STATISTIKA

I
ROOM 21
Nindia Priscilla 21110120130131
Novika Ita Cahyanti 21110120120006
Octavian Alya Risky 21110120140165
Pandu Dwi Prasetiyo 21110120130071
Rafli Anang Pangestu 21110120130069
Probabilitas Distribusi Model Kurva
Normal Distribusi
Normal

Pola Kurva Tes Probability of

Distribusi Probabilitas Standard Error
Normal
PROBA Probabilitas didefinisikan sebagai peluang atau
kemungkinan suatu kejadian, suatu ukuran tentang

BILITA
kemungkinan atau derajat ketidakpastian suatu
peristiwa (event) yang akan terjadi di masa mendatang
Rentangan probabilitas antara 0 sampai dengan 1,
dimana :
0 = peristiwa tersebut tidak mungkin terjadi

S
1 = peristiwa tersebut pasti terjadi

Contoh Soal :

Sebuah karung ada 4 bola merah, 10 bolabiru dan 6 X = bola merah,

bola kuning, dalam sekalipengambilan berapa Y = bola biru
probabilitas terambilnya bola merah atau biru?
P(X)=4/20,

P(Y)=10/20

P(X ∪ Y) = P(X) + P(Y)

=14/20=0.788
DISTRIBUS
I
NORMAL
Distribusi Normal merupakan salah satu jenis
distribusi dengan variabel acak yang kontinu dimana
terdapat kurva/grafik yang digambarkan menyerupai
bentuk lonceng (bell curve)
Distribusi normal = Distribusi Gauss
Salah satu persamaan pada distribusi normal yaitu
terkait dengan fungsi densitas
Distribusi normal mempunyai sifat-sifat yang
penting antara lain :
a. grafiknya selalu berada diatas sumbu datar x,
b. bentuknya simetris terhadap x = μ,
c. mempunyai satu modus,
d. kurva unimodal tercapai pada x = μ sebesar
0,3989/σ,
e. Grafiknya mendekati (berasimtutkan) sumbu
x dimulai dari x = μ + 3σ ke kanan dan x = μ
- 3σ ke kiri,
f. Luas daerah grafik selalu = satu unit persegi.
Distribusi Normal
 RUMUS
DISTRIBUSI NILAI Z
NORMAL
   
( 𝑥 − 𝜇)
𝑍=
𝜎
π : konstanta dengan nilai 3,14159. . . µ : rata-rata (mean) dari data
e  : bilangan eksponensial dengan nilai 2,7183 . . . σ : simpangan baku data berdistribusi normal
µ  : rata-rata (mean) dari data
σ  : simpangan baku data berdistribusi normal
Dalam suatu ujian terdapat 300 siswa yang mengikuti ujian tersebut.
Rata-rata dari hasil ujian yaitu 70 serta simpangan baku hasil ujian
tersebut adalah 10. Jika data nilai hasil ujian siswa tersebut
berdistribusi normal, maka berapa persen mahasiswa yang mendapat
nilai A jika. syarat untuk mendapatkan nilai A adalah nilai lebih dari
85

Diket : µ = 70; σ = 10; x = 85 Z(X > 85) = 1 – Z(X < 85)

Dijawab :
Z(X > 85) = 1 – 0,9332
akan ditentukan Z(X>85). Contoh Tabel Z Distribusi Normal
Z(X > 85) = 0,0668
Z(X > 85) = 1 – Z(X < 85)
Z(X > 85) = 6,68%
Akan dihitung terlebih dahulu nilai dari Z (X < 85)

Z = (85 – 70)/10 = 15/10 = 1,5

Nilai Z untuk 1,50 adalah 0,9332, sehingga

BENTUK DISTRIBUSI NORMAL ADALAH SEBAGAI BERIKUT :
 MODEL KURVA
DISTRIBUSI
NORMAL
Distribusi normal merupakan sebuah fungsi probabilitas
yang menunjukkan distribusi atau penyebaran suatu
variabel. Fungsi tersebut umumnya dibuktikan oleh
sebuah grafik simetris yang disebut kurva lonceng (bell
curve).
Pada distribusi normal terdapat 2 parameter yang menjadi
acuan, yaitu mean (nilai rata-rata) dan standar deviasi /
simpangan baku
Saat menunjukkan
data, distribusi
nilai
normal memiliki
penyebaran
sejumlah
karakteristik utama sebagai berikut:
 Teori distribusi ini memiliki nilai mean,

median, dan modus yang sama (unimodal). 
Kurva distribusi selalu bersifat simetris dengan
bentuk lonceng (bell curve). Titik puncak
kurva = nilai rata-rata.
 Mean (nilai rata-rata) dan nilai standar deviasi
akan menentukan bentuk dan lokasi distribusi.
 Jumlah luas daerah di bawah kurva normal
bernilai 1, yakni ½ di sisi kiri dan ½ di sisi
kanan.
 Dalam kurva distribusi, dapat disimpulkan jika
setengah data populasi akan memiliki nilai
yang kurang dari angka rata-rata, sedangkan
sebagian lagi memiliki nilai yang lebih besar.
 Masing-masing ekor kurva di kedua sisi
memanjang tak berbatas. Dalam beberapa
kasus penghitungan distribusi, ekor kurva
bahkan bisa memotong sumbu horizontal.
 1. Kurva berbentuk genta (m = Md = Mo)

2. Kurva berbentuk simetris

3. Kurva normal berbentuk asimtotis

4. Kurva mencapai puncak pada saat X=m

5. Luas daerah di bawah kurva adalah 1 : ½

di sisi kanan nilai tengah dan ½ di sisi kiri

Karakteristik Kurva Distribusi Normal

J E N I S – J E N I S D I S T R I B U S I P R O B A B I L I TA S N O R M A L

1. Distribusi normal dengan m sama dan s berbeda 2. Distribusi kurva normal dengan m berbeda dan s sama

3. Distribusi kurva normal dengan m dan s berbeda

 POLA KURVA DISTRIBUSI
NORMAL
Kurva distribusi normal berbentuk simetris, dimana letak Definisi : Jika X merupakan suatu peubah acak
modus, median dan rata-rata sama. Sebaran Normal/ Gauss  normal dengan nilai tengah µ dan ragam σ2,
Sebaran peluang kontinu yg digunakan di gugusan data alam, maka persamaan kurva normalnya
industri, dan penelitian .

Fungsi densitas distribusi normal diperoleh

dengan persamaan sebagai berikut

Dengan :
 π = 3,1416
 e = 2,7183
Pola Kurva Distribusi Normal  µ = rata-rata
 σ = simpangan baku
Persamaan sebelumnya bila dihitung dan diplot pada
grafik akan terlihat seperti pada Gambar 1 berikut :

Sifat-sifat penting distribusi normal adalah sebagai berikut:

1. Grafiknya selalu berada di atas sumbu x

2. Bentuknya simetris pada x = µ

3. Mempunyai satu buah modus, yaitu pada x = µ

4. Luas grafiknya sama dengan satu unit persegi, dengan

rincian : o Kira-kira 68% luasnya berada di antara daerah µ – σ
dan µ + σ
o Kira-kira 95% luasnya berada di antara daerah µ – 2σ
dan µ + 2σ
o Kira-kira 99% luasnya berada di antara daerah µ – 3σ
dan µ + 3σ
Rumus distribusi normal baku dengan sebagai berikut :

Maka memperoleh kurva distribusi normal baku seperti

gambar di samping.

Kurva distribusi normal baku lebih sederhana dibanding kurva

normal umum.  Pada kurva distribusi normal baku, nilai µ = 0
dan nilai σ=1, sehingga terlihat lebih menyenangkan.  Namun,
sifat-sifatnya persis sama dengan sifat-sifat distribusi normal
umum.
 TEST PROBABILITAS

PERUMUSAN KLASIK

FREKUENSI RELATIF

PENDEKATAN SUBYEKTIF
 Bila kejadian E terjadi dalam m cara dari seluruh n cara yang mungkin terjadi dan
PERUMUSAN KLASIK
masing-masing n cara itu mempunyai kesempatan atau kemungkinan yang sama untuk
muncul, prrobabilitas kejadian E yang ditulis P(E) dirumuskan sebagai berikut :

P(E) = m / n

CONTOH
 
1. Sebuah uang logam dilemparkan. Misalkan sisi pertama kita sebut muka (m)
dan sisi kedua kita sebut belakang (b), maka ada dua kejadian yang
mungkin, yaitu kejadian munculnya muka m yang kita sebut E={m} atau
kejadian munculnya belakang yang kita sebut {b}. karena uang logam
terdiri atas 2 sisi (n=2) dan kedua sisi itu mempunyai kesempatan yang sama
untuk muncul, probabilitas munculnya kejadian E={m} atau E{b} adalah
 F R E K U E N S I R E L AT I F
• Perumusan konsep probabilitas dengan cara klasik
memiliki kelemahan karena menuntut syarat semua hasil
mempunyai kesempatan yang sama untuk muncul.
• Sehubungan dengan itu dikembangkan konsep probabilitas
berdasarkan statistic, yaitu dengan pendekatan empiris
• Probabilitas empiris dari suatu kejadian dirumuskan dengan
memakai frekuensi relatif dari terjadinya suatu kejadian
dengan syarat banyaknya pengamatan atau banyaknya
sampel n adalah sangat besar. Bila n bertambah besar
sampai tak terhingga (n -> ∞), probabilitas kejadian E sama
dengan nilai limit dari frekuensi relatif kejadian E tersebut.
 Dengan demikian, jika kejadian E berlangsung sebanyak f kali
dari keseluruhan pengamatan sebanyak n, dimana n mendekati
tak berhingga, probabilitas kejadian E dirumuskan sebagai
berikut :
• Secara matematis perumusan konsep probabilitas dengan
frekuensi relative ini juga mempunyai kelemahan karena
suatu nilai limit yang benar-benar mungkin sebenarnya
tidak ada.
• Maka, konsep probabilitas modern dikembangkan dengan
memakai pendekatan aksiomatis, yaitu suatu kebenaran
yang diterima secara apa adanya tanpa memerlukan bukti
matematis, dimana konsep probabilitas tidak didefinisikan,
seperti konsep titik dan konsep garis yang tidak
didefinisikan dalam ilmu geometri (Boediono, 2006).
CONTOH SOAL :

Dari 100 mahasiswa yang mengikuti ujian statistika, distribusi

frekuensi nilai mahasiswa adalah seperti tabel berikut

Nilai (X) 45 55 65 75 85 95

Frekuensi (f) 10 15 30 25 15 5

Maka probabilitas kejadian E mahasiswa memperoleh nilai

tersebut adalah

P(E) = P(45) = 10/100

P(E) = P(55) = 15/1001
P(E) = P(65) = 30/100, dst
 P E N D E K ATA N S U B J E K T I F

Pendekatan subjektif yang digunakan untuk menentukan probabilitas suatu peristiwa

didasarkan pada selera dan keyakinan individu seseorang. Misalnya, saya ingin
menentukan bahwa besok probabilitas naiknya harga dolar Amerika adalah 0.75 atau
75%. Atas dasar apa saya menentukan probabilitas naiknya harga dolar itu 75%?
Pengetahuan ini hanya didasarkan pada pengetahuan, pengalaman, dan keahlian yang
dimiliki. Dengan demikian, probabilitas suatu peristiwa yang ditentukan dengan
pendekatan subjektif menyebabkan penentuan probabilitas suatu peristiwa antara
orang yang satu dengan yang lain dapat berbeda. Hal ini disebabkan oleh tingkat
pengetahuan, penguasaan informasi, naluri dan faktor-faktor lain yang berkaitan
dengan peristiwa itu.
PROBABILITY OF
STANDARD
ERROR
Standrad error (SE) digunakan untuk :
• mengukur variabilitas dalam statistik.
• membantu perkiraan kesalahan standar dalam
sampel yang diberikan.
• memperkirakan konsistensi, akurasi, dan efesiensi
sampel atau dapat dikatakan mengukur bagaimana
menyajikan distribusi sampling yang tepat
• membantu menebus ketidakakuratan insidental
yang terkait dengan pengumpulan sampel.
Standard Error berguna dalam hal statistik serta
ekonomi. Dalam hal keuangan, sangat membantu di
bidang yang terkait dengan ekonometrika. Dalam
penelitian ini peneliti menggunakan Standard Error
untuk melakukan pengujian hipotesis dan analisis
regresi. Sedangkan dalam statistik inferensial,
Standard Error merupakan dasar untuk terciptanya
kepercayaan antar. Standar Error dihitung dengan
membagi Standar Deviasi dengan akar kuadrat dari
ukuran sampel. Jika ada lebih banyak titik data dalam
perhitungan rata-rata maka Standard Error akan lebih
kecil. Akibatnya, data akan lebih mewakili rata-rata
yang sebenarnya. Jika ditemukan ketidakberesan yang
mencolok pada data, ini berarti Standard Error besar. 
THANKS