DISTRIBUSI NORMAL

Apa itu distribusi normal? Distribusi normal merupakan salah satu jenis distribusi dengan
variabel acak yang kontinu. Pada distribusi normal terdapat kurva/grafik yang digambarkan
menyerupai bentuk lonceng. Distribusi normal dapat disebut juga sebagai distribusi Gauss.
Persamaan yang terdapat dalam distribusi normal salah satunya yaitu terkait fungsi densitas.

Berikut merupakan fungsi densitas pada distribusi normal.

Pada bagian sebelumnya dijelaskan bahwa data yang berdistribusi normal memiliki kurva yang
berbentuk menyerupai lonceng.
Bentuk kurva dari data berdistribusi normal yaitu sebagai berikut.

Berdasarkan kurva distribusi normal di atas, distribusi normal memiliki rata-rata (mean) sama
dengan 0 dan simpangan baku sama dengan 1.

Berikut ini akan dijelaskan mengenai beberapa contoh penerapan distribusi normal.

PENERAPAN DISTRIBUSI NORMAL

Distribusi normal sangat penting untuk dipelajari terutama dalam melakukan analisis data
statistika. Dengan data yang diambil secara acak dan berdistribusi normal akan memudahkan
dalam melakukan analisis dan meramalkan serta mengambil kesimpulan untuk cakupan yang
lebih luas.

Distribusi normal banyak diterapkan dalam berbagai perhitungan statistika dan

pemodelan yang berguna dalam berbagai bidang.Dalam menentukan distribusi probabilitas
diperlukan tabel z dari distribusi normal.
Tabel Z Distribusi Normal

Berikut merupakan tabel nilai z pada data yang berdistribusi normal.

Pada tabel di atas terdapat acuan pada baris dan kolomnya. Hal tersebut untuk memudahkan
dalam menentukan nilai z.

Berikut langkah-langkah dalam menentukan nilai z.

1. Perhatikan pada bagian kolom awal. Misalkan kita akan menentukan nilai untuk 1,56.
Maka langkah pertama kita mencari pada baris 1,5.
2. Perhatikan pada baris awal. Carilah nilai 0,06.
3. Tentukan titik temu (sel) dari baris dan kolom yang dimaksud. Nilai z untuk 1,56 adalah
0,9406.
Berikut merupakan contoh soal terkait distribusi kelompok untuk meningkatkan pemahaman
kalian.

Contoh Soal Distribusi Kelompok

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.
Mari kita simpulkan materi mengenai distribusi normal.

Kesimpulan

Distribusi normal merupakan salah satu jenis distribusi dengan variabel acak yang kontinu. Pada
distribusi normal terdapat kurva/grafik yang digambarkan menyerupai bentuk lonceng.

Untuk menentukan nilai z atau z-score dapat digunakan rumus berikut.

z = (x – µ)/σ

Tabel nilai z pada distribusi normal digunakan untuk mempermudah dalam menentukan z-score.
 DISTRIBUSI PELUANG DISKRIT

Distribusi peluang diskrit adalah distribusi peluang terjadinya setiap nilai variabel random
diskrit. Sedangkan variabel random diskrit artinya adalah variabel random yang memiliki nilai
yang dapat dihitung. Setiap kemungkinan nilai dari fungsi variabel random diskrit selalu memiliki nilai
yang tidak sama dengan nol.

FUNGSI MASSA PELUANG

FUNGSI DISTRIBUSI KUMULATIF

Contoh

Sebuah uang logam memiliki sisi Gambar (G)(G) dan sisi Angka (A)(A) yang seimbang.
Misalkan XX adalah banyaknya sisi AA yang muncul apabila uang logam tersebut dilemparkan
sebanyak dua kali. Tentukan fungsi peluang yang sesuai dengan variabel random X!X!

Ada empat kemungkinan hasil yang diperoleh dari pelemparan uang logam sebanyak dua kali.
Keempat hasil tersebut diajikan dalam ruang sampel S = \{GG, GA, AG,
AA\}.S={GG,GA,AG,AA}. Nilai-nilai variabel random XX berdasarkan ruang sampel tersebut
adalah 0,10,1 dan 2.2.
 TEORI PENDUGAAN

Pendugaan adalah proses menggunakan sampel (penduga) untuk menduga parameter (Populasi)
yg tidak diketahui.
• Ilustrasi : konferensi perubahan iklim di Bali Tahun 2007 menyatakan bahwa sebesar 72%
penyebab bencana kekeringan, banjir dan perubahan iklim adalah dikarenakan manusia. Artinya
0,72 adalah penduga P
• Titik penduga (point estimator) adalah suatu nilai (suatu titik) yg digunakan untuk menduga
suatu parameter populasi

SIFAT-SIFAT PENDUGA
 Penduga tidak bias (Unbiased Estimator)
 Penduga efisien (Efficient Estimator)
 Penduga Konsisten (Consistent Estimator)

1. Penduga Tidak Bias (Unbiased Estimator)

 Bila nilai dugaan semakin mendekati nilai parameter, maka dugaannya semakin baik
 Contoh : pencatatan inflasi kenaikan BBM tahun 2008, dengan sampel sebanyak 5 ibu
kota provinsi di jawa dan Sumatera menghasilkan nilai rata-rata inflasi sebesar 11,15%.
Sedangkan pencatatan inflasi dengan sampel 14 kota di jawa dan sumatera menghasilkan
angka inflasi sebesar 10,23 %.
 Inflasi nasional tercatat sebesar 10,03%, artinya pencatatan inflasi di 14 kota lebih tidak
bias dibanding pencatatan di 5 ibu kota provinsi
2. Penduga Efisien (Efficient Estimator)
Penduga yang efisien adalah penduga yang tidak bias dan mempunyai varians terkecil (Sx2 )
dari penduga-penduga lainnya.

3. Penduga Konsisten (Consistent Estimator)

Penduga yang konsisten adalah nilai dugaan ( ) yang semakin mendekati dengan semakin
bertambahnya jumlah sampelnilai yang sebenarnya (n).

PENDUGAAN INTERVAL

Pendugaan interval : suatu interval yg menyatakan jarak di mana suatu parameter populasi
mungkin berada.
 Dalam statistik, ketepatan digambarkan melalui standar deviasinya, seberapa jauh nilai-nilai
dalam sampel tersebar dari nilai tengahnya, semakin kecil maka semakin baik.
 Pendugaan interval menunjukan pada interval berapa suatu parameter populasi akan berada.
Hal ini didasarkan pertimbangan bahwa suatu nilai dugaan tidak dapat dipercaya 100%.
 Interval keyakinan (confidence interval) yg dibatasi oleh dua nilai, yg disebut batas atas dan
batas bawah lebih memungkinkan bahwa suatu parameter akan berada pada kisaran interval
tersebut

RUMUS INTERVAL PENDUGAAN

 Nilai C berada pada kisaran 0 s/d 1, apabila nilainya mendekati 1, maka semakin baik
intervalnya keyakinanya.
 Misalkan nilai C = 0,95 / 95%, dapat diartikan bahwa sekitar 95% dari interval yg disusun
akan mengandung parameter yg sama dengan yg diduga.
 Nilai interval keyakinan memiliki hubungan positif dengan parameter, atau berbanding lurus.
KESALAHAN STANDAR

Kesalahan standar adalah standar deviasi distribusi sampel dari rata-rata

Distribusi Normal & Standar Deviasi Populasi Diketahui

• Contoh : selama triwulan pertama tahun 2008, standar deviasi dari suku bunga deposito untuk
waktu 12 bulan adalah 0,73%. Untuk melihat lebih lanjut pergerakan suku bunga, maka diambil
sampel 60 bank dari 128 bank yg ada. Bank yg memberikan bunga terendah adalah Bank
Internasional Indonesia dengan bunga 4,75%/tahun, dan tertinggi adalah Bank Central Asia
sebesar 10,25%. Hasilnya ternyata rata-rata suku bunga di 60 bank adalah 7,72%. Buatlah selang
kepercayaan untuk rata-rata populasi dengan tingkat kepercayaan 95%