I WAYAN WINARSA
Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De
Moivre menemukan persamaan matematika untuk kurva normal
yang menjadi dasar dalam banyak teori statistik inferensial
(induktif). Menurutnya suatu peubah acak X dengan rata-rata (µ)
dan varians (σ2) mempunyai fungsi densitas:
Dengan:
1 1 𝑥−𝜇 2 𝜋 = 3,14159
−
𝑓(𝑥) = 𝑒 2 𝜎 𝜎 = simpangan baku
𝜎 2𝜋 𝜇 = rata − rata X
𝑒 = 2,71828
Sehingga dengan rata-rata (µ) dan varians (σ2) yang diketahui, maka
seluruh kurva normal dapat diketahui.
Distribusi normal lebih lanjut dikembangkan oleh Piere Simon
de Laplace dan kemudian Legendre pada tahun 1805. Sementara
Gauss mengklaim telah menggunakan distribusi normal sejak
tahun 1794, dan hingga kini distribusi normal sering disebut
sebagai distribusi Gauss.
Distribusi normal baku adalah distribusi normal yang
memiliki rata-rata (µ) nol dan simpangan baku (σ) satu.
Grafiknya disebut kurva normal, oleh Jouffret (1872) disebut
kurva lonceng/genta (bell curve).
KARAKTERISTIK DISTRIBUSI NORMAL
Suatu distribusi data dikatakan berdistribusi normal apabila
data berdistribusi simetris, yaitu bila nilai rata-rata, median dan
modus sama. Karakteristik distribusi normal antara lain:
1. Grafiknya akan selalu di atas sumbu datar x
2. Bentuknya simetris terhadap x = µ.
3. Mempunyai satu modus (unimodal)
4. Grafiknya mendekati (berasimptot) sumbu datar x
5. Luas daerah grafik selalu sama dengan satu satuan unit
persegi
Bentuk kurva yang tidak memiliki kriteria di atas dikenal
dengan distribusi tidak simetris (distribusi menceng kekiri
atau kekanan)
Perludiketahui bahwa luas kurva normal adalah satu
(sebagaimana konsep probabilitas). Dengan demikian, luas
kurva normal pada sisi kiri = 0,5; demikian pula luas kurva
normal pada sisi kanan = 0,5
LUAS DI BAWAH KURVA
DAN PROBABILITAS
Sebuah kurva normal, sangat penting dalam menghitung
peluang sebab daerah yang ada dalam kurva tersebut
menunjukkan besarnya peluang.
Dalam kajian statistika, luas daerah yang menunjukkan
besarnya peluang itu disusun dalam sebuah daftar (tabel).
Daftar (tabel) tersebut adalah daftar (tabel) distribusi normal
baku (standar)
P(𝑥1 < 𝑥 < 𝑥2 ) = probabilitias variabel random x memiliki nilai antara 𝑥1 dan 𝑥2
P(𝑥1 < 𝑥 < 𝑥2 ) = luas di bawah kurva antara 𝑥 = 𝑥1 dan 𝑥 = 𝑥2
𝑥1 < 𝑥 < 𝑥2
Oleh karena perhitungan integral normal tersebut sulit, maka disusunlah
daftar (tabel) nilai rapat probabilitas. Akan tetapikarena nilai rapat
probabilitasnya tergantung pada μ dan σ maka sangatlah tidak mungkin
mentabelkan untuk semua nilai μ dan σ
distribusi normal baku (standar) adalah distribusi normal dengan mean μ =
0 dan standard deviasi σ = 1
𝑋−𝜇
𝑍=
𝜎
Z = Skor Z atau nilai normal baku
X = Nilai dari suatu pengamatan atau
pengukuran
µ = Nilai rata-rata hitung (mean)
𝜎 = Standar deviasi
Untuk mempermudah dalam mencari luas di bawah kurva
normal, perlu diperhatikan beberapa hal berikut:
1. Hitung luas z hingga dua desimal, misal z = 0,18
2. Gambarkan kurvanya
3. Letakkan harga z pada sumbu datar, lalu tarik garis vertikal
hingga memotong kurva.
4. Luas daerah yang tertera dalam daftar adalah daerah antara
garis vertikal yang ditarik dari titik harga z tadi dengan garis
tegak di titik nol.
5. Dalam daftar distribusi normal baku, harga z pada kolom
paling kiri hanya memuat satu desimal dan desimal kedua
dicari pada baris paling atas
6. Dari z kolom paling kiri, maju ke kanan dan dari z pada baris paling atas
turun ke bawah, maka diperoleh bilangan yang merupakan daerah yang
dicari (biasanya ditulis dalam empat desimal).
7. Karena luas seluruh kurva adalah satu satuan luas persegi, dan kurva
simetris di titik 0, maka luas dari garis tegak pada titik nol ke kiri ataupun
ke kanan adalah 0,5 satuan luas.
8. Untuk mencari nilai z, jika luasnya diketahui lakukan kebalikan point 6.
Misal: diketahui luas daerah di bawah kurva normal = 0,9931 maka dalam
tabel dicari angka 0,9931 lalu menuju ke kiri sampai pada kolom paling kiri
(kolom z) diperoleh angka 2,4. selanjutnya kembali ke angka 0,9931 lalu
menuju ke atas sampai pada baris paling atas, dan diperoleh angka 6. jadi
harga z yang diperoleh adalah 2,46.
Tentukan nilai z jika diketahui luas daerah di bawah kurva normal
sbg berikut:
a) 0,9082
b) 0,8830
c) 0,0162
d) 0,4129
Jawab:
a) 1,33
b) 1,19
c) – 2,14
d) – 0,22
Pergunakanlah tabel distribusi normal standard untuk
menghitung luas daerah:
a) Di sebelah kanan z = 1.84
b) Antara z = -1.97 s/d z = 0.86
Jawab:
Ingat bahwa luas yg diberikan dalam tabel distribusi normal
komulatif adalah luas dari z= - ∞ s/d 𝑧0 tertentu : P(z < 𝑧0 ).
a) P(z >1,84) = 1 – P(z >1.84) = 1 – 0,9671 = 0,0329
b) P(-1,97< z <0,86) = P( z < 0,86) – P( z < -1,97) = 0,8051 –
0,0244 = 0,7807
Contoh:
Luas di bawah kurva normal non standard
Variaber X terdistribusi normal dengan mean 50 dan standard deviasi =10.
Carilah probabilitas untuk menemukan X bernilai antara 45 dan 62?
Diketahui: μ = 50 dan σ = 10. x1 = 45 dan x2 = 62
Ditanya: P(45 < x < 62)?
Pertama kita mapping (transformasi) x ke z (melakukan normalisasi
atau standardisasi):
z1 = (x1 -μ)/σ z1 = (45-50)/10 = -0,5
z2 = (x2 -μ)/σ z2 = (62-50)/10 = 1,2
Sehingga :
P(45 < x < 62) = P(-0.5 < z < 1,2)
P(-0.5 < z <1.2) = P(z < 1,2) – P( z< -0,5
= 0,8849 – 0,3085= 0,5764
Sebuah perusahaan bola lampu pijar mengetahui bahwa umur
lampunya (sebelum putus) terdistribusi secara normal dengan
rata-rata umurnya 800 jam dan standar deviasinya 40 jam. Carilah
probabilitas bahwa sebuah bolam produksinya akan: Berumur
antara 778 jam dan 834 jam
Diketahui : μ = 800 dan σ = 40
P(778 < x < 834)
x1=778 z1 = (x1-μ)/σ = (778 - 800)/40 = -0,55
x =834 z2 = (x2-μ)/σ = (834 - 800)/40 = 0,85
2
P(778<x<834) = P(-0,55 < z < 0,85) = P(z < 0,85) - P(z < -0,55)
= 0,8023 – 0,2912 = 0,5111
Bertujuan untuk mengidentifikasi model distribusi dari suatu
populasi. Model distribusi dati suatu opulasi dapat dilihat dari
bentuk kelengkungan atau kemiringan serta kelancipan kurvanya.
Kecondongan suatu kurva dapat dilihat dari perbedaan letak mean,
median dan modusnya. Jika ketiga ukuran pemusatan data tersebut
berada pada titik yang sama, maka dikatakan simetris atau data
berdistribusi normal. Sedangkan jika tidak berarti data tidak simetris
atau tidak berdistribusi normal.
Ukuran kecondongan data terbagi atas tiga bagian, yaitu :
Kecondongan data ke arah kiri (condong negatif) dimana nilai mean
lebih kecil dari median dan modus (mean < median < modus).
Kecondongan data simetris (distribusi normal) dimana nilai mean,
median dan modus adalah sama (mean = median = modus).
Kecondongan data ke arah kanan (condong positif) dimana nilai
mean lebih dari nilai median dan modus (mean >median> modus).
Metode yang digunakan untuk menghitung nilai suatu koefisien
kemiringan (𝛽1 )
Metode Karl Pearson I
ത
𝑋−𝑀𝑜
𝛽1 =
𝜎
Metode Karl Pearson II
ത
3(𝑋−𝑀𝑒)
𝛽1 =
𝜎
Koefisien Kemiringan dengan Kuartil
𝐾3 +2𝐾2 +𝐾1
𝛽1 =
𝐾3 −𝐾1
Koefisien Kemiringan dengan Presentil
𝑃90 −2𝑃50 +𝑃10
𝛽1 =
𝑃90 −𝑃10
Keterangan:
Jika 𝛽1 > 0, maka diperoleh model positif
Jika 𝛽1 < 0, maka diperoleh model negative
Jika 𝛽1 = 0, maka diperoleh model simetris
Diketahui nilai ujian IPA kelas VIIA tahun 2018 yang diikuti 65 orang
siswa adalah sbg berikut:
NO KELAS INTERVAL KELAS FREKUENSI
1 50-54 7
2 55-59 12
3 60-64 14
4 65-69 11
5 70-74 8
6 75-79 6
7 80-84 4
8 85-89 2
9 90-94 1
JUMLAH 65
Tentukanlah nilai koefisien kemiringannya!
Metode Karl Pearson I
ത
𝑋−𝑀𝑜
𝛽1 =
𝜎
ത
a. Mencari nilai rata-rata/mean (𝑋)
JUMLAH
INTERVAL KELAS TITIK TENGAH (𝑡𝑖 ) 𝑓𝑖 (𝒕𝒊 )𝟐 𝑓𝑖 × (𝒕𝒊 )𝟐
(𝑡𝑖 . 𝑓𝑖 )
50-54 52 7 364 2704 18928
55-59 57 12 684 3249 38988
60-64 62 14 868 3844 53816
65-69 67 11 737 4489 49379
70-74 72 8 576 5184 41472
75-79 77 6 462 5929 35574
80-84 82 4 328 6724 26896
85-89 87 2 174 7569 15138
90-94 92 1 92 8464 8464
4285
ത
b. Menghitung mean (𝑋)
Σ(𝑡𝑖 𝑓𝑖 ) 4285
𝑋ത = = = 65,9
Σ𝑓𝑖 65
c. Menghitung standar deviasi (𝜎)
2 Σ(𝑡𝑖 𝑓𝑖 )2 42852
Σ𝑡𝑖 𝑓𝑖 − 288655 − 6174,6
Σ𝑓𝑖 65 =
𝜎= = = 9,8
Σ𝑓𝑖 65 65
d. Menghitung nilai modus (Mo)
𝐹1 2
𝑀𝑜 = 𝐵𝑏 + 𝑃 = 59,5 + 4 = 61,1
𝐹1 + 𝐹2 3+2
e. Menghitung koefisien nilai kemiringan (𝛽1 )
ത
𝑋−𝑀𝑜 69,5−61,1
𝛽1 = = = 0,4948
𝜎 9,8
f. Menghitung Median (Me)
1ൗ . 𝑛 − 𝐽𝑓 1ൗ . 65 − 19
𝑀𝑒 = 𝐵𝑏 + 𝑃 2 = 59,5 + 4 2 = 63,4
𝑓 14
Hasil yang diperoleh:
𝑀𝑒𝑎𝑛 (𝑋) = 65,9
𝑀𝑒 = 63,4
𝑀𝑜 = 61,1
𝛽1 = 0,4948
Simpulan:
Karena koefisien kemiringan 𝛽1 = 0,4948 (bernilai positif) dan memenuhi
kriteria mean (65,9) > median (63,4) > modus (61,1), maka distribusi
tersebut mempunyai model positif.
Histogram Ujian IPA SMP Kelas VIIIA
16
14
14
12 50-54
12
11
55-59
10 60-64
65-69
8
8 70-74
7
6 75-79
6 80-84
4 85-89
4
90-94
2
2
1
0
Keruncingan dinilai sebagai bentuk distorsi dari kurva normal.
Tingkat keruncingan diukur dengan membandingkan bentuk
keruncingan kurva distribusi data dengan kurva normal. Terbagi
atas tiga, yaitu :
Leptokurtic, yaitu bagian tengah distribusi data memiliki
puncak yang lebih runcing (nilai keruncingan lebih dari 3).
Platykurtic, yaitu bagian tengah distribusi data memiliki
puncak yang lebih datar (nilai keruncingan kurang dari 3).
Mesokurtic, yaitu bagian tengah distribusi data
memiliki puncak diantara Leptokurtic dan Platykurtic (nilai
keruncingan sama dengan 3).
Metode yang digunakan untuk menghitung nilai suatu
keruncingan atau koefisien keruncingan 𝛽2 :
Presentil Koefisien Kurtosis
1Τ (𝐾 −𝐾 )
𝛽2 = 2 3 2
𝑃90 −𝑃10
Momen Koefisien Kurtosis
𝑚4
𝛽2 = 4 − 3
𝑠
Dimana:
Σ𝑓𝑖 (𝑡𝑖 − 𝑥)ҧ 4
𝑚4 =
Σ𝑓𝑖
Diketahui nilai ujian IPA kelas VIIA tahun 2018 yang diikuti 65 orang
siswa adalah sbg berikut:
NO KELAS INTERVAL KELAS FREKUENSI
1 50-54 7
2 55-59 12
3 60-64 14
4 65-69 11
5 70-74 8
6 75-79 6
7 80-84 4
8 85-89 2
9 90-94 1
JUMLAH 65
Tentukanlah nilai koefisien kelancipannya!
Momen Koefisien Kurtosis
𝑚4
𝛽2 = 4 − 3
𝑠
Dimana:
ത 4
Σ𝑓𝑖 (𝑡𝑖 − 𝑋)
𝑚4 =
Σ𝑓𝑖
a. Membuat table bantuan
TITIK TENGAH JUMLAH
INTERVAL KELAS 𝑓𝑖 𝑋ത ത 𝟒
𝑓𝑖 (𝑡𝑖 − 𝑋)
(𝑡𝑖 ) (𝑡𝑖 . 𝑓𝑖 )
50-54 52 7 364 65.92 262817.92
55-59 57 12 684 65.92 75969.74
60-64 62 14 868 65.92 3305.77
65-69 67 11 737 65.92 14.97
70-74 72 8 576 65.92 10932.12
75-79 77 6 462 65.92 90429.53
80-84 82 4 328 65.92 267426.33
85-89 87 2 174 65.92 394922.99
90-94 92 1 92 65.92 462626.33
1568445.71
b. Mencari nilai m4
Σ𝑓𝑖 (𝑡𝑖 − 𝑥)ҧ 4 1568445,71
𝑚4 = = =24129,94
Σ𝑓𝑖 65
c. Mencari nilai 𝜎 4
𝜎 4 = 9,84 = 9023,9
d. Sehingga koefisien kelancipan (𝛽2 )
𝑚4 24129,94
𝛽2 = −3= − 3 = -0,33
𝑠4 9023,9
Kesimpulan: Karena nilai koefisien kelancipan lebih kecil dari 3
(𝛽2 <3) maka distribusi tersebut berjenis platikurtis
