ISTRIBUSI NORMAL

Rudi Salam
 Distribusi Normal
Distribusi Normal (Gaussian) adalah distribusi paling
penting dari semua distribusi peluang. Fungsi kepekatan
peluang (FKP) (probability density function-PDF) dari
variabel random normal adalah:

Gambar seperti:
Berbentuk Lonceng (bell shaped),
Simetris di sekitar rata-rata, μ
Rudi Salam - 2
 Distribusi Normal
Hal penting yang perlu dicatat:
Distribusi normal didefinisikan oleh dua parameter:
standar deviasi dan rata-rata

Distribusi normal berbentuk lonceng dan

Simetris di sekitar rata-rata

Batas distribusi normal : minus tak hingga ke plus tak hingga

Rudi Salam - 3
 Sifat Distribusi Normal
Sifat-Sifat Distribusi Normal:

1. Rata-ratanya (mean) μ dan standard deviasinya = σ

2. Mode (maximum) terjadi di x = μ
3. Bentuknya simetrik thd x = μ
4. Titik belok tepat di x = μ ± σ
5. Kurva mendekati nol secara asimptotis semakin x
jauh dari x = μ
6. Total luasnya = 1

Rudi Salam - 4
 Distribusi Normal
Distribusi normal digambarkan oleh dua parameter:
rata-rata μ dan standar deviasi σ. Memperbesar rata-
rata akan menggeser kurva ke kanan.

Rudi Salam - 5
 Distribusi Normal
Distribusi normal digambarkan oleh dua parameter:
Rata-rata μ dan standar deviasi σ. Memperbesar
standar deviasi “flattens” kurva.

Rudi Salam - 6
 Distribusi Normal Standar
Distribusi normal dengan rata-rata nol dan standar deviasi
satu dinamakan distribusi normal standar.
0
1
1

Nanti akan bisa dilihat bahwa sembarang distribusi

normal dapat di-converted menjadi distribusi normal
standar dengan aljabar sederhana. Hal ini membuat
penghitungan menjadi lebih mudah. Rudi Salam - 7
 Menghitung Peluang Normal
Kita dapat menggunakan fungsi berikut untuk meng-
convert sembarang variabel random normal menjadi
variabel random normal standar

Saran: Selalu buatkan

gambarnya!
Rudi Salam - 8
 Menghitung Peluang Normal
Kita dapat menggunakan fungsi berikut untuk meng-
convert sembarang variabel random normal menjadi
variabel random normal standar

Ini menggesar rata-

rata X menjadi nol…

Rudi Salam - 9
 Menghitung Peluang Normal
Kita dapat menggunakan fungsi berikut untuk meng-
convert sembarang variabel random normal menjadi
variabel random normal standar

Ini merubah bentuk

dari kurva…

Rudi Salam - 10
 Menghitung Peluang Normal
Contoh:
Waktu yang dibutuhkan untuk
merakit computer berdistribusi
normal dengan rata-rata
50 menit dan standar
deviasi of 10 minutes:

Berapa peluang bahwa computer dirakit dalam rentang

waktu antara 45 dan 60 menit?

Secara aljabar, berapa P(45 < X < 60) ?

Rudi Salam - 11
 Menghitung Peluang Normal
P(45 < X < 60) ?
…rata-rata 50 menit dan
standar deviasi 10 menit…

Rudi Salam - 12
 Menghitung Peluang Normal
OK, kita telah meng-convert P(45 < X < 60)
distribusi normal dengan rata-rata = 50 dan standar
deviasi = 10
menjadi
P(–0.5 < Z < 1) [i.e. distribusi normal standar
dengan rata-rata = 0 dan standar deviasi = 1]
Sehingga…

(Selanjutnya bagaimana?!)
Rudi Salam - 13
 Menghitung Peluang Normal
P(–0.5 < Z < 1) terlihat seperti gambar berikut:

Nilai Peluang adalah luas

di bawah kurva…

Kita akan menjumlahkan

dua bagian:
P(–0.5 < Z < 0) dan
P(0 < Z < 1)
0
–0.5 … 1 Rudi Salam - 14
 Menghitung Peluang Normal
Kita dapat menggunakan Tabel Normal
(biasa ada pada buku statistik)
untuk mencari peluang P(0 < Z < z)

Kita dapat memecah P(–0.5 < Z < 1)

menjadi: P(–0.5 < Z < 0) + P(0 < Z < 1)

Karena distribusi simetris di sekitar nol, maka dengan

mengalikan minus satu kita mempunyai bentuk:
P(–0.5 < Z < 0) = P(0.5 > Z > 0) = P(0 < Z < 0.5)

Sehingga: P(–0.5 < Z < 1) = P(0 < Z < 0.5) + P(0 < Z < 1)
Rudi Salam - 15
 Menghitung Peluang Normal
Bagaimana menggunakan
Tabel Normal Setengah Luas
Tabel ini menghitung peluang
P(0 < Z < z)
Kolom pertama = integer + desimal pertama
Baris atas = tempat desimal kedua

P(0 < Z < 0.5)

P(0 < Z < 1)

P(–0.5 < Z < 1) = 0.1915 + 0.3414 = 0.5328 Rudi Salam - 16

 Menghitung Peluang Normal
Recap: Waktu yang dibutuhkan untuk merakit komputer
berdistribusi normal dengan rata-rata 50 menit dan standar
deviasi 10 menit
Berapa peluang bahwa komputer dirakit dalam waktu di
antara 45 dan 60 menit?

P(45 < X < 60) = P(–0.5 < Z < 1) = 0.5328

“Just over half the time, 53% or so, a computer will have an
assembly time between 45 minutes and 1 hour”
Hanya lebih dari separuh waktu, 53% atau lebih, komputer
akan memiliki waktu perakitan antara 45 menit dan 1 jam

Rudi Salam - 17
 Menggunakan Tabel Normal
Berapa P(Z > 1.6) ?
P(0 < Z < 1.6) = 0.4452

0 1.6
P(Z > 1.6) = 0.5 – P(0 < Z < 1.6)
= 0.5 – 0.4452
= 0.0548 Rudi Salam - 18
 Menggunakan Tabel Normal
Berapa P(Z < -2.23) ? P(0 < Z < 2.23)

P(Z < -2.23) P(Z > 2.23)

z
-2.23 0 2.23
P(Z < -2.23) = P(Z > 2.23)
= 0.5 – P(0 < Z < 2.23)
= 0.0129
Rudi Salam - 19
 Menggunakan Tabel Normal
Berapa P(Z < 1.52) ?
P(Z < 0) = 0.5 P(0 < Z < 1.52)

z
0 1.52
P(Z < 1.52) = 0.5 + P(0 < Z < 1.52)
= 0.5 + .4357
= .9357 Rudi Salam - 20
 Menggunakan Tabel Normal
Berapa P(0.9 < Z < 1.9) ?
P(0 < Z < 0.9)

P(0.9 < Z < 1.9)

z
0 0.9 1.9
P(0.9 < Z < 1.9) = P(0 < Z < 1.9) – P(0 < Z < 0.9)
=0.4713 – 0.3159
= 0.1554 Rudi Salam - 21
 Contoh 2
Laba atas investasi berdistribusi normal dengan rata-
rata 10% dan standar deviasi 5%. Berapa peluang akan
kehilangan uang?

Kita ingin menentukan P(X < 0). Thus,

 X   0  10 
P(X  0)  P  
  5 
 P( Z   2)
 .5  P(0  Z  2)
 .5  .4772
 .0228 Rudi Salam - 22
 Contoh 2
Jika standar deviasi adalah 10, peluang kehilangan uang
adalah P(X < 0)
 X   0  10 
P(X  0)  P  
  10 
 P( Z   1)
 .5  P(0  Z  1)
 .5  .3413
 .1587
Dengan demikian, peningkatan standar deviasi akan
meningkatkan peluang kehilangan uang, itulah sebabnya
mengapa standar deviasi (atau varians) merupakan ukuran
risiko (measure of risk).
Rudi Salam - 23
 Menentukan Nilai Z
Seringkali kita diminta untuk mencari nilai Z untuk
suatu peluang tertentu, misal diketahui daerah (A) di
bawah kurva, berapa nilai dari z (zA) pada sumbu
horisontal yang memberi kita daerah ini? Yaitu:
P(Z > zA) = A

Rudi Salam - 24
 Menentukan Nilai Z
What value of z corresponds to an area under the curve of
2.5%? That is, what is z0.025 ?

Area = 0.025
Area = 0.50

Area = 0.50–0.025 = 0.4750

If you do a “reverse look-up” on Tabel normal for 0.4750,

you will get the corresponding zA = 1.96
Since P(z > 1.96) = 0.025, we say: z0.025 = 1.96 Rudi Salam - 25
 Menentukan Nilai Z
Other Z values are
Z0.05 = 1.645
Z0.01 = 2.33

Rudi Salam - 26
 Menggunakan Nilai Z
Because z0.025 = 1.96 and - z0.025= -1.96, it follows
that we can state

P(-1.96 < Z < 1.96) = 0.95

Similarly
P(-1.645 < Z < 1.645) = 0.90

Rudi Salam - 27
 Pendekatan Normal ke Binomial
Jika X adalah variabel random dengan rata-rata
μ=np dan variansi σ2=npq, maka jika n  ∞ dan
p tidak terlalu dekat dengan 0 atau 1, maka
bentuk distribusi variabel Z :

x  np
Z
npq

adalah distribusi normal standar.

Rudi Salam - 28
 Pendekatan Normal ke Binomial
Contoh berikut ini untuk n=15, p=0.4
Distribusi Normal-Binomial

0.25

0.2

0.15 Binom
normal
0.1

0.05

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Rudi Salam - 29
 Contoh 3
Probabilitas seorang pasien sembuh dari sebuah
penyakit adalah 0.4. Jika 100 orang menderita
sakit tsb, berapakah probabilitasnya bahwa yg
sembuh kurang dari 30 orang?

Jawab:
Ini adalah distribusi binomial, dengan n=100,
p=0.4, q=1-0.4=0.6, jika x adalah jumlah orang
yg sembuh, maka ingin dicari adalah:
P(x<30) = B(r=30;n=100, p=0.4).
Rudi Salam - 30
 Contoh 3
Atau karena n besar dan p tidak terlalu kecil atau
dekat 1, maka distribusi binomial akan didekati
dengan distribusi normal dengan rata-rata
μ = np = 100*0.4 = 40 dan
σ = √(npq) = √(100*0.4*0.6) = 4.899.
Hitung dulu
z = (x-μ)/σ= (30-40)/4.899 = -2.04
Berarti P(x<30) = P (z< -2.04) = 0.0207
31
 Soal 1
Cari nilai z bila luas di bawah kurva normal
standar
a. 0,3622 ke sebelah kanan z
b. 0,1131 ke sebelah kiri z
c. 0,4838 antara 0 dan z, bila z > 0
d. 0,9500 antara -z dan z, bila z > 0

32
 Soal 2
Diketahui suatu distribusi normal standar,
carilah nilai k sehingga
a. P(Z < k) = 0,0427
b. P(Z > k) = 0,2946
c. P(-0,93 < Z < k) = 0,7235

33
 Soal 3
Diketahui peubah X yang berdistribusi normal
dengan rata-rata 18 dan standar deviasi 2,5.
Hitunglah
a. P(X < 15)
b. Nilai k sehingga P(X < k) = 0,2236
c. Nilai k sehingga P(X > k) = 0,1814
d. P(17 < X < 21)

34
 Soal 4
Roti tawar yang dijual ke toko-toko oleh tukang
roti mempunyai panjang rata-rata 30 cm dan
standar deviasi 2 cm. Misalkanlah panjangnya
berdistribusi normal, berapa persenkah roti yang
a. Panjangnya lebih dari 31,7 cm?
b. Panjangnya antara 29,3 dan 33,5 cm?
c. Panjangnya kurang dari 25,5 cm?

35
 Soal 5
Seorang pengacara tiap hari berkendara ke
kantornya. Rata-rata waktu perjalanan satu arah
adalah 24 menit dengan standar deviasi 3,8 menit.
Misalkan waktu perjalanan ini berdistribusi normal.
a. Berapa peluangnya perjalanan tersebut
memakan waktu paling tidak 1/2 jam?
b. Bila kantornya buka jam 9.00 dan dia berangkat
ke kantor jam 8.45 tiap hari, berapa persen dari
waktu dia akan terlambat?
36
 Soal 5
c. Bila dia berangkat jam 8.35 dan di kantor
minuman kopi disajikan antara 8.50 dan 9.00,
berapa peluangnya dia tidak kebagian kopi?
d. Cari lamanya perjalanan yang di atasnya
merupakan waktu 15% terlama
e. Cari peluangnya bahwa 2 dari 3 perjalanan
berikutnya akan ditempuh paling tidak dalam
1/2 jam.

37
 Soal 6
Bila sekumpulan pengamatan berdistribusi
normal, berapa persenkah dari sekumpulan
pengamatan yang berbeda dengan rata-rata
sebanyak
a. Lebih dari 1,3 σ?
b. Kurang dari 0,52 σ?

38