi sebaliknya,
hipotesis diterima. Perlu dijelaskan di sini bahwa meskipun berdasarkan penenlitian kita
menerima atau menolak hipotesis, tidak berarti bahwa kita telah membuktikan atau tidak
membuktikan kebenaran hipotesis. Yang kita perlihatkan hanyalah menerima atau menolak
hipotesis saja.
Dalam melakukan pengujian hipotesis, ada dua macam kekeliruan yang dapat terjadi,
dikenal dengan nama-nama :
 Kekeliruan tipe I : ialah menolak hipotesis yang seharusnya diterima
 Kekeliruan tipe II : Ialah menerima hipotesis yang seharusnya ditolak.

Untuk mengingat hubungan antara hipotesis, kesimpulan dan tipe kekeliruan dapat dilihat dalam
tabel dibawah ini.
Tabel 8. 1 Tipe Kekeliruan Membuat Kesimpulan Tentang Hipotesis
Keadaan Sebenarnya
Kesimpulan
Hipotesis Benar Hipotesis Salah
Terima Hipotesis Benar Keliruan (Tipe II)
Tolak Hipotesis Keliruan (Tipe I) Benar

Agar penelitian dapat dilakukan maka kedua tipe kekeliruan itu kita nyatakan dalam
peluang. Menuat peluang tipe I bisa dinyatakan dengan kekeliruan α dan peluang tipe II
dnyatakan dengan kekeliruan β. Dalam penggunaanya α disebut taraf signifikan atau taraf
nyata/arti. Harga α yang biasa digunakan yaitu α = 0,01 atau α = 0,05. Dengan α = 0,05 arti taraf
nyata 5 %, berarti kira-kira 5 dari 100 kesimpulan bahwa kita akan menoloka hipotesis yang
seharusnya diterima. Dengan kata lain kira-kira 95 % yakin bahwa kita telah membuat kesimpulan
yang benar. Dalam hal demkian dikatakan bahwa hipotesis telah ditolak pada taraf 0,05 yang
berarti kita mungkin salah dengan peluang 0,05.

Langkah-langkah Pengujian Hipotesis :

Untuk setiap pengujian dengan α yang ditentukan, besar β dapat dihitung. Harga (1 – β)
dinamakan kuasa uji. Ternyata nilai β berbeda untuk harga parameter yang berlainan, Jadi β
bergantung pada parameter, katakanlah θ, sehingga didapat β(θ) sebuah fungsi yang bergantung
pada θ. Bentuk β(θ) dinamakan fungsi ciri operasi dan 1 – β(θ) disebut fungsi kuasa.

73 | Matematika Peminatan SMA/MA Kelas XII

 Kalau yang sedang diuji itu parameter θ (dalam penggunaannya nanti θ bisa rata-rata μ,
proporsi π, simpangan baku σ dan lain-lain) :
H0 : θ = θ o
H1 : θ ≠ θ o Hipotesis yang perumusannya mengandung pengertian
H0 : θ = θ o sama atau tidak memiliki perbedaan, disebut hipotesis nol
H1 : θ > θ o (Ho) melawan hipotesis tandingan (H1) yang mengandung
H0 : θ = θ o pengertian tidak sama., lebih besar atau lebih kecil.
H1 : θ < θ o

Langkah selanjutnya kita pilih bentuk statistik mana yang harus digunakan, apakah Uji Z, t,
X, F atau lainnya, Harga statistik yang dipilih dihitung dari data sampel yang dianalisis. Kemudian,
berdasarkan pilihan taraf nyata α (ukuran daerah kritis), kriteria pengujian kita tentukan. Peran
hipotesis tandingan (H1) dalam menentukan daerah kritis adalah sebagai berikut:
1) Jika tandingan H1 mempunyai perumusan tidak sama, Maka dalam distribusi statistik yang
digunakan normal untuk angka Z, didapat dua daerah kritis atau daerah penolakan pada tiap
ujung adalah ½α. Karena adanya dua darah penolakan ini , maka pengujian hipotesis
dinamakan uji dua pihak

Gambar Uji dua pihak

Kriteria Ho diterima jika :

 Z 1 (1   )  Z  Z 1 (1   ) , dengan Z 1 (1   ) didapat dari daftar normal baku.
2 2 2

2) Untuk tandingan H1 mempunyai perumusan lebih besar , maka dalam distribusi statistik yang
digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kanan. Luas daerah
kritis penolakan ini sama dengan α.

Gambar Uji pihak kanan

Kriteria Ho ditolak jika :

Z  Z ( 0,5  ) , dengan Z ( 0,5  ) didapat dari daftar normal baku.

Harga d didapat dari daftar distribusi yang bersangkutan dengan peluang yang ditentukan oleh α,
menjadi batas antara daerah kritis dan daerah penerimaan (Ho). Kriteria yang dipakai adalah tolak

74 | Matematika Peminatan SMA/MA Kelas XII

Ho jika statistik yang dihitung berdasarkan sampel tidak kurang dari d. Dalam Hal lain diterima Ho.
Pengujian ini dinamakan uji satu pihak, tepatnya pihak kanan

3) Untuk tandingan H1 mempunyai perumusan lebih kecil, maka dalam distribusi statistik yang
digunakan didapat sebuah daerah kritis yang letaknya di ujung sebelah kiri. Luas daerah kritis
penolakan ini sama dengan α.

Harga d didapat dari daftar distribusi yang bersangkutan dengan peluang yang ditentukan oleh α,
menjadi batas antara daerah kritis dan daerah penerimaan (Ho). Kriteria yang dipakai adalah
terima Ho jika statistik yang dihitung berdasarkan sampel lebih besar dari d. Dalam Hal lain Ho kita
tolak. Pengujian ini dinamakan uji satu pihak, tepatnya pihak kiri

Gambar Uji pihak kiri

Kegiatan 8.3
Menguji Hipotesis rata-rata μ, permasalahan berdistribusi Normal dengan rata-rata μ
dan simpangan baku σ

Uji Dua Pihak

Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai sekitar 800 jam. Akhir-
akhir ini timbul dugaan bahwa masa pakai lampu itu telah berubah. Untuk menentukan hal ini,
dilakukan penelitian dengan jalan menuji 50 lampu. Ternyata rata-ratanya 792 jam. Dari
pengalaman, diketahui bahwa simpangan baku masa hidup lampu 60 jam. Selidikilah dengan taraf
nyata 0,05 apakah kualitas lampu itu sudah berubah atau belum.
Penyelesaian :
Dengan memisalkan masa hidup lampu berdistribusi normal, maka kita akan menguji
H0 : μ = 800 jam → Berarti lampu itu masa pakainya sekitar 800 jam
H1 : μ ≠ 800 jam → Berarti kualitas lampu telah berubah dan bukan 800 jam lagi
X 
Z  , untuk simpangan baku σ diketahui, ẋ =792, n = 50, σ = 60 jam, μo = 800 jam

n
....  .... ....
Z   0,94
.... ....
...
Kriteria dipakai dari daftar normal baku untuk uji dua pihak dengan θ = 0,05 yang memberikan Z
(0,475) = 1,96 adalah

75 | Matematika Peminatan SMA/MA Kelas XII

 Gambar Uji dua pihak

Terima Ho jika z hitung terletak antar -1,96 dan 1,96. Dalam hal lain Ho ditolak.
Dari penelitin sudah didapat z = -0,94 dan ini jelas terletak dalam daerah penerimaan Ho.
Jadi Ho diterima
Ini berarti dalam taraf nyata 0,05. Penelitian memperlihatkan bahwa memang masa pakai lampu
masih sekitar 800 jam. Jadi belum berubah.

Jika dari soal diatas simpangan baku populasi tidak diketahui, dari data sampel didapat s = 55 jam
(s = simpangan baku yang dihitung dari sampel) dan n = 50, maka

X 
t , untuk simpangan baku σ tidak diketahui (Distribusi Student, dengan dk = n – 1)
s
n
...  ... ...
t   1,029 (dengan dk = 49)
... ...
...

Gambar Uji dua pihak

Dari daftar distribusi student dengan α = 0,05 dengan dk = 49 untuk uji dua pihak didapat t = 2,01.
Kriteria pengujian terima ho jika t hitung terletak antara -2,01 dan 2,01 Sedangkan dalam hal
lainnya Ho ditolak.
Penelitian menghasilkan t = -1,029 yang jelas terletak dalam daerah penerimaan

Uji Satu Pihak

Proses pembuatan barang rata-rata meghasilkan 15,7 unit perjam. Hasil produksi mempunyai
varians = 2,3. Metode baru diusulkan untuk menganti yang lama jika rata-rata perjam
menghasilkan paling sedikit 16 buah. Untuk menentukan apakah metode diganti atau tidak,
metode baru dicoba 20 kali dan ternyata rata-rata perjam menghasilkan 16,9 buah. Pengusaha
bermaksud mengambil resiko 5% untuk mengunakan metode baru apabila metode ini rata-rata
menghasilkan lebih dari 16 buah. Apakah keputusan si pengusaha.
Penyelesaian :

76 | Matematika Peminatan SMA/MA Kelas XII

Dengan memisalkan masa hidup lampu berdistribusi normal, maka kita akan menguji
H0 : μ = 16 → Berarti rata-rata hasil metode baru paling tinggi 16. Jika ini terjadi, metode lama
masih dipertahankan.
H1 : μ > 16 → Berarti rata-rata hasil metode baru lebih dari 16.dan karenanya metode lama
dapat diganti.
X 
Z  , ẋ =16,9, n = 20, σ =2,3, μo = 16 buah

n
....  .... ....
Z   2,65
.... ....
...

Gambar Uji pihak kanan

Dari daftar normal standar dengan α = 0,05 diperoleh z = 1,64

Keiteria pengujian adalah tolak Ho Jika z hitung lebih kecil dari 1,64 maka Ho diterima.

Dari penelitian didapat z = 2,65 yang jelas jatuh pada daerah kritis. Jadi Ho ditolak. Ini
menyimpulkan bahwa metode baru dapat menggantikan metode lama dengan mengambil risiko
5%. Peluang tersebut adalah
P (Z ≥ 2,65 ) = 0,5 – 0,4960 = ...

Ini berarti :
Berdasarkan penelitian yang dilakukan. Kesempatan melakukan kekeliruan ketika memutuskan
mengambil metode baru adalah 4 dari setiap 1000, Dalam hal ini biasanya dituliskan bahwa
peluang P < 0,05 bahkan P < 0,01.

Uji Kompetensi 8.1

1) Dikatakan bahwa dengan menyuntikan semacam hormon tertentu kepada ayam akan
menambah serat telurnya rata-rata dengan 4,5 gram. Sampel acak terdiri atas 31 butir telur
dari ayam yang telah diberi suntikan hormon tersebut memberikan rata-rata 4,9 gram dan
simpangan baku s = 0,8 gram. Cukup beralasan untuk menerima penyataan bahwa
pertambahan rata-rata telur paling sedikit 4,5 gram.
2) Akhir-akhir ini masyarakat mengeluh dan mengatakan bahwa isi bersih makanan A dalam
kaleng tidak sesuai dengan yang tertulis pada etiketnya sebesar 5 ons. Untuk meneliti hal ini,
23 kaleng makanan A telah diteliti secara acak. Dari ke-23 isi kaleng tersebut, berat badan
rata-ratanya 4,9 ons dan simpangan baku 0,2 ons. Dengan taraf nyata 0,05, tentukan apa yang
akan kita katakan tentang keluhan masyarakat tersebut.

77 | Matematika Peminatan SMA/MA Kelas XII