MAKALAH

DISRIBUSI NORMAL
Disusun Sebagai Syarat Pemenuhan Tugas Kelompok Pada Mata Kuliah Statistik Pendidikan

Dosen Pengampu : Anugrah Mulia Tampubolon, M.Pd

Disusun Oleh :
YOHANA FRANSISCA : 0303212108
YULIA SRI HIKMAH : 0303212039
SYAFIRA RAHMAN : 0303213142

PROGRAM STUDI BIMBINGAN KONSELING PENDIDIKAN ISLAM

FAKULTAS ILMU TARBIAH DAN KEGURUAN

UNIVERSITAS ISLAM NEGERI SUMATERA UTARA

MEDAN

TA. 2023 / 2024

1
 KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarakatuh

Segala puji bagi Tuhan Yang Maha Esa yang telah melimpahkan berbagai nikmat kepada kita,
sehingga aktivitas kita sehari-hari membawa berkah baik di kehidupan ini maupun di kehidupan
selanjutnya, membuat semua tujuan dan keinginan kita lebih mudah dicapai dan berbuah. Shalawat dan
salam semoga tercurah kepada pemimpin kita, Nabiyullah Muhammad S.A.W., yang terus menasihati kita
melalui uswahnya agar kita bisa bergabung dengan orangorang yang mengikuti petunjuk-Nya.

Tidak lupa kami ucapkan terima kasih kepada Bapak Anugrah Mulia Tampubolon, M.Pd selaku
dosen mata kuliah statistik pendidikan, orang tua, teman kelompok, dan kerabat yang telah membantu
kelancaran penyusunan makalah ini dengan judul “DISTRIBUSI NORMAL”.

Kami menyadari bahwa penyusunan makalah ini jauh dari sempurna dan banyak kekurangan,
oleh karena itu kami sangat mengharapkan masukan dan saran yang membangun untuk membantu
makalah selanjutnya menjadi lebih baik lagi.

Wasalamu’alaikum Warahmatullahi Wabarakatuh

Medan, 13 November 2023

Kelompok 8

ii
 DAFTAR ISI

KATA PENGANTAR .................................................................................................................................ii

DAFTAR ISI .............................................................................................................................................. iii

BAB I PENDAHULUAN ............................................................................................................................ 1

A. Latar Belakang ................................................................................................................................... 1

B. Rumusan Masalah.............................................................................................................................. 1

C. Tujuan Penulisan ............................................................................................................................... 1

BAB II PEMBAHASAN.............................................................................................................................. 2

A. Pengertian Distribusi Normal ........................................................................................................... 2

B. Parameter Distribusi Normal ............................................................................................................ 4

C. Karakteristik Distribusi Normal........................................................................................................ 7

BAB III PENUTUP.................................................................................................................................... 10

D. Kesimpulan ...................................................................................................................................... 10

E. Saran ................................................................................................................................................ 10

DAFTAR PUSTAKA................................................................................................................................. 11

iii
 BAB I
PENDAHULUAN

A. Latar Belakang
Abraham de Moivre adalah orang pertama kali memperkenalkan distribusi normal ini
dalam suatu artikel miliknya pada tahun 1733 sebagai pendekatan distribusi normal untuk (n)
besar. Kemudian dipopulerkan oleh Carl Fredreich Gauss. Sehingga nama lain dari distribusi ini
adalah distribusi Gauss. Gauss mengamati hasil percobaan yang dilakukan berulang-ulang, dan
dia menemukan hasil yang paling sering adalah nilai rata- rata. Penyimpangan baik ke kanan
atau ke kiri yang jauh dari rata-rata, terjadinya semakin sedikit. Sehingga bila disusun maka akan
terbentuk distribusi yang simetris. Satu-satunya distribusi probabilitas dengan variabel random
kontinu adalah distribusi normal.
Distribusi normal adalah kemajuan yang pesat dalam pengukuran pada abad ke-19. Pada
waktu itu, para ahli matematika dihadapkan pada suatu tantangan mengenai fenomena
variabilitas pengamat atau interna yang artinya bila seorang mengadakan pengukuran berulang-
ulang maka hasilnya akan berbeda-beda. Yang menjadi permasalahan adalah nilai manakah yang
dianggap paling tepat dari semua hasil pengukuran tersebut.
Distribusi normal dikenal sebagai distribusi probabilitas yang paling banyak digunakan
dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi normal yang memiliki
rata-rata nol dan simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bell curve)
karena grafik fungsi kepekatan probabilitasnya mirip dengan bentuk lonceng

B. Rumusan Masalah
1. Apa Pengertian Disribusi Normal?
2. Bagaimana Parameter Disribusi Normal?
3. Bagaimana Karakteristik Distribusi Normal?

C. Tujuan Penulisan
1. Untuk Mengetahui Apa Pengertian Dari Distribusi Normal
2. Untuk Mengetahui Bagaimana Parameter Distribusi Normal
3. Untuk Mengetahui Bagaimana Karakteristik Distribusi Normal

1
 BAB II
PEMBAHASAN

A. Pengertian Distribusi Normal

Distribusi Normal adalah distribusi dengan variabel acak kontinu, sehingga perhitungan
probabilitasnya dilakukan dengan menentukan luas daerah di bawah kurva. Distribusi Normal
merupakan distribusi yang simetris dan berbentuk genta atau lonceng. Kurva Distribusi Normal
dipengaruhi oleh nilai harapan dan variansi. Makin besar variansinya maka bentuk kurva
normalnya semakin rendah dan distribusinya semakin lebar. Hal ini disebabkan karena luas di
bawah kurva fungsi densitas harus sama dengan satu.( Turyadi Dkk,2013)
Distribusi normal disebut juga distribusi Gauss, untuk menghormati Karl Fredrich Gauss
(1777-1855), yang juga menemukan persamaannya waktu meneliti galat dalam pengukuran yang
berulang-ulang mengenai bahan yang sama.
Data yang baru diperoleh dari lapangan merupakan data yang relative masih mentah.
Data tersebut perlu dikelompokkan dan disusun dalam bentuk distribusi frekuensi. Data yang
sudah dalam bentuk distribusi frekuensi dapat diolah atau dimanipulasi Data yang sudah
berbentuk distribusi data Dalam membahas distribusi frekuensi terdapat dua jenis data dengan
variabel diskrit dan jenis data data denganvariabel kontinyu. Variabel random diskret merupakan
variabel yang mempunyai harrga 0, 1, 2, 3, ….
Diistribusi data tersebut diatas datanya tidak kontinyu, kalau digambarkan bukan sebagai
garis, tetapi sebagai titik-titik. Sedangkan variabel random kontinyu merupakan jenis data, yang
merupakan data rasio, kalau digambarkan berupa garia lurus dengan interval - ~ < x < ~
Dalam distribusi frekuensi dikelompokkan dalam 2 buah bentuk distribusi frekwensi
yang berupa distribusi dengan variabel diskrit dan variabel kontinyu. Distribusi data statistik
yang menggunakan distribusi data dengan variabel diskrit antara lain: 1) distribusi binomial , 2)
distribusi multinomial, 3) distribusi hipergeometrik, sedangkan distribusi data statistik yang
menggunakan data dengan variabel kontinyu adalah : 1) distribusi normal, 2) distribusi t student
3) distribusi chi kwadrat, 4. Distribusi F.
Sebagai gambaran akan diterangkan beberapa bentuk distribusi statistik, yang
neenggunakan variabel diskret dan variabel kontinyu. Distribusi normal merupakan variabel
random kontinyu. Distribusi normal merupakan distribusi frekuensi dengan bentuk berupa kurva

2
normal. Kurva normal merupakan bentuk kurva dimana merupakan kurva yang berbentuk genta
yang simetris. Distribusi normal disebut juga sebagai distribusi gauss.
Distribusi normal mempunyai sifat-sifat yang penting antara lain :
1. Grafiknya selalu berada diatas sumbu datar x
2. Bentuknya simetris terhadap x = μ
3. Mempunyai satu modus, kurva unimodal tercapai pada x = μ sebesar 0,3989/σ
4. Grafiknya berasimtut kan sumbu datar di x, baik dikiri maupun kanan, yang disebut
sebagai ekor
5. Luas daerah grafik selalu sama dengan satu unit persegi.

Untuk setiap pasang μ dan σ sifat-sifat seperti tertulis di atas selalu terpenuhi, hanya bentuk
kurvanya saja yang berlainan. Jika σ semakin besar maka kurvanya semakin rendah ( kurva
platikurtis) sedangka apabila σ semakin kecil kurvanya semakin tinggi (kurva leptikurtis).
(Kusdian Dkk, 2005)

Rumus Distribusi Normal

1 1 𝑥−𝜇 2
𝑓 (𝑥 ) = 𝑒− ( )
𝜎√2𝜋 2 𝜎

Keterangan :
𝝅 = 𝒏𝒊𝒍𝒂𝒊 𝒌𝒐𝒏𝒔𝒕𝒂𝒏, 𝒚𝒂𝒊𝒕𝒖 𝟑, 𝟏𝟒𝟏𝟔
∁ = 𝒏𝒊𝒍𝒂𝒊 𝒌𝒐𝒏𝒔𝒕𝒂𝒏, 𝒚𝒂𝒊𝒕𝒖 𝟐, 𝟕𝟏𝟖𝟑
𝝁 = 𝒑𝒂𝒓𝒂𝒎𝒆𝒕𝒆𝒓 𝒚𝒂𝒏𝒈 𝒎𝒆𝒓𝒖𝒑𝒂𝒌𝒂𝒏 𝒓𝒂𝒕𝒂 − 𝒓𝒂𝒕𝒂 𝒅𝒊𝒔𝒕𝒓𝒊𝒃𝒖𝒔𝒊
𝝈 = 𝒑𝒂𝒓𝒂𝒎𝒆𝒕𝒆𝒓 𝒚𝒂𝒏𝒈 𝒎𝒆𝒓𝒖𝒑𝒂𝒌𝒂𝒏 𝒔𝒊𝒎𝒑𝒂𝒏𝒈𝒂𝒏 𝒃𝒂𝒌𝒖 𝒅𝒊𝒔𝒕𝒓𝒊𝒃𝒖𝒔𝒊

Untuk mempermudah perhitungan secara manual, maka dilakukan transformasi z yang

dirumuskan sebagai berikut :

Contoh Soal :

Pada akhir tahun 2009, sebuah organisasi pemerintah memiliki total staff manajerial dengan
jumlah 1500 orang. Data sebaran umur karyawan tersebut diketahui mengikuti distribusi normal

3
dengan umur rata-rata 40,25 tahun dan standar deviasi 12,36 tahun. Seorang staff akan purna
tugas/pensiun setelah berusia lebih dari 56 tahun.
Hitunglah jumlah pegawai yang akan pensiun di akhir tahun 2009...?
Penyelesaian :
Umur rata- rata ( 𝜇 ) = 40,25
Standar deviasi ( 𝜎 ) = 12,36
P (xi ≥ 56 )
Perhitungan Probibalitas

56−40,25
Z= = 1,27427184
12,36

B. Parameter Distribusi Normal

Pada penelitian-penelitian yang bersifat inferensial, yang melakukan pendekatan analisis
kuantitatif (statistika), diperlukan suatu prediksi mengenai jawaban terhadap pertanyaan
penelitian yang dirumuskan dalam bentuk hipotesis-hipotesis penelitian. Hipotesis merupakan
jawaban sementara terhadap pertanyaan penelitian. Oleh karena itu, perumusan hipotesis sangat
berbeda dari perumusan pertanyaan penelitian. Rumusan-rumusan hipotesis penelitian, pada
gilirannya sewaktu akan diuji dengan menggunakan metode statistika, perlu diterjemahkan
dalam bentuk pernyataan simbolik. Simbol-simbol yang digunakan dalam rumusan hipotesis
statistika adalah simbol-simbol parameter. Parameter adalah besaran-besaran yang ada pada
populasi.
Setelah mengetahui karakteristik utama dan parameter dalam teori distribusi normal dapat

4
disimpulkan bahwa teori ini memiliki posisi penting dalam konsep statistika peluang.
Penerapannya juga dianggap penting karena beberapa alasan, mulai dari meningkatkan
objektivitas penilaian, membantu menempatkan anggota-anggota yang paling tepat untuk suatu
kelompok tertentu, mengevaluasi nilai siswa atau mengelompokkan pegawai dalam satu kriteria
yang sama untuk menghindari terjadinya bias atau penilaian yang condong di satu kategori saja.
Dengan distribusi simetris dan berpusat pada nilai rata-rata seluruh data dalam suatu
populasi, penilaian yang berat sebelah atau tidak seimbang kemudian tak dapat dihindarkan.
Distribusi normal juga akan membantu menentukan tingkat normalitas dengan kecenderungan
sentral. Dalam statistika, khususnya statistika peluang, normalitas suatu data merupakan hal
penting yang tidak boleh diabaikan. Bentuk kurva nilai peluang distribusi normal ditentukan oleh
sejumlah parameter. Untuk distribusi ini, terdapat dua jenis parameter yang kemudian dijadikan
acuan, yaitu mean atau suatu nilai rata-rata dengan standar deviasi atau simpangan baku, berikut
penjelasannya:

• Nilai rata-rata umumnya digunakan sebagai pusat distribusi atau penyebaran

nilai lainnya. Nilai ini kemudian akan menentukan lokasi titik puncak dalam
suatu kurva lonceng, sementara nilai-nilai lainnya sengaja dibuat menyebar
mengikuti rata-rata.
• Standar deviasi sebagai penghitungan variabilitas berfungsi sebagai penentu
lebar suatu kurva distribusi normal. Standar ini juga dapat menghitung seberapa
jauh kecenderungan data akan melebar dari nilai rata-rata sebagai titik pusatnya.
Kian kecil nilai standar deviasi, maka kurva juga akan memiliki bentuk yang
semakin runcing. Selain itu, standar deviasi juga berfungsi untuk
menggambarkan selisih umum atau jarak antara mean dengan data lain yang
diobservasi.
• Parameter populasi versus perkiraan sampel. Rata-rata dan deviasi standar
sebagai nilai parameter yang berlaku untuk seluruh populasi. Pada suatu
distribusi normal, ahli statistik juga menandai parameter dengan menggunakan
simbol Yunani μ (mu) untuk mean populasi dan σ (sigma) untuk deviasi standar
populasi. Namun, parameter populasi umumnya tidak diketahui karena secara
umum tidak memungkinkan suatu mengukur terhadap seluruh populasi. Pada

5
 sampel acak untuk menghitung estimasi parameter ini juga dapat digunakan.
Ahli statistik yang merepresentasikan estimasi sampel dari parameter ini juga
menggunakan x̅ untuk mean sampel dan s untuk deviasi standar sampel.

Contoh soal
Sebuah ujian memiliki distribusi skor yang mengikuti distribusi normal dengan rata-rata 75 dan
deviasi standar 10. Berapa persen siswa yang mendapatkan skor di atas 90?
Penyelesaian:
Untuk menghitung persentase siswa yang mendapatkan skor di atas 90 dalam distribusi normal,
kita dapat menggunakan tabel distribusi normal standar atau kalkulator distribusi normal.
Dengan menggunakan nilai rata-rata (μ = 75), deviasi standar (σ = 10), dan skor batas atas (x =
90), kita dapat menghitung z-skor terkait.

z=σx−μ
=90−7510=1.5z=1090−75=1.5

Selanjutnya, kita dapat merujuk pada tabel distribusi normal standar untuk menentukan
persentase siswa yang mendapatkan skor di atas z-skor 1.5. Jadi, Anda dapat mencari nilai area
di atas z = 1.5 pada tabel tersebut.

Berapa persentase siswa yang mendapatkan skor di atas 90 tergantung pada nilai area di atas z =
1.5. Jika tabel memberikan nilai area sekitar 0.0668 untuk z = 1.5, maka sekitar 6.68% siswa
yang mendapatkan skor di atas 90.

6
 C. Karakteristik Distribusi Normal
Distribusi normal adalah salah satu distribusi probabilitas yang paling sering digunakan
dalam analisis statistik dan ilmu pengetahuan secara umum. Distribusi normal memiliki beberapa
sifat penting yang menjadikannya sangat berguna untuk memahami data dan membuat keputusan
berdasar- kan data. Dalam distribusi normal, terdapat dua parameter uta- ma yang menentukan
bentuk kurva normal, yaitu mean (rata-rata) dan standard deviation (simpangan baku).
Mean atau rata-rata adalah titik pusat dari distribusi normal dan menunjukkan nilai tengah
dari data. Sedangkan standard deviation atau simpangan baku menggambarkan sebaran data di
sekitar rata-rata. Semakin tinggi nilai sim- pangan baku, semakin tersebar data di sekitar rata-rata
dan semakin landai kurva normalnya.
Dalam notasi matematis, distribusi normal dengan mean u dan simpangan baku o
dituliskan sebagai N(p, o). Parameter-parameter ini dapat digunakan untuk menghi- tung
probabilitas atau nilai z-score dari suatu nilai dalam distribusi normal menggunakan tabel
distribusi normal standar atau perangkat lunak statistik.Distribusi normal memiliki bentuk yang
simetris dan berbentuk lonceng atau menyerupai kurva lonceng Distribusi ini memiliki titik
tertinggi atau puncak yang berada di tengah kurva, di titik yang sama dengan nilai mean atau
rata-rata populasi. Kurva distribusi normal selalu dimulai dari nilai minimum yang mungkin dan
berakhir pada nilai maksimum yang mungkin, meskipun nilai-nilai ini dapat sangat jauh dari
nilai mean, seperti terlihat pada Gambar 3, Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K.
(2011).
Berikut karakteristik distribusi Normal:
1. Bentuk simetris: Distribusi normal memiliki bentuk simetris di sekitar titik tengah atau
rata-rata (mean), di mana nilai mean, median, dan modus berada pada posisi yang sama.
2. Bentuk lonceng: Distribusi normal memiliki bentuk lonceng atau bell curve, di mana data
terkonsentrasi di seki tar mean dan menyebar secara simetris ke kiri dan kanan dari mean.
3. Proporsi data: Sebagian besar data dalam distribusi nor- mal terletak di sekitar mean,
sedangkan proporsi data di bagian ekor distribusi jauh lebih kecil.
4. Tidak memiliki skewness: Distribusi normal tidak memiliki skewness atau kemiringan
data ke kiri atau kanan, sehingga tidak ada data yang terlalu sering muncul di satu sisi
atau lainnya.
5. Sifat tertentu: Distribusi normal memiliki sifat tertentu, yaitu jika suatu data terdistribusi

7
 secara normal, maka sekitar 68% dari data akan berada dalam satu standar deviasi dari
mean, sekitar 95% dari data akan berada dalam dua standar deviasi dari mean, dan hampir
semua data (99.7%) akan berada dalam tiga standar deviasi dari mean.
6. Dipengaruhi oleh mean dan standar deviasi: Distribusi normal sangat dipengaruhi oleh
nilai mean dan standar deviasi. Jika nilai mean berubah, maka bentuk distribusi normal
juga akan berubah, sedangkan jika nilai standar deviasi semakin kecil, maka data akan
semakin terkon- sentrasi di sekitar mean.

Karakteristik-karakteristik tersebut menjadikan distribusi normal sangat penting dan sering

digunakan dalam analisis statistik, pengambilan keputusan, dan prediksi. (Hartati, 2023)

Distribusi Normal Standar dan Skor Standar

Distribusi Normal Seperti terlihat di atas, distribusi normal sendiri memiliki banyak bentuk
berbeda-beda tergantung pada nilai parameternya. Meski, distribusi normal standar ada pada
kasus khusus dari distribusi normal dimana meannya nol dan deviasi standarnya adalah 1.
Distribusi ini juga dikenal sebagai distribusi Z. Nilai pada distribusi normal standar dikenal
juga sebagai skor standar atau skor Z. Skor standar yang mewakili jumlah deviasi standar pada
bagian bawah atau atas atau di bawah rata-rata penurunan observasi tertentu. Misalnya, pada
skor standar 1,5 yang menunjukkan bahwa observasi ada pada 1,5 deviasi standar di atas mean.
Di sisi lain, skor negatif mewakili nilai di bawah rata-rata dengan rata-rata skor Z 0.

8
 Contoh soal
Suatu nilai ujian mata kuliah statistika mengikuti sebaran normal, dengan nilai rata ratanya
73 dan simpangan bakunya 8. Bila 12% di antara peserta ujian mendapat nilai A, berapakah
kemungkinan nilai A yang terkecil dan nilai B tertinggi?
Penyelesaian:
Diketahui: 𝜇 = 73, 𝜎 = 8
Pada soal, diketahui luas daerah atau peluang yang diketahui yaitu 12% atau 0,12 kemudian
dicari nilai-z lalu tentukan x dari rumus 𝑥 = 𝜎𝑧 + 𝜇

Diperlukan nilai Z sehingga luas di sebelah kanannya 0,12 yang artinya luas daerah di
sebelah kirinya 0,88.
Berdasarkan tabel, (𝑧 < 1.175) = 0.88, jadi 𝑧 = 1.175
Dengan demikian,
𝑥 = 𝜎𝑧 + 𝜇
𝑥 = (8)(1.175) + 73
𝑥 = 82.4
Jadi kemungkinan nilai A terkecil bagi A adalah 83 dan nilai tertinggi bagi B adalah 82

9
 BAB III
PENUTUP

A. Kesimpulan
Distribusi normal, juga dikenal sebagai distribusi Gauss atau distribusi Gaussian, adalah
jenis distribusi probabilitas yang sering digunakan dalam statistik. Distribusi normal memiliki
bentuk lonceng simetris dengan puncaknya berada di tengah dan ekornya menjauhi nilai tengah
ke arah kedua sisi. Distribusi normal memiliki beberapa karakteristik penting, yaitu:
1. Mean (rata-rata) distribusi normal menentukan pusat distribusi dan median (nilai
tengah) dari distribusi tersebut. 2. Standar deviasi mengukur sebaran data di sekitar mean.
Semakin besar standar deviasi, semakin besar sebaran data dari mean. 3. Kurva distribusi normal
simetris terhadap mean, sehingga nilai mean, median, dan modus (nilai yang paling sering
muncul) semuanya sama.
Distribusi normal sering digunakan dalam berbagai bidang, termasuk ilmu sosial, ilmu
alam, ekonomi, dan lain-lain. Hal ini karena banyak fenomena alamiah dan sosial cenderung
mengikuti pola distribusi normal. Selain itu, distribusi normal memiliki sifat matematis yang
memudahkan dalam analisis statistik. Penting untuk memahami distribusi normal karena banyak
metode statistik yang bergantung pada asumsi bahwa data didistribusikan secara normal.
Misalnya, uji hipotesis parametrik seperti uji t dan analisis varians (ANOVA) mengasumsikan
bahwa data terdistribusi normal. Oleh karena itu, pemahaman tentang distribusi normal penting
dalam melakukan analisis statistik yang akurat.

B. Saran
Demikian makalah ini kami buat, kami sadar bahwa makalah ini jauh dari kata sempurna,
oleh karena itu saran dan kritik yang membangun dari pembaca sangat kami harapkan demi
kesempurnaan makalah kami selanjutnya, semoga makalah ini dapat menambah wawasan
pengetahuan kita semua.

10
 DAFTAR PUSTAKA

HARTATI, dkk.2023.Statistika bisnis. PT mafy media lestri Indonesia. Solok, sumatera barat
Hays, W.L., 1994, Statistics, 5th ed., New York: Holt, Rinehart and Winston
KUSDIAN, R. Didin, et al. Penggunaan Distribusi Normal dalam Memodelkan Sebaran Persepsi
Biaya Perjalanan dan Transformasi Box-Muller pada Pengambilan Sampel Acak Model
Pemilihan Rute dan Pembebanan Stokastik. Jurnal Transportasi, 2005
TURYADI, Muhlasah Novitasari Mara, et al. KAJIAN SIFAT DISTRIBUSI NORMAL
BIVARIAT. Bimaster: Buletin Ilmiah Matematika, Statistika dan Terapannya
Winer, B.J. : Statistical Principles in Experimental Design, 2nd edition. Tokyo: McGraw-Hill
Kogakusha, Ltd., 1971.

11