SEBARAN NORMAL

MERUPAKAN SEBARAN YANG SANGAT PENTING BAIK

DALAM TEORI MAUPUN PENERAPAN STATISTIKA

BANYAK FENOMENA BIOLOGIS YG MEMBANGKITKAN

DATA YANG SEBARANNYA MENDEKATI NORMAL

GRAFIK SEBARAN NORMAL, KURVA NORMAL JUGA

DISEBUT KURVA GAUSS BERBENTUK GENTA ATAU
LONCENG

LOKASI PUSAT KURVA TERLETAK PADA , SEDANG

GEMUK KURUSNYA KURVA BERGANTUNG PADA
BESARNYA 2 (RAGAM)

RAGAM YG KECIL MENYEBABKAN KURVANYA TINGGI

DAN RAMPING, SEDANG RAGAM YG BESAR
MENYEBABKAN KURVANYA PENDEK DAN GEMUK.

14-Aug-17 1
Distribusi normal merupakan konstruksi matematis,
artinya distribusi ini diturunkan dari teori matematik dan
bukannya dari suatu himpunan data yang nyata

KURVA NORMAL

14-Aug-17 2
Nilai-nilai pengamatan (X) terletak pada sumbu horizontal dan
frekuensi dinyatakan pada sumbu vertikal

Bentuk kurva normal dapat berbeda-beda tergantung dari pembuatan

skala pada sumbu horizontal maupun sumbu vertikal

Beberapa sifat kurva normal teoritis :

1. Simetris = bersifat genta (bell shaped), bentuk sebelah

menyebelah dari ttk tengan adalah sama, dengan frekuensi
tertinggi terdapat ditengah-tengah dan frekuensi lebih rendah
terletak di sebelah menyebelah ttk tengah kurva
14-Aug-17 3
2. Unimodal (satu puncak), dalam arti nilai tengah (rata-
rata), median dan modusnya mempunyai nilai yang
sama; hal ini berarti rata-rata hitung sama dengan nilai-
nilai yang paling sering muncul (modus) dan terletah di
tengah-tengah (median); kurva menjadi dua bagian yang
sama, yaitu 50% populasi mempunyai nilai dibawah
rata-rata dn 50% lainnya mempunyai nilai diatas rata-
rata

3. Asymtotis, artinya bahwa perpanjangan kurva di kedua

sisinya sampai tak terhingga dan kurva tidak akan
pernah menyentuh sumbu horizontal

14-Aug-17 4
Bentuk Kurva Bentuk kurva yang diakibatkan oleh perbedaan rentangan nilai dan
simpangan baku ada tiga macam:
1. Mesokurtik, merupakan bentuk kurva normal yang biasa, artinya bentuknya merupakan
bentuk antara leptokurtic dan platykurtic, karena penyebaran skor biasa dan tidak terjadi
kejutan-kejutan yang berarti
2. Platykurtic, merupakan kurva normal yang mendatar rendah karena perbedaan frekuensi
pada skor-skor yang mendekati rata-rata sangat kecil.
3. Leptokurtik, merupakan bentuk kurva normal yang meruncing tinggi karena perbedaan
frekuensi pada skor-skor yang mendekati rata-rata sangat kecil

14-Aug-17 5
 Luas grafiknya sama dengan satu unit persegi, dengan rincian

a. Kira-kira 68% luasnya berada di antara daerah dan +

b. Kira-kira 95% luasnya berada di antara daerah 2 dan + 2
c. Kira-kira 99% luasnya berada di antara daerah 3 dan + 3

14-Aug-17 6
Sebaliknya :

50 % variat berada dalam kisaran 0,674

95 % variat berada dalam kisaran 1,96
99 % variat berada dalam kisaran 2,576

14-Aug-17 7
NILAI Z
Dengan mengetahui nilai rata-rata, kita dapat
menyatakan suatu data (nilai pengamatan) dalam
nilai mentah (raw score = Xi, dan nilai x X X
i i

penyimpangan terhadap rata-rata (deviation score ;

, dengan melalui deviation score, kita dapat
menentukan nilai deviasi relatifnya terhadap
standar deviasinya

Nilai deviasi relatif inilah yg disebut nilai Z

14-Aug-17 8
Rumus untuk menghitung nilai Z
xi
Zi
Sd Yi
ATAU
Zi
Xi X
Zi
Sd Sd = = simpangan baku

Dengan menggunakan nilai rata-rata bobot badan = 48,92 kg dan

Standar deviasi 6,37 kg maka seorang mahasiswa (A)
yang bobot badannya 50 Kg, maka nilai Z-nya adalah

ZA = 50 48,92 / 6,37 = 0,1695

Artinya bahwa posisi mahasiswa tersebut dlm kurva terletak
Pada titik Z = 0,1695

14-Aug-17 9
Jika mahasiswa (B) dengan bobot 40 kg, maka nilai Z-nya adalah :
ZB = 40 48,92 / 6,37 = -1,4003

Artinya dalam kurva mahasiswa tersebut terletak pada titik Z = -1,4003

Perlu diperhatikan bahwa dalam kurva Z, sumbu horizontal bukan lagi

menyatakan nilai Xi (nilai pengamatan), melainkan nilai Z.
Dengan demikian kita dapat merubah nilai mentah menjadi Z
Nilai Z adalah nilai standard, karena nilai rata-ratanya adalah konstan dan
besarnya = 0.
Demikian juga standard deviasinya juga konstan dan besarnya = 1

14-Aug-17 10
Dalam statistika besaran persen atau persentase
kurang lazim digunakan, dan yg lebih sering
digunakan adalah angka pecahan decimal.

Dengan demikian luas area dibawah kurva normal

tidak dinyatakan dengan 100% melainkan 1,00

Artinya luas area di bawah kurva antara titik rata-

rata dan titik 1 tidak dinyatakan 34,13 %
melainkan 0,3413

Dengan tabel Z kita bisa melihat luas bagian di

bawah kurva normal antara dua nilai Z

14-Aug-17 11
Contoh: Dua mahasiswa (A dan B) dengan bobot badan masing-masing 46 kg dan
50 kg. Berapa persenkah mahasiswa yg memepunyai bobot badan antara 46-50?
Diketahui standar deviasi 6,37 kg

Untuk pertanyaan berikut kita hitung nilai Z dr kedua mahasiswa tersebut

Mahasiswa A ; ZA = 46 - 48,92/6,37 = - 0,46

Mahasiswa B ; ZB = 50 48,92/6,37 = 0,17

Dengan tabel Z kita lihat nilai bahwa luas area di bawah dari negatif tak terhingga
sampai ZA = -0,46 adalah 0,3228

Luas area di bawah kurva dari negatif tak terhingga sampai ZB = 0,17 adalah 0,5675
.

Luas area dibawah kurva normal antara ZB dan ZA adalah (0,5675 - 0,3228) = 0,2447

Atau nahasiswa yg mempunyai bobot antara 46-50 kg adalah sebanyak 24,47 %

14-Aug-17 12
SOAL :

Apabila data berdistribusi normal dengan = 50 dan

= 10. Maka hitung peluang munculnya nilai-nilai
peubah X di antara 45 (x1) dan 62 (x2). Simpulkan

14-Aug-17 13
DISTRIBUSI RATA-RATA CONTOH

Nilai rataan suatu contoh dengan contoh yang lain tidak akan
sama (mendekati hampir sama dengan rata-rata populasi, jika
secara acak kita melakukan beberapa kali mengadakan
penarikan sampel dari suatu populasi

Kemungkinan rataan contoh satu (x1) akan lebih tinggi

dibanding rata-rata populasi () dan sebaliknya

Untuk itu perlu dipahami beberapa teorema yg merupakan

dasar dari statistika inference (kesimpulan), yakni yang berasal
dari teorema limit pusat (Central Limit Theory) yakni :

14-Aug-17 14
 Teorema 1 ; Nilai-nilai rataan dari banyak contoh yang
berukuran sama (n-nya sama), yg diambil dari
suatu populasi yg sebarannya normal, juga
akan menyebar/tersebar normal
X2

X1
Teorema 2 ; Nilai-nilai rataan dari banyak contoh yang
X4
berukuran sama (n-nya sama), tanpa
memperhatikan bentuk sebaran populasinya,
akan mendekati sebaran normal dengan
X3 XN
meningkatkan ukuran contoh (n-nya)

Teorema 3 ; Nilai rata-rata dari nilai rataan contoh yang

banyak sekali yang sebarannya normal sama
dengan rata-rata populasinya

14-Aug-17 15
Perhitungan sebelumnya berkisar pada pengamatan
individu, sehingga pada gambar kurva dicantumkan
standar deviasi (), sedang pada rataan contoh diganti
dengan Galat baku rata-rata ( x )

61 64 67 70 73 76 79

14-Aug-17 16
Dari contoh terlihat bahwa rata-rata seluruh contoh =
rata-rata populasinya = 70; standar deviasi dari nilai-nilai
rataan contoh ( x ) adalah 3. Hal tersebut menyatakan
bahwa galat baku rata-rata (Standard error of the mean)
=3

Dengan menggunakan tabel Z, kita dapat menentukan

peluang munculnya nilai rataan contoh dalam interval
tertentu

Contoh : Berapakah peluang kita untuk mendapatkan

suatu contoh dengan rata-rata score antara 68-75?

14-Aug-17 17
Oleh karena rata-rata score bersifat kontinue, maka untuk telitinya
perhitungan, digunakan nilai batas bawah untuk score yang rendah
dan nilai batas atas untuk score yang tinggi, dengan demikian
intervalnya antara 67,5 75,5

Untuk X = 67,5 ; Z = 67,5-70/3 = -0,83

Untuk X = 75,5 ; Z = 75,5-70/3 = 1,83

Dengan tabel Z terlihat bahwa score antara 67,5 75,5 adalah =

0,9664 0,2033 = 0,7631

Atau 76,31% peluang kita untuk mendapatkan suatu contoh dengan

rata-rata score antara 68-75?

14-Aug-17 18
PERKIRAAN GALAT BAKU NILAI RATA-RATA CONTOH (ESTIMATE
STANDARD ERROR THE MEAN)

Rumus untuk memperkirakan nilai standard error

of the mean, dengan menggunakan data dari satu
kali pengambilan contoh ( S x ) karena data (angka)
diambil dari sampel adalah

Sd
Sx
N

14-Aug-17 19
Misal; dari satu pengambilan sampel dengan N=100,
didapatkan nilai rata-rata ( X( ) = 56,4 dengan Sd = 3,6.
Berapakah nilai perkiraan galat baku rata-ratanya ?

3,6
Sx 0,36
100

Kegunaan mengatahui galat baku rata-rata adalah untuk

menetapkan selang kepercayaan untuk nilai rata-rata populasi

14-Aug-17 20
SELANG KEPERCAYAAN

Salah satu permasalahan dalam statistika inference

adalah bagaimana membuat pendugaan/perkiraan
yang cukup akurat (tepat) terhadap nilai rata-rata
populasi yg tdk kita ketahui bila kita hanya
mempunyai satu nilai rataan dari satu kali
pengambilan contoh

Ingat bahwa standar deviasi dari nilai rataan contoh

disebut galat baku rata-rata (Standard error of the
mean)

14-Aug-17 21
 Karena nilai-nilai rataan contoh tersebar normal, maka
pemahaman tentang peluang dan luas area di bawah kurva
normal dapat diterapkan terhadap distribusi nilai-nilai rataan
contoh

Ex ; tentukan interval yang berpusat pada nilai rata-rata populasi

() dimana 0,95 dari nilai rataan contoh terletak dalam selang
tersebut

1. Tentukan titik di atas dan di bawah dimana nilai- nilai rataan

contoh terdapat dalam selang tersebut
2. Dengan menggunakan nilai Z (Tabel Z) diperoleh bahwa area
dibawah krva normal seluas 0,95 dengan pusatnya di tengah-
tengah, terdapat antara titik +1,96 dan -1,96

14-Aug-17 22
3. Dapat dikatakan bahwa 0,95 nilai-nilai rataan contoh terletak
antara -1,96 X dan +1,96 X
4. Dapat dikatakan bahwa peluang mendapatkan nilai rataan X
contoh, secara acak, antara antara -1,96 X dan +1,96 X
adalah 0,95

SELANG KEPERCAYAAN 0,95 = 95 %

Salah satu cara yang umum digunakan untuk menyatakan nilai

rata-rata populasi adalah dengan menyatakan selang
kepercayaan 95%

14-Aug-17 23
Dengan cara tersebut kita menentukan suatu selang yg bila
seandainya kita mengulangi pengambilan sampel tersebut
banyak kali maka, 95% dari interval-interval yang didapatkan
akan mencakup nilai rata-rata populasi
Disebutkan bahwa peluang untuk mendapatkan nilai Z, secara
acak berkisar antara -1,96 dan 1,96 adalah 0,95, pernyataan
tersebut dapat dituliskan sbb :
P(-1,96 Z 1,96) = 0,95

Dibaca : Peluang bahwa nilai Z sama dengan atau lebih besar dari
-1,96 dan sama dengan atau lebih kecil dari 1,96 adalah 0,95

14-Aug-17 24
Nilai Z ( X i X ) / S d , sehingga Z dalam persamaan di atas
diganti dengan ( X i X ) / S d
Perlu diingat bahwa kita tidak membahas data individual,
melainkan data dari banyak kali pengambilan sampel, oleh
karena itu, Xi diganti dengan X i dan X diganti dengan ()

Dengan demikian persamaan menjadi :

X i )
P(1,96 1,96) 0,05
X
Persamaan akhir :

P( X 1,96 X X 1,96 X ) 0,95

14-Aug-17 25
 Example :Hitung selang kepercayaan 95% dari rata-rata bobot badan
penduduk laki-laki indonesia dewasa, melalui 100 orang laki-laki
indonesia dewasa sebagai sampel yang diambil secara acak. Rata-rata =
59 dan Sd=6

6
1. Hitung S x 100 0,6
1,96S X dan 1,96S X
2. Selang kepercayaan 95% terletak antara titik

3. Maka batas bawah selang kepercayaan 95% adalah 59-(1,96x0,6)kg =

57,82 kg dan batas atas adalah 59+(1,96x0,6)kg=60,18 kg

4. Dapat disebutkan bahwa selang kepercayaan 95% untuk rata-rata bobot

badan penduduk laki-laki indonesia dewasa dari sampel kita adalah antara
57,82 dan 60,18 kg.

14-Aug-17 26
 Simpulan lain bahwa dari sekian peluang
interval yang kita buat, 95% dari padanya
akan memiliki nilai yang berada didalamnya

Soal : Dengan data yang sama buat selang

kepercayaan 99 %

14-Aug-17 27