Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
My World
A simple blog about me ^^
(h ps://vebrianaparmita.les.wordpress.com/2013/11/normal_distribution_pdf-svg.png)
A. Karakteristik Distribusi Probabilitas Normal
Distribusi probabilitas normal dan kurva normal telah dikembangkan oleh DeMoivre (1733) dan Gauss
(1777 1855) dengan menurunkan persamaan matematis dan kurva normalnya. Oleh sebab itu, kurva
normal sering juga disebut kurva Gauss.
10/30/2015 2:27 PM
2 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
(h ps://vebrianaparmita.les.wordpress.com/2013/11/1.png)
Beberapa karakteristik dari distribusi probabilitas dan kurva normal adalah:
1. Kurva berbentuk genta atau lonceng dan memiliki satu puncak yang terletak di tengah. Nilai
rata-rata hitung () = median (Md) = modus (Mo). Nilai = Md = Mo yang berada di tengah
membelah kurva menjadi dua bagian yaitu setengah di bawah nilai = Md = Mo dan setengah di
atas nilai = Md = Mo.
2. Distribusi probabilitas dan kurva normal berbentuk kurva simetris dengan rata-rata hitungnya ().
3. Distribusi probabilitas dan kurva normal bersifat asimptotis.
4. Kurva mencapai puncak pada saat X = .
5. Luas daerah di bawah kurva normal adalah 1; di sisi kanan nilai tengah dan di sisi kiri.
Bila X suatu pengubah acak normal dengan nilai tengah , dan standar deviasi , maka persamaan
kurva normalnya adalah:
(h ps://vebrianaparmita.les.wordpress.com/2013/11/112.png)
B. Jenis-jenis Distribusi Probabilitas Normal
Distribusi Probabilitas dan Kurva Normal dengan dan Berbeda
Bentuk distribusi probabilitas dan kurva normal dengan nilai tengah sama dan standar deviasi yang
berbeda, adalah bentuk leptokurtic, platykurtik dan mesokurtik. Kurva normal tersebut mempunyai =
Md = Mo yang sama, namun mempunyai berbeda. Semakin besar , maka kurva semakin pendek dan
semakin tinggi nilai , maka semakin runcing. Oleh sebab itu, tinggi cenderung menjadi platykurtik
dan rendah menjadi leptokurtik. Nilai yang tinggi menunjukkan bahwa nilai data semakin
menyebar dari nilai tengahnya (). Apabila rendah, maka nilai semakin mengelompok pada nilai
tengahnya.
10/30/2015 2:27 PM
3 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
(h ps://vebrianaparmita.les.wordpress.com/2013/11/121.png)
Distribusi Probabilitas dan Kurva Normal dengan Berbeda dan Sama
Bentuk distribusi probabilitas dan kurva normal dengan berbeda dan sama mempunyai jarak antara
kurva yang berbeda, namun bentuk kurva tetap sama. Hal demikian bisa terjadi karena kemampuan
antar populasi berbeda, namun setiap populasi mempunyai keragaman yang hampir sama.
(h ps://vebrianaparmita.les.wordpress.com/2013/11/13.png)
10/30/2015 2:27 PM
4 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
(h ps://vebrianaparmita.les.wordpress.com/2013/11/113.png)
C. Distribusi Probabilitas Normal Baku
Distribusi normal baku adalah distribusi probabilitas acak normal dengan nilai tengah nol dan
simpangan baku 1.
Seringkali disebut dengan distribusi z.
Hal yang perlu dilakukan dalam rangka distribusi probabilitas normal baku adalah mengubah atau
membakukan distribusi aktual dalam bentuk distribusi norma baku yang dikenal dengan nilai Z
atau skor Z
Nilai Z adalah jarak yang berbeda antara sebuah nilai X yang dipilih dari ratarata , dibagi dengan
standar deviasinya, .
Rumus nilai Z adalah :
(h ps://vebrianaparmita.les.wordpress.com/2013/11/14.png)
Z = Skor Z atau nilai normal baku
X = Nilai dari suatu pengamatan atau pengukuran
= Nilai rata-rata hitung suatu distribusi
= Standar deviasi
Contoh Soal:
Rata-rata berat sebuah kotak adalah 283 gram dan standar deviasinya 1,6 gram. Berapakah probabilitas
sebuah kotak dibawah 284,5 gram ?
(h ps://vebrianaparmita.les.wordpress.com/2013/11/114.png)
10/30/2015 2:27 PM
5 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
(h ps://vebrianaparmita.les.wordpress.com/2013/11/15.png)
Transformasi dari X ke Z
(h ps://vebrianaparmita.les.wordpress.com/2013/11/115.png)
Bila nilai X berada di antara X = x1 dan X = x2, maka variabel acak Z akan berada di antara nilai:
(h ps://vebrianaparmita.les.wordpress.com/2013/11/16.png)
Transformasi ini juga mempertahankan luas di bawah kurvanya, artinya:
(h ps://vebrianaparmita.les.wordpress.com/2013/11/116.png)
Contoh Soal:
Misalkan kita memilih 20 saham pada bulan Mei 2007. Harga saham ke-20 perusahaan tersebut berkisar
10/30/2015 2:27 PM
6 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
antara Rp. 2.000 2.805 per lembarnya. Berapa probabilitas harga saham antara Rp. 2.500 sampai 2.805
per lembarnya. Diketahui = 2.500 sebagai nilai rata-rata hitung dan standar deviasinya 400.
Z = (X ) /
Z1 = (2.500 2500) / 400
Z1 = 0 / 400 = 0
Z2 = (2.805 2.805) / 400
Z2 = 0.76
(h ps://vebrianaparmita.les.wordpress.com/2013/11/17.png)
Kurva setiap distribusi peluang kontinu atau fungsi padat dibuat sedemikian rupa sehingga luas di
bawah kurva di antara kedua ordinat x = x1 dan x = x2 sama dengan peluang acak X mendapatkan
harga antara x = x1 dan x = x2. Luas di bawah kurva antara dua ordinat sembarang tergantung pada
harga dan .
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
E. Penerapan Kurva Normal
Contoh Soal 1
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.
10/30/2015 2:27 PM
7 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
(h ps://vebrianaparmita.les.wordpress.com/2013/11/18.png)
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%.
Contoh Soal 2
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!
(h ps://vebrianaparmita.les.wordpress.com/2013/11/117.png)
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
10/30/2015 2:27 PM
8 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
lampu bohlamnya menyala 800-1.000 jam, mempunyai probabilitas benar 95,44%, sedang sisanya 4,56%
harus dipersiapkan untuk garansi.
(h ps://vebrianaparmita.les.wordpress.com/2013/11/19.png)
Bila nilai X adalah distribusi acak binomial dengan nilai tengah = np dan standar deviasi = npq,
maka nilai Z untuk distribusi normal adalah:
(h ps://vebrianaparmita.les.wordpress.com/2013/11/118.png)
di mana n >>>> dan nilai p mendekati 0,5
10/30/2015 2:27 PM
9 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
Contoh Soal:
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 ?
Jawab:
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
Diketahui X = 250, dan dikurangi faktor koreksi 0.5 sehingga X = 250 0.5 = 249.5
Dengan demikian nilai Z menjadi:
Z = (249.5 240) / 6.93 = 1.37 dan P (Z<1.37) = 0.4147
Jadi probabilitas laku adalah 0.5 + 0.4147 = 0.9147
Dengan kata lain harapan buah laku 250 kg adalah 91.47%
Daftar Pustaka:
Suharyadi, & Purwanto S. K. (2007). Statistika: Untuk Ekonomi dan Keuangan Modern, Edisi 2. Jakarta:
Penerbit Salemba Empat.
h p://tekdig2011.blogspot.com/2012/05/distribusi-normal.html (h p://tekdig2011.blogspot.com/2012/05
/distribusi-normal.html)
h p://blog.ub.ac.id/adiarsa/tag/macam-distribusi/ (h p://blog.ub.ac.id/adiarsa/tag/macam-distribusi/)
h p://asmauna.wordpress.com/tag/binomial/ (h p://asmauna.wordpress.com/tag/binomial/)
h p://mrfree793.blogspot.com/2012/06/distribusi-normal.html
/distribusi-normal.html)
(h p://mrfree793.blogspot.com/2012/06
10/30/2015 2:27 PM
10 of 10
https://vebrianaparmita.wordpress.com/2013/11/10/bab-viii-distribusi-pr...
Reply
10/30/2015 2:27 PM