DISTRIBUSI

NORMAL
Kelompok 8
STATISTIKA
MA21C01
 Anggota Kelompok

Mutia Santika Rossinta

Wafa Nur Wiji
Hasti Hermanto Bila
Fauziah Aningsih
Hildani 112110465 Fitriani
112110474 112111396
112110441 112110073
01
Pengertian
Distribusi Normal
Distribusi Normal
Distribusi normal merupakan fungsi probabilitas yang menunjukkan adanya distribusi
atau penyebaran suatu variabel. Fungsi dari distribusi normal tersebut biasanya
dibuktikan oleh adanya grafik simetris yang disebut kurva lonceng atau bell
curve yang menandakan adanya distribusi yang merata, sehingga kurva akan
memuncak di bagian tengah dan melandai di kedua sisi dengan nilai yang setara.
Distribusi normal juga dapat diartikan sebagai salah satu jenis distribusi variabel
acak kontinu yang berbentuk lonceng atau grafik. Distribusi normal ini dibuat
dengan fungsi probabilitas yang kemudian digunakan untuk menunjukkan variasi
atau penyebaran distribusi, sehingga fungsi yang nantinya akan dibuktikan dengan
menggunakan suatu grafik simetris atau bell curve.
Berikut merupakan fungsi densitas pada distribusi normal.

π : konstanta dengan nilai 3,14159. . .

e  : bilangan eksponensial dengan nilai 2,7183 . . .
µ  : rata-rata (mean) dari data
σ  : simpangan baku data berdistribusi normal
 
Bagaimana cara untuk menghitung nilai z? Nilai z dapat dihitung
dengan rumus berikut.

 
Keterangan:
µ  : rata-rata (mean) dari data
σ  : simpangan baku data berdistribusi normal
Ciri-ciri Distribusi Normal
01 02 03
Teori distribusi Titik puncak kurva Nilai rata-rata atau mean merupakan
memiliki nilai mean, pada nilai rata-rata, nilai dengan standar deviasi untuk
median, dan juga nilai ini berada di menentukan lokasi dan juga bentuk
modus yang sama. posisi tengah kurva. distribusi tersendiri.

04 05 06
Jumlah luas daerah yang Kurva distribusi disimpulkan Masing-masing ekor
terletak di bawah kurva jika setengah dari data kurva pada kedua sisi
normal memiliki nilai 1. populasi kemudian kemudian dapat
memiliki nilai yang kurang memanjang dengan
dari angka rata-rata. tak terbatas.
Pentingnya Distribusi Normal
1. Memiliki beberapa sifat yang mungkin untuk digunakan sebagai patokan
dalam mengambil suatu kesimpulan  berdasarkan hasil sampel yang diperoleh.
Pengukuran sampel digunakan untuk menafsirkan parameter populasi.
2. Distribusi normal sangat sesuai dengan distribusi empiris, sehingga dapat
dikatakan bahwa semua kejadian alami akan membentuk distribusi ini. Karena
alasan inilah sehingga distribusi ini dikenal sebagai distribusi normal dan
grafiknya dikenal sebagai kurva normal atau kurva gauss.
Aturan Empiris untuk Distribusi Normal
Aturan empiris distribusi normal, atau diketahui juga sebagai aturan 68-95-99.7, adalah sebuah
cara yang bermanfaat untuk memahami distribusi data dalam distribusi normal. 
Aturan ini dapat digunakan untuk memperkirakan probabilitas dan membuat prediksi
berdasarkan karakteristik populasi. Aturan ini menyatakan bahwa:
Sekitar 68% dari data termasuk dalam satu standar deviasi dari rata-rata.
Sekitar 95% data termasuk dalam dua standar deviasi dari rata-rata.
Sekitar 99,7% data termasuk dalam tiga standar deviasi dari rata-rata.
 
Persentase tersebut berlaku untuk setiap distribusi
normal terlepas dari rata-rata atau standar
deviasinya. 
Aturan empiris distribusi normal dapat digunakan
untuk memperkirakan dengan cepat proporsi data
yang berada dalam rentang nilai tertentu tanpa perlu
melakukan perhitungan yang rumit atau mencari nilai
dalam tabel.
Kapan menggunakan Distribusi
Normal?
Menurut Jim Frost, distribusi normal memiliki beberapa kegunaan, misalnya untuk: 
● Statistik inferensial 
Ketika ukuran data cukup besar, distribusi rata-rata data cenderung mengikuti distribusi normal.
Sifat ini dikenal sebagai Central Limit Theorem, yang memungkinkan peneliti untuk
menggunakan distribusi normal dengan tujuan membuat inferensi atau prediksi tentang rata-rata
dan varians populasi. 
● Pengujian hipotesis
Jika ukuran data cukup besar dan varians populasi diketahui, seseorang dapat menggunakan
distribusi normal untuk menguji hipotesis tentang rata-rata populasi.
● Analisis regresi
Ketika residual (perbedaan antara nilai prediksi dan nilai sebenarnya) dari model regresi
mengikuti distribusi normal, seseorang dapat membuat kesimpulan statistik yang valid tentang
prediksi model.
 Luas Daerah Normal
Probabilitas distribusi normal f(x) pada interval 𝑥1 < 𝑥 < 𝑥2
ditentukan dengan mencari luas daerah di bawah kurva yang
ditunjukkan pada Gambar
 

Gambar 2 Probabilitas Distribusi Normal Pada Interval 𝑥1 < 𝑥 <

𝑥2
Pada Gambar 2 probabilitas (𝑥1 < 𝑥 < 𝑥2) ditunjukkan oleh luas
daerah ya diarsir yang dibatasi oleh kurva f(x), sumbu-x, garis
tegak 𝑥 = 𝑎 dan 𝑥 = 𝑏. Karena f(x) merupakan fungsi kontinu,
probabilitas (𝑥1 < 𝑥 < 𝑥2) dihitung dengan menggunakan
integral dari fungsi f(x) yang dibataso oleh 𝑥 = 𝑥1 dan 𝑥 = 𝑥2,
yaitu:
 

 
 Luas Daerah Normal
Integral digunakan untuk menghitung daerah di bawah kurva distribusi normal standar.
Akan tetapi, secara sistematis bentuk integral dari fungsi f(x) tersebut sulit dipecahkan
secara langsung dengan teknik integral oleh karena itu variabel random normal X
ditransformasikan ke suatu variabel normal standar Z dengan rata-rata 𝜇 = 0 dan
variansi 𝜎2 = 1, untuk menyelesaikan integral dari distribusi probabilitas normal.
Tranformasi yang dimaksud yaitu:

Jika variabel random normal X menghasilkan nilai x, maka

nilai yang sama dalam variabel random Z adalah 𝑍 = 𝑥−𝜎/𝜇.
Jika x terletak antara nilai 𝑥 = 𝑥1 dan 𝑥 = 𝑥2 maka diperoleh
Kelebihan
  Distribusi Normal
Adapun asumsi yang mendasari metode ini adalah bahwa, secara statistic tingkat
kinerja karyawan terdistribusi mengikuti pola kurva normal. Jika berhasil
diimplementasikan secara efektif, metode distribusi normal bisa
mendatangkan kelebihan berikut ini:
• Mengurangi kemungkinan terjadinya bias penilaian.
• Meningkatkan objektivitas penilaian
• Memfasilitasi terjadinya komunikasi yang spontan dan terbuka antara atasan
dan bawahan
• Membantu menetapkan konsekuensi kinerja yang tepat
Kekurangan Distribusi Normal
Disisi lain metode distribusi normal juga tidak terlepas dari sejumlah
kelemahan pokok yang mengundang kritik
• Ketika diterapkan secara konsisten, metode distribusi normal justru
membangkitkan tantangan baru yang menyulitkan
• Kategori yang digunakan tidak menunjukan kinerja yang sebenarnya
• Dipersepsi lebih sulit dan kurang fair dibandingkan metode penilaian
konvensional
• Merangsang tumbuhnya lingkungan kerja yang kompetitif sekaligus
destruktif
 Kesimpulan

Berdasarkan pembahasan yang telah penyusun uraikan diatas, makadapat disim
pulkan bahwa distribusi peluang kontinu yang terpenting dalam
seluruh bidang statistika adalah distribusi normal. Distribusi normal merupakan
suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa
-peristiwa yang lebih luas. Grafiknya disebut kurva normal terbentuk
lonceng yang menggambarkan dengan cukup baik banyak gejala yang muncul
di alam, industri, dan penelitian. Abraham de Moivre adalah yang pertama kali
memperkenalkan distribusi normal ini dan kemudian dipopulerkan oleh CarlFredre
ich Gauss. Sehingga nama lain distribusi ini adalah distribusi Gauss.
Thank you