https://osf.

io OSF PREPRINTS
OSF Preprints (03)2020 https://doi.org/10.31219/osf.io/grdnm

Sebaran Peluang Acak Kontinu, Distribusi Normal,

Distribusi Normal Baku, Distribusi T, Distribusi Chi
Square, dan Distribusi F
Ahmad Sudi Pratikno1,2*, Agitia Ayu Prastiwi1 dan Sila Ramahwati1
1
Department of Elementary Education, Graduate School, Yogyakarta State University, Yogyakarta 55281, Indonesia
2 Department of Islamic Elementary School Education, Faculty of Tarbiyah, Institut Agama Islam Al-falah As-sunniyyah, Jember 68167,
East Java, Indonesia

*
E-mail: ahmad.sudi2016@student.uny.ac.id

Received 20 November 2016

Accepted 22 December 2017
Published 27 March 2020

Abstract
In statistics, there are various terms that may feel unfamiliar to researcher who is not accustomed to discussing it. However,
despite all of many functions and benefits that we can get as researchers to process data, it will later be interpreted into a
conclusion. And then researcher can digest and understand the research findings. The distribution of continuous random
opportunities illustrates obtaining opportunities with some detection of time, weather, and other data obtained from the field.
The standard normal distribution represents a stable curve with zero mean and standard deviation 1, while the t distribution is
used as a statistical test in the hypothesis test. Chi square deals with the comparative test on two variables with a nominal data
scale, while the f distribution is often used in the ANOVA test and regression analysis.

Keywords: continuous random distribution, normal distribution, normal distribution dataset, t-distribution, f-distribution

1. Sebaran Peluang Acak Kontinu mengandung titik sampel yang tak terhingga banyaknya.
Statistika dalam penerapannya pada dunia pendidikan, Syarat dari distribusi kontinu adalah apabila fungsi f(x)
sangatlah penting karena statsitik digunakan untuk adalah fungsi padat peluang peubah acak kontinu X yang
didefinisikan di atas himpunan semua bilangan riil R bila:
menginterpretasikan data-data yang diperoleh selama
1. F(x) ≥ 0 untuk semua x є R
melakukan penelitian. Selain itu, kecermatan peneliti ∞
2. ∫∞ 𝑓(𝑥)𝑑𝑥 = 1∞
dalam melakukan langkah-langkah sesuai dengan kaidah 3. 𝑃(𝑎 < 𝑋 < 𝑏) = ∫∞ 𝑓(𝑥)𝑑𝑥
∞
yang ada, akan membuat pelaksanaan penelitian itu Fungsi nilai-nilai peubah acak kontinu X, apat
sendiri akan berjalan lancar. Di dalam ilmu statistik digambarkan sebagai suatu kurva kontinu. Contoh grafik
terutama dalam statistik pendidikan terdapat berbagai uji fungsi kerapatan peluang yang mempunyai penerapan
yang digunakan oleh mayoritas peneliti dalam analisis praktis dalam analisis data statistik bersifat kontinu untuk
semua nilai X sebagai berkut.
data. Salah satu yang digunakan adalah uji t (t-test). Uji t
digunakan untuk mengetahui tingkat keefektifan maupun f(x) f(x)
pengaruh yang signifikan suatu metode (variabel terikat)
terhadap variabel bebas.
2. Sebaran Peluang Acak Kontinu
Distribusi peluang kontinu adalah peubah acak
yang dapat memperoleh semua nilai pada skala kontinu.
Ruang sampel kontinu adalah bila ruang sampel (a) x (b) x

© 2020 Published by Center for Open Science 1 27/03/2020

OSF Preprints, 27(03) 2020 Pratikno, A.S. et al.,

f(x) f(x) luasan sehingga para peneliti dapat menggambarkannya

seperti berikut.

f(x)
(c) x (d) x 99,7%

Gambar 1. Grafik fungsi kerapatan peluang

95,5%
Fungsi kerapatan peluang dibuat sedemikian sehingga
luas daerah di bawah kurva dan di atas sumbu x sama 68%
dengan 1. Luas daerah digunakan untuk menyatakan
peluang. Untuk suatu fungsi kerapatan peluang yang
dinyatakan oleh kurva dalam gambar berkut ini, peluang X -3σ -2σ -1σ 0 +1σ +2σ +3σ
antara a dan b sama dengan luas daerah yang diarsir dan
terletak diantara x = a dan x = b dibawah fungsi Gamabr 3. Distribusi normal
kerapatannya.
Secara matematis merupakan kebenaran bahwa:
1. Kira-kira 68% dari total nilai dalam distribusi normal
f(x)
populasi jatuh pada (plus dan minus) 1 simpang baku
dari rerata.
2. Kira-kira 95,5% dari total nilai dalam distribusi normal
populasi jatuh pada (plus dan minus) 2 simpang baku
dari rerata.
3. Kira-kira 99,7% dari total nilai dalam distribusi normal
populasi jatuh populasi terletak pada (plus dan minus)
3 simpang baku dari rerata.
a b x
Bandingkan pembagian luas daerah kurva ini dengan luas
Gambar 2. P(a < X < b) dengan Chebyshev’s theorem yang sering ditemui dalam
statistika business dan manajemen. Luas daerah di bawah
3. Distribusi Normal (DB) kurva normal ini biasanya sudah dimasukkan dalam tabel
Distribusi normal untuk menggambarkan distribusi z, dan digunakan untuk menunjukkan posisi simpang baku
dengan variabel acak dan kontinyu. Distribusi normal (z) dari rerata distribusinya maupun dalam kaitannya
adalah salah satu dari distribusi yang memiliki dengan skor kasar yang secara matematis ditentukan
probabilitas kontinyu dengan bentuk simetrik dan dengan formula seperti berikut.
cenderung mesokurtik. Distribusi ini penting karena tiga
alasan yaitu: X-μ
Z=
a) pengukuran dihasilkan dalam proses acak atau σ
random;
b) distribusi dapat digunakan untuk pembanding Dimana:
distribusi lain; dan X = nilai variabel random yang peneliti cari
c) distribusi statsitik yang memiliki rerata sampel dan μ = rerata dari distribusi
proporsi sampel sering mengikuti distribusi normal. σ = simpang baku distribusi
Menurut Levin (dalam Sukardi, 1981:212) mengapa z = angka simpang baku dari X ke rerata distribusi
distribusi normal mempunyai penting karena dua alasan.
Pertama, distribusi normal mempunyai sifat-sifat yang Distribusi normal dapat digunakan untuk mengetes nilai
terpakai untuk memecahkan permasalahan dengan situasi rerata populasi apabila memenuhi dua persyaratan
perlunya inferensi sampel; dan kedua, distribusi normal seperti berikut,
mendekati kenyataan sebagai distribusi frekuensi a) n sampel > 30 orang atau
observasi dari beberapa phenomena. b) n < 30 tetapi populasi memiliki distribusi normal dan
Dengan tidak memandang nilai rerata (μ) dan simpang baku diketahui (Kazmier, 1976:156).
simpangan baku (σ), probabilitas distribusi normal
memiliki total luas dibawah kurve znormal sebesar 1,00

2
https://doi.org/10.31219/osf.io/grdnm
OSF Preprints, 27(03) 2020 Pratikno, A.S. et al.,

4. Distribusi Normal Baku

1. Distribusi normal baku adalah distribusi normal
dengan rata-rata μ = 0, dan simpangan baku σ = 1.
2. Jika X berdistribusi Normal dengan rata-rata μ dan
simpangan baku σ, misalnya X-μ , maka Z
Z= P {Z < -x} P {Z > x}
berdistribusi Normal Baku. σ

-x 0 x

Gambar 6. Peluang normal baku

Ф(-z) = P(Z < -z) = P(Z > z) = 1 – Ф(z)

Sebagai contoh
-3 -2 -1 0 1 2 3 o P(Z ≤ 0) = P(Z ≥ 0) = 0,5
o P(Z < -1) = Ф (-1) = 1 – Ф(1) = 1 – 0,8413 = 0,1587
Gambar 4. Fungsi densitas normal baku
Keterangan: Untuk mendapatkan nilai 0,5 lihat tabel 3.
Untuk mencari peluang pada distribusi normal baku dapat pada kolom pertama pada posisi z = 0,0 dan kolom kedua
digunakan tabel berikut ini. 00, yang menunjukkan nilai 0,5000, begitu juga untuk z =
-1, posisi pada kolom pertama –1, pada kolom kedua 00,
yang menunjukkan nilai 0,1587.

Untuk a, b, c dan d bilangan-bilangan real, dan X

berdistribusi normal dengan rata-rata μ dan simpangan
baku σ, maka:
𝑎−𝜇 𝑏−𝜇
P(a < X < b) = P 𝜎 < 𝑍 < 𝜎 = luas di bawah kurva
normal baku dari
𝑎−𝜇 𝑏−𝜇
z1 = 𝜎 sampai z2 = 𝜎

Contoh:
Jika X berdistribusi normal dengan mean μ = 3 dan
variansi σ2 = 16, tentukan
a. P(X < 11)
b. P(X >-1)
c. P(2 < X < 7)
Penyelesaian:

𝑋−3 11−3
a. P(X < 11) = P 4
< 4
= Ф(2)
= 0,9772
Tabel A.3 kurva normal
𝑋−3 −2−3
b. P(X > -2) = P < 4
4
Gambar 5. Tabel kurva normal = P(Z > -1,25)
= P(Z < 1,25)
Distribusi normal baku bersifat simetris sebagaimana = 0,8944
terlihat pada gambar 6. Sisi simetris pada kurva bagian kiri
2−3 𝑋−3 7−3
dan kanan menggambarkan peluang normal baku. c. P(2 < X < 7) = P 4 < 4 < 4
= Ф(1) – Ф(-1/4)
= Ф(1) – [1 – Ф(1/4)]
= 0,8413 – 1 + 0,5987 = 0,4400

Sebaliknya jika diketahui nilai peluang normal baku, dapat

ditentukan nilai Z.

3
https://doi.org/10.31219/osf.io/grdnm
OSF Preprints, 27(03) 2020 Pratikno, A.S. et al.,

Contoh: Kolom pertama menunjukkan besarnya derajat kebebasan

a. Nilai Z sedemikian hingga P(Z < z) = 0,9535 adalah (υ) sedangkan kolom kedua hingga kelima menyatakan
z = 1,68. besarnya nilai t untuk nilai peluang (α) yang bersesuaian
b. Nilai Z sedemikian hingga P(Z < z) = 0,0465 adalah Catatan: Jika menggunakan tabel t yang lain, harap
z = –1,68. diperhatikan daerah yang diarsir.
5. Distribusi T Contoh:
Distribusi dengan variabel acak kontinu selain Tentukan nilai t tabel untuk α = 0,05 (t0,05) dengan
distribusi normal dan distribusi normal baku adalah derajat bebas 19.
distribusi t-student atau distribusi t. Grafik fungsi Jawab:
kerapatan peluang dari distribusi t menyerupai grafik Nilai t untuk α = 0,05 (t0,05) dengan derajat bebas 19,
fungsi distribusi normal, sebagaimana terlihat pada jika daerah yang dimaksud di sebelah kanan, maka t
gambar 6 berikut ini. terletak pada kolom ke enam (α = 0,05) nilai t, dan
baris ke-19 dari kolom derajat kebebasan (υ),
diperoleh nilai t 1,729. Jika daerah yang dimaksud di
sebelah kiri, maka t bertanda negatif yaitu −1,729.
Area = 𝛼 Area = 𝛼 6. Distribusi 𝜒2 (Chi Square atau Khi Kuadrat)
Distribusi khi kuadrat juga merupakan distribusi
dari variabel acak kontinu. Yang perlu diperhatikan dalam
menentukan nilai 𝜒dari distribusi 𝜒2 adalah derajat
− t, 0 t, kebebasan (υ) dan besarnya nilai peluang (  ). Gambar
2.7 menyajikan distribusi 𝜒2
Gambar 7. Distribusi t

Untuk menentukan nilai t, tergantung dari nilai peluang

(α) dan derajat kebebasan (υ (dibaca”nu”)) Nilai t ini
dapat dicari dengan menggunakan tabel distribusi t pada
tabel nilai kritis sebagai berikut.
Area = 𝛼

0  2 ,v
Gambar 9. Distribusi khi kuadrat

Untuk menentukan nilai 2 dapat

digunakan tabel khi kuadrat (gambar 8)
sebagai berikut.

Gambar 8. Tabel nilai kritis distribusi t Gambar 10. Tabel nilai kritis distribusi chi square

4
https://doi.org/10.31219/osf.io/grdnm
OSF Preprints, 27(03) 2020
Pada tabel nilai kritis distribusi chi square kolom pertama
menunjukkan besarnya derajat kebebasan (υ) sedangkan
kolom kedua hingga kedelapan menyatakan besarnya nilai
2 untuk nilai peluang (α) yang bersesuaian.
Catatan: Jika menggunakan tabel 2 lain, harap
diperhatikan daerah yang diarsir.
Contoh
Tentukan  02,01 , dengan υ = 26
Jawab:
Dari tabel nilai kritis (gambar 9), untuk υ
diperoleh nilai 
2
0,01 adalah 45,64 jika daerah yang
dimaksud di sebelah kanan. Jika daerah yang
dimaksud di sebelah kiri, maka dicari pada α = 1 − 0,01
= 0,99 dan υ = 26 , sehingga nilainya adalah 12,2
7. Distribusi F
Distribusi F juga merupakan distribusi dari
variabael acak kontinu. Grafiknya mirip dengan distribusi
𝜒2 sebagaimana disajikan pada Gambar 11 berikut ini.
Area = 𝛼
0 f  (1 , 2 )
Gambar 11. Distribusi F
Untuk menentukan nilai f dengan nilai peluang α
tergantung dari dua derajat kebebasan yaitu υ1 (derajat
kebebasan pembilang) dan υ2 (derajat kebabasan
penyebut).
Nilai dari f dengan derajat kebebasan υ1 dan υ1 atau
ditulis f  (1 , 2 ) , dapat dicari dengan menggunakan
tabel sebagai berikut.
https://doi.org/10.31219/osf.io/grdnm
Pratikno, A.S. et al.,
= 26
Gambar 12. Tabel nilai kritis distribusi f
Jika f  (1 , 2 ) menyatakan f dengan derajat
kebebasan υ1 dan υ1, maka
1
f1− (1 , 2 ) =
f  (2 , 1 )
Contoh
• Tentukan nilai f0,01(5,20), jika daerah yang dimaksud di
sebelah kanan. Karena pada Tabel A.6 yang diarsir
adalah daerah di sebelah kanan, maka f0,01(5,20) dapat
dicari pada  = 0,01, υ1= 5 dan υ2 = 20. Jadi f0,01(5,20)
= 4,10
• Tentukan nilai f0,01(5,20), jika daerah yang dimaksud di
sebelah kiri. Pada kasus ini  dicari pada posisi 0,99,
sehingga diperoleh nilai
1 1
f0,99(5,20) = = = 0,104712
f 0,01(20,5) 9,55
8. Kesimpulan
Sebaran peluang acak, distribusi normal, chi square,
distribusi t, dan distribusi f merupakan langkah-langkah
analisis data dalam penelitian, terutama dalam concern
social science. Setiap analisis pasti memiliki margin error
yang merupakan toleransi terhadap kekeliruan dalam
menghitung angka, hal ini memang berpijak pada teori
humanisme. Pengujian-pengujian tersebut juga tidak
lepas dari keterbatasan peneliti sebagai seorang manusia.
Karena sebagus apapun desain penelitian dan seakurat
apapun dalam melakukan uji statistik, tidak mungkin akan
mampu lepas dari sebuah kesalahan yang mengakibatkan
hasilnya tidak valid. Maka dari itu, peneliti hendaknya
dalam hal ini berupaya untuk meneliti seteliti mungkin
sebelum dilakukan uji statistik.
9. Saran
Penyusun menyadari bahwa artikel ini diperlukan
beberapa revisi demi perbaikan yang lebih baik pada
penelitian dan penghitungan di masa mendatang. Oleh
karena itu, penulis mengharapkan kritik dan saran yang
membangun agar semakin baik dalam menyusun
makalah-makalah pada kesempatan berikut-nya.
5
OSF Preprints, 27(03) 2020 Pratikno, A.S. et al.,

DAFTAR PUSTAKA

https://www.statistikdasar.com/files/materi/konsep_distribus
i_peluang_kontinu.pdf

PPs UNY. (2011). Statistika: Matrikulasi S2 Program Pascasarjana

UNY. Yogyakarta: UNY.

Sukardi. (2011). Statistika Pendidikan untuk Penelitian dan

Pengelolaan Lembaga Diklat. Yogyakarta: Usaha Keluarga.

Tiro, Arif M. (2002). Statistika Distribusi Bebas. Makassar: Andira

Publisher.

©2020 by the authors. Submitted for

possible open access publication under the
terms and conditions of the Creative
Commons Attribution (CC BY) license (http://creativecommons.
org/licenses/by/4.0/).

6
https://doi.org/10.31219/osf.io/grdnm