DISTRIBUSI NORMAL

Nama Kelompok 3:
➢ NAFIDHIA ATHAR MUHAMMAD (2110321)
➢ RIYAN MUHAMAD AKBAR (2110381)
➢ WAHYU AJI SISWANTORO (2110461)

1. Apa itu Distribusi Data?

Distribusi (probabiliti distribusi) data adalah suatu fungsi yang menunjukan semua
nilai dari sebuah data dan seberapa sering nilai tersebut terjadi.
Ketika distribusi dari data kategorikal divisualkan, kita akan melihat persentasi dari
setiap group. Ketika distribusi numerikal divisualkan, sering kali kita melihat disusun
secara ascending (dari kecil ke besar).
Perlu diperhatikan, distribusi adalah BUKAN tentang grafik. Grafik hanya cara untuk
mevisualisasikan. Distribusi seperti definisi diatas, adalah suatu fungsi yang
menunjukan probabilitas semua value yang mungkin terjadi pada suatu eksperimen.

2. Mengapa harus mengetahui distribusi Data?

Distribusi data akan menunjukkan peluang yang mungkin terjadi dalam penelitian,
baik yang dilakukan secara berulang ataupun tidak. Mengetahui distribusi yang
dimiliki oleh data yang akan digunakan sebagai sumber utama analisis data tentu
menjadi hal yang sangat krusial. Di beberapa metode statistika akan mensyaratkan
data yang digunakan harus memiliki distribusi tertentu. Yang harus diingat dan
dijadikan catatan, tidak semua jenis data bisa diolah dengan metode analisis yang
sama. Sehingga untuk bisa menentukan metode mana yang akan digunakan, kita
harus menyesuaikan dengan distribusi yang dimiliki oleh data.

3. Jelaskan untuk Distribusi Normal berikut:

a. Definisi/Rumus
Distribusi normal sebagai salah satu jenis distribusi variabel acak kontinu. Pada
distribusi normal sendiri terdapat kurva berbentuk lonceng atau grafik. Distribusi
normal juga dapat berfungsi sebagai distribusi Gauss. Persamaan distribusi
normal diantaranya sebagai fungsi densitas. Distribusi normal dengan fungsi
probabilitas ini kemudian akan menunjukkan variabel atau penyebaran distribusi.
Fungsi ini nantinya juga akan dibuktikan oleh suatu grafik simetris atau bell curve.

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
 Rumus Kurva Normal Standar
z = (x – µ)/σ
Keterangan:
• x : Nilai Variabel Normal
• µ : Rata-rata (mean) dari data
• σ : Simpangan baku data berdistribusi normal
• z : Nilai standar

b. Parameter Distribusi
Seperti pada teori distribusi lain dalam statistika probabilitas, bentuk kurva nilai
peluang distribusi normal ditentukan oleh sejumlah parameter. Untuk distribusi
ini, terdapat dua jenis parameter yang kemudian dijadikan acuan, yaitu mean atau
suatu nilai rata-rata dengan standar deviasi atau simpangan baku, berikut
penjelasannya:
• Mean
Nilai rata-rata umumnya digunakan sebagai pusat distribusi atau penyebaran nilai
lainnya. Nilai ini kemudian akan menentukan lokasi titik puncak dalam suatu kurva
lonceng, sementara nilai-nilai lainnya sengaja dibuat menyebar mengikuti rata-
rata. ahli statistik juga menandai parameter dengan menggunakan simbol Yunani
μ (mu) untuk mean populasi dan σ (sigma) untuk deviasi standar populasi.

• Standar Deviasi
Standar deviasi sebagai penghitungan variabilitas berfungsi sebagai penentu lebar
suatu kurva distribusi normal. Standar ini juga dapat menghitung seberapa jauh
kecenderungan data akan melebar dari nilai rata-rata sebagai titik pusatnya. Kian
kecil nilai standar deviasi, maka kurva juga akan memiliki bentuk yang semakin
runcing. Selain itu, standar deviasi juga berfungsi untuk menggambarkan selisih
umum atau jarak antara mean dengan data lain yang diobservasi.

c. Gambar/grafik Distribusi
Tabel Distribusi Normal
d. Karakteristik Distribusi
Saat menunjukkan suatu nilai penyebaran data, distribusi normal juga memiliki
sejumlah karakteristik utama, berikut diantaranya:
• Mempunyai sebuah parameter µ dan σ yang lokasi serta bentuk distribusinya
dapat ditentukan sendiri.
• Kurva juga memiliki suatu puncak tunggal
• Rata-rata terletak di tengah distribusi dan distribusinya simetris di sekitar
garis tegaklurus yang ditarik melalui rata-rata
• Total luas daerah di bawah kurva normal adala 1 (hal ini berlaku untuk
seluruhdistribuso probabilitas kontinu
• Dapat memotong sumbu horizontal dan dapat memanjang kedua ekor kurva
itu hingga tidak ada batasnya.
• Kurvanya berbentuk seperti lonceng atau genta
• Standar deviasi σ (Simpangan baku) yang menjadi penentu lebarnya kurva.
Akan semakin runcing bentuk kurvanya apabila makin kecil σ.

e. Contoh aplikasi distribusi pada berbagai bidang

Istilah distribusi normal dikenal dalam teori distribusi atau probabilitas. Salah satu
jenis distribusi yang dikenal juga dengan istilah distribusi Gauss ini banyak
digunakan sebagai acuan dalam menghitung berbagai hal dalam kehidupan
sehari-hari. Misalnya saja dalam perhitungan tekanan darah, error measurement,
tinggi badan, nilai IQ, dan lain-lain.

f. Contoh soal dan penyelesaian (1 soal)

Dalam suatu ujian terdapat 300 siswa yang mengikuti ujian tersebut. Rata-rata
dari hasil ujian yaitu 70 serta simpangan baku hasil ujian tersebut adalah 10. Jika
data nilai hasil ujian siswa tersebut berdistribusi normal, maka berapa persen
mahasiswa yang mendapat nilai A jika syarat untuk mendapatkan nilai A adalah
nilai lebih dari 85?

Pembahasan:
Berdasarkan contoh soal di atas, diperoleh informasi sebagai berikut.
µ = 70
σ = 10
x = 85
Akan ditentukan Z(X>85).
Z(X > 85) = 1 – Z(X < 85)
Akan dihitung terlebih dahulu nilai dari Z (X < 85)
Z = (x – µ)/σ
=(85 – 70)/10
= 15/10
= 1,5
Nilai Z untuk 1,50 pada tabel adalah 0,9332, sehingga
Z(X > 85) = 1 – Z(X < 85)
Z(X > 85) = 1 – 0,9332
Z(X > 85) = 0,0668
Z(X > 85) = 6,68%
Jadi presentase mahasiswa yang mendapat nilai A dengan nilai lebih dari 85
adalah 6,68%