Kalkulator Distribusi Normal mengubah beberapa masukan menjadi hasil yang dapat Anda tindak lanjuti. Bagian di bawah ini menjelaskan apa yang dihitung oleh kalkulator, input mana yang paling penting, di mana hasil sebenarnya cenderung berbeda dari model, dan cara memaksimalkan alat tersebut.
Mengapa Distribusi Normal Begitu Umum
Teorema Limit Pusat (CLT) menyatakan bahwa jumlah atau rata-rata dari banyak variabel acak independen cenderung berdistribusi normal, apa pun distribusi yang mendasari masing-masing variabel — bahkan jika variabel individual terdistribusi secara seragam, terdistribusi secara eksponensial, atau sangat miring. Fenomena matematika ini menjelaskan mengapa tinggi badan, nilai tes, pengukuran IQ, kesalahan pengukuran, dan banyak sifat biologis dan fisik mendekati kurva lonceng: setiap pengukuran mencerminkan jumlah dari banyak efek kecil yang independen (gen, lingkungan, kebisingan), dan kombinasinya menyatu ke bentuk normal.
Distribusi normal adalah distribusi probabilitas yang paling penting dalam statistik karena dapat diurutkan secara matematis (integral, turunan, dan transformasi memiliki solusi bentuk tertutup) dan secara empiris ada di mana-mana (data dunia nyata lebih sering mendekati normal daripada bentuk lainnya). Kombinasi ini menjadikannya asumsi default untuk teknik statistik yang tak terhitung jumlahnya: uji-t, ANOVA, analisis regresi, grafik kendali mutu, dan sebagian besar penghitungan interval kepercayaan. Ketika data tidak tampak normal, ahli statistik akan mengubahnya (log, akar kuadrat) untuk memaksakan perkiraan normalitas atau beralih ke metode non-parametrik yang tidak mengasumsikan bentuk distribusi tertentu. Memahami kapan asumsi normal berlaku versus tidak berlaku adalah salah satu keterampilan paling penting dalam statistik terapan.
Standar Normal dan Skor Z
Setiap distribusi normal dapat diubah menjadi standar normal (mean 0, standar deviasi 1) dengan mengurangkan mean dan membaginya dengan standar deviasi — sebuah proses yang disebut standardisasi yang menghasilkan skor-z. Skor-z ini memungkinkan perbandingan langsung pada skala dan unit yang berbeda: skor-z 2,0 selalu berarti nilainya dua standar deviasi di atas rata-rata, terlepas dari apakah pengukuran awal adalah tinggi badan dalam inci, suhu dalam Celsius, atau skor tes pada skala apa pun. Skor z -1,5 berarti 1,5 deviasi standar di bawah rata-rata, dan seterusnya.
Aturan 68-95-99,7 (juga disebut aturan empiris) memberi tahu Anda bahwa dalam distribusi normal, sekitar 68% nilai berada dalam ±1 deviasi standar rata-rata, 95% berada dalam ±2 deviasi standar, dan 99,7% berada dalam ±3 deviasi standar. Aturan ini membuat skor-z langsung dapat diinterpretasikan: skor-z antara -1 dan +1 berada dalam kisaran rata-rata 68%, antara -2 dan +2 berada dalam kisaran umum 95%, dan nilai lebih dari ±3 sangatlah ekstrem. Pengendalian kualitas di bidang manufaktur menggunakan skor-z (sering disebut "tingkat sigma") untuk menggambarkan tingkat kerusakan — Proses Six Sigma menargetkan tingkat kerusakan di bawah 3,4 per juta, yang setara dengan ±4,5σ batas kendali.
Cara Kerja Kalkulator Distribusi Normal
Rumus inti fungsi kepadatan probabilitas normal adalah f(x) = (1/(σ√(2π))) × e^(−(x−μ)²/(2σ²)), dengan μ adalah mean, σ adalah simpangan baku, dan e adalah bilangan Euler (≈2.71828). Rumus ini menghasilkan karakteristik kurva lonceng, dengan tinggi puncak pada titik rata-rata dan ekor simetris yang meluruh secara eksponensial di kedua sisi. Kalkulator menggunakan PDF ini untuk menghitung probabilitas titik dan mengintegrasikannya secara numerik untuk menghitung probabilitas kumulatif (area di bawah kurva antara dua nilai, yang mewakili probabilitas hasil acak yang berada dalam rentang tersebut).
Untuk penghitungan probabilitas, kalkulator menghitung P(X ≤ a) menggunakan fungsi distribusi kumulatif Φ(z), yang tidak memiliki ekspresi bentuk tertutup tetapi dihitung melalui perkiraan rasional hingga setidaknya 7 tempat desimal akurasi. Anda dapat mengajukan tiga jenis pertanyaan: probabilitas titik pada nilai tertentu (jarang dalam praktiknya karena distribusi kontinu memiliki probabilitas nol pada titik pasti mana pun), probabilitas kumulatif di bawah ambang batas (P(X ≤ a)), atau probabilitas antara dua nilai (P(a ≤ X ≤ b)) yang sama dengan Φ(b) − Φ(a). Periksa kembali masukan rata-rata dan deviasi standar sebelum memercayai hasilnya — parameter yang salah menghasilkan probabilitas yang salah dan terasa sah tetapi tidak ada artinya.