Distribusi

Probabilitas :
Normal
Fauzan Fadillah ST MT

5. 2
 2

Outline

Pendahuluan

Jenis Distribusi Normal

Transformasi dari Nilai X ke

Z
 3

Distribusi Probabilitas
Normal
 x 4

Karakteristik Distribusi Kurva Normal

1. Kurva berbentuk genta (= Md= Mo)
2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X= 
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan
½ di sisi kiri.
Definisi Kurva 5

Normal
Bila X suatu variabel random normal dengan nilai tengah ,
dan standar deviasi , maka persamaan kurva
normalnya adalah:

N(X; ,) = 1 e –1/2[(x-)/]2,

22

Untuk -<X<

di mana
 = 3,14159
e = 2,71828
JENIS-JENIS DISTRIBUSI NORMAL 6
(1)
10
9
8
7
6
5
4
3
2
1
0
m

M esok urt i c Platykurtic

Lept okurt ic

Distribusi kurva normal dengan  sama dan 

berbeda
JENIS-JENIS DISTRIBUSI NORMAL 7
(2)

Mangga
Mangga
“C” “A”

Mangga “B”
0

0
15

30

45
Distribusi kurva normal dengan  berbeda dan 
sama
JENIS-JENIS DISTRIBUSI NORMAL 8
(3)

85 850

Distribusi kurva normal dengan  dan 

berbeda
Grafik kurva 9

normal

0,5 0,5

 a  b x

P(x ≤ ) = 0,5
Luas kurva normal antara x = a & x =
P(x  ) = 0,5 b
Luas kurva = probabilitas x terletak antara a dan
normal : b
Transformasi dari Nilai X Ke 10
Z

Transformasi dari X
ke Z

Di mana nilai x z
Z:

Z=X-

 1
1

Z > 0 jika x > 

Z < 0 jika x < 
Simetri : P(0 ≤ Z ≤ b) = P(-b ≤ Z ≤
0)
1
2
Contoh 1
(1)
Diketahui data berdistribusi normal dengan mean  = 55
3

dan deviasi standar = 15

a. P(55 ≤x ≤ 75)
Solusi:

P(55 ≤ x ≤ 75)

= P(0 ≤ Z ≤ 1,33)

= 0,4082 (Tabel
III)
Atau
Tabel III  A =
0,4082
Contoh 1
(1)
Diketahui data berdistribusi normal 4
dengan mean  = 55 dan deviasi
standar
= 15
b. P(60 ≤x ≤ 80)
Solusi:

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

Atau

Z1 = 0,33  B =
= 0,1293 C =A – B =
Z2 = 1,67  A = 0,3232
= 0,4525
Contoh 1
(1)
Diketahui data berdistribusi normal dengan mean  = 55 5
dan deviasi standar = 15

c. P(40 ≤x ≤60) = A + B

Solusi:

P(40 ≤ x ≤ =
60)
= P(-1,00 ≤ Z ≤ 0,33)

= P(-1,00 ≤ Z ≤ 0) + P(0 ≤ Z ≤
0,33)

= 0,3412 + 0,1293

= 0, 4705
Atau
Z1 =-  A =
= 1,00 0,3412
Z2 =  B =
= 0,33 0,1293
 Contoh 1
(1)
Diketahui data berdistribusi normal dengan mean  = 55 6
dan deviasi standar = 15

d. P(x ≥ e. P(x ≤
85) 85)
= 0,5 + A
P(x ≤ 85) = 0,5 +
0,4772
= 0,9772
Contoh 1
(2)
Diketahui rata-rata hasil ujian adalah 74 dengan simpangan 7
baku
7. Jika nilai-nilai peserta ujian berdistribusi normal dan 12%
peserta nilai tertinggi mendapat nilai A, berapa batas nilai A
yang terendah ?

Solusi
 18
Pendekatan Normal untuk
Binomial
Distribusi
Binomial :

Exp : Pendekatan normal untuk binomial dengan n = 15, p =

0,4
Menurut Teorema Limit Pusat
:
1
Jika x suatu variabel random binomial 9
dengan
.
mean & variansi

Jika n cukup besar (n>30) dan p tidak

terlalu dekat dengan 0 atau 1, maka :

Contoh 2
(1) 0
Suatu pabrik/ perusahaan pembuat CD menghasilkan
10% CD yang cacat/ rusak. Jika 100 CD dipilih secara
random, berapa probabilitas terdapat :
a) 8 CD yang rusak
b) Paling sedikit 12 CD yang rusak
c) Paling banyak 5 CD yang rusak

Solusi:
x = banyak CD yang rusak
x  Bin(100; 0,1) n = 100, p = 0,1

 = n.p = 100.(0,1) = 10
σ2 = n.p.(1-p)=100.(0,1).   = √9 =
(0,9)=9 3
Contoh 2
(1)
a) P(x = 8)
1

= Luas kurva normal antara x1 = 7,5 dan x2 =

8,5

Z1 = -0,83  A =
= 0,2967
Z2 = = -0,50  B =
0,1915

P(x = 8) = A – B
= 0,2967 – 0,1915
= 0,1052
Contoh 2
(1)
b) P(x ≥ 12)
2
= Luas kurva normal dari x = 11,5 ke
kanan

 A = 0,1915
P(x ≥ 12) = 0,5 – 0,1915 =
0,3085
Contoh 2
(1)
c) P(x  5)
3
= Luas kurva normal dari x = 5,5 ke
kiri

= -1,50

 A = 0,4332

P(x5) = 0,5 – 0,4332 =

0,0668
 Contoh 2
(2) ujian pilihan ganda, tersedia 200 pertanyaan
Dalam
4
dengan 4 alternatif jawaban dan hanya 1 jawaban
yang benar. Jika seseorang memilih jawaban secara
random, berapa peluang dia lulus ujian (syarat lulus :
benar paling sedikit 60).

Solusi

x = banyak jawaban yang

benar P = 0,25 = ¼  1 – p =
0,75
x  Bin(200; 0,25)
 = n.p = 50
σ 2
= n.p(1-p) = 200(0,25).(0,75) =
  =37,5
6,13
Contoh 2
(2) 5
P(x ≥ 60) = Luas kurva normal dari x = 59,5 ke
kanan

Z1 = =
1,55
 A =
0,4394
P(x ≥ = 0,5 –
60) 0,4394
= 0,0606
= 6,06 %
 2
6

Tugas
6
Apa pentingnya distribusi normal?

Kenapa data penelitian diharapkan

terdistribusi normal?