DISTRIBUSI NORMAL

(PERTEMUAN 10)

PREPARED BY: MUHAMMAD IZMAN HERDIANSYAH

KONSEP
• Distribusi Normal merupakan salah satu tipe probabilitas dengan jenis
variabel kontinus. Dalam distribusi data dengan variabel kontinus,
nilai data terletak dalam interval tertentu.
Contoh:
- Waktu dibutuhkan seseorang dalam melakukan transaksi melalui ATM
- Tekanan darah
- Kecepatan mobil
• Karakteristik sebuah distribusi probabilitas adalah: expected value dan
variance (kuadrat dari standar deviasi)
Karakteristik Distribusi Normal
· Berbentuk kurva menyerupai lonceng (bell-shaped) dan
bersifat simetris
· Probabilitas yaitu P ( X  ) = P( X  ) = 0,5
· Besarnya rata-rata, median dan modus adalah sama
· Kurva normal bersifat asymptotic 1 std dev
dari Mean
· Rata-rata kurva () normal merupakan pusat distribusi Mean ()
()
normal sedangkan deviasi standar menunjukkan dispersi
distribusi normal ().
· Area di bawah kurva normal menunjukkan probabilitas
variabel random normal (Probability Distribution
Function=PDF) dan total area dibawah kurva untuk
distribusi probabilitas normal (Cumulative Distribution
Function=CDF) adalah satu.
Quiz awal
Dua buah dadu yang setimbang dilambungkan bersama-sama satu
kali. Diperhatikan banyaknya mata dadu yang muncul.
Misalkan:
A = kejadian bahwa jumlah mata dadu yang muncul 8.
B = kejadian bahwa mata dadu pertama muncul mata 4.
Tentukan:
1) Tentukan ruang sampel S!
2) Tentukan kejadian A dan B sebagai himpunan bagian dari S!
3) Tentukan peluang dari A dan B!
Fungsi Matematis Distribusi
 ( X   )2 
 
1 2 2
P( X )  e  
 2
 = konstanta dengan nilai 22/7 atau 3,1416
e = konstanta dengan nilai 2,7183
 = rata - rata
 = standar deviasi

o Distribusi standar normal mempunyai rata-rata nol dan X 

Z
standar deviasi 1. 
o Distribusi normal dapat dirubah menjadi distribusi normal X = nilai pada observasi
standar dan hasilnya disebut nilai statistik Z.  = nilai rata - rata distribusi
 = deviasi standar distribusi
Distribusi Normal Standar
• Untuk menentukan nilai P(a < x < b), kita harus tau luas area dibawah
kurva normal
• Untuk menyederhanakan dalam penentuan luas area, kita lakukan
standarisasi untuk setiap nilai x dengan menghitung dan
menyatakannya sebagai nilai z (z-score), nilai standar deviasi s dari
nilai rata-rata hitung (mean) m.
x
z

The Standard Normal (z) Distribution
• Mean = 0; Std dev = 1
• Jika x = m; z = 0
• Kurva simetris di z = 0
• Nilai z ke kiri dari pusat kurva
adalah negatif
• Nilai z ke kanan dari pusat kurva
adalah positif
• Total luas wilayah dibawah kurva
adalah 1
Fungsi Matematis Distribusi
 1 x 2
Catatan: 1  ( )
• Dalam fungsi probabilitas, berapapun
nilai dari  and , pasti terintegrasi ke 1

 2
 e 2  dx 1

dimana:
 1 x 2
1  ( )
E(X)= = 

x
 2
e 2  dx

 1 x 2
1  ( )
Var(X)=2 = ( 

x2
 2
e 2  dx)   2

Standard Deviation (X) = 

Area Distribusi Normal
Area distribusi normal
•   1 sekitar 68%
•   2 sekitar 95%
•   3 sekitar 99,74% atau hampir
semua area dibawah kurva distribusi
normal
Area Distribusi Normal
  1 x 2
Berapapun nilai  dan , luas area antara 1  ( )
- dan + adalah sekitar 68% total luas
kurva; luas area -2 dan +2 adalah

  
 2
e 2  dx  .68

sekitar 95%; dan luas area antara -3 dan   2 1 x 2

+3 adalah sekitar 99.7%. 1  ( )

  
2 2
e 2  dx  .95

  3 1 x 2
1  ( )

68% total data
 e 2  dx  .997
  
3 2
95% total data

99.7% total data

Jumlah meja belajar 120 unit. Rata-rata hitung
lebar meja belajar adalah 127,8 cm. Standar Contoh 1:
Deviasi (SD) = 15.5
Solusi:
• 68% of 120 = .68 x120 = 81,6 = ~ 82 meja
• Pada kenyataanya, 79 meja hasil pengukuran 112.3 127.8 143.3
lebarnya diantara 1-SD (15.5) rata-rata hitung

25

20

P
e 15
r
Cent
c
imet
e
ern
t 10

0
80 90 100 110 120 130 140 150 160
POUNDS
Centimeter
Solusi:
• 95% dari 120 = .95 x 120 = ~ 114 meja
• Artinya, 115 meja hasil pengukuran lebarnya diantara 2-SD mean

96.8 127.8 158.8

25

20

P
e 15
Cent
r
imet
c
er
e
n 10
t

0
80 90 100 110 120 130 140 150 160
POUNDS
Centimeter
Solusi:
• 99.7% dari 120 = .997 x 120 = 119.6 meja
• Artinya, 120 meja hasil pengukuran lebarnya diantara 3-SD mean.

81.3 127.8 174.3

25

20

P
Cente 15
imetr
er c
e
n 10
t

0
80 90 100 110 120 130 140 150 160
POUNDS
Centimeter
Menggunakan Tabel
• Nilai empat digit dibelakang koma pada Tabel dibawah berhubungan dgn nilai
baris dan kolom tertentu yang menunjukkan besar luasan kurva z

Area for z = 1.36

Contoh pemakaian Tabel nilai Z

P(z 1.36) = .9131

P(z >1.36)
= 1 - .9131 = .0869

P(-1.20  z  1.36)
= .9131 - .1151 = .7980
Contoh pemakaian Tabel nilai Z
 Untuk menghitung luas area kiri dari sebuah nilai z,
langnsung dilihat dari Tabel Z
 Untuk menghitung luas area kanan dari sebuah nilai z,
lihat di Tabel Z dan kurangi dari 1 Aturan Empiris: Luas area 97% kurva
 Untuk menghitung luas area diantara dua nilai z, adalah berkisar diantara 3
normal
dikurangi satu sama lain standar deviasi dari mean
Aturan Empiris: Luas area 95% kurva
normal adalah berkisar diantara 2
standar deviasi dari mean
P(-3  z  z3) 1.96)
P(-1.96
= .9987
.9750 - .0013=.9974
.0250
= .9500
Probabilitas Distribusi Normal
• Variabel random kontinyu
• Memiliki dua fungsi deskripsi:
a. Fungsi untuk menentukan titik ordinat grafik distribusi data
b. Fungsi untuk menentukan probabilitas 2
1 ( x-m )
1 -
• Fungsi distribusi probabilitas normal: f (x) = e 2 s
s 2p

• Ini juga adalah fungsi kurva normal (berbentuk Bel)

• Nilai probabilitas sebesar x adalah seluas area dibawah kurva dgn
parameter x
Probabilitas untuk Kurva Normal
• Ilustrasi

b
P (a  x  b)   f ( x )dx
a

a b x
Catatan untuk Probabilitas Normal
• Fungsi nya adalah integral (materi kalkulus)
• Aturan Empiris: besaran persentase dalam interval tertentu dibawah
kurva adalah setara dengan interval mean dari distribusi probabilitas
normal
• Persentase (misal 30%) adalah digunakan untuk menunjukkan
proporsi dari populasi sebesar 3/10 dari populasi
• Probabilitas umumnya digunakan jika terkait dengan peluang kejadian
individual berikutnya kemungkinan akan sebesar nilai tertentu
• Area adalah grafik atau gambar yang merepresentasikan seluruh
kondisi kemungkinan yang ada (peluang)
Contoh 2:
• Hitung luas area dibawah kurva ke arah kanan dari titik z = 1.45,
dimana P(z > 1.45)

Area yang
ditanya
0.4265

0 145
. z
P( z  145
. )  0.5000  0.4265  0.0735
Contoh 3
• Hitung luas area sebelah kiri titik z = 1.45, dimana P(z < 1.45)

0.5000 0.4265

0 1.45 z

P ( z  1.45)  0.5000  0.4265  0.9265

CONTOH 4:
Rata-rata harga saham PT Telkom pada perdagangan tahun 2012 Rp
4,200 per lembar saham dengan standar deviasi Rp 225 per saham
dengan asumsi 240 hari perdagangan setiap tahunnya. Jika harga
saham mengikuti distribusi normal:
a. Berapa probabilitas harga saham antara Rp. 4.200 Rp4.600?
b. Berapa probabilitas harga saham lebih besar dari 4,500?
c. Berapa probabilitas harga saham antara Rp 3,900 – Rp 4,600
d. Jika 15 % harga saham tertinggi merupakan nilai harga saham
dimana harga saham cepat turun , berapa nilai terendah harga
saham cepat turun ?
JAWABAN CONTOH 4
a. Z=(4.600-4.200)/225 = 1,78
Area kurva normal dengan nilai Z = 1,78 besarnya 0,4625.
P (4200 < X < 4600) sebesar 0,4625
JAWABAN CONTOH 4
b. Z=(4500-4200)/225 = 1,33
Area kurva normal dengan
nilai Z = 1,33 besarnya 0,4082
P (X > 4500) = 0,5-0,4082 = 0,0918

c. Z=(4000-4200)/225 = -0,89
Area kurva normal dengan
nilai Z = -0,89 besarnya 0,3133
P (X < 4000) = 0,5-0,3133 = 0,1867
JAWABAN CONTOH 4
d. 15% harga saham tertertinggi akan cepat turun kembali sehingga sisanya
0,35 (35%) tidak responsif terhadap penurunan harga. Nilai Z yang
berkaitan dengan besarnya probabilitas 0,35 sebesar 1,04.
Nilai terendah dari 15% harga saham tertinggi akan cepat turun besarnya =
1,04 = (X - 4200)/225
X = 4200 + (1,04)(225)
X = 4434
Contoh 5:
Jika berat lahir bayi dalam sebuah populasi terdistribusi
normal dengan rata-rata (mean) 109 oz dan standar deviasi
sebesar 13 oz:
a. Berapa peluang seorang bayi lahir dengan berat 141 oz
atau lebih jika diambil sampel data lahir bayi tersebut
secara random?
b. Berapa peluang berat kelahiran seorang bayi kurang dari
atau sama dengan 120 oz?
JAWAB:
a) Nilai z:
141  109
Z  2.46
13
Dari Tabel Z, nilai Z sebesar 2,46, maka peluang/probabilitas nya sebesar P(Z ≥
2,46) = 1 - (0,9931) = 0,0069 atau 0,69 %

b) Nilai z: 120  109

Z  .85
13
Dari Tabel Z, nilai Z sebesar 0,85, maka peluang/probabilitas nya sebesar P(Z ≤
0,85) = 0,8023 atau 80,23 %
 Cara Membaca
Peluang Melalui Tabel
Z

Z=1.51 Berapa luas area dibawah

kurva dengan nilai Z = 1.51
pada kurva normal standar?

Z=1.51 Area is 93.45%

Bagaimana mengetahui Data kita Normal
atau Tidak?
1. Tampilkan data menggunakan histogram! Apakah data berbentuk
seperti lonceng?
2. Hitung ukuran descriptif: apakah nilai mean, median, dan modus
adalah sama?
3. Apakah 2/3 dari data pengamatan berada dalam area 1 std dev dari
mean? Apakah 95% observasi berada dalam area 2 std dev dari
mean?
4. Amati plot normal probability. Apakah dapat diasumsikan linier?
5. Lakukan uji normalitas, contoh Kolmogorov-Smirnov. (Namun
perhatikan kecukupan jumlah data sampel)
Distribusi Normal Untuk menghitung Distribusi Binomial

• Syaratnya jika distribusi binomial

1) nP  5
2) n(1-p)  5
• Faktor koreksi kontinus ( continuity correction factor).
1) besarnya probabilitas jika paling tidak X terjadi (at least X) maka (X – 0,5)
2) besarnya probabilitas lebih dari X (more than X) maka (X + 0,5)
3) besarnya probabilitas paling tidak X terjadi (X or fewer) maka (X + 0,5)
4) besarnya probabiltias kurang dari X (fewer than X) maka (X – 0,5)
• Formulanya sbb:
• Background: Tentukan distribusi binomial dari variable x, jika n = 20
dan p = 0.5
• Kurva normal memiliki rata-rata hitung (mean) dan standar deviasi
dari distribusi binomial sbb:   np  (20)(0.5)  10
  npq  (20)(0.5)(0.5)  5  2.236
• Histogram: P( x)
0.18

0.16

0.14

0.12

0.10

0.08

0.06

0.04

0.02

0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
x
Masalah:
1. As p moves away from 0.5, the binomial distribution is less
symmetric, less normal-looking
Solution: The normal distribution provides a reasonable
approximation to a binomial probability distribution whenever
the values of np and n(1 - p) both equal or exceed 5

2. The binomial distribution is discrete, and the normal distribution is

continuous
Solution: Use the continuity correction factor. Add or subtract
0.5 to account for the width of each rectangle.
Contoh 6:
Sebuah lembaga riset pemasaran menunjukkan bahwa sebesar 20% rumah tangga di Indonesia mempunyai mobil
paling tidak dua. Sebanyak 250 rumah tangga di ambil sampel secara random.
a) Berapa probabilitas lebih dari 60 rumah tangga mempunyai mobil paling tidak dua?
b) Berapa probabilitas kurang dari 55 rumah tangga mempunyai mobil paling tidak dua?
•  = np = (250)(0,2) = 0,5
•  = [np(1-p)]0.5 = [(250)(0,2)(0,9)]0,5 = 6,3246

Solusi:
a) Faktor koreksinya adalah (X + 0,5) = 60 + 0,5 = 60,5
Z = (60,5-50)/6,3246 = 1,66
Area kurva normal dengan nilai Z = 1,66 besarnya 0,4515
P(X>60) = 0,5 – 0,4515 = 0,0485
b) Faktor koreksinya adalah (X - 0,5) = 55 - 0,5 = 54,5
Z = (54,5-50)/6,3246 = 0,71
Area kurva normal dengan nilai Z = 0,71 besarnya 0,2611
P(X<55) = 0,5 + 0,2611 = 0,7611
Contoh 7:
Research indicates 40% of all students entering a certain university withdraw
from a course during their first year. What is the probability that fewer than 650
of this year’s entering class of 1800 will withdraw from a class?

Solusi:
• Let x be the number of students that withdraw from a course during their first
year
• x has a binomial distribution: n = 1800, p = 0.4
• The probability function is given by:

 1800 x 1800 x
P( x )    ( 0.4 ) ( 0.6) for x  0, 1, 2, ... ,1800
 x 
• Use the normal approximation method:

  np  (1800)(0.4)  720
  npq  (1800)(0.4)(0.6)  432  20.78

P ( x is fewer than 650)  P ( x  650) (for discrete variable x )

 P ( x  649.5) (for a continuous variable x )
 x  720 649.5  720
 P  
 20.78 20.78 
 P ( z  3.39)
 0.5000  0.4997  0.0003
 Distribusi Normal dengan Excel kasus 4200 < X < 4600

Distribusi Normal dengan Excel kasus 15% saham tertinggi

Ir. I Nyoman Setiawan, MT.

Terima Kasih