Distribusi Normal
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.
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.
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.
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.
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.
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)
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.
Penduga yang konsisten adalah nilai dugaan ( ) yang semakin mendekati dengan semakin
bertambahnya jumlah sampelnilai 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
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
• 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%