Kuliah ke 6

DISTRIBUSI
PROBABILITAS
NORMAL
4. DISTRIBUSI PROBABILITAS NORMAL

Pd bagian terdahulu telah dibahas ttg distribusi probabilitas diskret,

yaitu Distribusi Probabilitas Binomial, Hipergeometrik dan
Distribusi Poisson, dimana ketiga distribusi tersebut merupakan
distribusi yg didasarkan pd variabel acak diskret, dmn nilainya
bersifat spesifik, biasanya bilangan bulat dan data merupakan hasil
perhitungan
Pd bagian ini akan dibahas distribusi probabilitas kontinu, yaitu
probabilitas normal. Distribusi Probabilitas Normal sbg variabel
acak kontinu mempunyai nilai yg jumlahnya tdk terbatas dalam skala
atau jarak tertentu. Distribusi normal mempunyai nilai sepanjang
interval, biasanya berupa bilangan pecahan dan datanya merupakan
hasil pengukuran.
Mengapa perlu dipelajari?
Distribusi Probabilitas Normal merupakan
salah satu distribusi yg paling penting dalam
statistika. Distribusi normal yg berbentuk
seperti lonceng atau simetris dpt digunakan
dalam industri, teknik, keuangan dll.

1
Informasi tambahan

PENGELOMPOKAN DATA MENURUT SIFATNYA

Data Diskret Data Kontinu
Adalah data yg nilainya berupa Adalah data yg nilainya ada pada
bilangan bulat yg diperoleh dg cara suatu interval tertentu yg
membilang / menghitung diperoleh dg cara mengukur
Contoh : Contoh :
▪ Data nilai ulangan matematika ▪ Data berat badan siswa
▪ Data jumlah penduduk ▪ Data tinggi badan siswa
▪ Data penjualan suatu barang ▪ Data suhu badan
▪ Data jumlah suara pada ▪ Data ketebalan lapisan aspal
pemilihan umum

2
Alasan–alasan mengapa Distribusi Probabilitas Normal
dianggap penting adalah;

1. Banyak peristiwa atau kejadian di alam yg memerlukan

pengukuran dan nilainya tdk terbatas, contoh suku bunga
bank 6,5%, pertumbuhan ekonomi thn 2021 sebesar
6,23% dll.
2. Beberapa variabel acak yg tidak terdistribusi secara
normal dpt dg mudah ditransformasikan menjadi suatu
distribusi variabel acak yg normal
3. Banyak hasil dan teknik analisis yg berguna dalam
pekerjaan statistik yg hanya bisa berfungsi dg benar jika
model distribusinya berupa distribusi normal
4. Ada beberapa variabel acak yg tdk
menunjukkan distribusi normal pd
populasinya, namun demikian,
distribusi rata–rata sampel yg
diambil secara acak dari populasi
tersebut ternyata menunjukkan
distribusi normal.

3
Karakteristik Distribusi Probabilitas Normal

1. Kurva berbentuk lonceng dan

memiliki satu puncak yg terletak di
tengah. Nilai rata – rata hitung (µ) =
median ( Md ) dan Modus ( Mo ) yg
berada ditengah membelah kurva
yaitu setengah dibawah nilai (µ) =
(Md ) = (Mo ) dan setengah diatas nilai
(µ) = (Md ) = (Mo )

2. Distribusi probabilitas dan kurva normal bersifat asimptotis. Kurva

ini menurun di kedua arah yaitu ke kanan untuk nilai positif tak
berhingga (∞) dan ke kiri untuk nilai negatif tak terhingga (-∞). Dg
demikian ekor kedua kurva tdk pernah menyentuh nol, hanya
mendekati nilai nol.
3. Parameter simpangan baku (𝜎 ) menunjukkan lebar dari kurva
(semakin besar nilainya, semakin lebar)
4. Modusnya Md pada sumbu mendatar membuat fungsi mencapai
puncaknya atau maksimum pada X= µ
5. Luas daerah dibawah kurva normal tetapi diatas sumbu mendatar =
1, Luas daerah tersebut terdiri dari setengah disebelah kiri nilai
tengah (µ) dan setengah disebelah kanan nilai tengah (µ)

4
Jenis – jenis Distribusi Probabilitas Normal

1. Distribusi Probabilitas dan

Kurva Normal dengan µ sama
dan 𝝈 berbeda

3. Distribusi Probabilitas dan

Kurva Normal dengan µ
berbeda dan 𝝈 berbeda

2. Distribusi Probabilitas dan

Kurva Normal dengan µ
berbeda dan 𝝈 sama

5
Distribusi Probabilitas Normal Baku
Setiap kurva normal mempunyai nilai rata – rata (µ) dan standar
deviasi (𝝈) yg berbeda. Apabila nilai dari µ dan X sedemikian banyak
karena menempati sepanjang interval nilai, maka tdk mungkin utk
menyediakan distribusi probabilitas secara lengkap seperti pada
Probabilitas Binomial dan Poisson.
Namun demikian permasalahan tersebut dapat diselesaikan dg
Distribusi Normal Baku, sbb.
Distribusi Normal Baku yaitu distribusi probabilitas acak normal
dengan nilai rata – rata (µ) = nol dan standar deviasi (𝝈) =1
Hal yg harus dilakukan adalah mengubah atau membakukan distribusi
aktual kedalam bentuk Distribusi Normal Baku yg dikenal dengan nilai Z
atau skor Z
𝑿− µ
Rumus nilai Z adalah Z= Transformasi dari nilai X ke Z
𝝈
Dimana ;
Z = Skor Z atau nilai normal baku
X = Nilai suatu pengamatan / pengukuran
µ = Nilai rata – rata hitung suatu distribusi
𝜎 = Standar deviasi suatu distribusi

6
Nilai Z adalah Jarak antara suatu nilai acak X dan rata - rata
hitung populasi (µ) dibagi dg standar deviasi populasi (𝜎).

Bila nilai X berada diantara X = 𝑥1 dan X = 𝑥2 , maka variabel

acak Z akan berada diantara nilai;

𝒙𝟏 − µ 𝒙𝟐 − µ
𝒁𝟏 = 𝒁𝟐 =
𝝈 𝝈

Karena semua nilai 𝑥1 dan 𝑥2 mempunyai nilai padanan 𝑍1

dan 𝑍2 , maka luas daerah yg menggambarkan nilai
probabilitas dibawah kurva X antara 𝑥1 dan 𝑥2 sama dengan
luas daerah dibawah kurva Z antara Z=𝑍1 dan 𝑍 = 𝑍2
Dengan demikian nilai X dan Z dapat dinyatakan sebagai
berikut:

P(𝐗 𝟏 < 𝐗 < 𝐗 𝟐 ) = P( 𝐙𝟏 < Z < 𝐙𝟐 )

7
Contoh 1:
Pada thn 2013 ada sebanyak 20 perusahaan termasuk dalam harga
saham pilihan. Harga saham ke-20 perusahaan tersebut berkisar
antara Rp. 1.030 sampai Rp. 6.500 per lembarnya. Berapa
probabilitas harga saham antara Rp. 3.314 sampai Rp. 5.005 per
lembar?
Diketahui nilai rata-rata hitung (µ) = 3.314 dan standar deviasi
𝜎 (1.610)

Penyelesaian 1:
diket : x1=3314, x2=5005
𝑿− µ
Z= 𝝈
𝑍1 = (3.314 – 3.314)/1.610 = 0/1.610 = 0
𝑍2 = (5.005 – 3.314)/1.610 = 1,05
Luas dibawah kurva normal:
(diperoleh dari Kurva Nomal)
P(Z1 < Z < Z2 ) = P( Z= 0 < Z < Z=1,05)
Diambil dari tabel Kurva
= 0,35314 Normal

8
Luas Dibawah Kurva Normal

Utk nilai Z = 1,05, angka

desimal pertama 1,0 dicari
pada baris Z, dan desimal
kedua 0,05 pd kolom 0,05.
Perpotongan antara 1,0 dg
0,05 menghasilkan angka luas
dibawah kurva normal sebesar
0,3531.

Jadi probabilitas harga saham

pada kisaran P(3.314 < X <
5.005) sama dengan
probabilitas P(0 < Z < 1,05)
yaitu 0,3531(35,31%)

9
Contoh 2: (Menghitung probabilitas kurang dari X)
PT . Gunung Sari mengklaim bahwa rata – rata berat buah
Mangga mutu ‘B’ adalah 350 gram dg standar deviasi 50
gram. Bila berat Mangga mengikuti distribusi normal,
berapa probabilitas berat buah Mangga mencapai kurang dari
250 gram sehingga akan diprotes oleh konsumennya.

Penyelesaian 2:
𝑋− µ
µ = 350, 𝜎 = 50, X = 250, Z=
𝜎

P( x < 250)
250 − 350
P(x = 250) = = - 2,00
50

P (x < 250) = P(z < -2)

P(z < -2) = 0,4772 Lihat Tabel

10
Luas Dibawah Kurva Normal

Luas setengah kurva bagian kiri

adalah 0,5. Oleh karena itu, nilai area
yang diarsir menjadi (0,5 – 0,4772)
= 0,0228.
Jadi probabilitas buah Mangga kurang
dari 250 gram adalah 0,0228 atau
2,28%.

11
Contoh 3: (Menghitung probabilitas nilai X antara 𝑿𝟏 dan 𝑿𝟐 )

PT Work Electric memproduksi bohlam lampu. Bohlam yang diproduksi dpt

hidup hingga 900 jam dg standar deviasi 50 jam. Utk kepentingan
promosi , PT Work Electrik ingin mengetahui probabilitas keyakinan bahwa
bohlam lampunya dpt hidup pada kisaran antara 800 – 1000 jam. Berapa
probabilitas antara 800 – 1000 jam dimaksud?

Penyelesaian 3:
µ = 900, 𝜎 = 50
P( 800 < X < 1000) hitung nilai Z Luas Dibawah
800 − 900 Kurva Normal
𝑍1 = = - 2,00
50
1000 − 900
𝑍2 = = 2,00
50

Jadi P (800 < X < 1000) = P( -2 < Z < 2)

(Dari Tabel)
P(-2 < Z) = 0,4772
P(Z > 2) = 0,4772

12
Sehingga luas daerah yg diarsir adalah = 0,4772 +
0,4772 = 0,9544.
Jadi P (800 < X < 1000) = P( -2 < Z < 2) =
0,9544.
Probabilitas keyakinan bohlam dapat hidup pada
kisaran 800 – 1000 adalah 95,44%, sehingga
sisanya 4,56% harus disiapkan garansinya.

13
Contoh 4:
(Menghitung probabilitas nilai X antara 𝑋1 dan 𝑋2
diatas µ)

Unjani mempunyai karyawan sebanyak 200 orang

dengan umur rata – rata 35 tahun dan standar
deviasi 5 thn. Pimpinan universitas memutuskan utk
memberikan pelatihan keterampilan kepada
karyawan dg umur 40 sampai 45 thn. Berapa banyak
karyawan yg harus mengikuti pelatihan ?

14
Contoh 4:
(Menghitung probabilitas nilai X antara 𝑋1 dan 𝑋2 diatas µ)

Unjani mempunyai karyawan sebanyak 200 orang dg umur

rata – rata 35 thn dan standar deviasi 5 thn. Pimpinan
universitas memutuskan utk memberikan pelatihan
keterampilan kepada karyawan dg umur 40 sampai 45 thn.
Berapa banyak karyawan yg harus mengikuti pelatihan ?

Penyelesaian 3:
µ = 35, 𝜎=5
Luas Dibawah
P( 40 < X < 45) hitung nilai Z
Kurva Normal
40 − 35
𝑍1 = = 1,00
5
45 − 35
𝑍2 = = 2,00
5
P (40 < X < 45) = P( 1 < Z < 2)
(Dari Tabel)
P(1 < Z) = 0,3413
P(Z < 2) = 0,4772

15
P (1,00 < Z < 2,00) = 0,4772 – 0,3413 =
0,1359.
Jadi probabilitas antara P(1,00 < Z < 2,00) =
0,1359. Sehingga karyawan yg harus diberi
pelatihan adalah = 0,1359 x 200 = 27,18
orang atau dibulatkan menjadi 27 orang.

16
SEKIAN
&
TERIMA KASIH