Laporan praktikum teori peluang 6

85
BAB I
PENDAHULUAN
1.1. Latar Belakang
Pada tahun 1733, Abraham de Moivre menemukan persamaan matematika untuk kurva
normal yang menjadi dasar dalam banyak teori statistik induktif. Abraham inilah yang
pertama kali memperkenalkan distribusi normal. Distribusi normal sering disebut juga dengan
distribusi Gauss, karena dipopulerkan oleh Carl Fredreich Gauss. Inilah distribusi peluang
kontinu yang terpenting dan paling banyak digunakan. Kurva dari disribusi normal berbentuk
setangkup seperti lonceng, dengan kurvanya sering disebut kurva normal atau kurva topi
orang Meksiko (Mexican hat), karena mirip dengan sombrero yang merupakan topi orang
Meksiko.
Dikenalnya distribusi normal diawali oleh kemajuan yang pesat dalam pengukuran
pada abad ke 18. Pada waktu itu, para ahli matematika dihadapkan pada suatu tantangan
mengenai fenomena variabilitas pengamat atau interna, yang artinya bila seorang mengadakan
pengukuran berulang-ulang maka hasilnya akan berbeda-beda. Yang menjadi pertanyaan
adalah nilai manakah yang dianggap paling tepat dari semua hasil pengukuran tersebut. Maka
kemudian berdasarkan kesepakatan maka nilai rata-rata dianggap paling tepat dan semua
penyimpangan dari rata-rata dianggap suatu kesalahan atau error. Gauss mengamati hasil dari
percobaan yang dilakukan berulang-ulang, dan dia menemukan hasil yang paling sering
adalah nilai rata-rata. Penyimpangan baik ke kanan atau ke kiri yang jauh dari rata-rata,
terjadinya semakin sedikit. Sehingga bila disusun maka akan terbentuk distribusi yang
simetris.
1.2. Tujuan Praktikum
Dari kegiatan praktikum yang dilakukan, praktikan diharapkan :
1. Memahami karakteristik dari distribusi Normal.
2. Mampu membuat grafik normal dari setiap percobaan yang dilakukan sebelumnya
(Modul I s/d VI).

86
BAB II
LANDASAN TEORI
Sebaran peluang kontinu yang paling penting dalam bidang statistika adalah sebaran
normal. Kurva yang dibentuk oleh sebaran ini disebut kurva normal. Kurva ini berbentuk
genta yang dapat digunakan dalam banyak sekali gugusan data yang terjadi di alam, industri,
dan penelitian.
-3,0 -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5
Category (upper limits)
0
1
2
3
4
5
6
7
8
No.ofobservations
Gambar 6.1. Kurva Normal
Semakin beragam suatu gugus pengamatan, maka kurvanya menjadi lebih rendah dan
lebih melebar.
Persamaan matematik bagi sebaran peluang acak normal ini bergantung pada dan ,
yaitu nilai tengah dan simpangan bakunya. Persamaan matematika ini dihitung untuk
mengetahui besarnya nilai peluang dari sebaran yang diteliti. Persamaan ini diperoleh dengan
mentransformasikan nilai setiap pengamatan X menjadi nilai peubah acak normal Z dengan
nilai nol dan ragam 1, dengan bentuk sebagai berikut :
Z =
dimana : Z : variabel acak normal baku
: mean dari populasi
X : mean sampel
: simpangan baku populasi
Definisi Sebaran Normal Baku :
Adalah sebaran peubah acak normal dengan nilai tengah nol dan simpangan baku 1.

87
Sifat-sifat kurva normal adalah sebagai berikut :
1. Modus terjadi pada X = .
2. Kurvanya setangkup terhadap suatu garis tegak yang melalui nilai tengah .
3. Kurva ini mendekati sumbu mendatar secara asimtot dalam kedua sisi.

88
BAB III
METODE PENELITIAN
3.1. Waktu dan Tempat
Praktikum ini (Modul VI – Distribusi Normal) dilakukan pukul 13.00 – 15.00 WIT pada
hari Sabtu, 25 April 2015. Praktikum dilakukan di Lab Komputasi (Computation And
Operaton Research Laboratory), Fakultas Teknik, Universitas Pattimura Ambon.
3.2. Alat dan Bahan yang Digunakan
Adapun peralatan yang digunakan dalam praktikan kali ini adalah :
1. Data hasil pengamatan Modul III
2. Software Minitab 14, MS. Excel 2007, dan SPSS 16
3. Alat-alat tulis yang digunakan
4. Lembar kerja pengamatan.
3.3. Metode Pengolahan dan Analisa Data
Dalam praktikum ini, peraktikum yang lakukan adalah menghitung pengambilan
kelereng, dimana data-data yang dipakai adalah data-data primer yang diambil dari modul 3
yang kemudian diolah dengan pengolahan statistik menggunakan software Microsoft Excel
2007, Minitab 14 dan SPSS 16 untuk menghasilkan data kuantitatif yang berupa angka-angka.
Setelah data-data yang diperlukan lengkap, maka data tersebut harus lebih diperjelas
lagi dengan kata-kata (data kualitatif). Data kuantitatif yang dikualitatifkan tersebut
dimaksudkan agar lebih mempermudah dalam pembacaan data-data yang ditampilkan, setelah
data-data tersebut diolah dan dianalisa.

89
BAB IV
MATERI
4.1. Laporan Detail Kegiatan
Praktikum ini dilakukan pukul 13.00 – 15.00 WIT pada hari Sabtu, 25 April 2015.
Praktikum dilakukan di Lab Komputasi (Computation And Operaton Research Laboratory),
Fakultas Teknik, Universitas Pattimura Ambon. Praktikum ini dilakukan setelah modul V
(modul V dan modul VI dilakukan pada hari itu). Sebelum memulai praktikum, praktikan
harus mengumpulkan laporan sementara dan menjawab beberapa pertanyaan yang adalah kuis
awal yang wajib diikuti oleh setiap praktikan yang akan melakukan praktikum. Kemudian
asisten lab mempersilahkan masing-masing kelompok untuk memulai melakukan praktikum.
Dimana praktikum yang dilakukan adalah pengambilan 2-10 kelereng sekaligus dengan
pengembalian. Dimana data percobaan yang digunakan adalah data dari modul III, yang
kemudian diolah dan dianalisa lebih lanjut dengan pola Distribusi Normal.
4.2. Hasil Percobaan
Berikut adalah data hasil pengambilan kelereng yang dilakukan saat melakukan
praktikum modul III, seperti yang ditampilkan dalam tabel di bawah ini :
Tabel 3.1. Data Pengambilan Kelereng
PENGAMBILAN KE 2 3 4 5 6 7 8 9 10
1 2 2 4 3 4 5 6 0 9
2 1 1 2 4 6 5 4 4 8
3 2 1 3 3 5 7 7 5 5
4 2 3 3 3 0 3 5 7 8
5 1 2 4 3 3 0 5 0 0
6 1 2 4 3 5 5 5 7 8
7 2 1 4 1 3 2 4 1 7
8 1 2 3 0 5 4 4 8 4
9 2 3 3 3 3 7 3 4 8
10 2 3 4 3 3 6 5 0 6
11 2 3 3 2 4 3 7 0 5
12 1 3 4 2 5 7 8 9 4
13 0 2 3 4 4 6 7 4 7
14 1 3 1 3 6 7 6 5 5
15 1 2 3 2 5 4 5 6 6
16 2 1 3 3 5 5 5 0 9
17 1 3 3 3 4 0 4 6 8
18 2 2 0 2 4 6 3 5 6
19 2 3 2 1 0 4 8 5 5
20 1 2 4 5 4 1 8 0 7
JUMLAH CACAT 1 0 1 1 2 2 0 6 1

90
Setelah dilakukan praktikum, kemudian data yang telah ada diolah dengan
menggunakan software Microsoft Excel 2007, MiniTab 14 dan SPSS 16, yang kemudian hasil
pengolahan tersebut dapat dianalisa lebih lanjut.
4.3. Analisa Data
Untuk menganalisa data hasil pengambilan kelereng, dapat dilakukan sambil dibantu
dengan menjawab beberapa pertanyaan seperti yang terdapat di bawah ini :
1. Tampilkan hasil nilai tengah (median), nilai variansi, nilai koefisien momen
kemencengan (skewness), nilai koefisien momen kurtosis, nilai peluang (probability)
munculnya yang cacat, dan gambar histogram dari masing-masing pengambilan
kelereng dengan menggunakan salah satu software Microsoft Excel 2007, Minitab 14
atau SPSS 16!
2. Apa yang terjadi dengan kurva normal jika data diperbesar?
3. Mengapa ada kurva normal yang menceng ke kiri dan ke kanan?
4. Mengapa perlu adanya normal baku atau normal standar?
5. Berapa jumlah mean dan standar deviasi pada distribusi normal baku?
6. Bolehkah nilai Z negatif? Kalau boleh, mengapa!
PembahasanSoal dan Analisa Data
1. Berikut adalah hasil pengolahan data statistik dengan menggunakan software
Microsoft Excel 2007, Minitab 14 dan SPSS 16 :
Tabel 3.2. Data Statistik Pengambilan Kelereng
Menggunakan Microsoft Excel 2007
2
SEKALIGUS
3
SEKALIGUS
4
SEKALIGUS
5
SEKALIGUS
6
SEKALIGUS
7
SEKALIGUS
8
SEALIGUS
9
SEKALIGUS
10
SEKALIGUS
MEDIAN 1.5 2 3 3 4 5 5 4.5 6.5
VARIANSI 0.365789 0.589474 1.157895 1.292105 2.621053 5.081579 2.576316 9.221053 4.618421
SKEWNESS -0.58286 -0.37213 -1.40806 -0.41269 -1.30978 -0.66997 0.270038 -0.08922 -1.2086
KURTOSIS -0.4593 -1.13095 2.172176 0.880497 1.855084 -0.46342 -0.98879 -1.31349 2.384742
PELUANG 0.05 0 0.05 0.05 0.1 0.1 0 0.3 0.05
STDV 0.604805 0.767772 1.076055 1.136708 1.618967 2.254236 1.605091 3.036619 2.149051
MEAN 1.45 2.2 3 2.65 3.9 4.35 5.45 3.8 6.25
NORMAL 1 1 1 1 1 1 1 1 1
MODUS 2 2 3 3 4 5 5 0 8

91
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
10
1
More
0
0.5
1.5
Frequency
Bin
Histogram 2
Frequency
Cumulative %
Menggunakan MiniTab 14
Total
Variable Count Percent Mean StDev Median Range Skewness Kurtosis
p2 20 100 1.450 0.605 1.500 2.000 -0.58 -0.46
p3 20 100 2.200 0.768 2.000 2.000 -0.37 -1.13
p4 20 100 3.000 1.076 3.000 4.000 -1.41 2.17
p5 20 100 2.650 1.137 3.000 5.000 -0.41 0.88
p6 20 100 3.900 1.619 4.000 6.000 -1.31 1.86
p7 20 100 4.350 2.254 5.000 7.000 -0.67 -0.46
p8 20 100 5.450 1.605 5.000 5.000 0.27 -0.99
p9 20 100 3.800 3.037 4.500 9.000 -0.09 -1.31
p10 20 100 6.250 2.149 6.500 9.000 -1.21 2.38
Menggunakan SPSS 16
Untuk gambaran histogram dari masing-masing pengambilan, dapat dilihat seperti yang di
bawah ini :
a. Menggunakan Microsoft Excel 2007
Gambar 6.2. di samping ini menunjukkan bentuk
histogram untuk pengambilan 2 sekaligus
kelereng dengan menggunakan Microsotf Excel
2007, memiliki nilai modus 2 dan nilai mean
1.45
Statistics
DATA P2 DATA P3 DATA P4 DATA P5 DATA P6 DATA P7 DATA P8 DATA P9 DATA P10
Mean 1.45 2.20 3.00 2.65 3.90 4.35 5.45 3.80 6.25
Median 1.50 2.00 3.00 3.00 4.00 5.00 5.00 4.50 6.50
Mode 2 2
a
3 3 4
a
5
a
5 0 8
Std. Deviation .605 .768 1.076 1.137 1.619 2.254 1.605 3.037 2.149
Variance .366 .589 1.158 1.292 2.621 5.082 2.576 9.221 4.618
Skewness -.583 -.372 -1.408 -.413 -1.310 -.670 .270 -.089 -1.209
Kurtosis -.459 -1.131 2.172 .880 1.855 -.463 -.989 -1.313 2.385
a. Multiple modes exist. The smallest value is shown
Gambar 6.2.
Histogram Pengambilan 2 Sekaligus - Excel

92
0.00%
50.00%
100.00%
150.00%
0
5
10
3.75
2.5
More
1.25
0
Frequency
Bin
Histogram 5
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
10
More
2
1
1.5
2.5
Frequency
Bin
Histogram 3
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
10
3
More
2
0
1
Frequency
Bin
Histogram 4
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
5
10
More
4.5
3
0
1.5
Frequency
Bin
Histogram 6
Frequency
Cumulative %
2.20
3.00
Gambar 6.5. di samping ini menunjukkan
bentuk histogram untuk pengambilan 5
sekaligus kelereng dengan menggunakan
Microsotf Excel 2007, memiliki nilai modus 3
dan nilai mean 2.65
dan nilai mean 3.90
Gambar 6.3.
Gambar 6.4.
Gambar 6.5.
Gambar 6.6.

93
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
More
5.25
3.5
0
1.75
Frequency
Bin
Histogram 7
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
Frequency
Bin
Histogram 8
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
2
4
6
8
6.75
0
More
4.5
2.25
Frequency
Bin
Histogram 9
Frequency
Cumulative %
0.00%
50.00%
100.00%
150.00%
0
5
10
More
6.75
4.5
0
2.25
Frequency
Bin
Histogram 10
Frequency
Cumulative %
dan nilai mean 4.35
dan nilai mean 5.45
dan nilai mean 3.80
dan nilai mean 6.25
Gambar 6.7.
Gambar 6.8.
Gambar 6.9.
Gambar 6.10.

94
b. Menggunakan MiniTab 14
MiniTab 14, memiliki nilai modus 2 dan nilai
mean 1.45. Bila dilihat dari kurtosisnya,
memiliki bentuk kurva mesokurtik (runcing),
dan apabila dilihat dari skewnessnya, data
simetris dan terdistribusi normal.
MiniTab 14, memiliki nilai modus 2 dan nilai
mean 2.20. Bila dilihat dari kurtosisnya,
memiliki bentuk kurva mesokurtik (runcing),
dan apabila dilihat dari skewnessnya, data
simetris dan terdistribusi normal.
bentuk histogram untuk pengambilan 4 sekaligus
kelereng dengan menggunakan MiniTab 14,
memiliki nilai modus 3 dan nilai mean 3.00. Bila
dilihat dari kurtosisnya, memiliki bentuk kurva
platikurtik (lebih datar), dan apabila dilihat dari
skewnessnya, data condong ke kanan (positif)
dan terdistribusi normal.
Gambar 6.11.
Histogram Pengambilan 2 Sekaligus - MiniTab
Gambar 6.12.
Gambar 6.13.
p4
Frequency
543210
9
8
7
6
5
4
3
2
1
0
Mean 3
StDev 1.076
N 20
Histogram(with Normal Curve) of p4
p2
Frequency
210
14
12
10
8
6
4
2
0
Mean 1.45
StDev 0.6048
N 20
p3
Frequency
4321
10
8
6
4
2
0
Mean 2.2
StDev 0.7678
N 20

95
bentuk histogram untuk pengambilan 5 sekaligus
mesokurtik (runcing), dan apabila dilihat dari
skewnessnya, data simetris dan terdistribusi
normal.
skewnessnya, data condong ke kanan (positif) dan
terdistribusi normal.
normal.
Gambar 6.14.
Gambar 6.15.
Gambar 6.16.
p5
Frequency
543210
10
8
6
4
2
0
Mean 2.65
StDev 1.137
N 20
p6
Frequency
76543210
6
5
4
3
2
1
0
Mean 3.9
StDev 1.619
N 20
p7
Frequency
86420
4
3
2
1
0
Mean 4.35
StDev 2.254
N 20

96
normal.
histogram untuk pengambilan 9 sekaligus kelereng
dengan menggunakan MiniTab 14, memiliki nilai
modus 0 dan nilai mean 3.80. Bila dilihat dari
kurtosisnya, memiliki bentuk kurva mesokurtik
(runcing), dan apabila dilihat dari skewnessnya,
data simetris dan terdistribusi normal.
platikurtik (lebih datar), dan apabila dilihat dari
skewnessnya, data lebih condong ke kanan
(positif) dan terdistribusi normal.
Gambar 6.17.
Gambar 6.18.
Gambar 6.19.
p8
Frequency
98765432
6
5
4
3
2
1
0
Mean 5.45
StDev 1.605
N 20
p9
Frequency
1086420-2
6
5
4
3
2
1
0
Mean 3.8
StDev 3.037
N 20
p10
Frequency
1086420
5
4
3
2
1
0
Mean 6.25
StDev 2.149
N 20

97
c. Menggunakan SPSS 16
Gambar 6.20. Histogram Pengambilan 2 dan 3 Sekaligus – SPSS
Histogram untuk pengambilan 2 dan 3 kelereng sekaligus dapat dilihat pada gambar 6.20. di
atas. Dari gambar tersebut, terlihat bahwa bentuk kurva untuk pengambilan 2 kelereng jika dilihat
pada kurtosisnya adalah runcing (mesokurtik), dimana data terdistribusi normal dan simetris jika
dilihat pada skewnessnya. Nilai modus adalah 2, dan ini sesuai dengan tabel pengamatan. Sedangkan
untuk pengambilan 3 sekaligus kelereng, terlihat bahwa nilai modus adalah 2. Jika data dilihat
menurut kurtosisnya, maka kurva berbentuk runcing (mesokurtik), dan skewnessnya menunjukkan
bahwa data simetris dan terdistribusi normal.

98
Gambar 6.21. di atas menunjukkan bentuk histogram untuk pengambilan 4 dan 5 kelereng
sekaligus. Untuk pengambilan 4 kelereng, nilai modus adalah 3 dan bila dilihat dari kurtosisnya, maka
terlihat kurva berbentuk lebih datar (platikurtik). Dari kurtosisnya, terlihat bahwa data terdistribusi
normal dan simetris. Sedangkan untuk pengambilan 5 kelereng, bentuk kurva bila dilihat dari
kurtosisnya adalah mesokurtik (runcing), dengan data simetris juga terdistribusi normal bila dilihat
dari skewnessnya. Nilai modus untuk pengambikan 5 sekaligus adalah 3.
Untuk melihat bentuk histogram pengambilan sekaligus 6 dan 7 kelereng, dapat dilihat
pada gambar 6.22. di atas. Dengan nilai modus adalah 4, bentuk kurva dari pengambilan 6
kelereng adalah mesokurtik (runcing) jika dilihat dari kurtosisnya. Data simetris dan
terdistribusi normal bila dilihat dari skewnessnya. Sedangkan pada pengambilan 7 kelereng,
bentuk kurva jika dilihat dari kurtosisnya adalah mesokurtik (runcing), dan jika dilihat dari
skewnessnya data simetris dan terdistribusi normal. Nilai modus untuk pengambilan 7
kelereng adalah 5.

99
Gambar 6.23. di atas menampilkan bentuk dari histogram untuk pengambilan sekaligus
8 dan 9 kelereng. Nilai modus untuk pengambilan 8 kelereng adalah 5, dan nilai modus untuk
pengambilan 9 kelereng adalah 0. Pada pengambilan 8 kelereng, bentuk dari kurva yang
dihasilkan bila dilihat pada kurtosisnya adalah mesokurtik (runcing), dan data yang dihasilkan
bila dilihat pada skewnessnya adalah simetris dan terdistribusi normal. Sedangkan untuk
pengambilan 9 kelereng sendiri, jika dilihat dari kurtosisnya, maka bentuk kurva yang
dihasilkan adalah mesokurtik (runcing). Data yang dihasilkan simetris dan terdistribusi normal
bila dilihat dari skewnessnya.
Gambar 6.24. Histogram Pengambilan 10 Sekaligus – SPSS
Gambar 6.24. di atas menampilkan bentuk dari histogram untuk pengambilan sekaligus
10 kelereng. Nilai modus dari data adalah 8. Bentuk kurva bila dilihat dari kurtosisnya adalah
platikurtik (lebih datar). Dan bila dilihat dari skewnessnya, data condong ke kanan (positif)
dan terdistribusi normal
2. Yang akan terjadi dengan kurva normal jika data diperbesar adalah kurvanya
menjadi lebih rendah dan lebih melebar. Dan pengaruhnya terhadap kurva normal yaitu kurva
normal akan menceng ke kanan atau positif skewness. Hal ini dilihat dari hasil pengolahan
data bahwa ekor kurvanya lebih panjang ke kanan atau dengan kata lain kurva mempunyai
kemiringan positif. Sedangkan pengaruhnya terhadap kurtosis dari kurva normal adalah,
bentuk kurva menjadi lebih datar.
3. Kurva ada yang menceng ke kiri dikarenakan adanya pengaruh dari data yang
diperkecil atau diperbesar. Data yang diperkecil menyebabkan skewness dari kurva akan

100
menceng ke kiri, yang bernilai lebih negatif. Sedangkan data yang diperbesar menyebabkan
skewness dari kurva akan menceng kea rah kanan, yang bernilai lebih positif.
4. Alasan perlu adanya normal baku atau normal standar adalah sebagai berikut :
a. Tabel distribusi standar disusun untuk menghitung probabilitas nilai-nilai variabel
normal standar,yaitu distribusi normal dengan mean nol ( dan standar
deviasi satu ( . Variabel distribusi normal standar menggunakan lambang Z.
b. Nilai-nilai probabilitas yang terdapat dalam table tersebut adalah nilai probabilitas
antara dan satu nilai Z tertentu,bukan antara dua buah nilai Z sembarang.
c. Nilai Z begitu penting karena semua distribusi normal ukuran nilai (variabel acak
X) dapat ditranformasikan ke dalam satu distribusi nilai,yaitu distribusi nilai Z
yang disebut dengan distribusi normal standar.
Nilai Z pada kurtosis akan mempengaruhi keruncingan bentuk kurva pada histogram,
apakah kurva data lebih runcing (leptokurtik), runcing normal (mesokurtik), atau lebih datar
(platikurtik). Sedangkan nilai Z pada skewness akan mempengaruhi kemencengan bentuk
kurva pada histogram, apakah kurva data condong ke arah kiri (negatif), simetris, atau
condong ke arah kanan (positif).
5. Jumlah atau nilai mean pada distribusi normal baku adalah 0 (nol). Sedangkan
nilai standar deviasinya adalah 1 (satu).
6. Nilai Z boleh negatif. Mengapa? Hal ini dikarena pada grafik yang letak kurvanya
condong ke arah kiri, maka nilai Z akan bernilai negatif. Begitu pula sebaliknya jika nilai Z
kurva pada grafik letaknya condong ke arah kanan, maka nilai Z akan bernilai positif. Jika
nilai positif maka X (dari sampel) lebih kecil dari (dari populasi), sedangkan jika Z negatif
maka lebih besar dari X.
Selain analisa di atas, terdapat beberapa analisa tambahan. Dimana nilai parameter
mean (parameter lokasi) yang semakin besar akan menggeser kurva ke kanan, dan nilai
parameter standar deviasi (parameter bentuk) yang semakin membesar akan menyebabkan
kurva normal semakin landai (memperbesar jarak dari pemusatan ke posisi titik-titik belok
kurva). Semakin banyak pengambilan kelereng yang dilakukan sekaligus, maka nilai mean,
standar deviasi dan variansinya akan semakin besar.

101
Dan apabila diminta untuk memilih manakah software yang memberikan output yang
lebih baik dari ketiga software yang digunakan untuk mengolah data, dapat praktikan
simpulkan bahwa data yang disajikan oleh Microsoft Excel lebih terperinci. Namun software
ini memiliki kelemahan dimana gambar histogram yang dihasilkan, datanya tidak dapat
dibaca dengan mudah. Sedangkan tampilan histogram yang dihasilkan MiniTab sangat
memudahkan proses pembacaan hasil pengolahan data, walaupun memiliki kekurangan sebab
pada MiniTab 14, tidak terdapat fitur untuk menampilkan nilai modus.

102
BAB V
KESIMPULAN
Setelah melakukan praktium, dapat praktikan simpulkan bahwa :
1. Sebaran peluang (distribusi) kontinu paling penting dalam bidang statistika
adalah distribusi normal. Kurva yang dibentuk oleh sebaran ini disebut kurva
normal. Kurva dari disribusi normal berbentuk setangkup seperti lonceng,
dengan kurvanya sering disebut kurva normal atau kurva topi orang Meksiko
(Mexican hat), karena mirip dengan sombrero yang merupakan topi orang
Meksiko. Dimana sifat-sifat dari kurva normal adalah sebagai berikut :
a. Modus, adalah suatu titik yang terletak pada sumbu x di mana kurva
mempunyai nilai maksimum, yaitu pada x = μ.
b. Kurva berbentuk simetri terhadap sumbu tegak pada x = μ.
c. Kurva mempunyai titik belok pada x = μ ± σ, cekung dari bawah bila
μ–σ<x<μ+σ dan cekung dari atas untuk nilai x lainnya.
d. Kedua ujung kurva normal mendekati sumbu datar secara asimptotik bila x
bergerak menjauhi μ baik dari kiri maupun dari kanan.
e. Luas daerah di bawah kurva adalah 1.
2. Nilai Z pada kurtosis akan mempengaruhi keruncingan bentuk kurva pada
histogram, apakah kurva data lebih runcing (leptokurtik), runcing normal
(mesokurtik), atau lebih datar (platikurtik). Sedangkan nilai Z pada skewness
akan mempengaruhi kemencengan bentuk kurva pada histogram, apakah kurva
data condong ke arah kiri (negatif), simetris, atau condong ke arah kanan
(positif).

103
DAFTAR PUSTAKA
Tupan, Johan.M. Modul Praktikum Teori Peluang, MiniTab 14, SPSS 16 & MS.Excel
2007.2015.Ambon: Fakultas Teknik, Universitas Pattimura
Makalah Distribusi Probabilitas Normal Sampling.2011.Medan: Magister Biomedik,
Fakultas Kedokteran, Universitas Sumatera Utara
Munir, Rinaldi. Bahan Kuliah II2092 Probabilitas dan Statistik.Bandung: Sekolah Teknik
Elektro dan Informatika (STEI), Institut Teknologi Bandung
Dasari, Dadan. Statistik Dasar 4 PDF
http://jam-statistic.blogspot.com/2014/03/uji-normalitas-data-skewness-kurtosis.html

Laporan praktikum teori peluang 6

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (14)

Similar to Laporan praktikum teori peluang 6

Similar to Laporan praktikum teori peluang 6 (20)

Recently uploaded

Recently uploaded (20)

Laporan praktikum teori peluang 6