Pendahuluan

• Fenomena : pengukuran yang berulang akan

menghasilkan nilai yg berbeda-beda
• Nilai mana yg dianggap tepat?

• Karl Fred.Gauss :
‘hasil pengukuran ulang yang sering terjadi
adalah nilai rata-rata dan penyimpangan ke
kanan dan ke kiri, makin jauh dari rata-rata,
makin jarang terjadi’
• Distribusi normal = Distribusi Gauss
• Merupakan distribusi teoritis dari data kontinu

• Penting ok:
sesuai dgn distribusi frek.empiris
untuk pengambilan kesimpulan dr hasil sampel
 Ciri-ciri distribusi normal
• disusun dr var. random kontinu,
• uni modal,
• simetris,
• btk lonceng,
• mean-median-mod terletak dalam satu titik,
kurva normal dgn N tak terhingga,
• Grafik mendekati sumbu X pada penyimpangan
3 SD ke kanan dan ke kiri dari rata-rata.
• total daerah di bawah kurva nilai adalah satu.
 The Normal Distribution
• ‘Bell Shaped’
• Symmetrical f(X)

• Mean, Median and

Mode are Equal X

• Random Variable has
Infinite Range Mean
Median
Mode
• Dalam praktek:
• ditulis dalam bentuk skor standar mean (µ)=0
dan standar deviasi  = 1
• Formula:A. cara ordinat dan B. cara luas

Mean Median Mode

Z = variasi nilai dalam unit standar deviasi
sepanjang garis di bawah kurva

Z= (X- µ)

• Z = Nilai standar
X= Variabel Random
 Nilai rata-rata
Standar Deviasi
 Tabel distribusi normal:

• yi tabel utk menghitung luas daerah di bawah

kurva pada setiap z

• luas daerah di bawah kurva adalah 1, luas dr grs

tengah pada titik nol ke kiri maupun ke kanan
adalah 0,5
 Solution: The Cumulative
Standardized Normal Distribution
Cumulative Standardized Normal
Distribution Table (Portion)
Z  0 Z 1
Z .00 .01 .02
.5478
0.0 .5000 .5040 .5080
Shaded Area
Exaggerated
0.1 .5398 .5438 .5478
0.2 .5793 .5832 .5871 0
Probabilities
0.3 .6179 .6217 .6255 Z = 0.12

1/18/2018 Only One Table

Business is Needed
Statistics, Chapter 6 10
 Tabel distribusi normal:
• Z ,00 ,01 ,02 ..,06 ….,08 ……,09

• 0,0 ,000 ,0239

• 0,1
• 1,6 ……... ,4474
• .. 1,9 (kolom)
0,06 (baris)
• 1,9………………… ,4750 Z= 1,96 1,96
• ..
• 2,5……………………………..,4951
 Tabel distribusi normal:

• Contoh 1:
• Luas daerah Z = 0 dan Z = 1?
• yi dengan mencari angka 1 pada kolom bawah
dan angka 0,00 pada kolom atas : 0,3413
 Tabel distribusi normal:
• Z ,00 ,01 ,02 ..,06 ….,08 ……,09

• 0,0 ,000 ,0239

• 0,1
• 1,6 ……... ,4474
• 1.0 ,3413
• 1,9………………… ,4750
• ..
• 2,5……………………………..,4951
• Contoh 2 :

• Za = 1,96 dan Zb = -1,96. Luas daerah ?

• Cara : cari angka 1,9 pada kolom bawah dan
0,06 pada kolom atas Z---> luas daerah satu
bagian(kanan) : 0,4750. Luas bagian kiri 0,4750
sehingga luas seluruh bagian : 0,95
• Contoh 3 :

Tentukan luas antara Za = 1,64 dan Zb = 1,96

Za = 1,64 ---- 0,4495
Zb = 1,96 ---- 0,4750
Jadi luas antara : 0,4750-0,4495 = 0.0255
 Distribusi Normal
• B Cara luas kurva
• Setiap penyimpangan rata-rata dapat ditentukan
persentase thd seluruh luas kurva.
• Penyimpangan 1 SD merupakan 68%
• penyimpangan 2 SD merupakan 95,5%
• penyimpangan 3 SD merupakan 99,7%
• Contoh : A : µ = 50, o = 20
B : µ = 200 o = 10
 7-10
Areas Under the Normal Curve
r a l i t r b u i o n : m = 0 , s2 = 1

0 . 4

Between:
1.68.26%
0 . 3 2.95.44%
3.99.74%
0 . 2
f ( x

0 . 1

. 0

   2
- 5

  2
  3
x

  3   1   1

Irwin/McGraw-Hill © The McGraw-Hill Companies, Inc., 1999

 Transformasi kurva distrib. normal
• Dibentuk suatu kurva normal sebagai standar
yang disebut kurva normal standar
• Transformasi rumus :
Z = X- µ
s
X = nilai var random
µ = rata-rata distribusi
o = simpangan baku
Z = nilai standar
 Z-score
Z = Observasi – Mean
Standard Deviation

X  x
Z
x
 Aplikasi distribusi normal
• Contoh :
diketahui mean (rata-rata) TB laki-laki atau µ =
172,5 cm dan standar deviasi = 5 cm
Pertanyaan:
a. Berapa proporsi laki-laki dengan tinggi badan
< 180 cm?
b. Berapa nilai Z dan proporsi pada laki-laki
dengan tinggi badan antara 157,5 cm dan 180
cm?
• U = 172,5
• S=5
• X = < 180?

• Z= (X-u): s = (180-172,5): 5 = 1,5

• Luasnya = 0,4332
 0,4332

0 1,5
172,5 180

Luas = 0,5 + 0,4332 = 0,9332 = 93,32%

Proporsi laki-laki yg tinggi badannya < 180 = 93,32%

Brp % TB> 180?

Luas = 0,5 – 0,4332 = 0,0668 = 6,68%
 C

D B
E A
 Uji Normalitas
• Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan
untuk menilai sebaran data pada sebuah kelompok data atau
variabel, apakah sebaran data tersebut berdistribusi normal atau
tidak.

• Uji Normalitas berguna untuk menentukan data yang telah

dikumpulkan berdistribusi normal atau diambil dari populasi
normal. Metode klasik dalam pengujian normalitas suatu data
tidak begitu rumit. Berdasarkan pengalaman empiris beberapa
pakar statistik, data yang banyaknya lebih dari 30 angka (n >
30), maka sudah dapat diasumsikan berdistribusi normal. Biasa
dikatakan sebagai sampel besar.
• Uji statistik normalitas yang dapat digunakan
diantaranya Chi-Square, Kolmogorov
Smirnov, Lilliefors, Shapiro Wilk, Jarque
Bera.

• Dalam SPSS: test of normality Kolmogorov

Smirnov utk sampel besar dan
Shapiro Wilk utk sampel kecil