| live google meet | Ahad, 21 Agustus 2022 Jam 13.15 - 14.45 WIB |
Mata Kuliah 04 : Statistik Pendidikan
| Pertemuan ke : 07 |
Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori statistik inferensial (induktif).
Menurutnya suatu perubah acak X dengan rata-rata (µ) dan varians (σ2) mempunyai fungsi densitas :
Sehingga dengan rata-rata (µ) dan varians (σ2) yang diketahui, maka seluruh kurva normal dapat diketahui.
Distribusi normal lebih lanjut dikembangkan oleh Piere Simon de Laplace dan kemudian Legendre pada tahun 1805. Sementara Gauss mengklaim telah menggunakan distribusi normal sejak tahun 1794, dan hingga kini distribusi normal sering disebut sebagai distribusi Gauss.
Distribusi normal baku adalah distribusi normal yang memiliki rata-rata (µ) nol dan simpangan baku (σ) satu. Grafiknya disebut kurva normal, oleh Jouffret (1872) disebut kurva lonceng/genta (bell curve).
Salah satu asumsi yang harus dipenuhi dalam statistik parametrik adalah data harus berdistribusi normal. Alasan yang mendasari pentingnya distribusi normal pada statistik inferensial:
💢 Distribusi normal adalah model yang baik untuk mendekati frekuensi distribusi fenomena alam dan sosial jika sampelnya besar. Populasi berbagai perilaku dan karakteristik alam dan sosial yang berskala interval dan rasio umumnya diasumsikan berdistribusi normal.
💢Ada hubungan yang kuat antara besarnya sampel dengan distribusi rata- rata yang diperoleh dari sampel-sampel acak dari suatu populasi yang sama.semakin besar sampel, distribusi rata-rata semakin mendekati distribusi normal.
💢Distribusi normal memberikan penghampiran (aproksimasi) yang baik terhadap distribusi teoritis lainnya yang pada umumnya lebih sulit digunakan untuk memodelkan distribusi peluang.
Suatu distribusi data dikatakan berdistribusi normal apabila data berdistribusi simetris, yaitu bila nilai rata-rata, median dan modus sama. Karakteristik distribusi normal antara lain:
1. Grafiknya akan selalu di atas sumbu datar x
2. Bentuknya simetris terhadap x = µ.
3. Mempunyai satu modus (unimodal)
4. Grafiknya mendekati (berasimptot) sumbu datar x
5. Luas daerah grafik selalu sama dengan satu satuan unit persegi
Bentuk kurva yang tidak memiliki kriteria di atas dikenal dengan distribusi tidak simetris (distribusi menceng kekiri atau kekanan)
Bentuk Kurva Normal
Sifat-Sifat Distribusi Normal:
1. Rata-ratanya (mean) μ dan standard deviasinya = σ
2. Mode (maximum) terjadi di x = μ
3. Bentuknya simetrik terhadap x = μ
4. Titik belok tepat di x = μ ± σ
5. Kurva mendekati nol secara asimptotis semakin x jauh dari x = μ
6. Total luasnya = 1
Bentuk distribusi normal ditentukan oleh μ dan σ.
Luas Di Bawah Kurva dan Probabilitas
Sebuah kurva normal, sangat penting dalam menghitung peluang sebab daerah yang ada dalam kurva tersebut menunjukkan besarnya peluang.
Dalam kajian statistika, luas daerah yang menunjukkan besarnya peluang itu disusun dalam sebuah daftar (tabel). Daftar (tabel) tersebut adalah daftar (tabel) distribusi normal baku (standar).
P(x1<x<x2) = probabilitas variabel random x memiliki nilai antara x1 dan x2
P(x1<x<x2) = luas di bawah kurva normal antara x = x1 dan x = x2
Kurva Distribusi Normal Standard
Seperti diketahui, distribusi normal baku (standar) adalah distribusi normal dengan mean (μ) = 0, standard deviasi (σ) = 1.
Transformasi
memetakan distribusi normal menjadi distribusi normal baku (standar), sebab distribusi normal dengan variabel z ini memiliki mean = 0 dan standar deviasi = 1.Transformasi ini juga mempertahankan luas di bawah kurvanya, artinya:
Dengan :
Sehingga cukup dibuat tabel distribusi normal baku (standar) komulatif saja!
Pedoman Mencari Luas Di Bawah Kurva Normal
Untuk mempermudah dalam mencari luas di bawah kurva normal, perlu diperhatikan beberapa hal berikut :
1. Hitung luas z hingga dua desimal, misal z = 0,18
2. Gambarkan kurvanya
3. Letakkan harga z pada sumbu datar, lalu tarik garis vertikal hingga memotong kurva.
4. Luas daerah yang tertera dalam daftar adalah daerah antara garis vertikal yang ditarik dari titik harga z tadi dengan garis tegak di titik nol.
5. Dalam daftar distribusi normal baku, harga z pada kolom paling kiri hanya memuat satu desimal dan desimal kedua dicari pada baris paling atas.
6. Dari z kolom paling kiri, maju ke kanan dan dari z pada baris paling atas turun ke bawah, maka diperoleh bilangan yang merupakan daerah yang dicari (biasanya ditulis dalam empat desimal).
7. Karena luas seluruh kurva adalah satu satuan luas persegi, dan kurva simetris di titik 0, maka luas dari garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0,5 satuan luas.
8. Untuk mencari nilai z, jika luasnya diketahui lakukan kebalikan point 6. Misal : diketahui luas daerah di bawah kurva normal = 0,9931 maka dalam tabel dicari angka 0,9931 lalu menuju ke kiri sampai pada kolom paling kiri (kolom z) diperoleh angka 2,4. selanjutnya kembali ke angka 0,9931 lalu menuju ke atas sampai pada baris paling atas, dan diperoleh angka 6. jadi harga z yang diperoleh adalah 2,46.
Tabel Distribusi Normal Standard Kumulatif
Tabel yang dipergunakan :
Contoh 1 :
Soal : Tentukan nilai z jika diketahui luas daerah di bawah kurva normal sebagai berikut :
a. 0,9082 b. 0,8830 c. 0,0162 d. 0,4129
Jawab :
a. 1,33 b. 1,19 c. – 2,14 d. – 0,22
Contoh 2 :
Soal : Pergunakanlah tabel distribusi normal standar untuk menghitung luas daerah :
a) Di sebelah kanan z = 1,84
b) Antara z = -1,97 s/d z = 0,86
Jawab.
Ingat bahwa luas yang diberikan dalam tabel distribusi normal komulatif adalah luas dari z= - ∞ s/d z0 tertentu : P(z<z0).
a) P(z >1,84) = 1 – P(z ≤1,84) = 1 – 0,9671 = 0,0329
b) P(-1,97< z <0,86) = P( z < 0,86) – P( z < -1,97)
= 0,8051 – 0,0244 = 0,7807
Contoh 3 :
Soal : Carilah nilai z = k di distribusi normal baku (standar) sehingga
a) P( z > k) = 0,3015
b) P( k < z < -0,18) = 0,4197
Jawab :
a) P( z > k) = 0,3015 berarti P(z < k) = 1 - P(z > k) = 1 – 0,3015 = 0,6985
Dari tabel terbaca luas ke kiri = 0,6985 adalah untuk z = 0,52.
b) P(k < z < - 0,18) = P(z < -0,18) – P(z < k) = 0,4197
= 0,4286 – P(z < k) = 0,4197 Jadi P(z < k) = 0,4286 – 0,4197 = 0,0089
Dari tabel z = -2,37
Contoh: Luas di bawah kurva normal non standard
Contoh 4 :
Soal : Variabel X terdistribusi normal dengan mean 50 dan standard deviasi =10. Carilah probabilitas untuk menemukan X bernilai antara 45 dan 62?
Jawab.
Dalam soal ini μ = 50 dan σ = 10. x1 = 45 dan x2 = 62
Pertama kita mapping (transformasi) x ke z (melakukan normalisasi atau standardisasi):
z1 = (x1 -μ)/σ à z1 = (45-50)/10 = -0,5
z2 = (x2 -μ)/σ à z2 = (62-50)/10 = 1,2
Sehingga :
P(45 < x < 62) = P(-0.5 < z < 1,2)
P(-0.5 < z <1.2) = P(z < 1,2) – P( z< -0,5)
= 0,8849 – 0,3085= 0,5764
Contoh Memakai Distribusi Normal Dalam Arah Kebalikan
Diketahui luas dibawah distribusi normal yg diinginkan yang terkait dengan besar probabilitas, ingin dicari nilai variabel random X yg terkait.
Contoh 5 :
Soal : Misalkan distribusi normal memiliki μ = 40 dan σ = 6, carilah nilai x0 sehingga:
a) P(x < x0) = 45%
b) P(x > x0) =14%
Jawab.
a). Kita mulai dengan mencari nilai z yg sama luasnya.
P(z < z0) = 45% = 0,45 (tabel : 0,4483) à dari tabel z0 = - 0,13 z0 = (x0-μ)/σ à x0 = μ + σ.z0 = 40 +6(-0,13) = 39,22
Memakai Distribusi Normal Dalam Arah Kebalikan
b) Kita mulai dengan mencari nilai Z yg sama luasnya. P(z > z0) = 14% à P(z<z0) = 1- P(z>z0) = 1- 0,14 = 0,86 P(z<z0) = 0,86 (tabel: 0,8599) à dari tabel z0 = 1,08
z0 = (x0-μ)/σ à x0 = μ + σ.z0 = 40 +6(1,08) = 46,48
Contoh Penerapan Distribusi Normal
Contoh 6 :
Soal : Sebuah perusahaan bola lampu pijar mengetahui bahwa umur lampunya (sebelum putus) terdistribusi secara normal dengan rata- rata umurnya 800 jam dan standar deviasinya 40 jam. Carilah probabilitas bahwa sebuah bolam produksinya akan:
a. Berumur antara 778 jam dan 834 jam
b. Berumur kurang dari 750 jam atau lebih dari 900 jam
Jawab :
Diketahui : μ = 800 dan σ = 40.
a). P(778 < x < 834)
x1 = 778 à z1 = (x1-μ)/σ = (778 - 800)/40 = -0,55
x2 = 834 à z2 = (x2-μ)/σ = (834 - 800)/40 = 0,85
P(778<x<834) = P(-0,55 < z < 0,85) = P(z < 0,85) - P(z < -0,55)
= 0,8023 – 0,2912 = 0,5111
b) Berumur kurang dari 750 jam atau lebih dari 900 jam
Diketahui : μ = 800 dan σ = 40.
P(x < 750 atau x > 900)
x1 = 750 à z1 = (x1-μ)/σ = (750 - 800)/40 = -1,25
x2 = 900 à z2 = (x2-μ)/σ = (900 - 800)/40 = 2,5
P(x < 750 atau x > 900) = P(z < -1,25) + P(z > 2,5)
= P(z<-1,25) + 1 - P(z < 2,5)
= 1 + P(z < -1,25) - P(z < 2,5)
= 1 + 0,1056 - 0,9938 = 0,1118
LATIHAN SOAL :
Suatu jenis baterai mobil rata-rata berumur 3 tahun dengan simpangan baku 0,5 tahun. Bila dianggap umur baterai berdistribusi normal, carilah peluang suatu baterai tertentu akan berumur kurang dari 2,3 tahun.
JAWABAN
Langkah 1 :
Buatlah diagram yang menunjukkan distribusi umur materai yang diberikan dan luas daerah yang ditanyakan
Langkah 2 :
Menghitung P ( X < 2,3), berarti menghitung luas di bawah kurva normal sebelah kiri titik 2,3. Ini sama saja dengan menghitung luas daerah sebelah kiri nilai Z padanannya.
Jadi Z = (2,3 – 3)/0,5 = - 1,4
Dan kemudian dengan menggunakan tabel diperoleh: P( X < 2,3) = P( Z < - 1,4)
= 0,0808
Langkah 3 :
Membuat Kesimpulan
Berdasarkan langkah-langkah di atas, dapat disimpulkan bahwa peluang suatu baterai tertentu akan berumur kurang dari 2,3 tahun adalah 8,08 %.
Tidak ada komentar:
Posting Komentar