1

Distribusi Normal (Distribusi Gaus)

 Distribusi Normal (Distribusi Gauss) 
merupakan distribusi probabilitas yang paling
penting baik dalam teori maupun aplikasi
statistik.

 Terminology “normal”  karena memang distribusi

ini adalah yang paling banyak digunakan sebagai
model bagi data riil diberbagai bidang :
- antara lain karakteristik fisik mahluk hidup (berat,
tinggi badan manusia, hewan dll),
- kesalahan-kesalahan pengukuran dalam
eksperimen ilmiah pengukuran-pengukuran
intelejensia dan perilaku,
- nilai skor berbagai pengujian dan berbagai
ukuran dan indikator ekonomi.
KARAKTERISTIK DISTRIBUSI KURVA NORMAL

1. = Md= Mo
2. Kurva berbentuk simetris
3. Kurva mencapai puncak pada saat X= 
4. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai
tengah dan ½ di sisi kiri.

3
DEFINISI KURVA NORMAL

Bila X suatu pengubah acak normal dengan nilai tengah

, dan standar deviasi , maka persamaan kurva
normalnya adalah:

 x   x 2
1 
2 
f x;  x ,  x  
2
e x
  x  
 x 2

4
 Untuk setiap distribusi populasi dari
suatu variabel acak yang mengikut
sebuah distribusi normal, maka

 68,26% dari nilai-nilai variabel berada

dalam ± 1 x dari x ,
 95,46% dari nilai-nilai variabel berada
dalam ± 2 x dari x ,
 99,73% dari nilai-nilai variabel berada
dalam ± 3 x dari x 
Gambar hubungan antara luasan dan N(,2)
 LUAS DI BAWAH KURVA NORMAL

68,26%

95,44%

99,74%

-3 -2 -1 =x +1 +2 +3

-3 -2 -1 Z=0 +1 +2 +3

• Luas antara nilai Z (-1<Z<1) sebesar 68,26% dari jumlah data.

• Berapa luas antara Z antara 0 dan sampai Z = 0,76 atau biasa
dituis P(0<Z<0,76)?
• Dapat dicari dari tabel luas di bawah kurva normal. Nilainya
dihasilkan = 0,2764
7
 Sifat-Sifat Distribusi Normal:
 Bentuk distribusi normal ditentukan oleh μ dan σ.

1 1
2
μ1 = μ2 σ1 > σ2 μ1 < μ2 σ1 = σ2

μ1 < μ2 σ1 < σ2
TRANSFORMASI DARI NILAI X KE Z

Transformasi dari X
ke Z

x z
Distribusi Normal Baku yaitu distribusi probabilitas acak normal dengan nilai
tengah nol dan simpangan baku 1

Di mana nilai Z: Z = Skor Z atau nilai normal baku

X = Nilai dari suatu pengamatan atau pengukuran
Z=X- = Nilai rata-rata hitung suatu distribusi
= Standar deviasi

9
 Jika X distribusi normal dengan
mean  dan deviasi standard 
maka
 x  x   a  x 
PX  a   P Z x     
 x   x 
 a  x b  x   b  x   a  x 
Pa  x  b   P  Zx        
 x x   x   x 
 b  x   b  x   a  x 
  
P X  b  P Z x  
 
 1  P Z x  
  1   
 x   x   x 
Z > 0 jika x > 
Z < 0 jika x < 
12
 TRANSFORMASI DARI X KE Z

Contoh Soal:
Harga saham di BEJ mempunyai nilai tengah (X)=490,7 dan standar
deviasinya 144,7. Berapa nilai Z untuk harga saham 600?

Jawab:
Diketahui: Nilai  = 490,7 dan  = 144,7

Maka nilai Z =( X - ) / 
Z = (600 – 490,7)/144,7
Z = 0,76

14
 Contoh :
Diketahui data berdistribusi normal dengan
mean  = 55 dan deviasi standar = 15
a) P(55≤x≤75) =

=
= P(0≤Z≤1,33)
= 0,4082 (Tabel Z)
Atau

Tabel Z  A = 0,4082
b) P(60≤x≤80) =
= P(0,33≤Z≤1,67)
= P(0≤Z≤1,67) – P(0≤Z≤0,33)
= 0,4525 – 0,1293 = 0,3232

Z1 = = 0,33  B = 0,1293

Z2 = = 1,67  A = 0,4525
C = A – B = 0,3232
c) P(40≤x≤60)= A + B

=
= P(-1,00≤Z≤0,33)
= P(-1,00≤Z≤0) + P(0≤Z≤0,33)
= 0,3412 + 0,1293
= 0,4705
Atau : Z1 = = = -1,00
 A = 0,3412
Z2 = = 0,33
 B = 0,1293
d) P(x ≤ 40) = 0,5 – A
= 0,5 – 0,3412
= 0,1588
e. P(x ≥ 85)

f. P(x ≤ 85) = 0,5 + A

= 0,5 + 0,4772
= 0,9772
 Latihan Soal:

PT GS mengklaim rata-rata berat buah mangga “B” adalah

350 gram dengan standar deviasi 50 gram. Bila berat mangga
mengikuti distribusi normal, berapa probabilitas bahwa berat
buah mangga mencapai kurang dari 250 gram, sehingga akan
diprotes oleh konsumen.

20
Jawab:
• Transformasi ke nilai z
AP(x< 250); P(x=250) = (250-350)/50=-2,00 Jadi
P(x<250)=P(z<-2,00)
• Lihat pada tabel luas di bawah kurva normal
P(z<-2,00)=0,4772
• Luas sebelah kiri nilai tengah adalah 0,5. Oleh sebab itu, nilai
daerah yang diarsir menjadi 0,5 – 0,4772=0,0228. Jadi
probabilitas di bawah 250 gram adalah 0,0228 (2,28%).
Dengan kata lain probabilitas konsumen protes karena berat
buah mangga kurang dari 250 gram adalah 2,28%.

21
Contoh Soal:
PT Work Electric, memproduksi Bohlam Lampu yang dapat
hidup 900 jam dengan standar deviasi 50 jam. PT Work
Electric ingin mengetahui berapa persen produksi pada kisaran
antara 800-1.000 jam, sebagai bahan promosi bohlam lampu.
Hitung berapa probabilitasnya!

22
Jawab:
P(800<X<1.000)?
• Hitung nilai Z
Z1 = (800-900)/50 = -2,00;
Z2 = (1.000-900)/50 = 2,00
• Jadi: P(800<X<1.000) =P(-2,00<Z<2,00);
P(-2,00<Z) = 0,4772 dan P(Z>2,00) = 0,4772
Sehingga luas daerah yang diarsir adalah = 0,4772+0,4772= 0,9544. Jadi
P(800<X<1.000) = P(-2,00 < Z<2,00) = 0,9544.
Jadi 95,44% produksi berada pada kisaran 800-1.000 jam. Jadi jika PT Work
Electric mengklaim bahwa lampu bohlamnya menyala 800-1.000 jam,
mempunyai probabilitas benar 95,44%, sedang sisanya 4,56% harus
dipersiapkan untuk garansi.
23
PENDEKATAN NORMAL TERHADAP BINOMIAL

Apabila kita perhatikan suatu distribusi probabilitas binomial, dengan

semakin besarnya nilai n, maka semakin mendekati nilai distribusi
normal. Gambar berikut menunjukkan distribusi probabilitas binomial
dengan n yang semakin membesar.

0.6

0.5

0.4

0.3

0.2

0.1

0
0 1 r 0 1 2 3 r 0 2 4 6 8 10 12 14 16 18 20 r
24
 DALIL PENDEKATAN NORMAL TERHADAP BINOMIAL

Bila nilai X adalah distribusi acak binomial dengan nilai tengah =np
dan standar
deviasi =npq, maka nilai Z untuk distribusi normal adalah:
 
  Z = X - np
npq

di mana n  dan nilai p mendekati 0,5

Untuk mengubah pendekatan dari binomial ke normal, memerlukan

faktor koreksi, selain syarat binomial terpenuhi: (a) hanya ada dua
peristiwa, (b) peristiwa bersifat independen; (c) besar probabilitas
sukses dan gagal sama setiap percobaan, (d) data merupakan hasil
penghitungan.
 Menggunakan faktor koreksi yang besarnya 0.5 25
 CONTOH:
Adi merupakan pedagang buah di Tangerang. Setiap hari ia membeli 300 kg
buah di Pasar Induk Kramat Jati, Jakarta Timur. Probabilitas buah tersebut
laku dijual dalah 80% dan 20% kemungkinan tidak laku dan busuk. Berapa
probabilitas buah sebanyak 250 kg laku dan tidak busuk ?
Penyelesaian:
n = 300; probabilitas laku p = 0.8, dan q = 1 – 0.8 = 0.2
 = np = 300 x 0.80 = 240

 =  Npq =  300 x 0.80 x 0.20 = 6.93

Dengan demikian nilai Z menjadi:

Z = (250 – 240) / 6.93 = 1.44 dan P (Z<1.44) = 0.4251
Jadi probabilitas laku adalah 0.5 + 0.4251 = 0.9251
Dengan kata lain harapan buah laku 250 kg adalah 92.51%

26
LATIHAN

27
 Berikut adalah pendapatan per kapita rata-rata
penduduk Indonesia tahun 2000 sampai 2006

Tahun Pendapatan Perkapita Rata-rata (ribuan)

2000 2.751
2001 3.181
2002 4.955
2003 5.915
2004 6.228
2005 7.161
2006 8.140
Rata-Rata 5.476
Standar Deviasi 1.986

a. Hitunglah Probabilitas Pendapatan dibawah 3.000 !

b. Hitunglah Probabilitas Pendapatan antara 4.000 – 6.000 !

28