Tahukah kamu bahwa tinggi badan siswa di sekolahmu, nilai ujian nasional, atau bahkan berat buah apel di supermarket semuanya mengikuti pola yang sama? Pola ini disebut distribusi normal.
Distribusi normal pertama kali diperkenalkan oleh Abraham de Moivre pada tahun 1733 sebagai pendekatan dari distribusi binomial untuk n yang besar. Kemudian, Pierre-Simon Laplace mengembangkannya lebih lanjut dan dikenal sebagai Teorema More Blue Laplace. Laplace menggunakan distribusi normal untuk menganalisis kesalahan dalam percobaan.
Distribusi normal sangat berguna karena banyak fenomena alam dan sosial yang mengikuti pola ini. Dari tinggi badan manusia hingga hasil pengukuran ilmiah, semuanya cenderung terdistribusi normal.
Bayangkan sebuah bukit yang sangat simetris, seperti lonceng terbalik. Itulah bentuk kurva distribusi normal. Mari kita lihat visualisasi kurva normal standar dengan μ=0 dan σ=1:
Kurva Distribusi Normal Standar
Kurva berbentuk lonceng yang simetris dengan karakteristik khas distribusi normal.
Kurva ini memiliki beberapa karakteristik unik yang membuatnya istimewa:
Bentuk dan Simetri
Kurva berbentuk seperti lonceng dan simetris terhadap garis vertikal yang melewati rata-rata (μ). Artinya, bagian kiri dan kanan kurva adalah cerminan sempurna satu sama lain.
Titik Pusat
Mean, median, dan modus semua berada di titik yang sama, yaitu di puncak kurva. Ini terjadi karena distribusinya simetris.
Titik Belok
Kurva memiliki titik belok di x=μ±σ, yang berarti kurva berubah dari cekung ke cembung (atau sebaliknya) pada jarak satu standar deviasi dari mean.
Asimtot Horizontal
Kurva mendekati sumbu x tapi tidak pernah menyentuhnya, baik di ujung kiri maupun kanan.
Nah, sekarang mari kita lihat rumus matematisnya. Jangan khawatir kalau terlihat rumit, yang penting kamu paham konsepnya.
Jika X adalah variabel acak normal dengan rata-rata μ dan varians σ2, maka fungsi distribusi normal dapat dituliskan:
f(x;μ,σ)=σ2π1e−21(σx−μ)2
untuk −∞<x<∞.
Di mana:
π adalah konstanta 3.1416
e adalah bilangan konstan 2.7183
μ adalah rata-rata distribusi
σ adalah simpangan baku
Rumus ini terlihat kompleks, tapi kamu tidak perlu menghafal atau menghitung secara manual. Yang penting adalah memahami bahwa bentuk kurva ditentukan oleh nilai μ dan σ.
Dalam praktik, kita sering menggunakan distribusi normal standar dengan rata-rata μ=0 dan simpangan baku σ=1. Untuk mengubah distribusi normal biasa menjadi normal standar, kita menggunakan transformasi:
Z=σx−μ
Variabel Z ini disebut skor standar atau z-score. Transformasi ini sangat berguna karena memungkinkan kita menggunakan tabel distribusi normal standar yang sudah tersedia.
Mengapa menggunakan z-score?
Dengan transformasi ini, kita bisa membandingkan data dari distribusi yang berbeda. Misalnya, kamu bisa membandingkan nilai matematika dengan nilai fisika, meskipun rata-rata dan standar deviasinya berbeda.
