DISTRIBUSI PELUANG

• Pengertian

• Distribusi Normal
• Distribusi Normal Baku
• Perhitungan Peluang

• Distribusi peluang Lainnya (Chi Kuadrat, t

student, F, Binom, Poisson, )

1
 DISTRIBUSI PELUANG
PENDAHULUAN
• Setiap peristiwa akan mempunyai peluangnya masing-
masing, dan peluang terjadinya peristiwa itu akan
mempunyai penyebaran yang mengikuti suatu pola
tertentu yang di sebut dengan distribusi.

• Distribusi peluang untuk suatu variabel acak

menggambarkan bagaimana peluang terdistribusi untuk
setiap nilai variabel acak.

• Distribusi peluang didefinisikan dengan suatu fungsi

peluang, dinotasikan dengan p(x) atau f(x), yang
menunjukkan peluang untuk setiap nilai variabel acak.
2
 Berdasarkan variabel acaknya, dikenal dua jenis
distribusi yaitu kontnyu dan Diskret

Variabel acak
Sebuah ukuran atau besaran yang merupakan hasil suatu percobaan
atau kejadian yang terjadi acak atau untung-untungan dan mempunyai
nilai yang berbeda-beda.

Variabel acak diskret Variabel acak kontinu Ukuran

Ukuran hasil percobaan yang
mempunyai nilai tertentu dalam
suatu interval. (Contoh : Binom dan
Poisson_
3
hasil percobaan yang mempunyai
nilai yang menempati seluruh titik
dalam suatu interval. (Contoh :
Notmal, Chi Kuadrat, t student dan
F)
 DISTRIBUSI NORMAL
DISTRIBUSI NORMAL adalah distribusi probabilitas
kontinu yang paling sering digunakan dalam bidang statistika

Grafiknya disebut “ KURVA NORMAL “.

Banyak digunakan pada gugusan data yang terjadi di

alam dan “ PENELITIAN “.

Statistik Inferensi banyak mengasumsikan “Data

Berdistribusi Normal” N~μη(μ, σ) 4
 DISTRIBUSI NORMAL
Sifat Grafik :
Grafik berada diatas sumbu mendatar ( x )
Bentuk simetrik terhadap sumbu x = μ

Satu modus, ( uni modal ) yang dicapai pada nilai : x = μ

0,3989
sebesar  --------------
σ
Luas daerah dibawah kurva = satu unit persegi
Mendekati sumbu (X) dimulai dari X = (μ±3σ)
5
Kurva berbentuk : “ Bell Shape “  Kurva normal

0,3989
X = μ sebesar  ------------
σ

Sumbu ( X )
(μ-3σ) X=μ (μ+3σ)
Md = Mean = Mo
6
 Mean ± 1 SD → luas daerahnya
= 68,27 %.

1 SD

Md = Mean = Mo Sumbu ( X )

7
 Mean ± 2 SD → luas
daerahnya = 95,45 %.

Mean = ± 2 SD

Md = Mean = Mo Sumbu ( X )

8
 - Mean ± 3 SD →
luas daerahnya =
99,73 %.

Mean ± 3 SD

Md = Mean = Mo Sumbu ( X )

9
 DISTRIBUSI NORMAL

Setiap variabel random kontinu (X) yang memiliki

distribusi berbentuk “ Bell Shape disebut “variabel
Random Normal “
Persamaan matematik bagi distribusi peluang
(probability) variabel random normal ini tergantung
pada dua parameter yakni : μ dan σ.
Nilai-nilai fungsi kepadatan bagi variabel random
normal (X) ini dilambangkan dengan n(x; μ, σ )
Kurvanya disebut kurva normal

10
DEFINISI KURVA NORMAL
Bila (X) adalah suatu variabel random normal dengan nilai
tengah μ dan variance σ2, maka persamaan kurva
normalnya adalah :

1
n(x; μ, σ) = -------------- e -½ ( x - μ / σ) ² , untuk - ∞ < x < + ∞
√ 2 πσ

1 - 12   x    /   2
f ( x)  e   x  
 2
Sedangkan dalam hal ini : π = 3,14159.. Dan e = 2,71828…

11
Contoh :
Kurva normal dengan standar deviasi (σ1 = σ2), dan ( μ1 < μ2 )
Perhatikan : Tinggi dan lebar kurva sama

Kurva (A) Kurva (B)

σ1 = 5 σ2 = 5

μ1 = 10 μ2 = 20 Sumbu ( X )

12
Contoh :
Kurva normal dengan standar deviasi σ1 < σ2 dan ( μ1 = μ2 )
Perhatikan : Kurva A lebih tinggi dari kurva B, tetapi lebih sempit

Kurva (A)
σ1

Kurva (B)
σ2

μ1 = μ2
Sumbu ( X )

13
Contoh :
Kurva normal dengan standar deviasi σ1 dan σ2 tidak sama serta μ2 dan μ2 juga
tidak sama
Perhatikan : tingi, letak puncak dan lebar kurva berbeda

Kurva (A)
σ1

Kurva (B)
σ2

μ1 μ 1 < μ2 μ2 Sumbu ( X )

14
Luas Daerah Dibawah Kurva Normal = Peluang

Kurva sembarang distribusi probabilitas random kontinu dibuat

sedemikian rupa, sehingga luas daerah dibawah kurva itu,
dibatasi oleh nilai x = x1 ; dan x = x2  sama dengan probabilitas
variabel random x, yang mengambil nilai antara x =x1 dan x = x2.

Luas daerah dibawah kurva

dinyatakan sebagai: P(x1 < x < x2)
Dinyatakan berupa daerah gelap
sebagai berikut :

Sumbu ( X )
X1 X2
b b  x 
1
1 2    2

P(a  x  b)  f(x)dx 
 2 2
e
15
dx
a a
Luas Daerah Dibawah Kurva Normal = Peluang

Luas daerah dibawah kurva II

dinyatakan dengan warna
biru P ( x1 < X < x2 )
Kurva II Luas daerah dibawah kurva I
dinyatakan dengan daerah
Kurva I arsiran  P( x1 < X < x2 )
Kedua luas daerah sangat
berbeda luasnya sehingga nilai
probabilitinya juga berbeda

Sumbu ( X )
X1 X2

16
 DISTRIBUSI NORMAL BAKU
Definisi. Distribusi peubah acak normal dengan rataan (μ)= 0
dan variansi (σ)=1 disebut dengan distribusi normal baku
(standard normal distributiion)
Diperoleh dengan tranformasi nilai x ke z

Transformasi x ke Z
2
x2  x    z2
1  1  z
2
1 2    1
P(x1  x  x 2 ) 
2 2  e dx 
2 2  e 2 dx
x1 z1
z2

 n(z, 0,1) dx  P(z1  z  z2 )
z1
17
 DISTRIBUSI NORMAL BAKU

Setiap pasangan μ dan σ selalu memenuhi sifat

distribusi normal seperti dikemukakan diatas, dan
yang berbeda hanyalah bentuk kurvanya saja, dengan
demikian berarti setiap pasangan μ dan σ selalu dapat
dibuat suatu kurva normal.
Apabila σ semakin besar maka bentuk kurvanya
semakin rendah (Platikurtik),
Sedangkan apabila σ semakin kecil maka bentuk
kurvanya semakin tinggi (Leptokurtik).

18
 DISTRIBUSI NORMAL BAKU

Setiap pengamatan yang berasal dari sembarang variabel

random normal (x) dapat diubah menjadi variabel
random normal Z, dengan nilai tengah = nol (0), dan
varians = satu (1).
Perubahan tersebut dapat dilakukan melalui rumus
transformasi sebagai berikut :

X–μ
Z = ---------------
σ
19
 DISTRIBUSI NORMAL BAKU

Nilai tengah Z = 0  Pembuktian :

∑(Z) = 1/σ ∑( X- μ ) = 1/σ ( μ - μ ) = 0
Sedangkan variansnya adalah :
σ2z = σ2(x-μ)/σ = σ2x/σ = 1/σ2 x σ2x = σ2/σ2 = 1
Berdasarkan pembuktian tersebut maka : Definisi “
DISTRIBUSI NORMAL STANDAR “ sebagai berikut :
Adalah suatu Distribusi variabel random normal
dengan nilai tengah (rata-rata) = 0 dan standar
deviasi = 1

20
 DISTRIBUSI NORMAL BAKU

Apabila nilai (X) berada diantara x = x1 dan x = x2

maka variabel random acak (Z) berada diantara
nilai padanannya sebagai berikut :

X1 – μ X2 – μ
Z1 = --------------- Dan Z2 = ---------------
σ σ

21
 DISTRIBUSI NORMAL BAKU

Sebaran asal dan sebaran hasil transformasi

diilustrasikan sebagai berikut :
• Semua nilai (X) yang jatuh antara x1 dan x2
mempunyai nilai-nilai (z) padanannya antara z1 dan
z2,  maka luas daerah dibawah kurva (X) antara x
= x1 dan x = x2 sama dengan luas daerah dibawah
kurva antara nilai hasil transformasi z = z1 dan z =
z2, sehingga :

• P ( x1 < X < x2 ) = P ( z1 < Z < z2 ).

22
 Luas Daerah Dibawah Kurva Normal
(Transformasi ke Normal Baku)

Sebaran transformasi

Sebaran asal
σ=1

X1 X2 μ (X) z1 z1 0 (z )

23
 Sebaran transformasi (distribusi normal standar  mean = 0, SD = 1)

X2 – μ
Z2 = ----------
σ

Sebaran observasi
X1 – μ Z1 0 Z2
Z1 = ----------
σ

Sumbu ( X )
X1 X X2

24
Contoh
Hitunglah peluang Z lebih kecil dari pada 1.74.
Penyelesaian sebagai berikut :

Penyelesaian
Carilah nilai z yang sama dengan 1.7 pada kolom paling kiri.
Telusuri sepanjang baris tersebut sampai kolom dibawah 0.04, disitu
ditemukan nilai 0.9591. sehingga P( Z < 1.74 ) = 0.9591

0.0409
0.50 0.4591
0.9591

25
Contoh soal 1:
Suatu sebaran normal dengan μ = 50 dan σ = 10. Hitunglah
peluang bahwa X mengambil sebuah nilai antara 45 dan 62
Penyelesaian :
Nilai z1 padanan x1 = 45 dan z2 padanan x2 = 62
Untuk z1 = 45 – 50 / 10 = - 0.5 ; X–μ
Z = ---------------
Untuk z2 = 62 – 50 /10 = 1.2 σ

Dengan demikian :
P (45 < X < 62) = P( - 0.5 < Z < 1.2 )
26
P( - 0.5 < Z < 1.2 )  diperlihatkan melalui daerah gelap
pada kurva
Luas daerah ini diperoleh melalui, pengurangan nilai luas
daerah sebelah kanan z2 = 1.2 dengan z1 = - 0.5 dengan
menggunakan z (atau hitung dari MS Excel):

Luas Kurva dari 0 sampai 1.2 P(45 < X < 62) = P(- 0.5 < Z < 1.2)
(tabel) = P(+Z < 1.2) – P(- Z < - 0.5)
= (0.5 + 0.3849) – (0.5 - 0.1915)
= 0.8849 – 0.3085 = 0.5764

Luas =
Luas Kurva dari 0 ke
0.5764
kiri = 0.5

- Z1 = - 0.5 0 + Z2 = 1.2 Luas Kurva dari

--0.5 ke kiri (tabel)

27