OUTLINE

BAGIAN II Probabilitas dan Teori Keputusan

Konsep-konsep Dasar Pengertian dan Karakteristik

Distribusi Probabilitas Normal
Probabilitas
Distribusi Probabilitas Normal
Distribusi Probabilitas Standar
Diskret
Penerapan Distribusi
Probabilitas Normal Standar
Distribusi Normal
Pendekatan Normal
Terhadap Binomial
Teori Keputusan
Menggunakan MS Excel
untuk Distribusi Probabilitas

1
Pendahuluan

Diantara sekian banyak distribusi

barangkali distribusi normal merupakan
distribusi yang secara luas banyak
digunakan dalam berbagai penelitian.
Banyak kejadian yang dapat dinyatakan
dalam data hasil observasi per eksperimen
yang mengikuti distribusi normal. Misalkan
antara lain tinggi badan, berat badan, isi
sebuah botol, nilai hasil ujian dan lain-lain.
Distribusi
Pengertian probabilitas
Distribusinormal merupakan
Probabilitas Normal salah satu
distribusi yang paling penting dalam statistika.

Distribusi normal, disebut pula distribusi Gauss,

adalah distribusi probabilitas yang paling banyak
digunakan dalam berbagai analisis statistika.
Karakteristik Distribusi Probabilitas Normal :
Karakteristik Distribusi Probabilitas Normal
 Kurva berbentuk genta atau lonceg dan memiliki satu puncak yang
terletak di tengah. Nilai rata-rata hitung sama dengan median dan
modus
 Distribusi probabilitas dan kurva normal berbentuk kurva simetris
dengan rata-rata hitungnya
 Kurva ini menurun di kedua arah yaitu keeeeee kanan untuk nilai
positif tak terhingga dan kekiri untuk nilai negatif tak terhingga
 Luas daerah yang terletak di bawah kurva normal tetapi di atas
sumbu mendatar sama dengan 1.
Distribusi probabilitas normal standar adalah distribusi normal
Distribusi
yang Probabilitas
memiliki rata-rata nol danNormal
simpangan Standar
baku satu. Distribusi
ini juga dijuluki kurva lonceng (bell curve) karena grafik fungsi
kepekatan probabilitasnya mirip dengan bentuk lonceng.
x
Transformasi z  memetakan distribusi normal menjadi

distribusi normal standard, sebab distribusi normal dengan variabel z
ini memiliki mean =0 dan standard deviasi = 1.
Transformasi ini juga mempertahankan luas dibawah kurvanya
artinya:
Luas dibawah kurva Luas dibawah kurva
distribusi normal
distribusi normal antara
x1 dan x2
= standard antara z1 dan
z2
Dengan z1 = (x1-μ)/σ dan z2 = (x2-μ)/σ.
Sehingga cukup dibuat tabel distribusi normal standard kumulatif
Kurva Distribusi Normal Standard
Mawar adalah seorang peragawati yang akan diseleksi dengan tinggi
Contoh:
badan 173 cm. Standar tinggi badan rata-rata peragawati adalah
171,8 dan standar deviasinya adalah 12. Berapakah standar
normalnya (Z) ?

Penyelesaian :
Dik : x = 173, µ = 171,8, σ = 12
Dit : Z = ?
x
Jawab z

173  171.8
z
12

= 0.1
Jumlah suatu distribusi mempunyai n ≥ 30 dan n,p ≥ 5 atau n(1-p)≥ 5
Pendekatan
maka Normal Terhadap
penyelasaian probabilitas Binominal
dapat menggunakan pendekatan
distribusi binomial ke distribusi normal dengan terlebih dahulu
mencari nilai µ dan σ yaitu :
σ=√n.p.q ket : p= probabilitas sukses
µ=n.p q= probabilitas gagal
q =1 - p

Kalau x merupakan varibel diskrit sekaligus variabel continue maka

perlu diadakan koreksi dengan menambah atau mengurangi nilainya
dengan 0.5
Akhir tahun 1999, jumlah mahasiswa Kampus Selang sebanyak 752
Contoh
orang. Yang mendapat bea siswa dari kampus tersebut ada 650
orang. Peluang yang mendapat bea siswa adalah 90%. Berapakah :
a.Rata-rata mahasiswa yang seharusnya mendapat bea siswa ?
b.Standar deviasinya ?
c.Standar normalnya ?

Penyelesaian :
Dik : x = 650, n = 752, p = 90% = 0.9
q=1–p
= 1 – 0.9
= 0.1
Dit :
a. µ : ?
b. σ : ?
c. Z : ?
jawab :
a.Contoh
µ = n . p (lanjutan)
= 752 . 0.9
= 676.8

b. σ = √ n . p . q
= √ 752 . 0.9 . 0.1
= √ 67.68
= 8.227

c. Z = (x - µ )/σ
= 650 – 676.8/ 8.227
= - 26.8 / 8.227
= - 3.258
KARAKTERISTIK DISTRIBUSI KURVA NORMAL
simestris

Ekor ekor

 = Md=
 Mo 

1. Kurva berbentuk genta (= Md= Mo)

2. Kurva berbentuk simetris (sumbu vertikal)
3. Kurva normal berbentuk asimptotis (takterhingga )
4. Kurva mencapai puncak pada saat X= 
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai
tengah dan ½ di sisi kiri. Luas daerah dibawah kurva normal
standar sudah ada tabelnya yaitu dalam tabel dist normal standar
atau tabel Z 11
Contoh
 BrainTest dari 600 capeg PDAM Jambi
berdistribusi mendekati normal dengan
rata-rata 115 dan simpangan baku 12.
bila PDAM hanya menerima BT paling
rendah 95, berapa banyak pelamar
yang akn ditolak jk berdasarkan
kententuan tersebut, tanpa melihat
ability lainnya?
12
 Jawab
 µ= 115, σ=12, n= 600,
 Z= x-µ / σ = 95 – 115 / 12 = -1.67 (lihat Tabel
=0,4525)..... Z= 0,5 – 0,4525 = 0.0475

 P (x<95) = P (z < -1.67) = 0.0475 or 4.75%

 Jadi banyaknya pelamar yang akan ditolak:

=4.75% x 600 = 28,5 atau 29 orang.

13
DEFINISI KURVA NORMAL

Bila X suatu pengubah acak normal dengan nilai tengah ,

dan standar deviasi , maka persamaan kurva normalnya
adalah:

N(X; ,) = 1 e –1/2[(x-)/]2,

22

Untuk -<X<  

di mana
 = 3,14159
e = 2,71828
14
JENIS-JENIS DISTRIBUSI NORMAL

10
9
8
SD BNI 2,58
7
6
GEMA 3,75
5 >Sd MREI 4,08
4
3
2
1
0
m

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal dengan  sama dan  berbeda,

HARGA 100/LEMBAR.
15
KETERANGAN
 SMAKIN MENGELOMPOK NILAI SD
PADA NILAI TENGAH (MIU) MAKA
PARAMETER NILAI TENGA TERSEBUT
LEBIH BAIK MENJADI INDIKATOR
UNTUK UKURAN POLPULASI.

16
JENIS-JENIS DISTRIBUSI NORMAL

KLASIFIKASI MUTU
Mangga “C” Mangga “A”

Mangga “B”

Distribusi kurva normal dengan  berbeda dan  sama

17
JENIS-JENIS DISTRIBUSI NORMAL

PERBEDAAN KEMAMPUAN ANTAR POPULASI

85 850
RENDAH
Distribusi kurva normal dengan  dan  berbeda
18
TRANSFORMASI DARI NILAI X KE Z

Transformasi dari X
ke Z

x z

Di mana nilai Z:

Z=X-


19
 TRANSFORMASI DARI X KE Z

Contoh Soal:
Harga saham di BEJ mempunyai nilai tengah (X)=490,7 dan standar
deviasinya 144,7. Berapa nilai Z untuk harga saham 600?

Jawab:
Diketahui: Nilai  = 490,7 dan  = 144,7

Maka nilai Z =( X - ) / 
Z =?

20
 LUAS DIBAWAH KURVA NORMAL

68,26%

95,44%

99,74%

-3 -2 -1 =x +1 +2 +3

-3 -2 -1 Z=0 +1 +2 +3

• Luas antara nilai Z (-1<Z<1) sebesar 68,26% dari jumlah data.

• Berapa luas antara Z antara 0 dan sampai Z = 0,76 atau biasa
dituis P(0<Z<0,76)?
• Dapat dicari dari tabel luas di bawah kurva normal. Nilainya
dihasilkan = ?

21
PENERAPAN KURVA NORMAL

Contoh Soal:
PT GS mengklaim berat buah mangga “B” adalah 350 gram
dengan standar deviasi 50 gram. Bila berat mangga
mengikuti distribusi normal, berapa probabilitas bahwa berat
buah mangga mencapai kurang dari 250 gram, sehingga akan
diprotes oleh konsumen.

Z=-2,0
22
PENERAPAN KURVA NORMAL

Jawab:

23
 PENERAPAN KURVA NORMAL

Contoh Soal:
PT Work Electric, memproduksi Bohlam Lampu yang dapat
hidup 900 jam dengan standar deviasi 50 jam. PT Work
Electric ingin mengetahui berapa persen produksi pada kisaran
antara 800-1.000 jam, sebagai bahan promosi bohlam lampu.
Hitung berapa probabilitasnya!

0,4772
0,4772

-2 2

24
 PENERAPAN KURVA NORMAL

Jawab:

25
OUTLINE

BAGIAN II Probabilitas dan Teori Keputusan

Konsep-konsep Dasar Pengertian dan Karakteristik

Distribusi Probabilitas Normal
Probabilitas
Distribusi Probabilitas Normal
Distribusi Probabilitas Standar
Diskret
Penerapan Distribusi
Probabilitas Normal Standar
Distribusi Normal
Pendekatan Normal
Terhadap Binomial
Teori Keputusan
Menggunakan MS Excel
untuk Distribusi Probabilitas

26
PENDEKATAN NORMAL TERHADAP BINOMIAL

Apabila kita perhatikan suatu distribusi probabilitas binomial, dengan

semakin besarnya nilai n, maka semakin mendekati nilai distribusi
normal. Gambar berikut menunjukkan distribusi probabilitas binomial
dengan n yang semakin membesar.

0.6

0.5

0.4

0.3

0.2

0.1

0
0 1 r 0 1 2 3 r 0 2 4 6 8 10 12 14 16 18 20 r

27
 DALIL PENDEKATAN NORMAL TERHADAP
BINOMIAL

Bila nilai X adalah distribusi acak binomial dengan nilai tengah =np
dan standar
deviasi =npq, maka nilai Z untuk distribusi normal adalah:
 
  Z = X - np
npq

di mana n  dan nilai p mendekati 0,5

28
DISTRIBUSI
PROBABILITAS
NORMAL
Normal distribution (normal curve) disebut juga
“Gaussian Distribution” (sesuai dengan nama orang
yang menemukannya yakni Carl Gauss).

Normal curve adalah salah satu distribusi kemungkinan

teoritis dengan variabel random sinambung ( Continuous
distribution). Distribusi ini berbeda dengan distribusi Binomial
dan Poisson yang bervariabel random discrete.

Dalam variabel discrete nilai x hanya berupa bilangan bulat

positif saja (x = 0, 1, 2, 3 ….. n), sedangkan pada continuous
variabel nilai x bisa menjalani semua harga dalam suatu
interval tertentu, bisa mengambil bilangan pecahan
dan tak terbatas dalam interval tersebut.
 Distribusi bervariabel continue yang lain (di samping
distribusi normal) adalah :
1. Distribusi nilai t
2. Distribusi nilai x2
3. Distribusi nilai F

Ciri-ciri distribusi / kurva normal :

1. Kurvanya berbentuk garis lengkung yang halus dan
berbentuk seperti genta.
2. Simetris terhadap mean µ.
3. Kedua ekor/ujungnya semakin mendekati sumbu absisnya
tetapi tidak pernah memotong.
4. Jarak titik belok kurva tersebut dengan sumbu simetrisnya
sama dengan σ.
5. Luas daerah di bawah lengkungan kurva tersebut dari
- ∞sampai + ∞ sama dengan 1 atau 100%.
Kurva normal standard adalah kurva normal yang
sudah diubah menjadi distribusi nilai Z, dimana
distribusi tersebut akan mempunyai µ = 0 dan
deviasi standard σ = 1.

Rumus :

Z=x-µ
σ
 Tabel Luas Kurva Normal
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,0 7 0,08
0,0 0,000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319
0,1 0,0596
0,2 0,0987
0,3 0,1368
0,4 0,1736
0,5 0,2088
0,6 0,2422
0,7 0,2734
0,8 0,3023
0,9 0,3289
1,0 0,3531
1,1 0,3749
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997
Pendekatan Normal terhadap Binomial
Apabila p sama dengan ½ dan n adalah besar, maka
distribusi binomial akan mendekati distribusi normal.
Di dalam prakteknya, daerah kurva normal dapat
dipergunakan untuk menghitung probabilitas binomial,
walaupun n adalah relatif kecil dan p tidak sama dengan ½.
Oleh karena itu, distribusi binomial mempunyai variabel
discrete, sedangkan distribusi normal bervariabel kontinu,
maka dalam menggunakan distribusi normal untuk
memecahkan persoalan binomial perlu diadakan penyesuaian
sebagai berikut ; untuk harga variabel x batas bawah
dikurangkan 0,5 dan harga variabel x batas atas
ditambahkan 0,5.
Penyesuaian tersebut dinamakan faktor koreksi
kontinuitas, yaitu faltor koreksi yang besarnya 0,5 yang
diperlukan untuk mentransformasi dari binomial menuju
normal yang merupakan variabel acak kontinu.

Rumus:

Z = x - np
√npq
DISTRIBUSI PROBABILITAS NORMAL
BAGIAN II Probabilitas dan Teori Keputusan

Konsep-konsep Dasar Pengertian dan Karakteristik

Distribusi Probabilitas Normal
Probabilitas
Distribusi Probabilitas Normal
Distribusi Probabilitas Standar
Diskret
Penerapan Distribusi
Probabilitas Normal Standar
Distribusi Normal
Pendekatan Normal
Terhadap Binomial
Teori Keputusan
Menggunakan MS Excel
untuk Distribusi Probabilitas
Distribusi Normal

Distribusi probailitas kontinyu yang terpenting di bidang

statistik adalah distribusi Normal. Grafiknya disebut kurva normal,
berbentuk lonceng seperti gambar 6.1. Distribusi ini ditemukan Karl
Friedrich (1777-1855) yang juga disebut distribusi Gauss.
Perubah acak X yang bentuknya seperti lonceng disebut perubah
acak normal dengan persamaan matematik distribusi probabilitas
 (mean) dan  (simpangan baku)
yang bergantung paramerter
n(x; , )
dinyatakan
Pada gambar (6.2) melukiskan dua kurva normal dengan
simpangan baku yang sama tapi rata-rata berbeda, gambar 6.3
melukiskan beberapa kurva yang mempunyai mean sama tetapi
standart deviasi bebeda. Gambar 6.4 mellukiskan kurva normal
dengan mean dan standart deviasi yang berbeda.
 0.4
0.3
dnorm(x)

0.2


0.1
0.0

-4 -2 0 2 4

 x

Kurva normal

39
DEFINISI KURVA NORMAL

Bila X suatu pengubah acak normal dengan nilai tengah ,

dan standar deviasi , maka persamaan kurva normalnya
adalah:

N(X; ,) = 1 e –1/2[(x-)/]2,

22

Untuk -<X<  

di mana
 = 3,14159
e = 2,71828
 KARAKTERISTIK DISTRIBUSI KURVA NORMAL

1. Kurva berbentuk genta (= Md= Mo)

2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X= 
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai
tengah dan ½ di sisi kiri.
 JENIS-JENIS DISTRIBUSI NORMAL

10
9
8
7
6
5
4
3
2
1
0
m

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal dengan  sama dan  berbeda

 JENIS-JENIS DISTRIBUSI NORMAL

Mangga “C” Mangga “A”

Mangga “B”

Distribusi kurva normal dengan  berbeda dan  sama

 JENIS-JENIS DISTRIBUSI NORMAL

85 850

Distribusi kurva normal dengan  dan  berbeda

 TRANSFORMASI DARI NILAI X KE Z

Transformasi dari X
ke Z

x z

Di mana nilai Z:

Z=X-


 CONTOH SOAL
Diketahui suatu distribusi normal dengan   50 dan  10
Carilah probabilitas bahawa X mendapat ilai antara 45 dan 62
Jawab:
Dicari nilai z yang berpadaan dengan x1  45 dan x 2  62 adalah
62 50  1.2
z1  4550  0.5 dan z 2  10
10
Jadi: P( 45  x  62)  P( 0, 5  z  1.2)
0 .0 4

0.4
0.3
0 .0 3

0.2
0 .0 2

0 .1
0 .0 1

0.0
0 .0 0

-4 -2 0 2 4

P( 0, 5  z  1.2)
0 20 40 60 80 100

P( 45  x  62)
Ganbar 6.7 Luas daerah 46
Gunakan tabel distribusi normal standart, diperoleh:

P( 45  x  62)  P( 0, 5  z  1, 2) Dengan R

 P(z  1, 2)  P(z  0, 5) > pnorm(-0.5)
 0,8849  0, 3085 [1] 0.3085375
 0, 5764 > pnorm(1.2)
Tabel 6.1. Luas daerah di bawah kurva normal [1] 0.8849303

z 0.00 ……… 0.04 …….. 0.09

:
:
-0.5 0.3085

0
:
:
1.2 0.8849
:
:
Distribusi Probabilitas Normal
OUTLINE Bab 9

BAGIAN II Probabilitas dan Teori Keputusan

Konsep-konsep Dasar Pengertian dan Karakteristik

Distribusi Probabilitas Normal
Probabilitas
Distribusi Probabilitas Normal
Distribusi Probabilitas Standar
Diskret
Penerapan Distribusi
Probabilitas Normal Standar
Distribusi Normal
Pendekatan Normal
Terhadap Binomial
Teori Keputusan
Menggunakan MS Excel
untuk Distribusi Probabilitas
 Distribusi Normal Standar

Distribusi Normal Standar = distribusi normal

untuk µ = 0
dan σ = 1. Konversi dari X yang terdistribusi
normal ke Z x
z
yang terdistribusi normal standar:

Distribusi Normal dan Normal
Standar
„ Distribusi Normal (=Gauss)
Parameter: µ = rata-rata,dan  = standar
deviasi
DISTRIBUSI NORMAL STANDAR
Variabel random kontinu yang paling mendasar yang harus di
perhatikan adalah variabel Z yang mempunyai distribusi normal
standar yang mempunyai nilai harapan ( mean ) nol dan varian
satu dengan fungsi densitas sebagai berikut :

1
f ( z )  (2 )  exp[ z
2 2
2
OUTLINE

BAGIAN II Probabilitas dan Teori Keputusan

Konsep-konsep Dasar Pengertian dan Karakteristik

Distribusi Probabilitas Normal
Probabilitas
Distribusi Probabilitas Normal
Distribusi Probabilitas Standar
Diskret
Penerapan Distribusi
Probabilitas Normal Standar
Distribusi Normal
Pendekatan Normal
Terhadap Binomial
Teori Keputusan
Menggunakan MS Excel
untuk Distribusi Probabilitas

52
 MENGGUNAKAN MS EXCEL

Contoh 9-1
• Buka program MS Excel dari Start, pilih MS Excel

• Letakkan kursor pada cell yang ada di sheet MS Excel, dan klik icon
fx, atau klik icon insert dan pilih fx function

• Pilih statistical pada function category dan pilih Normdist pada

function nama, Anda tekan OK.

53
 MENGGUNAKAN MS EXCEL
• Anda akan menemui kotak dialog seperti berikut:

NORMDIST  

X ………….. (isilah nilai x, misal 600)

Mean ………….. (isilah nilai mean, misal 490)

Standard_dev ………….. (isilah nilai , misal 144,7

Cumulative ………….. (ketik True untuk kumulatif, dan

False untuk nilai tunggal)

Hasil nilai p = 0,76 akan muncul pada formula result atau tanda “=“

54
 MENGGUNAKAN MS EXCEL

Hasil nilai p = 0,7764 akan muncul pada formula result

atau tanda “=“

Catatan:
Bila menggunakan tabel Z pada lampiran 3, probabilitas adalah
luas daerah yang diarsir, yaitu dari Z=0 ke kanan kurva (infiniti
positif).
Sedangkan dengan MS Excel, probabilitas adalah luas daerah dari
kiri kurva (infiniti negatif) ke kanan (sampai nilai X yang
dimaksud).

55
56
57
TERIMA KASIH

58