KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)

dokumen-dokumen yang mirip
DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

CIRI-CIRI DISTRIBUSI NORMAL

Makalah Statistika Distribusi Normal

DISTRIBUSI NORMAL. RatuIlmaIndraPutri

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai

BAB 2 LANDASAN TEORI

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

PENYAJIAN DATA. Cara Penyajian Data meliputi :

Statistika Deskriptif & Distribusi Frekuensi

Distribusi Frekuensi

DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA

STATISTICS. Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL WEEK 6 TELKOM POLTECH/HANUNG NP

ANALISIS DATA DALAM STATISTIK

Created by Simpo PDF Creator Pro (unregistered version)

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

Sekayu. Prabumulih. Muarainim. Baturaja

Statistika Materi 5. Ukuran Penyebaran. (Lanjutan) Hugo Aprilianto, M.Kom

FAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

BAB IV METODE PENELITIAN

1.0 Distribusi Frekuensi dan Tabel Silang

BAB 3: NILAI RINGKASAN DATA

BAB 2 TINJAUAN PUSTAKA

DISTRIBUSI PROBABILITAS

OUT LINE. Distribusi Probabilitas Normal. Pengertian Distribusi Probabilitas Normal. Distribusi Probabilitas Normal Standar

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG

BAB 2 LANDASAN TEORI

PENGUJIAN HIPOTESIS 2

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

15Ilmu. Uji t-student dan Uji Z (Distribusi Normal)

Unit 2. Tendensi Sentral Dan Variabilitas. Awaluddin Tjalla. Pendahuluan

UKURAN NILAI SENTRAL&UKURAN PENYEBARAN. Tita Talitha, MT

PENGERTIAN STATISTIK. Tim Dosen Mata Kuliah Statistika Pendidikan 1. Rudi Susilana, M.Si. 2. Riche Cynthia Johan, S.Pd., M.Si. 3. Dian Andayani, S.Pd.

Pengantar Statistik. Nanang Erma Gunawan

BAB I PENDAHULUAN 1.1 LATAR BELAKANG

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu

Identitas, bilangan identitas : adalah bilangan 0 pada penjumlahan dan 1 pada perkalian.

DISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.

DISTRIBUSI PELUANG.

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Penyajian Data dalam Bentuk Tabel

SILABUS ALOKASI WAKTU T M P S P I SUMBER BELAJAR MATERI PEMBELAJARAN KOMPETENSI DASAR INDIKATOR. Kuis Tes lisan Tes tertulis Pengamatan Penugasan

SILABUS ALOKASI WAKTU T M P S P D SUMBER BELAJAR MATERI PEMBELAJARAN KOMPETENSI DASAR INDIKATOR MODEL KURIKULUM TINGKAT SATUAN PENDIDIKAN

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.

Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta 1 3/26/16

BAB II DISTRIBUSI PROBABILITAS

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

BAB V HASIL DAN PEMBAHASAN

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi

PENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB

7.1 ISTILAH-ISTILAH DALAM STATISTIKA A.

BAB 2 LANDASAN TEORI. 2.1 Risiko, Manajemen Risiko, dan Manajemen Risiko Finansial

BILANGAN PECAHAN. A. Pengertian Bilangan Pecahan dan Pecahan Senilai Bilangan pecahan adalah bilangan yang dapat dinyatakan sebagai

3.3 Pengumpulan Data Primer

King s Learning Be Smart Without Limits NAMA : KELAS :

DISTRIBUSI FREKUENSI. Luvy S. Zanthy, S.P.,M.Pd. STATISTIKA DASAR 1

BAB II DISTRIBUSI FREKUENSI

PENAKSIRAN PARAMETER TM_3

DIAGRAM SERABI S-2 dan S-3 SMU S-1

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

STK 211 Metode statistika. Materi 2 Statistika Deskriptif

SILABUS KEGIATAN PEMBELAJARAN

PENGUJIAN HIPOTESIS. Konsep: Dua macam kekeliruan. Pengujian hipotesis.

Kuliah 4. Ukuran Penyebaran Data

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

SISTEM KOORDINAT. Berikut ini kita akan mempelajari bagaimana menentukan sistem koordinat dibidang dan diruang.

STATISTIK EKONOMI. Fakultas Ekonomi-Akuntansi Universitas Negeri Jakarta. Nisrina Anzilla

SATUAN ACARA TUTORIAL (SAT) Mata Kuliah : Statistika Dasar/PAMA 3226 SKS : 3 SKS Tutorial : ke-1 Nama Tutor : Adi Nur Cahyono, S.Pd., M.Pd.

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.

ESTIMASI. Arna Fariza PENDAHULUAN

4. Himpunan penyelesaian dari sistem persamaan linear x + y = 5 dan x - 2y = -4 adalah... A.{ (1, 4) }

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

PENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016

RANCANGAN AKTIVITAS TUTORIAL (RAT)

REGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.

Bab 2 DISTRIBUSI PELUANG

BAB II VEKTOR DAN GERAK DALAM RUANG

TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi.

SESI 13 STATISTIK BISNIS

Statistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data

DATA. Populasi adalah keseluruhan dari karakteristik atau unit hasil pengukuran yang menjadi obyek penelitian. 1

BAB 1. STATISTIKA. A. PENYAJIAN DATA B. PENYAJIAN DATA STATISTIK C. PENYAJIAN DATA UKURAN MENJADI DATA STATISTIK DESKRIPTIF

DURASI PEMELAJARAN KURIKULUM SMK EDISI 2004

statistika untuk penelitian

DURASI PEMELAJARAN KURIKULUM SMK EDISI 2004

Matematika ITB Tahun 1975

SEBARAN PENARIKAN CONTOH

Makalah Sebagai Salah Satu Tugas dalam Mata Kuliah ANALISIS STATISTIK. Oleh: 1. Trilius Septaliana KR ( ) 2. Aisyah ( )

BAB 2 LANDASAN TEORI

PROGRAM STUDI AGRIBISNIS HORTIKULTURA

Distribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive

MINGGU KE-X: DISTRIBUSI CONTINOUS

Statistika Ujian Tengah Semester

Bab 5 Distribusi Sampling

Pengantar Statistika Bab 1

Evaluasi Belajar Tahap Akhir Nasional TAHUN 1990 Matematika

Pokok Bahasan: Chi Square Test

Transkripsi:

KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa yang lebih luas. Suatu data membentuk distribusi normal bila jumlah data di atas dan di bawah mean adalah sama. CIRI-CIRI KURVA NORMAL 1. Bentuk Kurva Normal Bentuk kurva normal menyerupai bentuk genta (bel). Kurva normal merupakan suatu poligon yang dilicinkan yang mana ordinatnya memuat frekuensi dan absisnya memuat nilai variabel. Bentuk kurva normal adalah simetris, sehingga luas rata-rata (mean) ke kanan dan ke kiri masing-masing mendekati 50 %. Memiliki satu modus, jadi kurva unimodal. f Nilai variabel

2. Daerah Kurva Normal Ruangan yang dibatasi daerah kurva dengan absisnya disebut daerah kurva normal. Luas daerah kurva normal biasa dinyatakan dalam persen atau proporsi. Dengan kata lain luas daerah kurva normal adalah seratus per sen, apabila dinyatakan dalam persen, dan apabila dinyatakan dengan proporsi, luas daerah kurva normal adalah satu. 2.27% 13.59% 34.13% 34.13% 13.59% 2.27% 1s 1s 2s 2s 3s 3s KURVA NORMAL STANDAR (KURVA NORMAL BAKU) Kurva normal standar atau kurva normal baku adalah kurva normal yang mana nilai rata-ratanya sama dengan nol ( µ = 0) dan simpangan bakunya adalah 1 ( σ = 0). Dalam kurva normal umum nilai rata-rata sama dengan x dan nilai simpangan baku 1s, 2s, 3s. dengan kata lain dalam kurva normal umum nilai rata-ratanya tidak sama dengan nol (µ 0) dan nilai simpangan bakunya tidak sama dengan 1 (σ 1). Kurva normal umum dapat diubah kedalam kurva normal baku dengan menggunakan rumus : z= X X s

nilai standard X = Data ke i dari suatu kelompok data X = rata-rata kelompok s = simpangan baku PENGGUNAAN KURVA NORMAL Contoh: Berat bayi yang baru lahir rata-rata 3.750 gram dengan simpangan baku gram. Jika berat bayi berdistribusi normal, mak tentukanlah: a. Berapa persen yang beratnya lebih dari 4.500 gram? b. Berapa bayi yang beratnya 3.500 gram dan 4.500 gram, jika semuanya ada 10.000 bayi? c. Berapa bayi yang beratnya lebih kecil atau sama dengan 4.000 gram jika semuanya ada 10.000 bayi? d. Berapa bayi yang beratnya 4.250 gram apabila semuanya ada 5.000 bayi? e. Berapa persen bayi yang beratnya 3500 gram? f. Berapa persen bayi yang memiliki berat 3.250 dan 4.250? Cara menjawab soal tersebut adalah: 1. Hitung nilai z sehingga dua desimal 2. Gambar kurva normal standar 3. Letakkan harga z pada sumbu datar lalu tarik garis vertikal hingga memotong kurva 4. Lihat harga z dalam daftar harga z, caranya cari harga z pada kolom paling kiri hanya hingga satu desimal dan desimal keduanya dicari pada baris paling atas. 5. Dari z paling kiri maju ke kanan dan dari z di baris atas turun ke bawah, maka didapat bilangan yang merupakan luas yang dicari. Bilangan yang didapat harus ditulis dalam bentuk 0, x x x x (bentuk empat desimal). 6. Apabila yang diperlukan persen maka setelah melalui langkah ke lima kalikan dengan 100. Karena luas daerah kurve normal adalah 1 atau 100 %, dan bentuk kurva simetrik, maka luas dari garis tegak pada titik nol ke kiri ataupun kekanan adalah 0.5 atau 50%.

PENYELESAIAN SOAL DI ATAS: a. X = 4.500 gram X = 3.750 s = X X s 4.500 3.750 = 2,31 Luas daerah kurva dengan nilai 2,31 adalah 0,4896 Bayi yang memiliki berat lebih dari 4.500 gram, pada grafiknya ada di sebelah kanan 2,31. Luas daerah kurva ini adalah 0,5 0,4896 = 0,014. Jadi bayi yang memiliki berat lebih dari 4.500gram ada 1,04% b. 3.500 3.750 = -0,77 dan 2,31 0 2.31 Luas daerah kurva dengan nilai -0,77 adalah 0,2794 dan luas daerah dengan nilai 2,31 adalah 0,4896. Grafik bayi yang memiliki berat 3500 dan 4500 ada diantara -0,77 dan 2,31. Luas daerahnya adalah 0,2794 + 0,4896 = 0, 7690. -,077 0 2,31

Jadi banyak bayi yang memiliki berat badan 4500 gram kira-kira ada 0,7690 x 10.000 = 7.690 c. Bayi yang memiliki berat lebih kecil atau sama dengan 4.000 gram, maka beratnya harus lebih kecil dari 4000,5 gram. 4.000,5 3750 = 0,77 Luas daerah kurva dengan nilai 0,77 adalah 0,2794 Perkiraan bayi yang memiliki berat lebih kecil atau sama dengan 4.000 gram adalah : 0,5 + 0,2794 = 0,7794 Banyak bayi yang memiliki berat lebih kecil atau sama dengan 4.000 gram adalah 0,7794 x 10.000 = 7794. -3-2 -1 0 0,77 1 2 3 d. Bayi yang memiliki berat 4.250 gram berarti beratnya ada diantara 4.249,5 gram dan 4.250,5 gram. X = 4.249,5 X = 4250,5 4.249,5 3750 4.250,5 3.750 = 1,53 = 1,54 Luas daerah kurva dengan nilai 1,53 adalah 0,4370 Luas daerah kurva dengan nilai 1,54 adalah 0,4382 Luas daerah kurva yang perlu adalah: 0,4382 0,4370 = 0,0012 Jadi banyak bayi yang memiliki berat 4.250 gram adalah : 0,0012 x 5.000 = 6.

-3-2 -1 0 1 2 3 Soal Soal: Atlet loncat tinggi dapat meloncat rata-rata 160 cm, dan simpangan bakunya 13 cm. Jika loncatan atlet berdistribusi normal, maka tentukanlah: a. Berapa orang atlet yang dapat meloncat setinggi 180 cm, apabila semuanya ada 300 orang? b. Berapa persen jumlah orang yang dapat meloncat setinggi 170 cm? c. Beberapa orang dikualifikasikan dalam golongan 10% peloncat tertinggi. Berapa cm tinggi loncatan mereka? d. Berapa persen orang yang dapat meloncat setinggi 170 cm dan 180 cm? e. Berapa orang yang dikualifikasikan dala 10 % peloncat tertinggi, apabila semuanya ada 500 orang?