Ahmad

Rafif
150667326
5
Rangkuman Distribusi Normal (Gaussian)

Distribusi normal (Gaussian) merupakan distribusi probabilitas

yang paling penting baik dalam teori maupun aplikasi statistik.
Distribusi ini adalah yang paling banyak digunakan sebagai model dagi
data riil di berbagai bidang, meliputi karakteristik makhluk hidup,
kesalahan-kesalahan pengukuran dalam eksperimen ilmiah, dan
berbagai pengukuran lainnya.

Terdapat empat alasan mengapa distribusi normal menjadi

distribusi yang paling penting:

o Distribusi normal terjadi secara ilmiah.

o Beberapa variabel acak yang tidak terdistribusi secara normal

dapat dengan mudah ditransformasi menjadi suatu distribusi
varieabel acak yang normal.

o Banyak hasil analisis yang hanya bbisa berfungsi dengan benar

jika model distribusinya merupakan distribusi normal.

o Ada beberapa variabel acak yang tidak menunjukkan distribusi

normal pada popoulasinya, namun distribusi dari rata-rata sampel
yang diambil secara random dari populasi tersebut ternyata
menunjukkan distribusi normal.

1. Fungsi Kepadatan Probabilitas dan Fungsi Distribusi

Kumulatif Normal

Sebuah variabel acak kontinu X dikatakan memiliki distribusi

normal dengan parameter x dan x di mana < x < dan
x> 0 jika fungsi kepadatan probabilitas (pdf) dari X adalah:
2
( xx )
1 2
( )
f N ( x ; x , x )= e x
< x < ....(1)
x 2

Untuk setiap nilai x dan x , kurva fungsi akan simetris

terhadap x dan memiliki total luas di bawah kurva tepat 1. Nilai dari
x menentukan bentangan dari kurva sedangkan x menentukan

pusat simetrisnya. Pengaruh x dan x ini diilustrasikan pada

gambar a.
 Distribusi normal kumulatif didefiniskan sebagai probabilitas
variabel acak normal X bernilai kurang dari atau sama dengan nilai
suatu nilai x tertentu. maka fungsi distribusi kumulatif (cdf) dari
distribusi normal ini dinyatakan sebagai:
2
x x ( xx )
1 2

F N ( x ; x , x )=P ( X x )= f N ( x ; x , x ) dt= ( x )
e dt ......(2)
x 2

FN ( x ), hanya bisa ditentukan dari integrasi secara numerik,

karena persamaan 1 tidak bisa diintegrasi secara analitik.

Gambar 2.1. a) fungsi kepadatan probabilitas (pdf) ; b) fungsi distribusi kumulatif

(cdf)
Sumber: Harinaldi, 2005.

Untuk setiap distribusi populasi dari suatu variabel acak yang

mengikuti sebuah distribusi norman, maka sebagaimana pada gambar b

o 68,26% dari nilai-nilai variabel berada dalam 1 x dari x

o 95,46% dari nilai-nilai variabel berada dalam 2 x dari x

o 99,73% dari nilai-nilai variabel berada dalam 3x dari x

2. Distribusi Normal (Gaussian) Standard

 Untuk menghitung probabilitas P (a x b) dari suatu variabel
acak kontinu X yang terdistribusi secara normal dengan parameter x
dan x maka persamaan
2
( xx )
1 2x
2

f N ( x ; x , x )= e
x 2

harus diintegrasikan mulai dari x = a hingga x = b. Namun, karena sulit,

dibuatlah fungsi kepadatan probabilitas khusus dengan mean = 0 dan
deviasi standar = 1. Distribusi khusus ini dikenal sebagai distribusi
normal standard (standard normal distribution. Variabel acak dari
distribusi normal dinotasikan dengan Z. Persamaannya menjadi
2
z
1 2
f N ( z ; 0,1 )= e - < z <
2

Fungsi distribusi kumulatifnya adalah

2
z z
1
F N ( z ; 0,1 ) =P ( Z z )= ( z )= e 2
dt
2

Bentuk kurvanya adalah

Gambar 2.2. Kurva pdf dan cdf distribusi normal

standard
Sumber: Harinaldi, 2005.

Nilai fungsi distribusi kumulatif dapat dilihat di dalam tabel distribusi

normal standar (Tabel 6.1)

3. Menstandardkan Distribusi Normal

Distribusi normal variabel acak kontinu X dengan nilai-nilai parameter x dan x
berapapun dapat diubah menjadi distribusi normal kumulatif standard jika variabel acak X
diubah menjadi variabel standard Zx menurut hubungan:
 x x
Z x=
x

Nilai Zx dari variable acak standard Zx sering juga disebut sebagai skor z dari variable acak
X. Dengan demikian, perhitungan probabilitas pada sutau distribusi normal dari variabel
acak kontinu X dapat dilakukan dengan menggunakan distribusi normal standard untuk
nilai skor z yang bersesuaian. Hal tersebut dinotasikan sebgai berikut:
Jika X terdistribusi normal dengan mean x dan deviasi standard x, maka:

a x a x
(
P ( X a )=P Z x
x ) ( )
=
x

a x b x b x a x
P ( a X b ) =P ( x
Zx
x ) ( ) ( )
=
x

x

b x b x a x
(
P ( X b )=P Z x
x ) (
=1P Z x
x )=1
x( ) ...... 6.6-8

Gambar 6.5 mengilustrasikan penentuan probabilitas distribusi normal yang diubah

menjadi distribusi normal standard seperti yang dirumuskan dengan persamaan 6.6-8).

Gambar 2.3. Probabilitas distribusi normal yang distandardkan

Sumber: Harinaldi, 2005.

4. Statistik Deskriptif Distribusi Normal

Untuk suatu distribusi normal dengan nilai-nilai parameter mean x dan deviasi standard x
akan diperoleh suatu distribusiyang simetris terhadap nilai mean, sehingga
kemencengannya 1 = 0. Melalui pembuktian secara matematik yang tidak dijabarkan di
sini, dapat ditunjukkan bahwa keruncingan kurva distribusi adalah 1 = 3
Contoh Soal
Pada suatu pabrik shuttle cock, rata-rata massa shuttle cock yang diproduksi oleh pabrik
adalah 5,20 gram dengan deviasi standar 0,075 gram. Rentang massa dari shuttle cock
yang dipasarkan 5,05 s/d 5,35 gram. Di luar rentang tersebut, shuttle cock dianggap
sebagai produk gagal. Jika massa shuttle cock terdistribusi normal, tentukan persentase
produk gagal yang dihasilkan pabrik tersebut.
Solusi
Dapat diketahui dari soal bahwa: x = 5,20; x = 0,075
Massa Shuttle cock yang layak dipasarkan adalah yang berada pada rentang 5,05 5,35
gram
Maka probabilitas bijih plastik yang layak dipasarkan, P(A) = probabilitas bijih plastik
yang memiliki diameter 5,05 5,35 gram

a x b x b x a x
P ( a X b ) =P ( x
Zx
x) ( ) ( )
=
x

x

P ( 4,96 X 5,08 )=P ( 5,055,20

0,075
Z
x
5,355,20
0,075 )

( 5,355,20
0,075 ) (
5,055,20
0,075 )

( 2 ) (2 )

Dengan menggunakan data tabel 6.1 Distribusi Normal Standard

0,97720,0228

0,9544

Probabilitas biji plastik gagal, P(G) = 1- P(A)

P(G) = 1 P(A)
P(G) = 1 0,9544
P(G) = 0,0456
Sehingga persentasi produk gagal = 4,56%
Daftar Pustaka
Harinaldi, 2005. Prinsip-prinsip Statistik untuk Teknik dan Sains. Jakarta: Erlangga

it rooot ibusi secarrdistribusi secaranormal dengan parameter (mu)