Anda di halaman 1dari 15

Justifikasi

Distribusi
Normal
Dr. Riri Murniati, M.Si
Defenisi
KBBI Justifikasi bisa bermakna:
justifikasi/jus·ti·fi·ka·si/ n a. Negatif: membenarkan sesuatu yang tidak benar
 putusan (alasan, pertimbangan) b. Positif: benar atau sengaja dibenarkan
berdasarkan hati nurani c. Benar tapi tidak tepat
JUSTIFIKASI I:
Deviasi Standar Batas Kepercayaan 68%
JUSTIFIKASI II:
Mean sebagai Estimasi Terbaik
JUSTIFIKASI III:
Justifikasi dari Penjumlahan Dalam Kuadrat
JUSTIFIKASI IV:
Nilai Ukur yang Dapat Diterima
Variabel random diskrit:
Jika suatu ruang sampel berisi sejumlah kemungkinan terhingga atau
urutan yang tidak terbatas dengan unsur sebanyak bilangan bulat,
maka ruang sampel ini disebut Ruang Sampel Diskrit, dan variabel
random yang didefinisikan disebut Variabel Random Diskrit.

Variabel random kontinu:


Jika suatu ruang sampel berisi sejumlah kemungkinan tak terhingga
yang sama dengan jumlah titik-titik didalam sebuah segmen garis,
maka ruang sampel ini disebut Ruang Sampel Kontinu, dan variabel
random yang didefinisikan disebut Variabel Random Kontinu.
Sifat dari variabel kontinu berbeda dengan variabel diskrit. Variabel kontinu mencakup semua
bilangan, baik utuh maupun pecahan. Oleh karenanya tidak bisa dipisahkan satu nilai dengan nilai
yang lain. Itulah sebabnya fungsi variabel random kontinu sering disebut fungsi kepadatan,
karena tidak ada ruang kosong diantara dua nilai tertentu. Dengan kata lain sesungguhnya
keberadaan satu buah angka dalam variabel kontinu jika ditinjau dari seluruh nilai adalah sangat
kecil, bahkan mendekati nol. Karena itu tidak bisa dicari probabilitas satu buah nilai dalam
variabel kontinu, tetapi yang dapat dilakukan adalah mencari probabilitas diantara dua buah nilai

Fungsi kepadatan merupakan dasar untuk mencari nilai probabilitas di antara dua
nilai variabel. Probabilitas di antara dua nilai adalah luas daerah di bawah kurva di
antara dua nilai dibandingkan dengan luas daerah total di bawah kurva. Dapat dicari
luas daerah tersebut dengan menggunakan integral tertentu (definit integral), dengan
sifat sebagai berikut:
1. Probabilitas nilai x dalam variabel tersebut terletak dalam rentang antara 0 dan 1
2. Probabilitas total dari semua nilai x adalah sama dengan satu (sama dengan luas
daerah di bawah kurva).
Transformasi Normal Standar
Para ahli statistik telah menyelidiki bentuk distribusi normal dengan mempelajari
fungsi tersebut dan didapatkan sifat-sifat sebagai berikut:
a. Simetris, yaitu mean distribusi terletak di tengah dengan luas bagian sebelah
kiri sama dengan bagian sebelah kanan (berbentuk lonceng) sehingga total
daerah di bawah kurva sebelah kiri = total daerah di bawah kurva sebelah kanan
= 0,5
b. 68% dari nilai variabel terletak dalam jarak 1σ (antara -1σ dan +1σ)
c. 95% dari nilai variabel terletak dalam jarak 1,96σ
d. 99% dari nilai variabel terletak dalam jarak 3σ

Distribusi normal standar adalah distribusi normal


dengan sifat khusus, yaitu distribusi dengan normal nilai
mean = 0 dan standar deviasi = 1.
Distribusi Probabilitas
Kumpulan pasangan nilai-nilai dari variabel acak X
dengan probabilitas nilai-nilai variabel random X, yaitu
P(X=x) disebut distribusi probabilitas X (distribusi X)

Himpunan pasangan tersusun (x, f(x)) adalah sebuah


fungsi probabilitas, atau fungsi padat probabilitas, atau
distribusi probabilitas dari suatu variabel random diskrit X
bila untuk setiap keluaran x yang mungkin, berlaku :

- P(X = x) =
f(x)
- f (x)  0
Distribusi kumulatif F(x) dari suatu variabel random
diskrit X dengan distribusi probabilitas f(x), adalah :
8

F (x)  P( X  x)   f (t) untuk    x  


tx
Nilai ekspektasi X adalah nilai tengah (rata-rata) dari variabel
random diskrit X.
Dinyatakan dengan E(X), yaitu:

E( X )   xi . f ( xi )
Contoh:
Sebuah
10 pengiriman 8 mikrokomputer yang serupa ke suatu
jaringan eceran berisi 3 yang cacat. Bila suatu sekolah
melakukan suatu pembelian acak 2 dari mikrokomputer ini,

a. Carilah distribusi probabilitas untuk jumlah yang


cacat.
b. Carilah distribusi kumulatif untuk jumlah yang cacat.
c. Dengan menggunakan F(x), buktikan f(2) = 3/28
d. Hitung nilai rata-rata X.
Jawab (1):
Ambil X sebagai variabel random yang didefinisikan
sebagai banyaknya mikrokomputer yang cacat yang
mungkin akan dibeli oleh sekolah tersebut. Maka
dapat dituliskan :
X = banyaknya mikrokomputer cacat yang
mungkin akan dibeli oleh sekolah
= 0, 1, 2
Sehingga dapat dihitung :
 3 5  3 5   3 5

 0  2  10 1 1

 2  0  3
f (0)  P( X  0)   f (1)  P( X  1)     
15 f (2)  P( X  2)  
 8  28  8  28 8  28
 2  
2  2
5 
 3 .
 
2
Rumus distribusi probabilitas x
P( X  x)  f (x)   x    , untuk x 
adalah 0,1,2
 8 
 2
 Jadi, distribusi probabilitas dari X adalah
x 0 1 2
f(x) 10/28 15/28 3/28
Jawab (2):
12

Distribusi kumulatif F(x) adalah :


F(0) = f(0) = 10/28
F(1) = f(0) + f(1) = 10/28 + 15/28 = 25/28
F(2) = f(0) + f(1) + f(2)= 10/28 + 15/28 + 3/28
=1
Sehingga : 1 , untuk x < 0
F(x) 10/28 , untuk 0  x < 1
= 25/28 , untuk 1  x <
2
1 , untuk x  2
 Dengan menggunakan F(x), maka  Nilai Ekspektasi X adalah E(X) =
f(2) = F(2) – F(1) 0.f(0) + 1.f(1) + 2.F(2)
= 1 – 25/28 = (0). (10/28) + (1). (15/28) +
= 3/28 (2). (3/28)
= 21/28
https://quizizz.com/join?class=G819947