Statistika #13 (DIstribusi Normal, Skor-Z, dan Penerapannya)

STATISTIKA SMA • PAKET 13

Distribusi Normal, Skor-Z, dan Penerapannya

Memahami pola data, mengukur posisi suatu nilai, dan menghitung peluang.

Kurva Normal • Rata-rata • Simpangan Baku • Skor-Z • Peluang

1. Apa Itu Distribusi Normal?

Distribusi normal adalah distribusi probabilitas kontinu yang memiliki bentuk kurva menyerupai lonceng. Kurva ini simetris terhadap rata-ratanya.

Distribusi normal sering digunakan sebagai model untuk berbagai pengukuran, misalnya tinggi badan dalam kelompok tertentu, galat pengukuran, atau variasi nilai dalam kondisi yang sesuai.

Perhatikan: Tidak semua kumpulan data mengikuti distribusi normal. Bentuk data perlu diperiksa sebelum menggunakan model normal untuk membuat kesimpulan.

Ciri-ciri distribusi normal

Kurvanya berbentuk lonceng dan simetris.
Rata-rata, median, dan modus berimpit di pusat distribusi.
Luas seluruh daerah di bawah kurva adalah 1 atau 100%.
Kurva mendekati sumbu horizontal di kedua ujungnya, tetapi secara matematis tidak menyentuhnya.
Bentuk dan posisi distribusi ditentukan oleh rata-rata \(\mu\) dan simpangan baku \(\sigma\).

\[ X\sim N(\mu,\sigma^2) \]

Notasi tersebut berarti variabel acak \(X\) mengikuti distribusi normal dengan rata-rata \(\mu\) dan varians \(\sigma^2\).

2. Memahami Rata-rata dan Simpangan Baku

Rata-rata menentukan pusat distribusi, sedangkan simpangan baku menunjukkan seberapa menyebar nilai-nilai di sekitar rata-rata.

Parameter	Makna	Pengaruh pada kurva
\(\mu\)	Rata-rata populasi	Menggeser pusat kurva ke kiri atau kanan
\(\sigma\)	Simpangan baku populasi	Menentukan tingkat penyebaran kurva

Simpangan baku kecil: data lebih terkonsentrasi di sekitar rata-rata.
Simpangan baku besar: data lebih menyebar.

Dua distribusi dapat memiliki rata-rata yang sama tetapi tingkat penyebaran berbeda. Sebaliknya, dua distribusi dapat memiliki simpangan baku sama tetapi pusat berbeda.

3. Aturan Empiris 68–95–99,7

Untuk distribusi normal, terdapat aturan praktis yang menghubungkan jarak dari rata-rata dengan persentase data.

Interval	Perkiraan proporsi data
\(\mu-\sigma\) sampai \(\mu+\sigma\)	68%
\(\mu-2\sigma\) sampai \(\mu+2\sigma\)	95%
\(\mu-3\sigma\) sampai \(\mu+3\sigma\)	99,7%

\[ \boxed{68\%\;-\;95\%\;-\;99{,}7\%} \]

Misalkan nilai ujian dimodelkan dengan distribusi normal, rata-rata 70 dan simpangan baku 10.

Sekitar 68% nilai berada antara 60 dan 80.
Sekitar 95% nilai berada antara 50 dan 90.
Sekitar 99,7% nilai berada antara 40 dan 100.

Angka tersebut merupakan pendekatan untuk distribusi normal, bukan aturan yang selalu berlaku bagi setiap kumpulan data.

4. Skor-Z: Mengukur Posisi Suatu Nilai

Skor-Z menyatakan jarak suatu nilai dari rata-rata dalam satuan simpangan baku.

\[ \boxed{z=\frac{x-\mu}{\sigma}} \]

Keterangan:

\(x\) = nilai yang diamati.
\(\mu\) = rata-rata populasi.
\(\sigma\) = simpangan baku populasi.
\(z\) = skor-Z.

Contoh 1: Skor-Z positif

Nilai seorang siswa adalah 85, rata-rata kelas 70, dan simpangan baku 10.

\[ z=\frac{85-70}{10}=1{,}5 \]

Nilai tersebut berada 1,5 simpangan baku di atas rata-rata.

Contoh 2: Skor-Z negatif

Jika nilai siswa 55, rata-rata 70, dan simpangan baku 10:

\[ z=\frac{55-70}{10}=-1{,}5 \]

Nilai tersebut berada 1,5 simpangan baku di bawah rata-rata.

Interpretasi cepat: \(z=0\) berarti tepat di rata-rata; \(z>0\) berarti di atas rata-rata; \(z<0 bawah="" berarti="" di="" div="" rata-rata.="">

5. Mengubah Distribusi Normal Menjadi Normal Baku

Distribusi normal baku adalah distribusi normal dengan rata-rata 0 dan simpangan baku 1.

\[ Z\sim N(0,1) \]

Dengan transformasi skor-Z, kita dapat mengubah nilai dari distribusi normal dengan parameter berbeda menjadi skala yang sama.

\[ Z=\frac{X-\mu}{\sigma} \]

Jika \(X\) benar-benar mengikuti distribusi normal, transformasi tersebut menghasilkan variabel normal baku.

Contoh

Misalkan waktu penyelesaian suatu tugas dimodelkan dengan rata-rata 40 menit dan simpangan baku 5 menit. Berapakah skor-Z untuk waktu 47 menit?

\[ z=\frac{47-40}{5}=1{,}4 \]

Waktu 47 menit berada 1,4 simpangan baku di atas rata-rata.

6. Menghitung Peluang dengan Distribusi Normal

Pada distribusi kontinu, peluang ditentukan oleh luas daerah di bawah kurva. Peluang suatu nilai tepat sama dengan satu angka tertentu adalah nol.

Fungsi distribusi kumulatif normal baku dinotasikan dengan:

\[ \Phi(z)=P(Z\le z) \]

Artinya, \(\Phi(z)\) menyatakan peluang bahwa nilai normal baku kurang dari atau sama dengan \(z\).

Tiga jenis pertanyaan yang sering muncul

Pertanyaan	Rumus peluang
Peluang nilai kurang dari \(x\)	\(P(X\le x)=\Phi(z)\)
Peluang nilai lebih dari \(x\)	\(P(X>x)=1-\Phi(z)\)
Peluang nilai antara \(a\) dan \(b\)	\(P(a\le X\le b)=\Phi(z_b)-\Phi(z_a)\)

Contoh 3: Peluang nilai kurang dari 80

Nilai ujian berdistribusi normal dengan rata-rata 70 dan simpangan baku 10. Tentukan peluang memperoleh nilai kurang dari 80.

Langkah 1: Hitung skor-Z.

\[ z=\frac{80-70}{10}=1 \]

Langkah 2: Gunakan distribusi normal baku.

\[ P(X\lt 80)=P(Z\lt 1)\approx0{,}8413 \]

Jadi, peluang memperoleh nilai kurang dari 80 sekitar 84,13% jika model normal tersebut sesuai.

Contoh 4: Peluang nilai antara 60 dan 80

\[ z_{60}=-1,\qquad z_{80}=1 \] \[ P(60\lt X\lt 80)=\Phi(1)-\Phi(-1) \] \[ \approx0{,}8413-0{,}1587=0{,}6826 \]

Jadi, peluangnya sekitar 68,26%.

7. Laboratorium Interaktif: Kurva Normal

Ubah rata-rata, simpangan baku, dan batas nilai. Kurva akan menyesuaikan, lalu kalkulator menghitung skor-Z serta peluang berdasarkan distribusi normal.

Rata-rata populasi (\(\mu\)) Simpangan baku populasi (\(\sigma\)) Jenis peluang

Nilai x

Hasil perhitungan akan muncul di sini.

Daerah berarsir pada grafik menunjukkan bagian peluang yang sedang dihitung. Perhitungan numerik menggunakan pendekatan fungsi distribusi normal.

8. Kalkulator Skor-Z

Gunakan alat ini untuk mengetahui posisi suatu nilai terhadap rata-rata dan simpangan baku.

Nilai yang diamati (x) Rata-rata (\(\mu\)) Simpangan baku (\(\sigma\))

Hasil akan muncul di sini.

9. Contoh Penerapan dalam Kehidupan

A. Nilai ujian

Skor-Z dapat membantu membandingkan posisi dua nilai ujian dari distribusi yang berbeda, jika rata-rata dan simpangan baku masing-masing diketahui serta perbandingan tersebut memang relevan.

B. Pengukuran kualitas produk

Dalam proses produksi, model normal kadang digunakan untuk mempelajari variasi ukuran produk. Peluang di luar batas toleransi dapat membantu menilai proses, dengan asumsi model dan data yang sesuai.

C. Penelitian dan pengolahan data

Distribusi normal muncul dalam banyak metode statistik. Namun, pemilihan metode analisis harus mempertimbangkan jenis data, rancangan penelitian, asumsi model, dan ukuran sampel.

Skor-Z bukan persentil. Skor-Z menyatakan jarak dalam satuan simpangan baku, sedangkan persentil menyatakan posisi relatif dalam distribusi. Untuk distribusi normal, keduanya dapat dihubungkan menggunakan fungsi distribusi kumulatif.

10. Latihan Soal

Soal 1. Suatu distribusi normal memiliki rata-rata 50 dan simpangan baku 5. Hitung skor-Z untuk nilai 60.

\[ z=\frac{60-50}{5}=2 \] Jadi, skor-Z adalah 2.

Soal 2. Apa arti skor-Z = −1,2?

Nilai tersebut berada 1,2 simpangan baku di bawah rata-rata.

Soal 3. Jika \(Z\) mengikuti distribusi normal baku, berapakah perkiraan \(P(Z<0)\)?

Karena distribusi normal baku simetris terhadap nol, \(P(Z<0)=0,5\) atau 50%.

Soal 4. Nilai ujian berdistribusi normal dengan rata-rata 70 dan simpangan baku 10. Hitung peluang nilai lebih dari 80.

\[ z=\frac{80-70}{10}=1 \] \[ P(X>80)=1-\Phi(1)\approx1-0{,}8413 \] Jadi, peluangnya sekitar 0,1587 atau 15,87%.

Soal 5. Sebutkan dua ciri distribusi normal.

Contoh jawaban: kurvanya simetris berbentuk lonceng, serta rata-rata, median, dan modus berimpit di pusat distribusi.

Cari Blog Ini

Navigasi Materi