SlideShare a Scribd company logo
1 of 21
Download to read offline
DISTRIBUSI NORMAL
Ratu Ilma Indra Putri
Distribusi normal menggunakan variabel acak kontinu. Distribusi normal sering
disebut DISTRIBUSI GAUSS. Distribusi ini merupakan salah satu yang paling
penting dan banyak digunakan. Distribusi ini menyerupai BENTUK LONCENG
(BELL SHAPE) dengan nilai rata-rata sebagai sumbu simetrisnya.X
Variabel acak kontinu X mempunyai fungsi densitas pada X = x dinyatakan
dengan persamaan :
2
2
1
2
1
)(





 −
−
= σ
µ
πσ
x
exf
Dengan :Dengan :
π = Nilai konstan yang ditulis hingga 4 desimal π = 3,1416
e = Bilangan konstan, bila ditulis hingga 4 desimal, e = 2,7183
µ = Parameter, merupakan rata-rata untuk distribusi
σ = Parameter, merupakan simpangan baku untuk distribusi
Jika Nilai x mempunyai batas nilai , maka dikatakan bahwa
variabel acak X berdistribusi normal.
∞<<∞− x
1. Grafik selalu diatas sumbu-X (horisontal)
2. Bentuk simetris terhadap sumbu-Y pada X = µ
3. Mempunyai modus pada X = µ sebesar 0,3989/σ
4. Grafik mendekati sumbu-X pada X = µ-3µ dan X = µ+3µ
5. Kurva normal digunakan sebagai acuan pengujian hipotesis jika ukuran sampel n ≥ 30
6. Luas daerah yang dibatasi oleh sumbu-X dan kurva normal sama dengan satu satuan luas.
Sifat-sifat penting dari distribusi normal adalah :
Untuk tiap pasang µ dan σ,
sifat-sifat di atas selalu
kurva normal dengan
μ = 10 dan σ = 5
kurva normal dengan μ = 20 dan
σ = 7sifat-sifat di atas selalu
dipenuhi, hanya bentuk
kurvanya saja yang berlainan.
Jika σ makin besar, kurvanya
makin rendah (platikurtik) dan
untuk σ makin kecil, kurvanya
makin tinggi (leptokurtik).
Untuk menentukan peluang harga X antara a dan b, yakni )( bXaP <<
( ) dxebXaP
xb
a
2
2
1
1
2)(





 −
−−
∫=<< σ
µ
πσ
Untuk penggunaan praktis telah dibuat daftar distribusi normal baku (standar)
yaitu dengan µ = 0 dan σ = 1 sehingga fungsi densitasnya berbentuk :
2
2
1
2
1
)(
π
π
−
−= ezf
Dengan batas z yaitu ∞<<∞− z
Untuk mengubah distribusi normal umum menjadi distribusi normal baku
digunakan rumus :
σ
µ−
=
X
Z
Perubahan grafiknya dapat dilihat dalam gambar berikut ini :
σ
µ−
=
X
Z
Perubahan grafiknya dapat dilihat dalam gambar berikut ini :
Setelah distribusi normal baku yang didapat dari distribusi normal umum maka
daftar distribusi normal baku dapat digunakan. Bagian-bagian luas distribusi
normal baku dapat dicari. Caranya adalah :
1. Hitung z sehingga dua desimal
2. Gambarkan kurvanya seperti gambar normal standar
3. Letakkan harga z pada sumbu datar, lalu tarik garis vertikal hingga
memotong kurva.
6. Dari z di kolom kiri maju ke kanan dan dari z di baris atas turun ke bawah, maka
didapat bilangan yang merupakan luas yang dicari. Bilangan yang didapat harus
dituliskan dalam bentuk 0,xxxx (bentuk 4 desimal).
4. Luas yang tertera dalam daftar adalah luas daerah antara garis ini dengan
garis tegak di titik nol.
5. Dalam tabel normal cari tempat harga z pada kolom paling kiri hanya satu
desimal dan desimal keduanya dicari pada baris paling atas.
Beberapa contoh, penggunaan daftar normal baku yang akan dicari luas daerah
yaitu :
1 Antara z = 0 dan z = 2.15
Gunakan tabel Distribusi Normal.
Di bawah z pada kolom kiri cari 2,1
dan di atas sekali cari angka 5.
dari 2,1 maju ke kanan dan 5
menurun, didapat 0.4842.
Luas daerah yang dicari, dilihat
daerah yang diarsir = 0,9842.
2
Antara z = 0 dan z = -1.86
karena z bertanda negatif, maka
pada grafiknya diletakkan di
sebelah kiri 0. Untuk daftar
digunakan di bawah z kolom
kiri didapat 1,8 dan di atas
angka 6. Dari 1,8 ke kanan dan
dari 6 ke bawah didapat 0.4686
Luas daerah=daerah diarsir =
0,4686.
3 Coba Anda Gambar ……
4 Indeks prestasi kumulatif (IPK) rata-rata
masasiswa suatu perguruan tinggi adalah
2.76 dengan simpangan baku 0.40. jika
antara z = -1.50 dan z = 1.82
dari grafik terlihat kita perlu mencari luas dua kali,
lalu dijumlahkan.
Mengikuti cara di 1 untuk z = 1.82 dan cara di 2
untuk z = -1.50, masing-masing didapat 0,4656
dan 0,4332.
Jumlahnya = luas yang diarsir = 0,4332 +
0,4656=0,8988
Dari tabel normal proporsi luas antara z = 0
dan z = 0.60 adalah 0.2257 sehingga proporsi
mahasiswa dengan IPK 3.00 (bagian yang
diarsir) adalah 0.5000 – 0.2257 = 0.2743 atau
1,82-1,50
2.76 dengan simpangan baku 0.40. jika
diasumsikan IPK berdistribusi normal, berapa
persenkah mahasiswa yang memperoleh
IPK ≥ 3.00 ?
Penyelesaian :
Letak IPK = 3.00 pada kurav normal
ditunjukkan oleh bilangan baku :
6.0
40.0
76.200.3
=
−
=
−
=
σ
µX
Z
diarsir) adalah 0.5000 – 0.2257 = 0.2743 atau
27.43%
Untuk mencari kembali z apabila luasnya diketahui, maka
dilakukan langkah sebaliknya.
Fenomena distribusi data normal :
• Kira-kira 68,27% dari kasus ada dalam daerah
satu simpangan baku sekitar rata-rata, yaitu
antara µ - σ dan µ + σ.
• Ada 95,45% dari kasus terletak dalam daerah
dua simpangan baku sekitar rata-rata, yaitudua simpangan baku sekitar rata-rata, yaitu
antara µ - 2σ dan µ + 2σ.
• Hampir 99,73% dari kasus ada dalam daerah
tiga simpangan baku sekitar rata-rata, yaitu
antara µ - 3σ dan µ + 3σ.
Jenis bentuk kurva yang diakibatkan oleh perbedaan
rentangan nilai dan simpangan baku ada tiga macam:
1. Leptokurtik, merupakan bentuk kurva normal yang
meruncing tinggi karena perbedaan frekuensi pada
skor-skor yang mendekati rata-rata sangat kecil.
2. Platykurtic, merupakan kurva normal yang
mendatar rendah karena perbedaan frekuensi pada
skor-skor yang mendekati rata-rata sangat kecil.skor-skor yang mendekati rata-rata sangat kecil.
3. Normal, merupakan bentuk kurva normal yang
biasa, artinya bentuknya merupakan bentuk antara
leptokurtic dan platykurtic, karena penyebaran skor
biasa dan tidak terjadi kejutan-kejutan yang berarti.
Bentuk ketiga kurva normal itu dapat
dilihat pada grafik, berikut ini :
DISTRIBUSI FDISTRIBUSI F
Distribusi F merupakan distribusi variabel acak kontinu. Fungsi
densitasnya mempunyai persamaan :
( )21
1
2
1
2
1
)2(
2
1
1
.)(
vv
v
v
Fv
F
KFf
+
−






+
=
2 
Dimana :
F = Variabel acak yang memenuhi F > 0
K = Bilangan tetap yang harganya bergantung pada derajat kebebasan v1 dan v2
v1 = Derajat kebebasan antara varians rata-rata sampel (sebagai pembilang)
v2 = Derajat kebebasan dalam keseluruhan sampel (sebagai penyebut)
Luas dibawah kurva sama dengan satu.
Daftar distribusi normal berisikan nilai-nilai F untuk peluang 0,01 dan 0,05 dengan
derajat kekebasan v1 dan v2. Peluang ini sama dengan luas daerah ujung kanan yang
diarsir, sedangkan derajat kekebasan pembilang (v1 ) ada pada baris paling atas dan
derajat kebebasan penyebut (v2) pada kolom paling kiri.
Distribusi F
Dengan v1 dan
v2 adalah derajat
kebebasan
area
Notasi lengkap untuk nilai-nilai F dari daftar distribusi F dengan peluang p dan
dk = (v1,v2) adalah Fp(v1,v2). Demikianlah untuk contoh kita didapat :
F0.05(24,8) = 3.12 dan F0.01(24,8 )= 5.28
Meskipun daftar yang diberikan hanya untuk peluang p = 0.05 dan p = 0.01,
tetapi sebenarnya masih bisa didapat nilai-nilai F dengan peluang 0,99 dan
0,95. Untuk ini digunakan hubungan :
( )( )
( )
21
,
,1
1
vvp
vvp
F
F =−
( )21
21
,vvpF
Dalam rumus diatas perhatikan antara p dan (1- p) dan pertukaran antara
derajat kebebasan (v1,v2) menjadi (v2,v1).
DISTRIBUSI STUDENT (t)DISTRIBUSI STUDENT (t)
Distribusi dengan variabel acak kontinu lainnya selain dari distribusi normal
ialah DISTRIBUSI STUDENT ATAU DISTRIBUSI - t. Fungsi densitasnya
adalah :
n
n
t
K
tf
2
1
2
1
1
)(






−
+
=
n 1


 −
Berlaku untuk harga-harga t yang memenuhi
K merupakan bilangan tetap yang besarnya bergantung pada n sedemikian
sehingga luas daerah di bawah kurva sama dengan satu unit.
∞<<∞− t
Pada distribusi t ini terdapat bilangan (n-1) yang dinamakan derajat kebebasan, akan
disingkat dengan dk.
Bentuk kurva-t identik dengan bentuk kurva normal, tetapi kurtosisnya ditentukan
oleh besar kecilnya derajat kebebasan df. Untuk n ≥ 30 pola distribusi t mendekati
pola distribusi normal.
n = ∞
n = 10
n = 2n = 2
Dalam tabel distribusi-t kolom paling kiri berisikan derajat kebebasan (dk), baris
teratas berisikan nilai peluang.
Gambar dibawah ini merupakan grafik distribusi-t dengan dk = ( n – 1 ). Luas
bagian yang diarsir = p dan dibatasi paling kanan oleh tp. Harga tp inilah yang
dicari dari daftar untuk pasangan dk dan p yang diberikan.
Beberapa contoh penggunaan daftar distribusi-t
1. Untuk n = 13, jadi dk = (n-1) = 13 - 1 = 12, dan p = 0,95 maka t = 1,782
ini didapat (lihat tabel distruibusi-t) dengan jalan maju ke kanan dari 12 dan
menurun 0,95.
2. Tentukan t sehingga luas dari t ke kiri = 0,05 dengan dk = 9. Untuk ini p
yang digunakan = 0,95. Dengan dk = 9 didapat t = 1,83. karena yangyang digunakan = 0,95. Dengan dk = 9 didapat t = 1,83. karena yang
diminta kurang dari 0,5, maka t harus bertanda negatif. Jadi t = - 1,83

More Related Content

What's hot

3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubahYulianus Lisa Mantong
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasiHafiza .h
 
Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Raden Maulana
 
Metode maximum likelihood
Metode maximum likelihoodMetode maximum likelihood
Metode maximum likelihoodririn12
 
Distribusi t sudent
Distribusi t sudentDistribusi t sudent
Distribusi t sudentDevandy Enda
 
Penerapan distribusi normal
Penerapan distribusi normalPenerapan distribusi normal
Penerapan distribusi normalhidayatulfitri
 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parametermatematikaunindra
 
Distribusi probabilitas-diskrit-poisson
Distribusi probabilitas-diskrit-poissonDistribusi probabilitas-diskrit-poisson
Distribusi probabilitas-diskrit-poissonNarwan Ginanjar
 
PPT Regresi Berganda
PPT Regresi BergandaPPT Regresi Berganda
PPT Regresi BergandaLusi Kurnia
 
Persamaan garis lurus(Geometri Analitik Ruang)
Persamaan garis lurus(Geometri Analitik Ruang)Persamaan garis lurus(Geometri Analitik Ruang)
Persamaan garis lurus(Geometri Analitik Ruang)Dyas Arientiyya
 
STATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasiSTATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasiYousuf Kurniawan
 
Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)Mayawi Karim
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuAnderzend Awuy
 
Pendugaan parameter
Pendugaan parameterPendugaan parameter
Pendugaan parametersiti Julaeha
 

What's hot (20)

3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubah
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasi
 
Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)Beberapa distribusi peluang diskrit (1)
Beberapa distribusi peluang diskrit (1)
 
Distribusi normal
Distribusi normalDistribusi normal
Distribusi normal
 
Stat d3 7
Stat d3 7Stat d3 7
Stat d3 7
 
Metode maximum likelihood
Metode maximum likelihoodMetode maximum likelihood
Metode maximum likelihood
 
Distribusi t sudent
Distribusi t sudentDistribusi t sudent
Distribusi t sudent
 
Penerapan distribusi normal
Penerapan distribusi normalPenerapan distribusi normal
Penerapan distribusi normal
 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parameter
 
Distribusi probabilitas-diskrit-poisson
Distribusi probabilitas-diskrit-poissonDistribusi probabilitas-diskrit-poisson
Distribusi probabilitas-diskrit-poisson
 
PPT Regresi Berganda
PPT Regresi BergandaPPT Regresi Berganda
PPT Regresi Berganda
 
Pengantar Statistika 2
Pengantar Statistika 2Pengantar Statistika 2
Pengantar Statistika 2
 
relasi himpunan
relasi himpunanrelasi himpunan
relasi himpunan
 
Persamaan garis lurus(Geometri Analitik Ruang)
Persamaan garis lurus(Geometri Analitik Ruang)Persamaan garis lurus(Geometri Analitik Ruang)
Persamaan garis lurus(Geometri Analitik Ruang)
 
STATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasiSTATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasi
 
Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)
 
Minggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis KorelasiMinggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis Korelasi
 
VARIABEL RANDOM & DISTRIBUSI PELUANG
VARIABEL RANDOM & DISTRIBUSI PELUANGVARIABEL RANDOM & DISTRIBUSI PELUANG
VARIABEL RANDOM & DISTRIBUSI PELUANG
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinu
 
Pendugaan parameter
Pendugaan parameterPendugaan parameter
Pendugaan parameter
 

Similar to DISTRIBUSI NORMAL

Distribusi binomial, poisson dan normal
Distribusi binomial, poisson dan normalDistribusi binomial, poisson dan normal
Distribusi binomial, poisson dan normalAYU Hardiyanti
 
Konsep distribusi peluang_kontinu(9)
Konsep distribusi peluang_kontinu(9)Konsep distribusi peluang_kontinu(9)
Konsep distribusi peluang_kontinu(9)rizka_safa
 
Distribusi normal kelompok 9
Distribusi normal kelompok 9Distribusi normal kelompok 9
Distribusi normal kelompok 9Vina R Ipina
 
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptxK6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptxTriOktariana2
 
Teori_Prob_Distribusi_Teoritis__sesi_6.ppt
Teori_Prob_Distribusi_Teoritis__sesi_6.pptTeori_Prob_Distribusi_Teoritis__sesi_6.ppt
Teori_Prob_Distribusi_Teoritis__sesi_6.pptHulwanulAzkaPutraPra
 
Teori_Prob_Distribusi_Teoritis__sesi_6.ppt
Teori_Prob_Distribusi_Teoritis__sesi_6.pptTeori_Prob_Distribusi_Teoritis__sesi_6.ppt
Teori_Prob_Distribusi_Teoritis__sesi_6.pptPittTube
 
APG Pertemuan 4 : Multivariate Normal Distribution (2)
APG Pertemuan 4 : Multivariate Normal Distribution (2)APG Pertemuan 4 : Multivariate Normal Distribution (2)
APG Pertemuan 4 : Multivariate Normal Distribution (2)Rani Nooraeni
 

Similar to DISTRIBUSI NORMAL (20)

Distribusi normal
Distribusi normalDistribusi normal
Distribusi normal
 
Materi p3 distribusi normal
Materi p3 distribusi normalMateri p3 distribusi normal
Materi p3 distribusi normal
 
Distribusi normal
Distribusi normalDistribusi normal
Distribusi normal
 
Distribusi normal
Distribusi normalDistribusi normal
Distribusi normal
 
Distribusi normal
Distribusi normalDistribusi normal
Distribusi normal
 
Statistika Deskriptif - Distribusi Normal
Statistika Deskriptif - Distribusi NormalStatistika Deskriptif - Distribusi Normal
Statistika Deskriptif - Distribusi Normal
 
DISTRIBUSI_NORMAL.ppt
DISTRIBUSI_NORMAL.pptDISTRIBUSI_NORMAL.ppt
DISTRIBUSI_NORMAL.ppt
 
Distribusi binomial, poisson dan normal
Distribusi binomial, poisson dan normalDistribusi binomial, poisson dan normal
Distribusi binomial, poisson dan normal
 
Konsep distribusi peluang_kontinu(9)
Konsep distribusi peluang_kontinu(9)Konsep distribusi peluang_kontinu(9)
Konsep distribusi peluang_kontinu(9)
 
Distribusi Normal
Distribusi NormalDistribusi Normal
Distribusi Normal
 
Chapter ii
Chapter iiChapter ii
Chapter ii
 
Distribusi normal kelompok 9
Distribusi normal kelompok 9Distribusi normal kelompok 9
Distribusi normal kelompok 9
 
Teori peluang
Teori peluangTeori peluang
Teori peluang
 
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptxK6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
K6_INDRALAYA_DISTRIBUSI NORMAL_STATISTIKA PENDIDIKAN.pptx
 
Distribusi normal 1
Distribusi normal 1Distribusi normal 1
Distribusi normal 1
 
2022_2_P3_Distribusi Normal.pdf
2022_2_P3_Distribusi Normal.pdf2022_2_P3_Distribusi Normal.pdf
2022_2_P3_Distribusi Normal.pdf
 
Teori_Prob_Distribusi_Teoritis__sesi_6.ppt
Teori_Prob_Distribusi_Teoritis__sesi_6.pptTeori_Prob_Distribusi_Teoritis__sesi_6.ppt
Teori_Prob_Distribusi_Teoritis__sesi_6.ppt
 
Teori_Prob_Distribusi_Teoritis__sesi_6.ppt
Teori_Prob_Distribusi_Teoritis__sesi_6.pptTeori_Prob_Distribusi_Teoritis__sesi_6.ppt
Teori_Prob_Distribusi_Teoritis__sesi_6.ppt
 
Ek107 122215-515-9
Ek107 122215-515-9Ek107 122215-515-9
Ek107 122215-515-9
 
APG Pertemuan 4 : Multivariate Normal Distribution (2)
APG Pertemuan 4 : Multivariate Normal Distribution (2)APG Pertemuan 4 : Multivariate Normal Distribution (2)
APG Pertemuan 4 : Multivariate Normal Distribution (2)
 

More from ratuilma

Uji hipotesis dan uji hipotesis 1_ratarata
Uji hipotesis dan uji hipotesis 1_ratarataUji hipotesis dan uji hipotesis 1_ratarata
Uji hipotesis dan uji hipotesis 1_ratarataratuilma
 
Uji normalitas dan homogenitas ri
Uji normalitas dan homogenitas riUji normalitas dan homogenitas ri
Uji normalitas dan homogenitas riratuilma
 
Distribusi binomial dan poisson baru
Distribusi binomial dan poisson baruDistribusi binomial dan poisson baru
Distribusi binomial dan poisson baruratuilma
 
Penyajian data 1
Penyajian data 1Penyajian data 1
Penyajian data 1ratuilma
 
Pengertian statistik dan data
Pengertian statistik dan dataPengertian statistik dan data
Pengertian statistik dan dataratuilma
 
Distribusi frekuensi 2012
Distribusi frekuensi 2012Distribusi frekuensi 2012
Distribusi frekuensi 2012ratuilma
 
Distribusi frekuensi ratuilma
Distribusi frekuensi ratuilmaDistribusi frekuensi ratuilma
Distribusi frekuensi ratuilmaratuilma
 
Distribusi frekuensi 2012
Distribusi frekuensi 2012Distribusi frekuensi 2012
Distribusi frekuensi 2012ratuilma
 

More from ratuilma (8)

Uji hipotesis dan uji hipotesis 1_ratarata
Uji hipotesis dan uji hipotesis 1_ratarataUji hipotesis dan uji hipotesis 1_ratarata
Uji hipotesis dan uji hipotesis 1_ratarata
 
Uji normalitas dan homogenitas ri
Uji normalitas dan homogenitas riUji normalitas dan homogenitas ri
Uji normalitas dan homogenitas ri
 
Distribusi binomial dan poisson baru
Distribusi binomial dan poisson baruDistribusi binomial dan poisson baru
Distribusi binomial dan poisson baru
 
Penyajian data 1
Penyajian data 1Penyajian data 1
Penyajian data 1
 
Pengertian statistik dan data
Pengertian statistik dan dataPengertian statistik dan data
Pengertian statistik dan data
 
Distribusi frekuensi 2012
Distribusi frekuensi 2012Distribusi frekuensi 2012
Distribusi frekuensi 2012
 
Distribusi frekuensi ratuilma
Distribusi frekuensi ratuilmaDistribusi frekuensi ratuilma
Distribusi frekuensi ratuilma
 
Distribusi frekuensi 2012
Distribusi frekuensi 2012Distribusi frekuensi 2012
Distribusi frekuensi 2012
 

DISTRIBUSI NORMAL

  • 2. Distribusi normal menggunakan variabel acak kontinu. Distribusi normal sering disebut DISTRIBUSI GAUSS. Distribusi ini merupakan salah satu yang paling penting dan banyak digunakan. Distribusi ini menyerupai BENTUK LONCENG (BELL SHAPE) dengan nilai rata-rata sebagai sumbu simetrisnya.X
  • 3. Variabel acak kontinu X mempunyai fungsi densitas pada X = x dinyatakan dengan persamaan : 2 2 1 2 1 )(       − − = σ µ πσ x exf Dengan :Dengan : π = Nilai konstan yang ditulis hingga 4 desimal π = 3,1416 e = Bilangan konstan, bila ditulis hingga 4 desimal, e = 2,7183 µ = Parameter, merupakan rata-rata untuk distribusi σ = Parameter, merupakan simpangan baku untuk distribusi Jika Nilai x mempunyai batas nilai , maka dikatakan bahwa variabel acak X berdistribusi normal. ∞<<∞− x
  • 4. 1. Grafik selalu diatas sumbu-X (horisontal) 2. Bentuk simetris terhadap sumbu-Y pada X = µ 3. Mempunyai modus pada X = µ sebesar 0,3989/σ 4. Grafik mendekati sumbu-X pada X = µ-3µ dan X = µ+3µ 5. Kurva normal digunakan sebagai acuan pengujian hipotesis jika ukuran sampel n ≥ 30 6. Luas daerah yang dibatasi oleh sumbu-X dan kurva normal sama dengan satu satuan luas. Sifat-sifat penting dari distribusi normal adalah : Untuk tiap pasang µ dan σ, sifat-sifat di atas selalu kurva normal dengan μ = 10 dan σ = 5 kurva normal dengan μ = 20 dan σ = 7sifat-sifat di atas selalu dipenuhi, hanya bentuk kurvanya saja yang berlainan. Jika σ makin besar, kurvanya makin rendah (platikurtik) dan untuk σ makin kecil, kurvanya makin tinggi (leptokurtik).
  • 5. Untuk menentukan peluang harga X antara a dan b, yakni )( bXaP << ( ) dxebXaP xb a 2 2 1 1 2)(       − −− ∫=<< σ µ πσ Untuk penggunaan praktis telah dibuat daftar distribusi normal baku (standar) yaitu dengan µ = 0 dan σ = 1 sehingga fungsi densitasnya berbentuk : 2 2 1 2 1 )( π π − −= ezf Dengan batas z yaitu ∞<<∞− z
  • 6. Untuk mengubah distribusi normal umum menjadi distribusi normal baku digunakan rumus : σ µ− = X Z Perubahan grafiknya dapat dilihat dalam gambar berikut ini : σ µ− = X Z Perubahan grafiknya dapat dilihat dalam gambar berikut ini :
  • 7. Setelah distribusi normal baku yang didapat dari distribusi normal umum maka daftar distribusi normal baku dapat digunakan. Bagian-bagian luas distribusi normal baku dapat dicari. Caranya adalah : 1. Hitung z sehingga dua desimal 2. Gambarkan kurvanya seperti gambar normal standar 3. Letakkan harga z pada sumbu datar, lalu tarik garis vertikal hingga memotong kurva. 6. Dari z di kolom kiri maju ke kanan dan dari z di baris atas turun ke bawah, maka didapat bilangan yang merupakan luas yang dicari. Bilangan yang didapat harus dituliskan dalam bentuk 0,xxxx (bentuk 4 desimal). 4. Luas yang tertera dalam daftar adalah luas daerah antara garis ini dengan garis tegak di titik nol. 5. Dalam tabel normal cari tempat harga z pada kolom paling kiri hanya satu desimal dan desimal keduanya dicari pada baris paling atas.
  • 8. Beberapa contoh, penggunaan daftar normal baku yang akan dicari luas daerah yaitu : 1 Antara z = 0 dan z = 2.15 Gunakan tabel Distribusi Normal. Di bawah z pada kolom kiri cari 2,1 dan di atas sekali cari angka 5. dari 2,1 maju ke kanan dan 5 menurun, didapat 0.4842. Luas daerah yang dicari, dilihat daerah yang diarsir = 0,9842. 2 Antara z = 0 dan z = -1.86 karena z bertanda negatif, maka pada grafiknya diletakkan di sebelah kiri 0. Untuk daftar digunakan di bawah z kolom kiri didapat 1,8 dan di atas angka 6. Dari 1,8 ke kanan dan dari 6 ke bawah didapat 0.4686 Luas daerah=daerah diarsir = 0,4686.
  • 9. 3 Coba Anda Gambar …… 4 Indeks prestasi kumulatif (IPK) rata-rata masasiswa suatu perguruan tinggi adalah 2.76 dengan simpangan baku 0.40. jika antara z = -1.50 dan z = 1.82 dari grafik terlihat kita perlu mencari luas dua kali, lalu dijumlahkan. Mengikuti cara di 1 untuk z = 1.82 dan cara di 2 untuk z = -1.50, masing-masing didapat 0,4656 dan 0,4332. Jumlahnya = luas yang diarsir = 0,4332 + 0,4656=0,8988 Dari tabel normal proporsi luas antara z = 0 dan z = 0.60 adalah 0.2257 sehingga proporsi mahasiswa dengan IPK 3.00 (bagian yang diarsir) adalah 0.5000 – 0.2257 = 0.2743 atau 1,82-1,50 2.76 dengan simpangan baku 0.40. jika diasumsikan IPK berdistribusi normal, berapa persenkah mahasiswa yang memperoleh IPK ≥ 3.00 ? Penyelesaian : Letak IPK = 3.00 pada kurav normal ditunjukkan oleh bilangan baku : 6.0 40.0 76.200.3 = − = − = σ µX Z diarsir) adalah 0.5000 – 0.2257 = 0.2743 atau 27.43% Untuk mencari kembali z apabila luasnya diketahui, maka dilakukan langkah sebaliknya.
  • 10. Fenomena distribusi data normal : • Kira-kira 68,27% dari kasus ada dalam daerah satu simpangan baku sekitar rata-rata, yaitu antara µ - σ dan µ + σ. • Ada 95,45% dari kasus terletak dalam daerah dua simpangan baku sekitar rata-rata, yaitudua simpangan baku sekitar rata-rata, yaitu antara µ - 2σ dan µ + 2σ. • Hampir 99,73% dari kasus ada dalam daerah tiga simpangan baku sekitar rata-rata, yaitu antara µ - 3σ dan µ + 3σ.
  • 11. Jenis bentuk kurva yang diakibatkan oleh perbedaan rentangan nilai dan simpangan baku ada tiga macam: 1. Leptokurtik, merupakan bentuk kurva normal yang meruncing tinggi karena perbedaan frekuensi pada skor-skor yang mendekati rata-rata sangat kecil. 2. Platykurtic, merupakan kurva normal yang mendatar rendah karena perbedaan frekuensi pada skor-skor yang mendekati rata-rata sangat kecil.skor-skor yang mendekati rata-rata sangat kecil. 3. Normal, merupakan bentuk kurva normal yang biasa, artinya bentuknya merupakan bentuk antara leptokurtic dan platykurtic, karena penyebaran skor biasa dan tidak terjadi kejutan-kejutan yang berarti.
  • 12. Bentuk ketiga kurva normal itu dapat dilihat pada grafik, berikut ini :
  • 14. Distribusi F merupakan distribusi variabel acak kontinu. Fungsi densitasnya mempunyai persamaan : ( )21 1 2 1 2 1 )2( 2 1 1 .)( vv v v Fv F KFf + −       + = 2  Dimana : F = Variabel acak yang memenuhi F > 0 K = Bilangan tetap yang harganya bergantung pada derajat kebebasan v1 dan v2 v1 = Derajat kebebasan antara varians rata-rata sampel (sebagai pembilang) v2 = Derajat kebebasan dalam keseluruhan sampel (sebagai penyebut) Luas dibawah kurva sama dengan satu.
  • 15. Daftar distribusi normal berisikan nilai-nilai F untuk peluang 0,01 dan 0,05 dengan derajat kekebasan v1 dan v2. Peluang ini sama dengan luas daerah ujung kanan yang diarsir, sedangkan derajat kekebasan pembilang (v1 ) ada pada baris paling atas dan derajat kebebasan penyebut (v2) pada kolom paling kiri. Distribusi F Dengan v1 dan v2 adalah derajat kebebasan area Notasi lengkap untuk nilai-nilai F dari daftar distribusi F dengan peluang p dan dk = (v1,v2) adalah Fp(v1,v2). Demikianlah untuk contoh kita didapat : F0.05(24,8) = 3.12 dan F0.01(24,8 )= 5.28
  • 16. Meskipun daftar yang diberikan hanya untuk peluang p = 0.05 dan p = 0.01, tetapi sebenarnya masih bisa didapat nilai-nilai F dengan peluang 0,99 dan 0,95. Untuk ini digunakan hubungan : ( )( ) ( ) 21 , ,1 1 vvp vvp F F =− ( )21 21 ,vvpF Dalam rumus diatas perhatikan antara p dan (1- p) dan pertukaran antara derajat kebebasan (v1,v2) menjadi (v2,v1).
  • 18. Distribusi dengan variabel acak kontinu lainnya selain dari distribusi normal ialah DISTRIBUSI STUDENT ATAU DISTRIBUSI - t. Fungsi densitasnya adalah : n n t K tf 2 1 2 1 1 )(       − + = n 1    − Berlaku untuk harga-harga t yang memenuhi K merupakan bilangan tetap yang besarnya bergantung pada n sedemikian sehingga luas daerah di bawah kurva sama dengan satu unit. ∞<<∞− t
  • 19. Pada distribusi t ini terdapat bilangan (n-1) yang dinamakan derajat kebebasan, akan disingkat dengan dk. Bentuk kurva-t identik dengan bentuk kurva normal, tetapi kurtosisnya ditentukan oleh besar kecilnya derajat kebebasan df. Untuk n ≥ 30 pola distribusi t mendekati pola distribusi normal. n = ∞ n = 10 n = 2n = 2 Dalam tabel distribusi-t kolom paling kiri berisikan derajat kebebasan (dk), baris teratas berisikan nilai peluang.
  • 20. Gambar dibawah ini merupakan grafik distribusi-t dengan dk = ( n – 1 ). Luas bagian yang diarsir = p dan dibatasi paling kanan oleh tp. Harga tp inilah yang dicari dari daftar untuk pasangan dk dan p yang diberikan.
  • 21. Beberapa contoh penggunaan daftar distribusi-t 1. Untuk n = 13, jadi dk = (n-1) = 13 - 1 = 12, dan p = 0,95 maka t = 1,782 ini didapat (lihat tabel distruibusi-t) dengan jalan maju ke kanan dari 12 dan menurun 0,95. 2. Tentukan t sehingga luas dari t ke kiri = 0,05 dengan dk = 9. Untuk ini p yang digunakan = 0,95. Dengan dk = 9 didapat t = 1,83. karena yangyang digunakan = 0,95. Dengan dk = 9 didapat t = 1,83. karena yang diminta kurang dari 0,5, maka t harus bertanda negatif. Jadi t = - 1,83