MODUL

PEMBELAJARAN
STATISTIKA
PERTEMUAN 3-4

Dosen Pengampu
Drs. Joharman, M.Pd
Hikmah Ramdhani Putri, M.Pd

PROGRAM STUDI PENDIDIKAN GURU SEKOLAH DASAR

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SEBELAS MARET
2020
 BAB V
MOMEN, UKURAN KEMIRINGAN DAN KERUNCINGAN KURVA

A. Momen
Momen juga merupakan sebuah ukuran dalam statistik, yang dapat
menurunkan ukuran statistik yang lain, seperti rerata atau varians. Ada dua
macam momen, yaitu momen non-sentral dan momen sentral.
1. Momen non-sentral
Jika 𝑋1 , 𝑋2 , 𝑋3 , . . . , 𝑋𝑛 , adalah n buah data yang diasumsikan oleh variabel
𝑋, maka momen non-sentral ke- k di sekitar M didefinisikan sebagai
∑(𝑋𝑖 − 𝑀)𝑘
𝑚′ 𝑘 (𝑀) =
𝑛
Berdasarkan definisi ini, maka momen non sentral di sekitar 0 adalah
∑ 𝑋𝑘
𝑚 ′
𝑘 = ̅̅̅̅
𝑋𝑘 =
𝑛
Momen ini disebut momen asli. Momen asli yang pertama adalah:
∑𝑋
𝑚′1 = 𝑋̅ =
𝑛
yaitu nilai rerata dari data 𝑋1 , 𝑋2 , 𝑋3 , . . . , 𝑋𝑛 .
Selanjutnya, untuk momen asli yang kedua, ketiga, dst dirumuskan sebagai
berikut.
∑ 𝑋2 ′ ∑ 𝑋3
𝑚′ 2 = ̅̅̅
𝑋 2̅ = , 𝑚 3 = ̅̅̅
𝑋 3̅ = , 𝑑𝑠𝑡
𝑛 𝑛
Contoh 5.1
Diketahui sekelompok data adalah sebagai berikut:

34 46 50 75 80 65 55 70 60 40

Tentukan momen asli yang pertama, momen ke- 1 di sekitar 50 dan momen
ke- 2 di sekitar 50
Solusi:

1|M O D U L S T A T I S T I K A
 Tabel 1. Tabel Kerja Menentukan Momen
𝑋𝑖 𝑋𝑖 − 50 (𝑋𝑖 − 50)2
36 -16 256
46 -10 100
50 -4 16
75 0 0
80 5 25
65 10 100
55 15 225
70 20 400
60 25 625
40 30 900

∑ 𝑋𝑖 = 575 ∑ 𝑋𝑖 − 50 = 75 ∑(𝑋𝑖 − 50)2 = 2647

a. Momen asli yang pertama

∑𝑋
𝑚′1 = 𝑋̅ =
𝑛
575
𝑚′1 = 𝑋̅ = = 57,5
10
b. Momen ke-1 disekitar 50
∑(𝑋𝑖 − 50)
𝑚′1 (50) =
10
75
𝑚′1 (50) = = 7,5
10

c. Momen ke-2 disekitar 50

′
∑(𝑋𝑖 − 50)2
𝑚 2 (50) =
10
2647
𝑚′ 2 (50) = = 264,7
10
2. Momen sentral
Jika 𝑋1 , 𝑋2 , 𝑋3 , . . . , 𝑋𝑛 , adalah n buah data yang diasumsikan oleh variabel
𝑋, maka momen sentral ke- k didefinisikan sebagai

̅̅̅̅̅̅̅̅̅̅̅̅ ∑(𝑋𝑖 − 𝑋̅)𝑘

𝑚𝑘 = (𝑋 ̅ 𝑘
𝑖 − 𝑋) =
𝑛
Sehingga untuk 𝑚1 , 𝑚2 , dst adalah
2|M O D U L S T A T I S T I K A
 ∑(𝑋 − 𝑋̅) ∑(𝑋 − 𝑋̅)2
𝑚1 = , 𝑚2 = , 𝑑𝑠𝑡
𝑛 𝑛
Momen sentral kedua adalah nilai varians populasi.
Untuk data dalam distribusi frekuensi momen sentral ke- k didefinisikan
sebagai
∑ 𝑓𝑖 (𝑋𝑖 − 𝑋̅)𝑘
𝑚𝑘 =
𝑛
di mana
𝑛 = ∑ 𝑓𝑖 dan 𝑋𝑖 = 𝑡𝑖𝑡𝑖𝑘 𝑡𝑒𝑛𝑔𝑎ℎ 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙

Jika perhitungan menggunakan cara koding (rerata dugaan) maka

∑ 𝑓𝑖 𝑑𝑖 𝑘
𝑘
𝑚𝑘 = 𝑝 ( )
𝑛
di mana
𝑝 = 𝑝𝑎𝑛𝑗𝑎𝑛𝑔 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙
𝑋 − 𝑋0
𝑑𝑖 =
𝑝
𝑋0 = 𝑟𝑒𝑟𝑎𝑡𝑎 𝑑𝑢𝑔𝑎𝑎𝑛

Contoh 5.2
Tentukan momen sentral ke 3 dari data pada Tabel 2.
Tabel 2. Sampel Nilai UAN SMP di Kabupaten X
Interval Nilai Frekuensi

45 – 51 3

52 – 58 10

59 – 65 18

66 – 72 30

73 – 79 23

80 – 86 18

87 – 93 9

94 – 100 9

3|M O D U L S T A T I S T I K A
 Solusi:
Untuk penyelesaiannya lebih mudah jika kita menggunakan tabel kerja
seperti berikut.
Tabel 3. Tabel Kerja Untuk menentukan Momen sentral ke-3
Interval 𝑋𝑖 − 69
𝑓𝑖 𝑋𝑖 𝑑= 𝑑3 𝑓𝑖 𝑑3
Nilai 7

45 – 51 3 48 -3 -27 -81

52 – 58 10 55 -2 -8 -80

59 – 65 18 62 -1 -1 -18

66 – 72 30 69 = 𝑋0 0 0 0

73 – 79 23 76 1 1 23

80 – 86 18 83 2 8 144

87 – 93 9 90 3 27 243

94 – 100 9 97 4 64 576

∑ 𝑓𝑖 = 120 ∑ 𝑑3 = 75 ∑ 𝑓𝑖 𝑑3 = 807

∑ 𝑓𝑖 𝑑𝑖 3
𝑚3 = 𝑝 3 ( )
𝑛
807
𝑚3 = 73 ( ) = 2306,675
120

B. Ukuran Kemiringan
Jika sekumpulan data dalam distribusi frekuensi digambakan kurvanya
(polygon) maka akan diperoleh tiga model distribusi berdasarkan ukuran
kemiringan dan 3 model distribusi berdasarkan ukuran keruncingan
Ukuran kemiringan suatu distribusi sekelompok data adalah hasil
perbandingan yang dapat dinyatakan dengan bilangan yang berdasarkan pada
ukuran pemusatan, ukuran letak maupun ukuran penyebaran. Adapun ukuran
kemiringan adalah ukuran yang menyatakan derajat ketidaksimetrisan suatu
lengkungan halus (kurva) dari suatu distribusi frekuensi. Dapat pula dikatakan
bahwa ukuran kemiringan adalah harga yang menunjukkan seberapa jauh
distribusi itu menyimpang dari simetris.
4|M O D U L S T A T I S T I K A
 Menurut Pearson, model distribusi berdasarkan koefisien kemiringnnya
ada 3 macam, yaitu distribusi negative koeisien kemiringannnya negative
(Gambar a), distribusi simetrik koefisien kemiringannya nol (Gambar b), dan
distribusi positif koefisien kemiringannya positif (Gambar c).

𝑀𝑜 𝑀𝑒 𝑋̅ 𝑀𝑜 = 𝑀𝑒 = 𝑋̅ 𝑋̅ 𝑀𝑒 𝑀𝑜
Gambar a Gambar b Gambar c

Gambar 1. Kurva distribusi berdasarkan kemiringan

Ada beberapa cara untuk menentukan koefisien kemiringan suatu distribusi

1. Koefisien Kemiringan Pertama dari Pearson
𝑋̅ − 𝑀0
𝑎3 =
𝑠
Di mana
𝑎3 = koefisien kemiringan
𝑋̅ = mean/ rata-rata data
𝑀0 = modus data
𝑠 = simpangan baku

Contoh 5.3
Tentukan koefisien kemiringan pertama dari Pearson berdasarkan data pada
Tabel 2
Solusi:
Untuk penyelesaiannya lebih mudah jika kita menggunakan tabel kerja
seperti berikut.

5|M O D U L S T A T I S T I K A
 Tabel 4. Tabel Kerja Untuk menentukan Koefisien Kemiringan
Interval
𝑓 𝑋 𝑓𝑋 𝑋2 𝑓𝑋 2
Nilai
45 – 51 3 48 144 2304 6912
52 – 58 10 55 550 3025 30250
59 – 65 18 62 1116 3844 69192
66 – 72 30 69 2070 4761 142830
73 – 79 23 76 1748 5776 132848
80 – 86 18 83 1494 6889 124002
87 – 93 9 90 810 8100 72900
94 – 100 9 97 873 9409 84681
Jumlah 120 580 8805 663615

Pertama, kita tentukan rata-rata

8805
𝑋̅ = = 73,375
120
Kedua, kita tentukan modus data
12
𝑀𝑜 = 65,5 + 7 ( )
12 + 7
𝑀𝑜 = 65,5 + 4,421 = 69,92
Ketiga, kita tentukan simpangan baku

(120)(663615) − (8805)2
𝑠=√
(120)(119)

𝑠 = √147,46 = 12,143
Terahir, kita tentukan koefisien kemiringan pertama dari Pearson
𝑋̅ − 𝑀0
𝑎3 =
𝑠
73,375 − 69,92
𝑎3 = = 0,28
12,143
Jadi koefisien kemiringan pertama dari pearson adalah 0,28

2. Koefisien Kemiringan Kedua dari Pearson

3(𝑋̅ − 𝑀𝑒 )
𝑎3 =
𝑠
Di mana
6|M O D U L S T A T I S T I K A
 𝑎3 = koefisien kemiringan
𝑋̅ = mean/ rata-rata data
𝑀𝑒 = median data
𝑠 = simpangan baku

Contoh 5.4
Tentukan koefisien kemiringan kedua dari Pearson berdasarkan data pada
Tabel 2
Solusi:
Untuk penyelesaiannya lebih mudah jika kita menggunakan tabel kerja pada
Tabel 4.
Pertama, kita menentuka rata-rata
Berdasarkan perhitungan pada contoh 5.3 diperoleh nilai 𝑋̅ = 73,375
Kedua, kita menentukan median data
60 − 31
𝑀𝑒 = 65,5 + 7 ( )
120
𝑀𝑒 = 65,5 + 6,77 = 72,27
Ketiga kita menentukan simpangan baku
Berdasarkan perhitungan pada Contoh 5.3 diperoleh 𝑠 = 12,143
Terahir, kita tentukan koefisien kemiringan kedua dari Pearson
3(𝑋̅ − 𝑀𝑒 )
𝑎3 =
𝑠
3(73,375 − 72,27)
𝑎3 = = 0,273
12,143
Jadi koefisien kemiringan kedua dari pearson adalah 0,273

3. Koefisien Kemiringan dengan Nilai Kuartil

𝑄3 − 2𝑄2 + 𝑄1
𝑎3 =
𝑄3 − 𝑄1
Di mana
𝑎3 = koefisien kemiringan
𝑄 = kuartil

7|M O D U L S T A T I S T I K A
 Contoh 5.5
Tentukan koefisien kemiringan dengan kuartil berdasarkan data pada Tabel
2!
Solusi:
Untuk penyelesaiannya lebih mudah jika kita menggunakan tabel kerja pada
Tabel 5.
Tabel 5. Tabel Kerja Untuk menentukan Koefisien Kemiringan
Interval Nilai Frekuensi FKum
45 – 51 3 3
52 – 58 10 13 P10
59 – 65 18 31 Q1
66 – 72 30 61 Q2, P50
73 – 79 23 84
80 – 86 18 102 Q3
87 – 93 9 111 P90
94 – 100 9 120

Pertama, kita tentukan nilai Q1

𝑛 120
Q1 data ke 4 = = 30 , ada pada interval 59-65, sehingga 𝐵𝑄1 = 58,5, 𝐹𝑘1 =
4

13, 𝑓1 = 18 , 𝑝 = 7 diperoleh
120
− 13
𝑄1 = 58,5 + 7 ( 4 )
18

𝑄1𝑄1 = 58,5 + 6,61 = 65,11

Kedua, kita tentukan nilai Q2
𝑛 120
Q2 data ke 2 = = 60 , ada pada interval 66-72, sehingga 𝐵𝑄2 = 65,5, 𝐹𝑘2 =
2

31, 𝑓2 = 30 , 𝑝 = 7 diperoleh
120
− 31
𝑄2 = 65,5 + 7 ( 2 )
120

𝑄2 = 65,5 + 6,77 = 72,27

Ketiga, kita tentukan nilai Q3

8|M O D U L S T A T I S T I K A
 3𝑛 3.120
Q3 data ke = = 90 , ada pada interval 80-86, sehingga 𝐵𝑄3 = 79,5,
4 4

𝐹𝑘3 = 84, 𝑓3 = 18 , 𝑝 = 7 diperoleh

3.120
− 84
𝑄3 = 79,5 + 7 ( 4 )
18

𝑄3 = 79,5 + 2,33 = 81,83

Terahir, kita tentukan koefisien kemiringan dengan kuartil
𝑄3 − 2𝑄2 + 𝑄1
𝑎3 =
𝑄3 − 𝑄1
81,83 − 2(72,27) + 65,11
𝑎3 =
81,83 − 65,11
2,41
𝑎3 = = 0,144
16,72

4. Koefisien Kemiringan dengan Nilai Persentil

𝑃90 − 2𝑃50 + 𝑃10
𝑎3 =
𝑃90 − 𝑃10
Di mana
𝑎3 = koefisien kemiringan
𝑃 = persentil
Contoh 5.6
Tentukan koefisien kemiringan dengan persentil berdasarkan data pada
Tabel 2!
Solusi:
Untuk penyelesaiannya lebih mudah jika kita menggunakan tabel kerja pada
Tabel 5.
Pertama, kita tentukan nilai P90
90𝑛 90.120
P90 data ke = = 108, ada pada interval 87-93, sehingga 𝐵𝑃90 =
100 100

86,5, 𝐹𝑘90 = 102, 𝑓90 = 9 , 𝑝 = 7 diperoleh

108 − 102
𝑃90 = 86,5 + 7 ( )
9
𝑃90 = 86,5 + 4,67 = 91,17

9|M O D U L S T A T I S T I K A
 Kedua, kita tentukan nilai P50
50𝑛 120
P50 data ke = = 60 , ada pada interval 66-72, sehingga 𝐵𝑃50 = 65,5,
100 2

𝐹𝑘50 = 31, 𝑓50 = 30 , 𝑝 = 7 diperoleh

120
− 31
𝑃50 = 65,5 + 7 ( 2 )
120

𝑃50 = 65,5 + 6,77 = 72,27

Ketiga, kita tentukan nilai P10
10𝑛 10.120
P10 data ke 100 = = 12, ada pada interval 52-58, sehingga 𝐵𝑃10 = 51,5,
100

𝐹𝑘10 = 3, 𝑓10 = 10 , 𝑝 = 7 diperoleh

12 − 3
𝑃10 = 51,5 + 7 ( )
10
𝑃10 = 51,5 + 6,3 = 57,8
Terahir, kita tentukan koefisien kemiringan dengan persentil
𝑃90 − 2𝑃50 + 𝑃10
𝑎3 =
𝑃90 − 𝑃10
91,17 − 2(72,27) + 57,8
𝑎3 =
91,17 − 57,8
4,43
𝑎3 = = 0,133
33,37

5. Koefoefisien Kemiringan dengan Momen Sentral

𝑚3
𝑎3 = 3
𝑠
𝑎3 = koefisien kemiringan
𝑚3 = momen sentral ke 3
𝑠 = simpangan baku

Contoh 5.7
Tentukan koefisien kemiringan dengan momen sentral berdasarkan data
pada Tabel 2!
Solusi:

10 | M O D U L S T A T I S T I K A
 Pertama kita tentukan 𝑚3
Berdasarkan hasil perhitungan pada Contoh 5.2 diperoleh 𝑚3 = 2306,675
Kedua kita tentukan simpangan baku
Berdasarkan perhitungan pada Contoh 5.3 diperoleh 𝑠 = 12,143
Sehingga 𝑠 3 = 1790,515
Kemudian kita tentukan koefisien kemiringannya
𝑚3
𝑎3 = 3
𝑠
2306,675
𝑎3 = = 1,288
1790,515
Perhatikan bahwa koefisien kemiringan(𝑎3 ) merupakan derajad kesimetrikan
suatu distribusi data dengan pengelompokan sebagai berikut:
a. Jika 𝑎3 > 0, distribusi tersebut memiliki kemiringan positif
b. Jika 𝑎3 = 0, distribusinya simetrik
c. Jika 𝑎3 < 0, distribusi tersebut memiliki kemiringan negative

C. Ukuran Keruncingan
Selain kemiringan, kita perlu juga mengetahui keruncingan/kelancipan
(kurtosis) suatu distribusi. Kurtosis (peadkedness) dari suatu distribusi adalah
derajat kelancipan dari distribusi tersebut dibandingkan terhadap distribusi
normal (kurva normal). Ditinjau dari segi kelancipannya, suatu distribusi dapat
dibedakan menjadi tiga yaitu leptokurtik, mesokurtik dan platikurtik.

Mesokurtik Platikurtik
Leptokurtik
Gambar 2. Kurva Distribusi berdasarkan Keruncingan

11 | M O D U L S T A T I S T I K A
 Keruncingan sekolompok data apakah termasuk distribusi leptokurtik,
mesokurtik, atau platikurtik, dinyatakan dengan koefisien keruncingan. Untuk
menentukan koefisien keruncingan dapat ditentukan dengan dua cara yaitu:
1. Dengan menggunakan momen sentral.
Koefisien keruncingan sekelompok data 𝑋1 , 𝑋2 , 𝑋3 , . . . , 𝑋𝑛 , disajikan dengan
𝑎4 didefinisikan sebagai
𝑚4
𝑎4 =
𝑠4
Dengan 𝑚4 = momen sentral ke-4, 𝑠 = simpangan baku dari kelompok data
tersebut.
Kriteria yang didapat dari rumus ini adalah
a. Jika 𝑎4 > 3, maka distribusinya di sebut leptokurtik (runcing)
b. Jika 𝑎4 = 3, maka distribusinya disebut normal
c. Jika 𝑎4 < 3, maka distribusinya disebut platikurtik (landai)
Contoh 5.8
Tentukan koefisien keruncingan dengan momen sentral berdasarkan data
pada Tabel 2!
Solusi:
Pertama kita tentukan momen sentral ke 4.
Tabel 4. Tabel Kerja Untuk menentukan Momen sentral ke-4
Interval 𝑋𝑖 − 69
𝑓𝑖 𝑋𝑖 𝑑= 𝑑4 𝑓𝑖 𝑑4
Nilai 7

45 – 51 3 48 -3 81 243

52 – 58 10 55 -2 16 160

59 – 65 18 62 -1 1 18

66 – 72 30 69 = 𝑋0 0 0 0

73 – 79 23 76 1 1 23

80 – 86 18 83 2 16 288

87 – 93 9 90 3 81 729

94 – 100 9 97 4 256 2304

∑ 𝑓𝑖 = 120 ∑ 𝑑4 = 452 ∑ 𝑓𝑖 𝑑3 = 3765

12 | M O D U L S T A T I S T I K A
 ∑ 𝑓𝑖 𝑑𝑖 4
𝑚4 = 𝑝 4 ( )
𝑛
3765
𝑚4 = 74 ( ) = 75331,375
120
Kedua kita tentukan simpangan baku
Berdasarkan perhitungan pada Contoh 5.3 diperoleh 𝑠 = 12,143
Sehingga 𝑠 4 = 21742,22.
Terakhir, kita tentukan koefisien kemiringannya
𝑚4
𝑎4 = 4
𝑠
75331,375
𝑎4 = = 3,46
21742,22

2. Dengan menggunakan persentil, koefisien keruncingan diberi simbol 𝑘

(dibaca: kappa) dirumuskan dengan
1
(𝑄3 − 𝑄1 )
𝑘=2
𝑃90 − 𝑃10
Di mana 𝑄 = kuarti, 𝑃 = persentil
Untuk model distribusi normal, harga 𝑘 = 0,263, sehingga kriteria yang
diperoleh dari rumus ini adalah
a. Jika 𝑘 > 0,263, maka distribusinya di sebut leptokurtik (runcing)
b. Jika 𝑘 = 0,263, maka distribusinya disebut normal
c. Jika 𝑘 < 0,263, maka distribusinya disebut platikurtik (landai)

Contoh 5.9
Tentukan koefisien keruncingan dengan momen sentral berdasarkan data
pada Tabel 2!
Solusi:
Berdasarkan hasil perhitungan pada Contoh 5.5 dan 5.6, diperoleh hasil
𝑄1 = 65,11 , 𝑄3 = 81,83 , 𝑃10 = 57,8 , 𝑃90 = 91,17

13 | M O D U L S T A T I S T I K A
 Sehingga,
1
(𝑄3 − 𝑄1 )
𝑘=2
𝑃90 − 𝑃10
1
(81,83 − 65,11)
𝑘=2
91,17 − 57,8
8,36
𝑘= = 0,251
33,37

Latihan 5

1. Diketahui data sebagai berikut:

1 9 2 2 8 8 7 7 7 3 3 3 4 4 4 4 6 6 6 6

a. Tentukan rerata dan simpangan bakunya .

b. Carilah m1, m2, m3, dan m4 .

c. Carilah m’1, m’2, m’3, dan m’4 .

d. Carilah koefisisen momen kemiringan dan koefisien momen

keruncingannya.

2. Tentukan koefisien momen kemiringan dan koefisien momen keruncingan

dari data dalam distribusi frekuensi tunggal di bawah ini.

Nilai 4 5 6 7 8 9

Frekuensi 1 2 3 4 7 3

3. Tentukan koefisien momen kemiringan dan koefisien momen keruncingan

dari data dalam distribusi frekuensi berinterval di bawah ini.

Nilai Frekuensi

61 -65 5
66 – 70 8
71 – 75 4
76 – 80 2
81 - 85 1

14 | M O D U L S T A T I S T I K A
 BAB VI
DISTRIBUSI NORMAL, NORMAL BAKU, DAN STUDENT (T)

A. Distribusi Normal
Distribusi Gauss disebut juga distribusi normal. Distribusi normal pertama
kali diperkenalkan oleh Abraham de Moivre dalam artikelnya pada tahun 1733
sebagai pendekatan distribusi binomial untuk n besar. Karya tersebut
dikembangkan lebih lanjut oleh Pierre Simon de Laplace, dan dikenal sebagai
teorema Moivre-Laplace. Laplace menggunakan distribusi normal untuk analisis
galat suatu eksperimen. Metode kuadrat terkecil diperkenalkan oleh Legendre
pada tahun 1805. Sementara itu Gauss mengklaim telah menggunakan metode
tersebut sejak tahun 1794 dengan mengasumsikan galatnya memiliki distribusi
normal.
Distribusi normal termasuk distribusi peubah acak kontinu atau fungsi densitas,
sering disebut pula fungsi kerapatan, bentuk kurvanya simetris seperti genta atau
lonceng, dan persamaan kurvanya adalah:
1 1 𝑋−𝜇 2
𝑒 2 𝜎 )
− (
𝑓(𝑥) =
𝜎√2𝜋
dengan:
𝜋 = 3,1416
𝑒 = 2,7183
𝜎 = simpangan baku populasi
𝜇 = rerata populasi
𝑋 = peubah acak kontinu −∞ < 𝑋 < ∞

Adapun sifat – sifat yang dimiliki distribusi normal adalah:

1. Bentuk grafik simetris terhadap 𝑥 = 
2. Grafik selalu di atas sumbu x, dan asymtotik terhadap sumbu x dimulai dari
𝑥 = 𝜇 + 3𝜎 ke kanan dan 𝑥 = 𝜇 − 3𝜎 ke kiri
0,3989
3. Nilai modus tercapai pada 𝜇 = 𝜎

4. Luas daerah di bawah kurva yang dibatasi oleh sumbu x sama dengan 1
15 | M O D U L S T A T I S T I K A
5. Nilai  semakin besar, bentuk kurva semakin rendah (platikurtik). Sebaliknya,
nilai  semakin kecil bentuk kurva semakin tinggi (leptokurtik).

𝑋 = 𝜇 − 3𝜎 𝑋 = 𝜇 − 2𝜎 𝑋 =𝜇−𝜎 𝑋=𝜇 𝑋 =𝜇+𝜎 𝑋 = 𝜇 + 2𝜎 𝑋 = 𝜇 + 3𝜎

Gambar 3. Kurva Distribusi Normal

Bagi pengguna statistik tentu banyak yang mengalami kesulitan untuk

menentukan peluang dari nilai x pada interval tertentu, karena harus
menggunakan hitung integral. Untuk menentukan peluang 𝑥1 < 𝑋 < 𝑥2 dihitung
1 𝑋−𝜇 2
𝑥 1
dengan ∫𝑥 2 𝜎√2𝜋 𝑒 −2( )
𝜎 𝑑𝑥. Untuk penggunaan distribusi normal secara praktis
1

sudah ditemukan distribusi normal baku.

B. Distribusi Normal Baku

1 𝑋−𝜇 2
1 𝑋−𝜇
Jika pada persamaan kurva normal 𝑓(𝑥) = 𝜎√2𝜋 𝑒 −2( )
𝜎 nilai =𝑧
𝜎
1 2
1
maka persamaan kurva normal menjadi 𝑓(𝑥) = 𝜎√2𝜋 𝑒 −2𝑧 . Dapat dibuktikan

bahwa pada persamaan kurva normal baku,  = 0 dan  = 1. Dengan

transformasi tersebut, maka fungsi densitas dari distribusi normal baku menjadi
1 2
1
𝑓(𝑥) = 𝑒 −2𝑧 . Nilai 𝑧 pada interval −3 ≤ 𝑧 ≤ 3, luas daerah kurva hampir
√2𝜋
3
1 − 12 z 2
0,9973, atau 99,73% Sudjana (1984:138). Nilai ini diperoleh dari 
-3 2
e dz

−3 −2 −1 0 1 2 3
Gambar 4. Kurva Distribusi normal baku

16 | M O D U L S T A T I S T I K A
Dengan rumus distribusi normal baku ini para ahli telah membuat tabel luas
daerah di bawah kurva normal baku sebagaimana tercantum pada Lampiran 1.

Gambar 5. Contoh Tabel Distribusi Normal

Pada tabel tersebut nilai z terletak pada kepala kolom dan kepala baris,
sedangkan bilangan di dalam sel menyatakan bilangan desimal yang
menyatakan luas daerah dari 0 sampai z. Sering pula digunakan untuk
menyatakan peluang dari 0 sampai z.

0 𝑧 = 1,28
Gambar 6

Misalnya untuk mencari luas daerah 0 < 𝑧 < 1,28 (Gambar 6) maka dapat
kita lihat pada kolom z numeral (1,2) dan pada kepala kolom kita lihat 8. Pada sel
pada baris 1,2 dan kolom 8 kita dapatkan 0,3997. Maka luas daerah pada interval
0 < 𝑧 < 1,28 = 0,3997, atau 𝑃(0 < 𝑧 < 1,28) = 0,3997.

17 | M O D U L S T A T I S T I K A
Contoh 5.10
Gunakan Tabel normal baku untuk menentukan
a. 𝑃(0 < 𝑧 < 1,23)
Solusi:
Untuk mempermudah menentukan area (0 < 𝑧 < 1,23), kita gunakan
bantuan Gambar 7

0 𝑧 = 1,23
Gambar 7

Pada kolom z ke bawah kita lihat numeral (1,2) dan pada kolom z ke kanan
kita lihat numeral 3. Pada sel pada baris 1,2 dan kolom 3 kita dapatkan
0.3907. Maka luas daerah pada interval 0 < 𝑧 < 1,28 = 0,3997
Jadi, 𝑃(0 < 𝑧 < 1,28) = 0,3997.

b. 𝑃(− 1,45 < 𝑧 < 0)

Solusi:
Untuk mempermudah menentukan area 𝑃(− 1,45 < 𝑧 < 0), kita gunakan
bantuan Gambar 8

𝑧 = −1,45 0
Gambar 8

Karena pada kurva normal baku bersifat simetris, maka

𝑃(− 1,45 < 𝑧 < 0) = 𝑃(0 < 𝑧 < 1,45 )
𝑃(0 < 𝑧 < 1,45 ) = 0,4265
Jadi 𝑃(− 1,45 < 𝑧 < 0) = 0,4265

c. 𝑃(𝑧 > 1,73)

Solusi:

18 | M O D U L S T A T I S T I K A
 Untuk mempermudah menentukan area 𝑃(𝑧 > 1,73) ,kita gunakan bantuan
Gambar 9

0 𝑧 = 1,73
Gambar 9

𝑃(𝑧 > 1,73) = 0,5 − 𝑃(0 < 𝑧 < 1,73)

= 0,5 −0,4582
= 0,0418

d. 𝑃(−1,2 < 𝑧 < 1,35 )

Solusi:
Untuk mempermudah menentukan area 𝑃(−1,2 < 𝑧 < 1,35 ), kita gunakan
bantuan Gambar 10

−1,2 0 1,35
Gambar 10

e. 𝑃(−1,2 < 𝑧 < 1,35 )

= 𝑃(−1,2 < 𝑧 < 0) + 𝑃(0 < 𝑧 < 1,35
= 𝑃(0 < 𝑧 < 1,2) + 𝑃(0 < 𝑧 < 1,35)
= 0,3849 + 0,4115
= 0,7964

C. Distribusi Student (T)

Tahun 1908 WS Gosset, karyawan pabrik bir milik orang Irlandia yang juga
mahasiswa mempublikasikan keberhasilannnya menurunkan sebaran peluang
bagi t, yang selanjutnya sering disebut distribusi t, di mana fungsi densitasnya:
𝐾
𝑓(𝑡) = 1
𝑛
𝑡2 2
1 + (𝑛 − 1)

19 | M O D U L S T A T I S T I K A
Berlaku untuk harga-harga t yang memenuhi −∞ < 𝑡 < ∞ dan 𝐾 merupakan
bilangan tetap yang besarannya bergantung pada nilai 𝑛, sedemikian sehingga
luas daerah di bawah kurva sama dengan satu unit.
Bilangan (𝑛 − 1) dinamakan derajad kebebasan, biasa disingkat 𝑑𝑘 atau
beberapa referensi menyimbolkan dengan 𝑣 (𝑑𝑖𝑏𝑎𝑐𝑎: 𝑛𝑢). Derajad kebebasan
merupakan kemungkinan banyaknya pilihan dari sejumlah objek yang diberikan.
Misal kita mempunyai 3 objek A, B, dan C, maka kita mempunyai dua kali pilihan.
Pertama jika tepilih B, maka tahap berikutnya, masih bisa memilih A, atau C,
seandainya tahap ke- 2 terpilih A, maka tahap ke 3 tidak memilih karena harus
mengambil C, sehingga derajat kebebasannya 2.

𝑡𝑝 t
Gambar 11. Kurva Distribusi Student (t)

Bentuk kurva distribusi t (Gambar 11) mirip dengan kurva normal baku,
simetris terhadap t = 0, untuk n yang lebih besar (𝑛 ≥ 30), distribusi t mendekati
distribusi normal. Untuk perhitungan sudah tersedia tabel distribusi t (Lampiran
2).

Gambar 12. Contoh Tabel Distribusi T

20 | M O D U L S T A T I S T I K A
 Pada tabel t, bilangan pada sel menunjukkan nilai t. Kolom 𝑣 menunjukkan
derajat kebebasan/ 𝑑𝑘. Kolom lainnya berisi nilai kemungkinan/ probabilitas,
bergantung pada tingkat keberartian/ taraf signifikan yang digunakan. Taraf
signifikan () merupakan suatu bilangan yang menunjukkan berapa % toleransi
berbuat kesalahan. Misal taraf signifikan 5% artinya  = 5% = 0,05. Bilangan yg
terdapat dalam sel menunjukkan nilai t, dengan luas daerah dibawah kurva di
sebelah kiri 𝑡𝑝 , dengan 𝑝 = 1 −  . Untuk  = 0,05 maka 𝑝 = 0,95. Misalnya
kita akan menentukan nilai t untuk u = 13 dan  = 0,05, maka 𝑡(u; 𝑝) =
𝑡(13; 0,95) = 1,77

Contoh 5.11
Tentukan nilai t yang membatasi kurva di sebelah kiri dan kanan sehingga
luasnya 95%, dengan dengan 𝑛 = 18.
Solusi:
Untuk mempermudah menentukan nilai t, kita gunakan ilustrasi Gambar 13.

𝛼 = 0,025

t
Gambar 13

𝑝 = 1 −  = 1 − 0,025 = 0,975
𝑣 = 𝑛 − 1 = 18 − 1 = 17
Berdasarkan Tabel Distribusi t pada Lampiran 2, nilai 𝑡(17; 0,975) = 2,11

Contoh 5.12
Tentukan nilai t sehingga luas dari t ke kanan = 0,05 dengan dk 5. Gunakan Tabel
Distribusi t pada Lampiran 2.
Solusi:

21 | M O D U L S T A T I S T I K A
Untuk mempermudah menentukan nilai t, kita gunakan ilustrasi Gambar 14.

0,95 0,05
t
Gambar 14

Dari Gambar 14 kita ketahui bahwa 𝛼 = 0,05,

sehingga 𝑝 = 1 − 0,05 = 0,95, dengan 𝑑𝑘 = 𝑣 = 5
Berdasarkan Tabel Distribusi t pada Lampiran 2, nilai 𝑡(5; 0,95) = 2,02

Contoh 5.13
Tentukan nilai t sehingga luas dari t ke kiri = 0,20 dengan dk 11. Gunakan Tabel
Distribusi t pada Lampiran 2.
Solusi:
Untuk mempermudah menentukan nilai t, kita gunakan ilustrasi Gambar 15.

0,20 0,80
-t
Gambar 15

Pada ilustrasi Gambar 15 kita ketahui bahwa 𝑝 = 0,20, dengan 𝑑𝑘 = 𝑣 = 11

Berdasarkan Tabel Distribusi t pada Lampiran 2, nilai 𝑡(11; 0,20) tidak tersedia.
Karena kurva distribusi t bersifat simetris, nilai 𝑡(11; 0,20) = − 𝑡(11; 0,80)
Sehingga
𝑡(11; 0,20) = − 𝑡(11; 0,80)
𝑡(11; 0,20) = − 0,88

22 | M O D U L S T A T I S T I K A
Contoh 5.14
Jika didapat t = 1,74 berapa luas daerah dari t ke kanan dan berapa derajat
kebebasannya?
Solusi:
Kita lihat ilustrasi Gambar 16.

𝛼 =?

𝑡 = 1,74
Gambar 16

Luas daerah dari t ke kanan sama dengan nilai taraf signifikan (𝛼). Untuk
menentukan nilai 𝛼 dan 𝑑𝑘, kita gunakan tabel t pada Lampiran 2.

Pada Tabel t kita temukan bahwa nilai 𝑡 = 1,74 terdapat pada 𝑝 = 0,95 dan 𝑣 =
17. Sehingga diperoleh 𝛼 = 1 − 0,95 = 0,05 dan 𝑑𝑘 = 17
Jadi Luas daerah dari t ke kanan adalah 0,05 dan derajad kebebasannya 17.

23 | M O D U L S T A T I S T I K A
Contoh 5.15
Diperoleh 𝑡 = −2,05, dengan 𝑑𝑘 = 28 berapa luas daerah dari t ke kiri?
Solusi:
Kita lihat ilustrasi Gambar 17.

𝑝 =?

𝑡 = −2,05
Gambar 17

Luas daerah dari t ke kiri sama dengan nilai probabilitas (𝑝). Untuk menentukan
nilai 𝑝 dengan 𝑑𝑘 = 28, kita gunakan tabel t pada Lampiran 2.
Berdasarkan Tabel t, nilai −𝑡(28; 𝑝) = −2,05 tidak tersedia. Karena distribusi t
bersifat simetris, maka −𝑡(28; 𝑝) = 𝑡(28; 1 − 𝑝). Sehingga untuk menentukan
Luas daerah dari t ke kiri kita gunakan 𝑡(28; 1 − 𝑝) = 2,05, kemudian kita cari
pada Tabel T, diperoleh
𝑡(28; 1 − 𝑝) = 2,05
𝑡(28; 0,975) = 2,05
Sehingga 𝑝 = 0,025

D. Penerapan Distribusi t
Jarang sekali kita beruntung mengetahui varians populasi induk tempat
kita mengambil sampel. Untuk sampel berukuran ≥ 30 nilai dugaan yang baik
bagi 2 adalah 𝑠 2 , maka dalil limit pusat berlaku:
𝑥̅ − 𝜇
𝑧=
𝜎
( )
√𝑛

Bila sample kecil ( 𝑛 < 30), nilai 𝑠 2 , berfluktuasi cukup besar dari sampel yang
satu ke sampel lainnya. Sehingga sebarannya tidak lagi normal baku, dan kita
sesungguhnya berhadapan dengan distribusi T, yang nilainya adalah :

24 | M O D U L S T A T I S T I K A
 𝑥̅ − 𝜇
𝑡=
𝑠
( )
√𝑛
dengan 𝑑𝑘 = 𝑛 − 1

Contoh 5.16
Suatu produsen air mineral menyatakan bahwa air mineral produksinya dapat
bertahan sampai 500 hari. Untuk menjaga nilai rerata ini perusahaan menguji 16
galon. Bila nilai t yang diperolehnya jatuh antara – 𝑡0,05dan 𝑡0,05 pihak perusahaan
puas. Kesimpulan apa yang ditariknya jika ia memperoleh sampel dengan nilai
rerata 516 hari dan simpangan baku s = 40 hari. Asumsikan bahwa umur air
mineral menyebar normal.
Solusi:
Diketahui:
 = 500 hari; 𝑛 = 16; 𝑑𝑘 = 15; s = 40

𝛼 = 0,05

−𝑡𝑝 𝑡𝑝

t tabel:
−𝑡(15; 0,05) = −1,75 dan 𝑡(15; 0,95) = 1,75.
t hitung:
𝑥̅ − 𝜇
𝑡=
𝑠
( )
√𝑛
516 − 500
𝑡= = 1,6
40
( )
√16

Karena hasil t hitung ada diantara -1,75 dan 1,75, maka dengan demikian
produsen puas bila sampel 16 galon air mineral itu menghasilkan nilai t antara
−1,75 𝑑𝑎𝑛 1,75
25 | M O D U L S T A T I S T I K A
Latihan 6
1. Jika diketahui distribusi normal dengan µ = 40 dan = 6, hitunglah:
a. luas daerah di bawah 32
b. luas daerah di atas 27
c. luas daerah di antara 42 dan 51
d. nilai x yang luas daerah di bawahnya 45%
e. nilai x yang luas daerah di atasnya 13%
2. Diketahui peubah acak X dengan rerata 18 dan simpangan baku 2,5
Hitunglah:
a. 𝑃(𝑋 < 15)
b. 𝑃(17 < 𝑋 < 21)
c. nilai k yang bersifat 𝑃(𝑋 < 𝑘) = 0,2578
d. nilai k yang bersifat 𝑃 (𝑋 > 𝑘) = 0,1539
3. Diameter bagian dalam ring piston menyebar normal dengan dengan
rerata 10 cm dan simpangan baku 0,03 cm.
a. Berapa proporsi ring yang diameter bagian dalamnya lebih dari 10,075
cm?
b. Berapa peluang bahwa sebuah ring akan mempunyai diameter bagian
dalam antara 9,97 dan 10,03 cm
c. Di bawah nilai berapa terdapat 15% ring yang diproduksi?
4. Dalam sebuah ujian matematika nilai rata-ratanya adalah 82 dan
simpangan bakunya 5. mahasiswa yang mendapat nilai dari 88 sampai 94
mendapat nilai B. Bila nilai ujian itu menyebar normal dan 8 orang yang
mendapat nilai B, berapa banyak mahasiswa yang mengikuti ujian?
5. Suatu jenis aki mencapai umur rata-rata 3,0 tahun, dengan simpangan
baku 0,5 tahun. Jika umur aki itu menyebar normal. Hitunglah peluang
bahwa sebuah aki tertentu akan mencapai umur kurang dari 2,3 tahun.
6. Sebuah perusahaan listrik memproduksi bohlam yang umurnya menyebar
normal dengan rata-rata 800 jam dan simpangan baku 40 jam. Hitunglh
peluang sebuah bohlam hasil produksinya mencapai umur antara 778 jam
dan 834 jam.

26 | M O D U L S T A T I S T I K A
 7. Pada ujian statistik nilai rata-ratanya 63 dan simpangan bakunya 5.
a. Jika 12% di antara peserta ujian akan diberi nilai A, dan nilai itu
mengikuti distribusi normal, berapakah batas nilai terendah bagi nilai
A dan batas tertinggi untuk nilai B.
b. Hitunglah desil ke- 6 (D6).
8. Rata-rata tinggi anjing pudel jenis tertentu adalah 30 cm, dan simpangan
bakunya 4,1 cm. , jika tingginya menyebar normal dsn dapat diukur sampai
ketelitian berapapun.
a. Berapa % anjing pudel yang tingginya melebihi 35 cm, anjing-anjing itu
diukur sampai cm terdekat.
b. Berapa % anjing pudel yang tingginya 35
9. Jika diketahui 𝑡 = −2,85, dengan 𝑑𝑘 = 20 berapa luas daerah dari t ke
kiri?
10. Carilah 𝑡(0,01;10) ; 𝑡(0,05;10) ; 𝑡(0,90;10) ; 𝑡(0,95;10)

27 | M O D U L S T A T I S T I K A
Lampiran 1. Tabel Distribusi Normal Baku

28 | M O D U L S T A T I S T I K A
Lampiran 2. Tabel Distribusi Student T

29 | M O D U L S T A T I S T I K A