Sifat data terdistribusi normal.

Cara membaca tabel distribusi normal.

Hitungan probabilitas nilai dengan tabel distribusi normal.
Distribusi normal
Merupakan model distribusi probabilitas untuk
variabel yang kontinu.

Distribusi ini merupakan pendekatan untuk

menghitung probabilitas timbulnya gejala yang
diharapkan (gejala sukses) dari sejumlah n kejadian,
untuk variabel random yang sifatnya sinambung atau
kontinyu.
Distribusi normal
 Suatu distribusi dari sejumlah variabel dapat
dikatakan mendekati distribusi normal apabila:
 Kira-kira 68% dari datanya terletak di dalam interval
(μ-σ) dan (μ+σ) , atau
 Kira-kira 95% dari datanya terletak di dalam interval (μ-
2σ) dan (μ+2σ) , atau
 Kira-kira 99% dari datanya terletak di dalam interval (μ-
3σ) dan (μ+3σ) .
 Distribusi Normal

Distribusi Normal : kurva berbentuk bel, simetris terhadap sumbu yang

melalui nilai rata-rata

Kurtosis = keruncingan

Skewness = kemiringan

+3s  +2s  -s   +s  +2s  +3s

68%
95%
99%

• Rasio Skewness & Kurtosis berada –2 sampai +2

Rasio = nilai
Standard error
• Jika tidak berdistribusi normal, lakukan uji normalitas.
Probabilitas fungsi massal
 Jika X adalah sebuah variabel rambang normal,
dengan rata-rata populasi μ dan simpangan baku σ,
maka probabilitas fungsi massal dari X adalah:

X 
P( X )  Z 


 Z menunjukkan luas area dalam distribusi normal

untuk X tertentu. Selanjutnya, besarnya probabilitas
untuk nilai-nilai Z tertentu (dari hasil perhitungan)
dapat dicari pada tabel area kurva normal.
Nilai harapan dan varian
 Untuk variabel yang berasal dari suatu distribusi
normal, nilai rata-rata harapan (expeced value) dan
variannya adalah sama dengan rata-rata populasi dan
varian populasi.

E( X )  

V (X )   2
Kurva normal
 Dalam hal-hal tertentu jika nilai yang persis tidak
didapatkan, harus dilakukan interpolasi dari dua nilai
yang mengapitnya, atau boleh juga menggunakan
nilai yang paling mendekati.
 Area di bagian kiri kurva normal merupakan area bagi
variabel-variabel yang nilainya di bawah (lebih kecil
dari) nilai rata-rata populasi, sedangkan bagian kanan
kurva merupakan area bagi variabel-variabel yang
nilainya di atas (lebih besar dari) nilai rata-rata
populasi.
Kurva normal
 Seluruh area kurva normal = 1

 Luas area bagian kanan kurva = luas area bagian kiri

kurva = 0,50

 Dalam menghitung luas kurva (Z ) untuk nilai-nilai

variabel X pada interval tertentu, perlu diperhatikan
letak nilai-nilai X tersebut terhadap nilai rata-rata
populasinya (μ).
Kurva normal
 Kurva normal pada hakekatnya merupakan
pembakuan dari kurva sebuah populasi yang variabel-
variabelnya (dianggap) berdistribusi normal.
 Nilai-nilai absolut dari variabel populasinya ( X)
diterjemahkan ke dalam bentuk nilai-nilai Z dari
sebuah kurva normal, agar sebaran dari variabel-
variabel populasi tersebut dapat diamati dengan
pendekatan kurva normal.
 Pada distribusi normal yang baku atau standard
normal distribution, variabel rambangnya adalah Z
dengan μ = 0 dan σ2 = 1.
Kurva normal
 Z adalah absis dari kurva distribusi normal yang
sebenarnya (baku) dengan rata-rata populasi sama
dengan nol dan simpangan baku populasi sama
dengan satu.

 Sedangkan X adalah absis dari kurva sebuah populasi

berdistribusi normal yang belum standar, dimana rata-
rata populasinya sama dengan μ (μ≠0) dan
simpangan baku populasinya sama dengan σ (σ≠1).
Kurva normal
 Sebuah populasi dikatakan berdistribusi normal baku
apabila rata-rata populasinya (μ=0) dan simpangan
bakunya (σ=1 ), sehingga nilai variabel rambang yang
akan dicari probabilitasnya langsung dapat dihitung
dengan cara:

Z  Z 2  Z1
Kurva normal
 Sedangkan sebuah populasi dikatakan belum
berdistribusi normal secara baku apabila rata-rata
populasinya (μ≠0) dengan simpangan bakunya belum
tentu sama dengan 1, sehingga nilai variabel rambang
yang akan dicari probabilitasnya harus dihitung
melalui cara:

X 
Z 

Tabel Z
Setengah Luasan
8 kondisi Kemungkinan
Contoh hitungan 1
 Andaikan suatu populasi yang variabel-variabelnya
berdistribusi normal mempunyai nilai rata-rata
populasi (μ=0), hitunglah probabilitas variabelnya
yang terletak pada area antara Z = -1,28 dan Z = 0.
 Hitungan:
= 0 – (-1,28) = 1,28
(lihat baris 1,2 dan kolom 0,08).
 Jadi probabilitas variabel-variabel yang terletak pada
area antara Z = 0 dan Z = -1.28 adalah 0,3997 atau
39,97%.

Z1, 28  0,3997 Z  Z 2  Z1
Contoh hitungan 2
 Andaikan suatu populasi yang variabel-variabelnya mempunyai
nilai rata-rata populasi (μ=60) dan simpangan baku populasi
(σ=12), hitunglah probabilitas variabelnya yang terletak pada
area antara X1 = 68 dan X2 = 84.
 Hitungan:
Z 
X   68  60
1
  0,6666
(lihat di tabel  0.2454)

1
12

Z2 
X2  

84  60
2
(lihat di tabel  0.4772 )
 12

 Jadi probabilitas variabel-variabel yang terletak pada area antara

X1 = 68 dan X2 = 84 adalah 0.2318 atau 23.18 %.
 Jika N = 1000, pengamatan dilakukan 1000 x 23.18 % = 231.8 kali
≈ 232 kali

Z  Z2 (tabel)  Z1 (tabel)
Tugas
 Data nilai mahasiswa suatu kelas mempunyai distribusi
normal. Jumlah mahasiswa tersebut 200 orang dengan
rentang nilai dari 0 – 100. Nilai rata-rata populasi (μ=60)
dan simpangan baku populasi (σ=12).
Tentukan jumlah mahasiswa yang mempunyai nilai :
 Lebih dari 80
 Kurang dari 30
 Lebih dari 50
 Kurang dari 75
 Nilai antara 40 sampai dengan 70