RESUME STATISTIKA

DISTRIBUSI PROBABILITAS NORMAL

Universitas Negeri Sunan Ampel Surabaya

Dosen pengampu :

Ashari Lintang Yudhanti, S. E, M. Ak

Disusun oleh :

1. Chania Aini Nisa’ (08010222009)

2. Dendy Purnama Putra (08010222010)
3. Fara Ulfi Ulmiyah (08010222011)

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS ISLAM

UIN SUNAN AMPEL SURABAYA 2022

 Distribusi Probabilitas Normal
Distribusi yang Berbentuk Lonceng dan Simetris
A. Karakteristik Distribusi Probabilitas Normal
Distribusi probabilitas normal dan kurva normal telah dikembangkan oleh DeMoivre (1733)
dan Gauss (1777-1855) dengan menurunkan persamaan matematis dan kurva normalnya. Oleh
sebab itu, untuk menghormati Gauss, kurva normal juga sering disebut dengan Kurva Gauss.
Kurva normal dapat digambarkan sebagai berikut:

Beberapa karakteristik dari distribusi probabilitas dan kurva normal adalah:

1. Kurva berbentuk genta atau lonceng dan memiliki satu puncak yang terletak di tengah.
Nilai rata-rata hitung (μ) sama dengan median (Md) dan Modus (Mo). Nilai μ = Md =
Mo yang berada di tengah membelah kurva menjadi dua bagian yaitu setengah di bawah
nilai μ = Md Mo dan setengah di atas μ = Md = Mo.
2. Distribusi probabilitas dan kurva normal berbentuk kurva simetris dengan rata-rata
hitungnya (μ). Apabila kurva dilipat menjadi dua bagian dengan nilai tengah rata-rata
sebagai pusat lipatan, maka kurva akan menjadi dua bagian yang sama.
3. Distribusi probabilitas dan kurva normal bersifat asimptotis. Kurva ini menurun di
kedua arah yaitu ke kanan untuk nilai positif tak terhingga (∞) dan ke kiri untuk nilai
negatif tak terhingga (-∞). Dengan demikian, ekor kedua kurva tidak pernah menyentuh
nol, hanya mendekati nilai nol.
4. Modusnya (Md) pada sumbu mendatar membuat fungsi mencapai puncaknya atau
maksimum pada X = μ
5. Luas daerah yang terletak di bawah kurva normal tetapi di atas sumbu mendatar sama
dengan 1. Luas daerah tersebut terdiri dari setengah di sebelah kiri nilai tengah (μ) dan
setengah di sebelah kanan nilai tengah (μ).
Distribusi probabilitas dan kurva normal mempunyai persamaan matematik yang sangat
tergantung pada nilai tengah (μ) dan standar deviasinya (σ). Oleh karena itu, distribusi
probabilitas dan kurva normal dari suatu variabel acak (X) yang nilainya terletak -∞ sampai ∞
dinyatakan dengan lambang X~N(X ;μ,σ) dan dibaca nilai variabel acak X terdistribusi secara
normal dengan nilai tengah μ, dan standar deviasi σ.
Bila X suatu pengubah acak normal dengan nilai tengah μ, dan standar deviasi σ, maka
persamaan kurva normalnya adalah:

dimana π = 3,14159 dan e = 2,71828

B. Jenis-Jenis Probabilitas Normal
1. Distribusi Probabilitas dan Kurva Normal dengan μ dan σ Berbeda
Bentuk distribusi probabilitas dan kurva normal dengan nilai tengah sama dan standar
deviasi yang berbeda. Bentuk ini sudah dipelajari pada sub-bab keruncingan. Masih
ingat bentuk leptokurtik, platykurtik dan mesokurtik. Kurva normal demikian
mempunyai μ = Md = Mo yang sama, namun mempunyai σ berbeda. Semakin besar σ,
maka kurva semakin pendek dan semakin tinggi nilai σ, maka semakin runcing. Oleh
sebab itu, σ tinggi cenderung menjadi platykurtik dan σ rendah menjadi leptokurtik.
Nilai σ yang tinggi menunjukkan bahwa nilai data semakin menyebar dari nilai
tengahnya (μ). Sebaliknya apabila σ yang rendah, maka nilai semakin mengelompok
pada nilai tengahnya, sehingga parameter nilai tengah menjadi indikator yang baik bagi
ukuran populasi.

Gambar tersebut menunjukkan bahwa u untuk tiga perusahaan yang sama, yaitu MAIN
μ (Malindo Feedmill Tbk., yang bergerak di bidang industri pakan ternak), SMSM
(Selamat Sempurna Tbk., industri yang bergerak di bidang otomotif dan
komponennya), dan SCBD (Danayasa Arthatama Tbk., yang bergerak di bidang
properti dan real estat) pada tanggal 11 November 2013. Harga rata-rata ketiga
perusahaan ditutup dengan harga yang sama, yaitu Rp3.300 per lembar. Namun
demikian, selama perdagangan pada tanggal tersebut terjadi kenaikan dan penurunan
sehingga terdapat perbedaan standar deviasi, yaitu MAIN 22,54: SMSMS 45, dan
SCBD 71.3. Semakin tinggi standar deviasi, maka kurvanya semakin datar, begitu pula
sebaliknya.

2. Distribusi Probabilitas dan Kurva Normal dengan μ Berbeda dan σ Sama

Bentuk distribusi probabilitas dan kurva normal dengan μ berbeda dan σ sama
mempunyai jarak antara kurva yang berbeda, namun bentuk kurva tetap sama. Hal
demikian bisa terjadi karena kemampuan antar populasi berbeda, namun setiap populasi
mempunyai keragaman yang hampir sama.
 Gambar tersebut menunjukkan nilai rata-rata berbeda dengan standar deviasi yang
sama. Kita mengambil contoh pada klasifikasi harga mobil jenis city car masing-masing
diproduksi oleh Hyundai (Hyundai 110 GL, GLI, GLS, dan Facelift), Honda (Brio) dan
Suzuki (Swift). Harga rata-rata dari berbagai tipe masing-masing jenis mobil ini pada
tahun 2013 adalah Rp138 juta untuk Hyundai 110, Rp159 juta untuk Brio, dan Rp174
juta untuk Swift. Namun, ketiga jenis mobil ini memiliki keragaman harga yang hampir
sama, yakni sekitar Rp8,2 juta.

3. Distribusi Probabilitas dan Kurva Normal dengan μ Berbeda dan σ Berbeda

Bentuk ketiga dari distribusi probabilitas dan kurva normal dengan μ berbeda dan σ
berbeda. Kurva yang demikian mempunyai titik pusat yang berbeda pada sumbu
mendatar dan bentuk kurva berbeda karena mempunyai standar deviasi yang berbeda.
Kurva demikian relatif banyak terjadi, karena antar-populasi terdapat perbedaan
kemampuan, di samping itu di dalam setiap populasi juga terdapat perbedaan, atau
setiap populasi juga mempunyai keragaman yang berbeda.

Pada Gambar tersebut menunjukkan dua kurva dengan nilai tengah yang berbeda dan
standar deviasi yang juga berbeda. Contoh pada deviden (dinyatakan dengan rasio
jumlah dividen per saham terhadap nominal saham) selama tahun 2008-2012 antara
kelompok asuransi dan bank. Nilai tengah dividen untuk asuransi adalah 0,1 (atau
10%), sedang untuk bank 0,22 (atau 22 %) atau lebih dari dua kalinya kelompok
asuransi. Standar deviasi untuk asuransi adalah 0,31, sedangkan bank 0,06. Fakta ini
menunjukkan kurva normal dengan nilai tengah yang berbeda dan standar deviasi yang
berbeda. Kemampuan antar-populasi asuransi dan bank berbeda, begitu pula
keragaman di dalam setiap populasi baik asuransi maupun bank.
C. Distribusi Probabilitas Normal Baku
Distribusi normal baku adalah distribusi probabilitas acak normal dengan nilai tengah nol dan
simpangan baku 1.
Beberapa hal yang perlu dilakukan dalam rangka distribusi probabilitas normal baku adalah
mengubah atau membakukan distribusi aktual dalam bentuk distribusi normal baku yang
dikenal dengan nilai Z atau skor Z. Rumus nilai Z adalah sebagai berikut:
Z= X-B/σ
Di mana:
Z: Skor Z atau nilai normal baku
X: Nilai dari suatu pengamatan atau pengukuran
μ: Nilai rata-rata hitung suatu distribusi
σ: Standar deviasi suatu distribusi
Nilai Z jarak antara suatu nilai acak X dan rata-rata hitung populasi μ dibagi oleh standar
deviasi populasi σ.
Contoh
1. Sebanyak 20 perusahaan termasuk dalam harga saham pilihan (LQ45) pada 2013. Harga
saham ke-20 perusahaan tersebut berkisar antara Rp1.030-Rp6.500 per lembarnya. Berapa
probabilitas harga saham antara Rp3.314 sampai Rp5.005 per lembar. Diketahui µ = 3.314
sebagai nilai rata-rata hitung dan standar deviasinya 1.610.
Penyelesaian:
Z=(X-μ)/σ
Z¹ = (3.314 - 3.314)/1.610
Z¹ = 0/1.610
Z² = (5.005-3.314)/1.610
Z² = 1,05
D. Luas di Bawah Kurva Normal
Kurva normal juga mengikuti hukum empirik. Untuk distribusi simetris, dengan distribusi
frekuensi berbentuk lonceng seperti kurva normal diperkirakan 68,26% data berada di dalam
rata-rata hitung ditambah satu kali standar deviasi, (X ± 1σ); 95,44% data akan berada pada
kisaran rata-rata hitung ditambah dua kali standar deviasi, (X ± 2σ); dan semua data atau
99,74% akan berada pada kisaran rata-rata hitung ditambah tiga kali standar deviasi, (X + 3σ).
Dengan konversi tersebut, maka dapat disimpulkan bahwa 68,26% dari populasi data akan
berada pada Z = - 1 sampai 1, 95,44% akan berada pada kisaran nilai Z = - 2 sampai 2 dan
hampir keseluruhan data atau 99,74% pada kisaran nilai Z = - 3 sampai 3.
Nilai-nilai 68,26% merupakan nilai probabilitas normal yang biasa dinyatakan dengan 0,6828
luas di bawah kurva normal. Atau dalam persamaan normal dinyatakan P ( - 1 < Z<1) = 0,6828.
Begitu pula untuk P(- 2 < Z < 2) =0,9544 dan P(- 3 < Z < 3) =0,9974.
Oleh sebab itu, apabila diketahui ada 20 perusahaan di BEI yang memiliki harga saham pilihan
pada bulan November 2013 dengan harga saham rata-rata saham pilihan 3.314 dan standar
deviasinya 1,610. Dengan cepat kita dapat mengetahui jumlah perusahaan yang memiliki
kisaran harga saham 2.670 sampai 4.200 per lembar ( 3 ,314 ±1,610) adalah 7,28 = 7
perusahaan (0, 36426 x 20). Nilai 0,36426 adalah luas atau probabilitas antara μ ± 1σ.
E. Penerapan Distribusi Probabilitas Normal
Banyak sekali penerapan distribusi probabilitas normal dalam kehidupan. Berikut beberapa
contoh dari penerapan tersebut.
Contoh
1. PT Gunung Sari mengklaim bahwa rata-rata berat buah mangga mutu "B" adalah 350 gram
dengan standar deviasi 50 gram. Bila berat mangga mengikuti distribusi normal, berapa
probabilitas bahwa berat buah mangga mencapai kurang dari 250 gram sehingga akan diprotes
oleh konsumennya.
Penyelesaian:
P(x < 250)
P(x=250) (250-350)/50=-2,00
Jadi P(x <250) = P(z < -2,00)
P(z -2,00) 0,4772
Luas sebelah kiri nilai tengah adalah 0,5. Oleh sebab itu, nilai daerah yang diarsir menjadi 0,5-
0,4772=0,0228. Jadi, probabilitas di bawah 250 gram adalah 0,0228 (2,28%). Dengan kata lain
probabilitas diprotes konsumen karena berat buah mangga kurang dari 250 gram adalah 2,28%.
F. Pendekatan Normal terhadap Binomial
1. Pengaruh Jumlah n
Apabila kita perhatikan suatu distribusi probabilitas binomial, dengan semakin
besarnya nilai n, maka semakin mendekati nilai distribusi normal. Gambar berikut
menunjukkan distribusi probabilitas binomial dengan n yang semakin membesar.

Pada saat n = 1, probabilitasnya sama, pada saat n = 3 menunjukkan pola simetris,

namun masih memiliki dua puncak. Pada saat n = 30 terlihat bahwa distribusi
probabilitas binomial mendekati distribusi probabilitas normal yaitu kurva berbentuk
lonceng, memiliki puncak tunggal dan simetris.

Dengan menggunakan pola pendekatan normal terhadap binomial, maka akan lebih
efisien. Bisa Anda bayangkan berapa banyak probabilitas binomial, apabila n = 80 atau
bahkan lebih besar. Oleh sebab itu, apabila n cukup besar dengan nilai μ = np atau n(1
- p) lebih besar dari 5, maka pendekatan normal dapat dilakukan untuk distribusi
binomial. Definisi dari pendekatan normal terhadap binomial dapat dinyatakan sebagai
berikut:

Dalil pendekatan normal terhadap binomial. Bila nilai X adalah distribusi acak binomial
dengan nilai tengah μ = np dan standar deviasi σ = Σnpq, maka nilai Z untuk distribusi
normal adalah:

Dimana n - ∞ dan nilai p mendekati 0,5

2. Faktor Koreksi Kontinuitas
Untuk mengubah pendekatan dari binomial ke normal, menurut Lind (2002) diperlukan
faktor koreksi, selain syarat binomial terpenuhi yaitu: (a) hanya terdapat dua peristiwa,
(b) peristiwa bersifat independen, (c) besar probabilitas sukses dan gagal sama setiap
percobaan, dan (d) data merupakan hasil penghitungan.

Apabila sudah memenuhi syarat binomial, maka kita menggunakan faktor koreksi yang
besarnya 0,5. Faktor koreksi ini diperlukan untuk mentransformasi dari binomial
menuju normal yang merupakan variabel acak kontinu.

Faktor koreksi kontinuitas. Nilai koreksi kontinuitas adalah sebesar 0,5 yang
dikurangkan dan ditambahkan pada data yang diamati.

Contoh
H. Ibrahim bin Abdul Wahab merupakan pedagang buah di Tangerang. Setiap hari ia
membeli 300 kg buah di Pasar Induk Kramat Jati, Jakarta Timur. Probabilitas buah
tersebut laku dijual adalah 80% dan 20% kemungkinan tidak laku dan busuk. Berapa
probabilitas buah sebanyak 250 kg laku dan tidak busuk?

Penyelesaian:
n=300; probabilitas laku p=0,8, dan q = 1-0,8=0,2
μ= np= 300 x 0,80 = 240
σ = √npq = √300 x 0,80 × 0,20 = 6,93
Daftar Pustaka
Suharyadi dan Purwanto S.K. (2016) STATISTIKA UNTUK BISNIS DAN KEUANGAN
MODERN 1. Edisi Ketiga, SALEMBA EMPAT, Indonesia