DISTRIBUSI NORMAL

Tugas Ke- 12 Mata Kuliah Biostatistik

Dosen Pengampu Imam Syahputra Yamin, S. KM,. M. Epid.

Disusun oleh kelompok : 5

Auliya Nurhalimah [2109060016]

Rosdiana [2109060021]
Titin Andriani [2109060020]
Haddatin [2109060028]

PRODI ILMU GIZIFAKULTAS KESEHATAN

UNIVERSITAS NAHDLATUL ULAMA

NUSA TENGGARA BARAT

2023
 KATA PENGANTAR
Pertama-tama kami panjatkan puja & puji syukur atas rahmat dan ridho
Allah SWT. Yang telah meridhoi kami, memberikan kesehatan, dan kesejahteraan
pada kami dalam menyelesaiakan makalah ini dengan baik dan tepat waktu. Dan
tidak lupa pula kita haturkan shalawat beserta salam kepada nabi besar kita
Muhammad Shalallahu 'Alaihi Wasalam yang telah membawa umatnya dari
zaman kegelapan menuju zaman yang terang benderang .

Makalah ini berisikan tentang materi

Tidak lupa pula kami ucapkan terimakasih atas bimbingan dari bapak Imam
Syahputra Yamin, S. KM,. M. Epid. pembimbing mata kuliah biostatistik yang
membimbing kami dalam pembuatan makalah ini. Sehingga kami bisa
menyelesaikan makalah ini dengan baik. Kami menyadari sepenuhnya bahawa
dalam makalah ini masih terdapat banyak kekurangan yang mesti kami perbaiki
kedepannya, maka dari itu kami selaku pemilik makalah meminta saran dan
perbaikan yang membangun demi kebaikan bersama.

Mataram 8 Oktober 2023

Penyusun

ii
 DAFTAR ISI

COVER............................................................................................................I
KATA PENGANTAR....................................................................................II
DAFTAR ISI...................................................................................................III
BAB 1 PENDAHULUAN..............................................................................1
A. Latar Belakang Masalah.......................................................................1
B. Rumusan Masalah.................................................................................2
C. Tujuan Penulisan..................................................................................2
BAB II PEMBAHASAN.................................................................................3
A. Pengrtian Pengolahan Data...................................................................3
B. Teknik Pengolahan Data.......................................................................4
C. Fungsi dan Pentingnya Pengolahan Data..............................................7
D. Metode Pengolahan Data......................................................................8
E. Siklus Pe................................................................................................9
BAB III PENUTUP.........................................................................................
A. Kesimpulan...........................................................................................12
B. Saran.....................................................................................................12
DAFTAR PUSTAKA......................................................................................13

iii
 BAB I
PENDAHULUAN
A. Latar Belakang
Distribusi Normal merupakan distribusi probabilitas dengan variabel
acak kontinu. KurvaDistribusi Normal berbentuk lonceng setangkup yang
melebar tak berhingga pada kedua arah positifdan negatifnya. Distribusi
Normal Univariat memiliki dua parameter yaitu nilai harapan dan
variansi.Distribusi Normal Bivariat merupakan perluasan dari Distribusi
Normal Univariat. Distribusi NormalBivariat mempunyai lima parameter
yaitu nilai harapan dan variansi dari masing-masing variabel acakkontinu dan
koefisien korelasi antara dua variable Distribusi Normal adalah distribusi
dengan variabel acak kontinu, sehingga perhitunganprobabilitasnya dilakukan
dengan menentukan luas daerah di bawah kurva. Distribusi
Normalmerupakan distribusi yang simetris dan berbentuk genta atau lonceng.
Kurva Distribusi Normaldipengaruhi oleh nilai harapan dan variansi. Makin
besar variansinya maka bentuk kurva normalnyasemakin rendah dan
distribusinya semakin lebar. Hal ini disebabkan karena luas di bawah kurva
fungsidensitas harus sama dengan satu (Turyadi dkk 2013).
Distribusi normal merupakan distribusi paling penting dalam bidang
statistika. Banyakgejala yang muncul di alam, industri, dan penelitian yang
dapat digambarkan dengan baik olehkurva distribusi normal. Kurva distribusi
normal ini berbentuk seperti lonceng atau genta, danpersamaannya pertama
kali ditemukan tahun 1733 oleh Abraham DeMoivre. Distribusi ini
disebutjuga distribusi Gauss, untuk menghormati Karl Fredrich Gauss (1777-
1855), yang juga menemukanpersamaannya waktu meneliti galat dalam
pengukuran yang berulang-ulang mengenai bahan yangsama.( R. Didin 2005)
Dalam tulisan ini dikaji sifat-sifat Distribusi Normal Bivariat dengan
dua variabel acak yangindependen dan variabel acak tidak independen.
Adapun tujuan dari tulisan ini adalahmendeskripsikan sifat-sifat Distribusi
Normal Bivariat. Banyak penelitian yang menggunakanDistribusi Normal
Bivariat. Misalnya Distribusi Normal Bivariat digunakan sebagai model

1
 untukprosedur penyaringan, dimana suatu produk diterima atau ditolak
berdasarkan pada pengukuransekunder yang berkorelasi dengan karakteristik
kinerja. Misalnya penyaringan digunakan untukproporsi semua item yang
ditolak walaupun item tersebut sebenarnya baik dan proporsi bagian
yangditerima sebenarnya rusak atau cacat yang menarik (Turyadi dkk 2013).
B. Rumusan Masalah
Berdasarkan latar belakang di atas rumusan masalah yang dapat di
rumuskan yaitu :

C. Tujuan
Berdasarkan latar belakang di atas rumusan masalah yang dapat di
rumuskan yaitu :

2
 BAB II
PEMBAHASAN
A. Pengertian Distribusi Normal
Distribusi normal, disebut pula distribusi Gauss, adalah distribusi
probabilitas yang paling banyak digunakan dalam berbagai analisis statistika.
Distribusi normal baku adalah distribusi normal yang memiliki rata-rata nol
dan simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bell
curve) karena grafik fungsi kepekatan probabilitasnya mirip dengan bentuk
lonceng. Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam
maupun ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika
seperti jumlah foton dapat dihitung melalui pendekatan dengan mengikuti
distribusi normal. Distribusi normal banyak digunakan dalam berbagai bidang
statistika, misalnya distribusi sampling rata-rata akan mendekati normal,
meski distribusi populasi yang diambil tidak berdistribusi normal. Distribusi
normal juga banyak digunakan dalam berbagai distribusi dalam statistika, dan
kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data.
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.
Istilah kurva lonceng diperkenalkan oleh Jouffret pada tahun 1872 untuk
distribusi normal bivariat. Sementara itu istilah distribusi normal secara
terpisah diperkenalkan oleh Charles S. Peirce, Francis Galton, dan Wilhelm
Lexis sekitar tahun 1875. Terminologi ini secara tidak sengaja memiliki nama
sama.
Distribusi normal merupakan sebuah fungsi probabilitas yang
menunjukkan distribusi atau penyebaran suatu variabel. Fungsi tersebut

3
 umumnya dibuktikan oleh sebuah grafik simetris yang disebut kurva lonceng
(bell curve). Saat menandakan distribusi yang merata, kurva akan memuncak
di bagian tengah dan melandai di kedua sisinya dengan nilai yang setara.
 Parameter Distribusi Normal
Seperti halnya teori distribusi lain dalam statistika probabilitas, bentuk
kurva serta nilai peluang distribusi normal ditentukan oleh sejumlah
parameter. Untuk distribusi ini, terdapat dua jenis parameter yang dijadikan
acuan, yakni mean (nilai rata-rata) serta standar deviasi atau simpangan baku.
1. Nilai rata-rata digunakan sebagai pusat distribusi atau penyebaran nilai
lainnya. Nilai tersebut akan menentukan lokasi titik puncak dalam kurva
lonceng, sedangkan nilai-nilai lainnya akan menyebar mengikuti rerata.
2. Standar deviasi adalah penghitungan variabilitas yang menentukan lebar
sebuah kurva distribusi normal. Standar ini dapat menghitung seberapa
jauh kecenderungan data akan melebar dari nilai rata-rata yang menjadi
titik pusatnya. Semakin kecil nilai standar deviasi, maka kurva akan
berbentuk semakin runcing. Selain itu, standar deviasi juga
menggambarkan jarak atau selisih umum antara mean dengan data lain
yang diobservasi.
B. Ciri-Ciri Distribusi Normal
Untuk membedakan distribusi normal dengan distribusi lain di dalam
statistika, tentu ada karakteristik atau ciri-ciri yang membedakan. Berikut
merupakan ciri-ciri distribusi normal yang membedakan distribusi normal
dengan distribusi jenis lainnya.

1. Teori distribusi memiliki nilai mean, median, dan juga modus yang sama.
Oleh karena itu distribusinya sering disebut dengan unimodal. Kurva
distribusi bisa bersifat simetris dengan bentuk lonceng atau bell curve.
2. Titik puncak kurva pada nilai rata-rata, nilai ini berada di posisi tengah
kurva. Kemudian pada data distribusi terletak pada sekitar garis lurus yang
ditarik ke bawah yang berasal dari titik tengah.

4
 3. Nilai rata-rata atau mean merupakan nilai dengan standar deviasi untuk
menentukan lokasi dan juga bentuk distribusi tersendiri.
4. Jumlah luas daerah yang terletak di bawah kurva normal memiliki nilai 1.
Di antaranya adalah setengah (1/2) pada sisi kanan dan juga setengah (1/2)
pada sisi kiri. Hal ini juga berlaku ke seluruh distribusi probabilitas
kontinyu.
5. Kurva distribusi disimpulkan jika setengah dari data populasi kemudian
memiliki nilai yang kurang dari angka rata-rata. Sementara bagian yang
lain lagi punya nilai yang jauh lebih besar.
6. Masing-masing ekor kurva pada kedua sisi kemudian dapat memanjang
dengan tak terbatas. Di berbagai kasus perhitungan distribusi, ekor kurva
bahkan dapat memotong sumbu horizontal.

C. Syarat Distribusi Normal

Untuk menerapkan distribusi normal, tentu ada syarat atau aturan yang
berlaku. Perlu diketahui, deviasi standar sangat berharga di dalam data yang
terdistribusi secara normal. Sehingga deviasi standar juga dapat digunakan
untuk menentukan proporsi nilai yang mana termasuk ke dalam sejumlah
deviasi standar tertentu dari rata-rata.

Di dalam distribusi normal sebanyak 68% terdapat pengamatan dalam

kisaran +/-1 standar deviasi dari rata-rata. Pada 95% dalam kisaran +/-2
standar deviasi, dan 99,7% dalam kisaran +/-3 dari rata-rata. Penilaian atau
properti tersebut merupakan bagian dari aturan empiris. Aturan empiris
tersebut digunakan untuk menjelaskan adanya persentase data yang termasuk
di dalam jumlah tertentu pada deviasi standar dari nilai rata-rata atau mean
untuk kurva berbentuk lonceng.

D. Parameter Distribusi Normal

Penerapan distribusi normal ini dianggap penting karena terdapat beberapa

alasan. Mulai dari adanya meningkatkan objektivitas penilaian, kemudian

5
membantu menempatkan anggota yang paling tepat untuk suatu kelompok
tertentu untuk melakukan evaluasi nilai atau dilakukannya pengelompokan
pegawai di dalam satu kriteria yang sama. Tujuan dilakukannya adalah untuk
menghindari adanya bias atau penilaian yang condong pada satu kategori saja.
Sehingga tak heran jika distribusi simetris dan berpusat pada nilai rata-rata
secara keseluruhan populasi dengan penilaian yang berat sebelah tidak bisa
dihindarkan.

Distribusi normal juga mampu membantu menentukan tingkat normalitas

yang cenderung sentral sehingga pada statistika peluang, normalitas suatu data
menjadi hal penting yang tidak bisa diabaikan. Dengan adanya distribusi
simetris, maka akan membantu menentukan tingkat normalitas dengan
kecenderungan sentral. Di dalam statistika, khususnya statistika peluang,
sehingga normalitas suatu data merupakan hal penting yang tidak boleh
diabaikan. Teori distribusi Gauss ini memiliki kecenderungan sentral atau
tingkat normalitas data juga dapat ditentukan secara lebih mudah, sehingga
dengan demikian informasi mengenai distribusi normal serta adanya
parameter dan karakteristik yang melengkapi penerapannya.Bagi yang sedang
mempelajari statistika peluang atau sedang mencari teori pendukung di dalam
penghitungan data, maka informasi di atas dapat dijadikan sebagai salah satu
referensi. Misalnya pada teori distribusi lain di dalam statistika, bentuk kurva
nilai peluang distribusi normal ditentukan oleh sejumlah parameter.

Perlu diketahui, teori distribus lain statistika probabilitas, berbentuk kurva,

nilai peluang tabel distribusi normal ditentukan dalam sejumlah parameter.
Seperti halnya teori distribusi yang lain di dalam statistika, distribusi ini juga
dibagi menjadi beberapa jenis parameter yang dijadikan acuan, yaitu mean
atau nilai rata-rata serta standar deviasi atau simpangan baku.

1. Digunakan sebagai Pusat Distribusi

6
 Nilai rata-rata atau mean digunakan sebagai pusat distribusi atau
penyebaran nilai lainnya. Sehingga nilai tersebut akan menentukan lokasi titik
puncak dalam kurva lonceng, sedangkan nilai-nilai lainnya akan menyebar
mengikuti rerata.

2. Perhitungan Variabilitas

Standar deviasi merupakan perhitungan variabilitas yang menentukan

lebar sebuah kurva distribusi normal. Dengan demikian, maka standar ini
dapat digunakan untuk menghitung seberapa jauh adanya kecenderungan data
yang akan melebar dari nilai rata-rata yang menjadi titik pusatnya.

3. Melawan Perkiraan Sampel

Parameter distribusi normal populasinya melawan perkiraan sampel.

Artinya, rata-rata dan deviasi standar menjadi nilai parameter yang berlaku di
dalam seluruh populasi. Sehingga di dalam suatu distribusi normal, ahli
statistik akan memberi penanda parameter yang menggunakan simbol Yunani
μ (mu) untuk mean populasi dan juga simbol σ (sigma) untuk penerapan
deviasi standar populasi.

Secara umum, parameter populasi umumnya tidak diketahui karena tidak

memungkinkan suatu pengukuran terhadap seluruh populasi. Pada data sampel
secara acak yang digunakan untuk menghitung estimasi parameter.
Dalam sampel yang acak untuk menghitung estimasi parameter juga bisa
digunakan, ahli statistik menggunakan estimasi sampel dari parameter dengan
menggunakan simbol x̅ untuk mean sampel dan juga s untuk deviasi standar
sampel.