Statistik dan Probabilitas

Candra Yuliana, M.T.

S1 Teknik Sipil
Distribusi Normal (Distribusi Gaus)
 Distribusi Normal (Distribusi Gauss)  merupakan
distribusi probabilitas yang paling penting baik
dalam teori maupun aplikasi statistik.

 Terminology “normal”  karena memang distribusi

ini adalah yang paling banyak digunakan sebagai
model bagi data riil diberbagai bidang :
- antara lain karakteristik fisik mahluk hidup (berat,
tinggi badan manusia, hewan dll),
- kesalahan-kesalahan pengukuran dalam eksperimen
ilmiah pengukuran-pengukuran intelejensia dan
perilaku,
- nilai skor berbagai pengujian dan berbagai ukuran
dan indikator ekonomi.
Alasan mengapa distribusi normal
menjadi penting:
 Distribusi normal terjadi secara alamiah. Seperti
diuraikan sebelumnya banyak peristiwa di dunia
nyata yang terdistribusi secara normal.
 Banyak kedjadian dapat dinyatakan dalam data
hasil observasi/eksperimen yang mengikuti
distribusi normal. Misalnya tinggi badan
mahasiswa, berat badan, isi botol minuman, hasil
pengukuran (uji kuat tekan beton, produktivitas
pekerjaan pemasangan bata, dll).
 Beberapa variabel acak yang tidak terdistribusi
secara normal dapat dengan mudah
ditranformasikan menjadi suatu distribusi
variabel acak yang normal.
 Banyak hasil dan teknik analisis yang berguna dalam pekerjaan
statistik hanya bisa berfungsi dengan benar jika model
distribusinya berupa distribusi normal
 Ada beberapa variabel acak yang tidak menunjukkan distribusi
normal pada populasinya Namun distribusi rata-rata sampel yang
diambil secara random dari populasi tersebut ternyata
menunjukkan distribusi normal.
 Banyak teori statistik yang modern berdasarkan pada teori normal.
 Banyak fungsi probabilitas yang berguna untuk pengujian hipotesis
dan pendugaan interval diturunkan atau berasal dari fungsi
normal, seperti fungsi t, F, x2.
 Dalam praktek, untuk keperluan analisis, dibuat asumsi bahwa
suatu data hasil eksperimen mengikuti fungsi normal.
 Cara yang paling mudah ialah membandingkan frekuensi hasil
observasi dengan frekuensi yang diperoleh dari kurva normal,
kalau selisihnya tidak begitu besar, asumsi tersebut dapat diterima.
Fungsi Kepadatan Probabilitas Fungsi Distribusi
Kumulatif Normal
 Untuk n mendekati tak terhingga, fungsi Binomial akan
mendekati normal. Variabel yang mengikuti normal
aadlah variabel kontinu.
 Sebuah variabel acak kontinu X dikatakan memiliki
distribusi normal dengan parameter x dan x dengan -
< x <  dan x >0 jika fungsi kepadatan probabilitas (pdf)
dari X adalah :
2
1  xx 
  
f x;  x ,  x  
1 2  x 
e , dim ana    x  
 x 2
• Distribusi normal kumulatif didefinisikan sebagai
probabilitas variabel acak normal x tertentu.
Fungsi distribusi kumulatif (cdf – cumulative
distribution function) dari distribusi normal ini
dinyatakan sebagai :
F(x; x, x) = P(X  x)
x x t   x 2

 f t;  , dt    e 2  dt

= 1 2
x

2
x x
  x

• F(x), hanya bisa ditentukan dari integrasi secara

numerik, karena persamaan tersebut tidak bisa
diintegrasi secara analitik.
 μ 
Gambar Kurva Normal
 Fungsi distribusi
Rata-rata dan Varians (distribusi kumulatif)
darifungsi normal
Distribusi Normal E ( X )  P( X  x)
1  x 
2
1  x 
2
  
   
1  1 2  
E( X )   e 2  
dx   
 2 e dx
  2 

P( x1  X  x2 )  F ( x2 )  F ( x1 )
Var ( X )  E  X   
2

 1  x 
2 dimana x1  x2
(x  ) 2   
  e 2  
dx   2
  2
Untuk setiap distribusi populasi dari suatu variabel
acak yang mengikut sebuah distribusi normal, maka
 68,26% dari nilai-nilai variabel berada dalam ± 1 x
dari x ,
 95,46% dari nilai-nilai variabel berada dalam ± 2 x
dari x ,
 99,73% dari nilai-nilai variabel berada dalam ± 3 x
dari x 
Gambar hubungan antara luasan dan N(,2)
 Statistik Deskriptif Normal
 Untuk suatu distribusi normal dengan nilai-nilai
parameter mean x dan deviasi standard x akan
diperoleh suatu distribusi yang simetris terhadap nilai
mean x,

 sehingga kemencengan (skewness) = 0 dan dapat

ditunjukkan bahwa keruncingan (kurtosis) kurva
distribusi adalah 3.
Sifat-Sifat Distribusi Normal:
 Bentuk distribusi normal ditentukan oleh μ dan σ.

1 1
2
μ1 = μ2 σ 1 > σ 2 μ1 < μ2 σ 1 = σ 2

μ1 < μ2 σ 1 < σ 2
Distribusi Normal Standard
 Untuk menghitung probabilitas P(a  X  b) dari suatu
variable acak kontinu X yang berdistribusi normal
dengan parameter  dan  maka fungsi kepadatan
probabilitasnya harus diintegralkan mulai dari x=a
sampai x =b.
 Namun, tidak ada satupun dari teknik-teknik
pengintegralan biasa yang bisa digunakan untuk
menentukan integral tersebut.
 Untuk itu diperkenalkan sebuah fungsi kepadatan
probabilitas normal khusus dengan nilai mean = 0 dan
deviasi standart = 1.
 Variabel acak dari distribusi normal standard
ini biasanya dinotasikan dengan Z. Fungsi
kepadatan probabilitas dari distribusi normal
standard variabel acak kontinu Z :
 z2
f N z;0,1 
1
e 2
  z  
2

 Fungsi distribusi kumulatif :

z t 2
f N  z;0,1  PZ  z    z  
1

 2
e 2
dt
Menstandardkan distribusi Normal
 Distribusi normal variable acak kontinu X dengan
nilai-nilai parameter  dan  berapapun dapat diubah
menjadi distribusi normal kumulatif standard jika
variable acak X diubah menjadi variable acak standard
Z menurut hubungan :
x
Z 

dimana Z  N (0,1)  variabel normal baku
 Jika X distribusi normal dengan mean  dan
deviasi standard  maka

 x  x   a  x 
P  X  a   P Z x 
 
   
 x   x 
 a  x b  x   b  x   a  x 
Pa  x  b   P  Zx        
 x x   x   x 
 b  x   b  x   a  x 
P  X  b   P Z x 
 
 
 1  P Z x  
  1   
 x   x   x 
Z > 0 jika x > 
Z < 0 jika x < 
Simetri : P(0 ≤ Z ≤ b) = P(-b ≤ Z ≤ 0)
Contoh :
1. Diketahui data berdistribusi normal dengan
mean  = 55 dan deviasi standar = 15
a) P(55≤x≤75) =

=
= P(0≤Z≤1,33)
= 0,4082 (Tabel Z)
Atau

Tabel Z  A = 0,4082
b) P(60≤x≤80) =
= P(0,33≤Z≤1,67)
= P(0≤Z≤1,67) – P(0≤Z≤0,33)
= 0,4525 – 0,1293 = 0,3232

Z1 = = 0,33  B = 0,1293

Z2 = = 1,67  A = 0,4525
C = A – B = 0,3232
c) P(40≤x≤60)= A + B

=
= P(-1,00≤Z≤0,33)
= P(-1,00≤Z≤0) + P(0≤Z≤0,33)
= 0,3412 + 0,1293
= 0,4705
Atau : Z1 = = = -1,00
 A = 0,3412
Z2 = = 0,33
 B = 0,1293
d) P(x ≤ 40) = 0,5 – A
= 0,5 – 0,3412
= 0,1588
e. P(x ≥ 85)

f. P(x ≤ 85) = 0,5 + A

= 0,5 + 0,4772
= 0,9772
2) Diketahui rata-rata hasil ujian adalah 74 dengan
simpangan baku 7. Jika nilai-nilai peserta ujian
berdistribusi normal dan 12% peserta nilai tertinggi
mendapat nilai A, berapa batas nilai A yang terendah ?
Jawab:
Jika 5% peserta terendah mendapat nilai E,
berapa batas atas nilai E ?
P( ≤ x ≤ 0) = 0,45
P( ≤ Z ≤ 0) = = -1,645  (x<)

= . + 
= (-1,645)7 + 74
= 62,485
SOAL
1. Satu mata uang logam Rp 1000 dilemparkan ke atas
sebanyak 4 kali, X menyatakan gambar orang.
a) Hitung P(X), X = 0, 1, 2, 3, 4 dengan fungsi Binomial
b) Buat histogram P(X)
c) Dengan menggunakan pendekatan fungsi normal,
hitung P(X)
2. Berdasarkan tabel frekuensi berikut, buatlah
frekuensi kurva normal
X f
Dari data tsb telah dihitung
150 – 158 9
E(X) = μ = 184,3 dan σ = 14,54
159 – 167 24
168 - 176 51
177 – 185 66
186 – 194 72
195 – 203 48
204 – 212 21
213 – 221 6
222 – 230 3
Jumlah 300
Jawaban soal 2
 ..\Frekuensi Kurva Norma.xlsx
batas Dist
batas nilai
bawah/ f fr fk Z P(0 < Z < z) fr Normal Kumulati Frek. Norma
kelas tengah
atas f Normal
149,5 -2,39 0,4916
150 - 158 154 9 0,03 0,03 0,03 0,03 9 9
158,5 -1,77 0,4616
159 - 167 163 24 0,08 0,11 0,0846 0,1146 25,38 26
167,5 -1,16 0,377
168 - 176 172 51 0,17 0,28 0,1716 0,2862 51,48 52
176,5 -0,54 0,2054
177 - 185 181 66 0,22 0,5 0,2373 0,5235 71,19 71
185,5 0,08 0,0319
186 - 194 190 72 0,24 0,74 0,2261 0,7496 67,83 68
194,5 0,70 0,258
195 - 203 199 48 0,16 0,9 0,1486 0,8982 44,58 45
203,5 1,32 0,4066
204 - 212 208 21 0,07 0,97 0,0672 0,9654 20,16 20
212,5 1,94 0,4738
213 - 221 217 6 0,02 0,99 0,021 0,9864 6,3 6
221,5 2,56 0,4948
222 - 230 226 3 0,01 1 0,0045 0,9909 1,35 2
230,5 3,18 0,4993
Jumlah 300 0,9909 299