# Nakafa Learning Content

> For AI agents: use [llms.txt](https://nakafa.com/llms.txt) for the site index. Markdown versions are available by appending `.md` to content URLs or sending `Accept: text/markdown`.

URL: https://nakafa.com/id/materi/matematika/analisis-data-dan-peluang/nilai-harapan-distribusi-normal
Source: https://raw.githubusercontent.com/nakafaai/nakafa.com/refs/heads/main/packages/contents/material/lesson/mathematics/data-analysis-probability/expected-value-of-normal-distribution/id.mdx

Pahami nilai harapan distribusi normal dengan penjelasan dan contoh jelas. Pelajari mengapa E(X)=μ dan cara menghitung mean dalam soal statistik.

---

## Konsep Dasar Nilai Harapan

Pernahkah kamu bertanya-tanya, jika kita mengambil sampel berulang kali dari distribusi normal, berapa nilai yang paling sering muncul? Atau dengan kata lain, apa nilai tengah yang diharapkan dari distribusi tersebut?

Inilah yang disebut **nilai harapan** atau expected value. Dalam konteks distribusi normal, nilai harapan memiliki sifat yang sangat menarik dan sederhana.

> Untuk distribusi normal $$n(x; \mu, \sigma)$$, nilai harapannya selalu sama dengan parameter rata-rata $$\mu$$.

Visible text: > Untuk distribusi normal , nilai harapannya selalu sama dengan parameter rata-rata .

Secara matematis, kita dapat menuliskan:

```math
E(X) = \mu
```

di mana $$X$$ adalah variabel acak yang mengikuti distribusi normal dan $$\mu$$ adalah parameter rata-rata dari distribusi tersebut.

Visible text: di mana adalah variabel acak yang mengikuti distribusi normal dan adalah parameter rata-rata dari distribusi tersebut.

Mengapa demikian? Mari kita buktikan secara matematis.

## Pembuktian Matematis

Nilai harapan suatu variabel acak kontinu didefinisikan sebagai:

```math
E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx
```

Untuk distribusi normal, fungsi kepadatan peluangnya adalah:

```math
f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}
```

Substitusikan fungsi ini ke dalam rumus nilai harapan:

```math
E(X) = \int_{-\infty}^{\infty} x \cdot \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2} \, dx
```

Sekarang, mari kita lakukan substitusi $$t = \frac{x-\mu}{\sigma}$$. Maka $$x = \sigma t + \mu$$ dan $$dx = \sigma \, dt$$.

Visible text: Sekarang, mari kita lakukan substitusi . Maka dan .

Component: MathContainer
Children:

```math
E(X) = \int_{-\infty}^{\infty} (\sigma t + \mu) \cdot \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{1}{2}t^2} \cdot \sigma \, dt
```

```math
E(X) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^{\infty} (\sigma t + \mu) e^{-\frac{1}{2}t^2} \, dt
```

```math
E(X) = \frac{\sigma}{\sqrt{2\pi}} \int_{-\infty}^{\infty} t e^{-\frac{1}{2}t^2} \, dt + \frac{\mu}{\sqrt{2\pi}} \int_{-\infty}^{\infty} e^{-\frac{1}{2}t^2} \, dt
```

Perhatikan bahwa:

- **Integral pertama** $$\int_{-\infty}^{\infty} t e^{-\frac{1}{2}t^2} \, dt = 0$$ karena fungsi $$t e^{-\frac{1}{2}t^2}$$ adalah fungsi ganjil. Artinya, $$f(-t) = -f(t)$$, sehingga ketika diintegralkan pada interval simetris $$[-\infty, \infty]$$, hasilnya saling meniadakan dan bernilai nol.

- **Integral kedua** $$\int_{-\infty}^{\infty} e^{-\frac{1}{2}t^2} \, dt = \sqrt{2\pi}$$ karena ini adalah integral Gaussian fundamental. Integral ini merupakan luas total di bawah kurva distribusi normal standar, yang selalu bernilai $$\sqrt{2\pi}$$.

Visible text: - **Integral pertama** karena fungsi adalah fungsi ganjil. Artinya, , sehingga ketika diintegralkan pada interval simetris , hasilnya saling meniadakan dan bernilai nol.

- **Integral kedua** karena ini adalah integral Gaussian fundamental. Integral ini merupakan luas total di bawah kurva distribusi normal standar, yang selalu bernilai .

Maka:

Component: MathContainer
Children:

```math
E(X) = \frac{\sigma}{\sqrt{2\pi}} \cdot 0 + \frac{\mu}{\sqrt{2\pi}} \cdot \sqrt{2\pi}
```

```math
E(X) = 0 + \mu = \mu
```

Terbukti bahwa **nilai harapan distribusi normal sama dengan parameter rata-ratanya**.

> Untuk setiap distribusi normal $$X \sim N(\mu, \sigma^2)$$, berlaku $$E(X) = \mu$$. Ini berarti kita tidak perlu melakukan integrasi setiap kali menghitung nilai harapan distribusi normal, cukup menggunakan nilai parameter $$\mu$$.

Visible text: > Untuk setiap distribusi normal , berlaku . Ini berarti kita tidak perlu melakukan integrasi setiap kali menghitung nilai harapan distribusi normal, cukup menggunakan nilai parameter .

## Interpretasi Praktis

Hasil pembuktian di atas memberikan pemahaman yang sangat penting:

Jika kita memiliki distribusi normal dengan rata-rata $$\mu$$ dan standar deviasi $$\sigma$$, maka **nilai harapan** (expected value) dari variabel acak tersebut adalah tepat $$\mu$$. Artinya, jika kita mengambil sampel dalam jumlah sangat besar dan menghitung rata-ratanya, hasilnya akan mendekati nilai $$\mu$$.

Visible text: Jika kita memiliki distribusi normal dengan rata-rata dan standar deviasi , maka **nilai harapan** (expected value) dari variabel acak tersebut adalah tepat . Artinya, jika kita mengambil sampel dalam jumlah sangat besar dan menghitung rata-ratanya, hasilnya akan mendekati nilai .

**Contoh sederhana:**

Jika tinggi badan siswa di sekolahmu terdistribusi normal dengan rata-rata $$165 \text{ cm}$$, maka nilai harapan tinggi badan siswa yang dipilih secara acak adalah $$165 \text{ cm}$$.

Visible text: Jika tinggi badan siswa di sekolahmu terdistribusi normal dengan rata-rata , maka nilai harapan tinggi badan siswa yang dipilih secara acak adalah .

## Contoh Penerapan

**Contoh** $$1$$

Visible text: **Contoh**

Misalkan hasil ujian matematika di suatu kelas terdistribusi normal dengan rata-rata $$\mu = 75$$ dan standar deviasi $$\sigma = 10$$. Berapakah nilai harapan skor ujian seorang siswa?

Visible text: Misalkan hasil ujian matematika di suatu kelas terdistribusi normal dengan rata-rata dan standar deviasi . Berapakah nilai harapan skor ujian seorang siswa?

**Penyelesaian:**

Karena distribusi normal memiliki sifat $$E(X) = \mu$$, maka nilai harapan skor ujian adalah:

Visible text: Karena distribusi normal memiliki sifat , maka nilai harapan skor ujian adalah:

```math
E(X) = 75
```

Jadi, nilai harapan skor ujian seorang siswa adalah $$75$$.

Visible text: Jadi, nilai harapan skor ujian seorang siswa adalah .

**Contoh** $$2$$

Visible text: **Contoh**

Berat bayi yang baru lahir di suatu rumah sakit terdistribusi normal dengan rata-rata $$3.200 \text{ gram}$$ dan standar deviasi $$400 \text{ gram}$$. Tentukan nilai harapan berat bayi yang akan lahir!

Visible text: Berat bayi yang baru lahir di suatu rumah sakit terdistribusi normal dengan rata-rata dan standar deviasi . Tentukan nilai harapan berat bayi yang akan lahir!

**Penyelesaian:**

Diketahui $$\mu = 3.200 \text{ gram}$$ dan $$\sigma = 400 \text{ gram}$$.

Visible text: Diketahui dan .

Nilai harapan berat bayi yang akan lahir adalah:

```math
E(X) = \mu = 3.200 \text{ gram}
```

## Latihan

1. Waktu tempuh perjalanan dari rumah ke sekolah terdistribusi normal dengan rata-rata $$25 \text{ menit}$$ dan standar deviasi $$5 \text{ menit}$$. Tentukan nilai harapan waktu tempuh perjalanan!

2. Suhu udara harian di kota Jakarta selama bulan Juni terdistribusi normal dengan rata-rata $$28^\circ\text{C}$$ dan standar deviasi $$3^\circ\text{C}$$. Berapa nilai harapan suhu udara pada hari yang dipilih secara acak?

3. Nilai ujian fisika siswa kelas $$12$$ terdistribusi normal dengan rata-rata $$78$$ dan standar deviasi $$12$$. Jika seorang siswa mengikuti ujian, berapa nilai harapan yang akan diperolehnya?

Visible text: 1. Waktu tempuh perjalanan dari rumah ke sekolah terdistribusi normal dengan rata-rata dan standar deviasi . Tentukan nilai harapan waktu tempuh perjalanan!

2. Suhu udara harian di kota Jakarta selama bulan Juni terdistribusi normal dengan rata-rata dan standar deviasi . Berapa nilai harapan suhu udara pada hari yang dipilih secara acak?

3. Nilai ujian fisika siswa kelas terdistribusi normal dengan rata-rata dan standar deviasi . Jika seorang siswa mengikuti ujian, berapa nilai harapan yang akan diperolehnya?

### Kunci Jawaban

1. **Penyelesaian Soal** $$1$$:

   Diketahui: $$\mu = 25 \text{ menit}$$, $$\sigma = 5 \text{ menit}$$

   Karena distribusi normal memiliki sifat $$E(X) = \mu$$, maka:

   
   
   ```math
   E(X) = 25 \text{ menit}
   ```

   **Jawaban:** Nilai harapan waktu tempuh perjalanan adalah $$25 \text{ menit}$$.

2. **Penyelesaian Soal** $$2$$:

   Diketahui: $$\mu = 28^\circ\text{C}$$, $$\sigma = 3^\circ\text{C}$$

   Menggunakan sifat dasar distribusi normal:

   
   
   ```math
   E(X) = \mu = 28^\circ\text{C}
   ```

   **Jawaban:** Nilai harapan suhu udara adalah $$28^\circ\text{C}$$.

3. **Penyelesaian Soal** $$3$$:

   Diketahui: $$\mu = 78$$, $$\sigma = 12$$

   Berdasarkan sifat fundamental distribusi normal:

   
   
   ```math
   E(X) = \mu = 78
   ```

   **Jawaban:** Nilai harapan yang akan diperoleh siswa adalah $$78$$.

Visible text: 1. **Penyelesaian Soal** :

 Diketahui: , 

 Karena distribusi normal memiliki sifat , maka:

 
 

 **Jawaban:** Nilai harapan waktu tempuh perjalanan adalah .

2. **Penyelesaian Soal** :

 Diketahui: , 

 Menggunakan sifat dasar distribusi normal:

 
 

 **Jawaban:** Nilai harapan suhu udara adalah .

3. **Penyelesaian Soal** :

 Diketahui: , 

 Berdasarkan sifat fundamental distribusi normal:

 
 

 **Jawaban:** Nilai harapan yang akan diperoleh siswa adalah .