2.71828 -2 2 0 ( 0 .
13534 ) (1)
P (X = 0) = = = 0 .13534
0! 1
2.71828 -2 2 1 ( 0 .13534 ) ( 2 )
P (X = 1) = = = 0 .27067
1! 1
2.71828 -2 2 2 ( 0 .13534 ) ( 4 )
P (X = 2) = = = 0 .27067
2! 2
Jadi P (X<2) = P (X=0) + P (X=1) + P (X=2)
= 0.13534 + 0.27067 + 0.27067
= 0.67668
Tekan 2 +/- INV ex
6.4. DISTRIBUSI NORMAL
Distribusi variabel random kontinyu yang terpenting adalah distribusi Normal,
karena banyak digunakan dalam bidang penelitian. Pada tahun 1733 De Moivre
berhasil menurunkan persamaan matematika bagi kurva normal ini. Distribusi
normal ini sering disebut Distribusi Gauss (1777-1855) yang juga telah berhasil
mendapatkan persamaan untuk kurva normal ini.
1 ⎛ Y − μ ⎞ 2
1 − ⎜
σ
⎟
f ( y) = e 2 ⎝ ⎠
σ 2π
μ : parameter, identik dengan nilai tengah dist. normal
σ : parameter, identik dengan simpang baku dist. normal
Y : variabel random kontinyu dengan harga - ∞ < Y < + ∞
p π : konstanta yang besarnya 3.14159 atau phi = 22/7
e : bilangan natural yang besarnya 2.71828
Statistika 29
Ciri-ciri distribusi Normal
1. Kurva selalu berada diatas sumbu X, berbentuk seperti genta.
2. Simetris terhadap Y = μ
3. Mempunyai satu modus yang dicapai pada saat Y = μ dan besarnya 1/(σ √2π )
4. Kurva berasimptot sumbu data X mulai dari X = μ - 3σ ke kanan sampai dengan
X = μ + 3σ kekiri.
5. Luas areal dibawah kurva sama dengan satu unit.
Kurva dengan Nilai Tengah sama dan simpang baku berbeda (μ1=μ2 ; σ1≠σ2)
Statistika 30
Kurva dengan Nilai Tengah berbeda dan simpang baku sama (μ1≠μ2 ; σ1=σ2)
Kadangkala dijumpai bentuk distribusi yang tidak normal, dua hal
penyimpangan dari bentuk normal tersebut antara lain :(1) Skewness dan (2)
Kurtosis.
6.4.1. Skewness
Skewness adalah kemiringan suatu distribusi bila dibandingkan dengan
distribusi normal.
A : Distribusi Normal
B : Distribusi miring ke kanan
C : Distribusi miring ke kiri
A = Normal B= Miring ke kanan C= Miring ke kiri
Statistika 31
Untuk mengukur kemiringan kurva dapat dihitung dengan rumus :
1
∑ ( Y − Y ) . fi
i
3
α3 = N
sd 3
Bila diperoleh α3 < 0 kurva miring ke kiri
α3 > 0 kurva miring ke kanan
α3 = 0 kurva normal
Contoh :
Yi fi ( Yi-Y ) (Yi - Y )3. fi
25 1 -14.7 -3176.523
30 9 -9.7 -8214.057
35 21 -4.7 -2180.283
40 37 0.3 0.999
45 28 5.3 4168.556
50 4 10.3 4370.908
ΣY = 3970 -5030.400
Y = 39.70
Sd = 5.26
1
( ) ( − 5030 . 4 )
− 50 . 304
α 3 = 100 3
= = − 0 . 346 (miring ke kiri )
5 . 26 145 . 532
6.4.2. Kurtosis
Kurtosis adalah derajat keruncingan suatu kurva bila dibandingkan dengan
kurva normal.
A : Mesokurtis (Normal)
B : Platikurtis
C : Leptokurtis
Statistika 32
Mesokurtis Platikurtis Leptokurtis
Untuk mengukur keruncingan suatu kurva dapat dihitung dengan :
1
∑ ( Y − Y ) . fi
i
4
α4 = N
sd 4
Bila diperoleh α4 = 3 kurvanya Mesokurtis
α4 < 3 kurvanya Platikurtis
α4 > 3 kurvanya Leptokurtis
Contoh :
Yi fi ( Yi-Y ) (Yi - Y )4. fi
25 1 -14.7 46694.8881
30 9 -9.7 79676.3529
35 21 -4.7 10247.3301
40 37 0.3 0.2997
45 28 5.3 22093.3468
50 4 10.3 45020.8524
ΣY = 3970 203732.5700
Y = 39.70
Sd = 5.26
1
( ) ( 203732 .57 )
2037 .3257
α4 = 100
4
= = 2.66 (Platikurti s )
5.26 765 .4961
Statistika 33
6.4.3. Distribusi Normal Baku
Distribusi Normal Baku adalah Distribusi Normal yang mempunyai Nilai
Tengah (μ) = 0 dan Ragam (σ2) = 1.
Perubahan dari normal ke normal baku dapat terjadi apabila variabel random Y
diubah menjadi variabel random Z dengan formula :
Y −μ
Z=
σ
Bila hal ini dilakukan maka distribusi normal akan berubah menjadi distribusi
normal baku dengan μ=0 dan σ2 =1, sehingga persamaan normalnya berubah menjadi
:
1 2
1 − Z
f( z ) = e 2
2π
Luas area dibawah kurva normal baku telah dihitung sampai 4 desimal dan
disusun dalam tabel Z.
Contoh :
Statistika 34
Soal :
Hasil ujian statistik yang diikuti oleh 200 mahasiswa diperoleh nilai tengah 60
dengan simpang baku 12. Berapa jumlah mahasiswa yang lulus dengan grade A jika
grade A diberikan untuk nilai > 84 ?
Berapa jumlah mahasiswa yang lulus dengan grade C, bila grade C diberikan untuk
nilai 48 s/d 72 ?
Statistika 35