Distribusi Normal dan Aturan 68-95-99,7

Ratusan ribu orang dewasa Indonesia diukur tinggi badannya. Anda menebak: berapa kira-kira yang tingginya pas 165 cm, berapa yang 150 cm, berapa yang 200 cm?

Tebakan intuitif Anda hampir pasti benar polanya. Paling banyak orang berkumpul di sekitar tinggi “biasa” — katakanlah 165 cm. Semakin jauh dari angka itu, semakin sedikit orangnya. Yang setinggi 200 cm ada, tetapi langka; yang 130 cm juga ada, sama langkanya. Tidak ada yang tingginya 5 meter.

Kalau tinggi semua orang itu kita tumpuk jadi grafik, bentuknya selalu mirip: tinggi menggunung di tengah, melandai mulus ke kiri dan ke kanan secara seimbang. Bentuk lonceng ini muncul berulang-ulang di alam — bukan hanya pada tinggi badan, tetapi pada berat, nilai ujian, kesalahan alat ukur, dan banyak lagi. Pola itu punya nama: distribusi normal. Memahaminya membuka pintu ke hampir seluruh statistika inferensial.

Inilah inti seluruh materi ini, dalam satu gambar:

Kenapa Materi Ini Penting

Distribusi normal adalah distribusi paling penting di seluruh statistika. Alasannya praktis: hampir semua uji yang akan Anda temui kelak — uji-t, ANOVA, regresi, interval kepercayaan, p-value — berdiri di atas asumsi bahwa data atau rata-rata sampelnya mengikuti distribusi normal.

Jadi konsep ini adalah fondasi. Begitu Anda paham kurva lonceng, dua parameternya, dan cara membaca luas di bawahnya sebagai peluang, Anda sudah memegang kunci untuk materi-materi inferensial berikutnya. Pelan-pelan saja, satu tahap demi satu tahap.

Intuisi Dulu: Kenapa Banyak Data Berbentuk Lonceng

Sebelum menyentuh rumus, pikirkan dari mana bentuk lonceng ini berasal.

Tinggi badan seseorang bukan ditentukan satu hal, melainkan tumpukan banyak pengaruh kecil yang sebagian menambah dan sebagian mengurangi: gen dari ayah, gen dari ibu, gizi waktu kecil, kesehatan, lingkungan, dan ratusan faktor lain. Sebagian besar orang mendapat campuran pengaruh yang saling mengimbangi, jadi tingginya mendarat di sekitar nilai “tengah”. Untuk sangat tinggi, hampir semua pengaruh harus kebetulan menambah sekaligus — itu langka. Untuk sangat pendek, hampir semua harus kebetulan mengurangi — sama langkanya.

Penumpukan banyak pengaruh acak kecil yang saling bebas itulah yang menghasilkan lonceng. Anda bisa menyaksikan proses ini terjadi sendiri pada papan Galton di bawah.

Asal-Usul Lonceng: Papan Galton

Perhatikan: tiap bola dijatuhkan dari atas-tengah, lalu di setiap pasak ia membelok ke kiri atau kanan dengan peluang sama — persis seperti satu pengaruh acak kecil. Setelah melewati banyak baris pasak, posisi akhir bola adalah hasil penjumlahan semua belokan acak itu.

Satu bola tidak bisa ditebak. Tetapi ribuan bola yang menumpuk membentuk pola yang sangat bisa ditebak: kurva lonceng yang simetris. Inilah distribusi normal yang lahir di depan mata Anda dari kebetulan murni.

Distribusi normal sering disebut juga distribusi Gauss, dari nama matematikawan Carl Friedrich Gauss yang mempelajarinya di abad ke-19.

Bentuk Lonceng: Tiga Ciri yang Wajib Diingat

Kurva distribusi normal selalu punya tiga karakter berikut, apa pun datanya:

1. Simetris terhadap pusat. Belah kurva tepat di tengah, sisi kiri dan kanan menjadi cermin satu sama lain. Karena simetri ini, modus (nilai paling sering), median (nilai tengah), dan mean (rata-rata) jatuh di titik yang sama persis.
2. Tinggi di pusat, melandai ke ekor. Nilai di sekitar rata-rata paling sering muncul; semakin jauh dari rata-rata, semakin jarang.
3. Ekor tidak pernah menyentuh sumbu. Secara teori, nilai sejauh apa pun tetap punya peluang — sangat kecil, tetapi tidak nol. Tinggi 250 cm tetap “mungkin”, walau praktis tak pernah terjadi.

Parameter: μ (Pusat) dan σ (Lebar)

Inilah hal yang mengejutkan: untuk menggambar kurva normal seutuhnya, Anda hanya butuh dua angka. Setiap distribusi normal ditentukan lengkap oleh rata-rata dan standar deviasinya, ditulis:

$$X \sim N(\mu,\ \sigma^2)$$

Cara baca tiap lambang:

• $X$ = variabel yang sedang kita amati (misalnya tinggi badan). Tanda $\sim$ dibaca “berdistribusi”.
• $\mu$ (dibaca “mu”) = rata-rata populasi. Menentukan posisi pusat kurva di sumbu mendatar. Geser $\mu$ ke kanan, seluruh kurva ikut bergeser ke kanan.
• $\sigma$ (dibaca “sigma”) = standar deviasi populasi. Menentukan lebar kurva. Perbesar $\sigma$, kurva melebar dan memendek; perkecil $\sigma$, kurva menyempit dan meninggi.
• $\sigma^2$ = varians (kuadrat dari $\sigma$). Penulisan baku memakai $\sigma^2$ di dalam kurung, tetapi yang menentukan lebar tampilannya adalah $\sigma$ itu sendiri.

Contoh angka. Tinggi badan dewasa Indonesia mungkin $N(165,\ 7^2)$ — pusat di 165 cm, lebar 7 cm. IPK mahasiswa S2 mungkin $N(3{,}5;\ 0{,}3^2)$ — pusat di 3,5, lebar 0,3. Skor TOEFL mungkin $N(550,\ 80^2)$. Bentuk loncengnya sama; hanya posisi dan lebarnya berbeda.

Geser sendiri kedua parameter ini dan amati kurvanya berubah secara langsung. Perhatikan satu hal penting: berapa pun $\mu$ dan $\sigma$, luas total di bawah kurva selalu tepat 1 — sebab seluruh data pasti berada di suatu tempat di bawah kurva.

Fungsi Densitas: Rumus di Balik Kurva

Anda tidak perlu menghafal rumus ini, tetapi melihatnya satu kali membantu memahami dari mana bentuk lonceng datang. Tinggi kurva di setiap titik $x$ diberikan oleh fungsi densitas peluang:

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

Bedah tiap bagian dengan polos:

• $f(x)$ = tinggi kurva di titik $x$ — seberapa “padat” data berkumpul di sekitar nilai itu (bukan peluang langsung; peluang adalah luas, dibahas nanti).
• $x - \mu$ = jarak nilai dari pusat. Karena dikuadratkan, jarak ke kiri dan ke kanan diperlakukan sama → itulah sumber simetri.
• $\left(\dfrac{x-\mu}{\sigma}\right)^2$ = jarak itu dinyatakan dalam satuan $\sigma$, lalu dikuadratkan. Semakin jauh $x$ dari $\mu$, angka ini membesar cepat.
• $e^{-(\dots)}$ = tanda minus di pangkat membuat tinggi kurva menurun saat jarak membesar → itulah sumber ekor yang melandai. Di pusat ($x=\mu$) pangkatnya nol, $e^0 = 1$, jadi kurva paling tinggi.
• $\dfrac{1}{\sigma\sqrt{2\pi}}$ = faktor pengatur skala agar luas total = 1. Lambang $\pi \approx 3{,}14159$ dan $e \approx 2{,}71828$ adalah dua tetapan matematika.

Contoh angka. Untuk $N(70,\ 10^2)$, tinggi kurva di puncak ($x = \mu = 70$) adalah $f(70) = \dfrac{1}{10\sqrt{2\pi}} \approx 0{,}0399$. Anda tidak akan pernah menghitung ini dengan tangan dalam praktik — Excel dan kalkulator melakukannya. Yang penting: rumus inilah yang menjamin bentuk lonceng dan menjamin luasnya pas 1.

Aturan Empiris 68-95-99,7

Ini bagian yang paling sering dipakai sehari-hari, dan kabar baiknya tidak perlu rumus sama sekali. Untuk setiap distribusi normal — berapa pun $\mu$ dan $\sigma$-nya — berlaku tiga angka ajaib:

• Sekitar 68% data berada dalam $\mu \pm 1\sigma$ (satu standar deviasi dari rata-rata).
• Sekitar 95% data berada dalam $\mu \pm 2\sigma$ (dua standar deviasi).
• Sekitar 99,7% data berada dalam $\mu \pm 3\sigma$ (tiga standar deviasi).

Sisanya hanya 0,3% — pencilan ekstrem yang terlempar jauh di kedua ekor. (Angka pastinya dari teori adalah 68,27% / 95,45% / 99,73%; dibulatkan jadi 68 / 95 / 99,7 untuk dipakai sehari-hari.)

Gambar di pembuka artikel ini menampilkan ketiga pita itu: pita paling gelap di tengah ($\mu \pm 1\sigma$) memuat 68% data, pita sedang ($\mu \pm 2\sigma$) memuat 95%, dan pita paling terang ($\mu \pm 3\sigma$) memuat 99,7%.

Contoh konkret: tinggi badan

Misalkan tinggi dewasa Indonesia berdistribusi $N(165,\ 7^2)$ — jadi $\mu = 165$ cm dan $\sigma = 7$ cm. Kita tinggal menambah dan mengurangi kelipatan 7:

Jadi kalau Anda bertemu orang acak di jalan, peluang tingginya antara 144 dan 186 cm hampir pasti. Peluang bertemu orang setinggi 200 cm? Sangat kecil: 200 cm itu $(200-165)/7 = 5$ standar deviasi dari rata-rata — jauh di luar pita $\pm 3\sigma$. Peluangnya hanya sekitar 1 dari 3,5 juta orang.

Luas di Bawah Kurva = Peluang

Inilah gagasan paling penting untuk membaca distribusi normal. Peluang sebuah nilai jatuh di suatu rentang sama dengan luas daerah di bawah kurva pada rentang itu.

Tinggi kurva ($f(x)$) sendiri bukan peluang. Yang bermakna sebagai peluang adalah luas. Karena luas total di bawah kurva = 1 (atau 100%), tiap potongan luas adalah sebagian dari keseluruhan — persis seperti peluang.

Beberapa pembacaan langsung dari aturan empiris, semuanya berupa luas:

• Luas dalam $\mu \pm 1\sigma$ = 0,68 → peluang sebuah nilai jatuh di pita tengah = 68%.
• Karena kurva simetris, separuh data ada di kiri $\mu$ dan separuh di kanan → peluang sebuah nilai di atas rata-rata = tepat 50%.
• Di luar $\mu \pm 2\sigma$ tersisa $100\% - 95\% = 5\%$, terbagi rata ke dua ekor → tiap ekor sekitar 2,5%.

Contoh Hitung dari Nol

Mari kerjakan satu kasus utuh, dari data mentah sampai persentase, hanya bermodal aturan empiris.

Soal. Nilai ujian satu angkatan mengikuti distribusi normal dengan rata-rata 70 dan standar deviasi 10, ditulis $N(70,\ 10^2)$. Jawab tiga pertanyaan: (a) di rentang nilai berapa 68% mahasiswa berada? (b) Berapa persen mahasiswa bernilai di atas 90? (c) Seorang mahasiswa bernilai 85 — kira-kira di peringkat berapa persen teratas dia?

Langkah 1 — catat parameternya.

$$\mu = 70, \qquad \sigma = 10$$

Langkah 2 — bangun tiga rentang aturan empiris (tambah/kurang kelipatan $\sigma = 10$):

Jawab (a). 68% mahasiswa bernilai antara 60 dan 80 — itulah rentang $\mu \pm 1\sigma$.

Jawab (b). Nilai 90 tepat di $\mu + 2\sigma$. Di dalam $\mu \pm 2\sigma$ ada 95% data, jadi di luarnya tersisa 5%, terbagi rata ke dua ekor. Ekor atas (di atas 90) = $5\% \div 2 = $ 2,5%. Hanya sekitar 2,5% mahasiswa bernilai di atas 90.

Jawab (c). Nilai 85 tidak jatuh pas di kelipatan $\sigma$, jadi ubah dulu jaraknya ke satuan $\sigma$ — inilah yang disebut z-score:

$$z = \frac{x - \mu}{\sigma} = \frac{85 - 70}{10} = 1{,}5$$

Nilai 85 berarti 1,5 standar deviasi di atas rata-rata. Dari tabel peluang normal (atau Excel), peluang nilai di atas 85 adalah sekitar 6,7%. Jadi mahasiswa itu berada di sekitar 6,7% peringkat teratas angkatannya. (Cara menghitung peluang z-score yang tidak bulat ini — dengan tabel Z atau Excel — dibahas tuntas di materi berikutnya.)

Menafsirkan Hasilnya

Perhatikan apa yang baru saja terjadi: dengan hanya dua angka ($\mu = 70$, $\sigma = 10$) dan tanpa melihat satu pun nilai mahasiswa secara individual, kita bisa menyatakan dengan percaya diri bahwa sekitar 2,5% angkatan bernilai di atas 90 dan bahwa nilai 85 sudah masuk papan atas. Itulah kekuatan model distribusi normal: ia memadatkan ribuan data menjadi dua bilangan, lalu mengembalikan jawaban peluang apa pun yang kita butuhkan.

Z-score menambah satu kemampuan lagi: ia menerjemahkan nilai mentah dari satuan apa pun menjadi bahasa universal “berapa $\sigma$ dari rata-rata”. Nilai 85 (z = 1,5) di ujian ini setara posisinya dengan tinggi 175 cm pada $N(165,\ 7^2)$ yang z-nya $(175-165)/7 \approx 1{,}43$ — keduanya “cukup di atas rata-rata, tapi belum ekstrem”. Standardisasi inilah yang membuat dua hal berbeda satuan bisa dibandingkan adil.

Cek Pemahaman

1. Berat bayi baru lahir di sebuah rumah sakit mengikuti $N(3{,}2;\ 0{,}4^2)$ kilogram. Dengan aturan empiris, di rentang berat berapa sekitar 95% bayi berada?

Lihat jawaban

95% data jatuh di $\mu \pm 2\sigma$. Di sini $\mu = 3{,}2$ dan $\sigma = 0{,}4$, jadi $2\sigma = 0{,}8$. Rentangnya $3{,}2 \pm 0{,}8 = [2{,}4;\ 4{,}0]$ kilogram. Jadi sekitar 95% bayi lahir dengan berat antara 2,4 kg dan 4,0 kg. (Sebagai pembanding, rentang 68% adalah $3{,}2 \pm 0{,}4 = [2{,}8;\ 3{,}6]$ kg.)

2. (soal transfer) Andi ikut ujian Matematika dan dapat 80; nilai kelasnya berdistribusi $N(70,\ 10^2)$. Budi ikut ujian Fisika dan dapat 78; nilai kelasnya berdistribusi $N(72,\ 4^2)$. Nilai mentah Andi lebih tinggi — tetapi relatif terhadap teman sekelasnya, siapa yang sebenarnya lebih unggul?

Lihat jawaban

Nilai mentah tak bisa diadu langsung karena dua kelas punya $\mu$ dan $\sigma$ berbeda. Ubah ke z-score dulu:

• Andi: $z = \dfrac{80 - 70}{10} = 1{,}0$ → 1 standar deviasi di atas rata-rata kelasnya.
• Budi: $z = \dfrac{78 - 72}{4} = 1{,}5$ → 1,5 standar deviasi di atas rata-rata kelasnya.

Meskipun nilai mentah Andi lebih besar (80 > 78), Budi lebih unggul secara relatif karena z-score-nya lebih tinggi (1,5 > 1,0): ia mengungguli porsi teman sekelas yang lebih besar. Inilah gunanya standardisasi — membandingkan prestasi lintas ujian yang skalanya berbeda.

Kesalahan Umum

Mengira tinggi kurva itu peluang. Yang menyatakan peluang adalah luas di bawah kurva, bukan tinggi kurva ($f(x)$). Peluang sebuah nilai persis sama dengan satu angka tertentu pada distribusi kontinu sebenarnya nol; yang bermakna adalah peluang di sebuah rentang, yaitu luas.

Memakai aturan 68-95-99,7 untuk data yang jelas tidak normal. Aturan ini hanya berlaku untuk distribusi normal. Data gaji (menceng ke kanan) atau jumlah klik iklan (cacah, menumpuk di nol) tidak lonceng — memaksakan aturan empiris ke sana akan menyesatkan. Periksa bentuk data dulu (histogram).

Mengira data mentah harus normal untuk bisa diregresi. Yang diharapkan normal pada regresi adalah residual (sisa galat) model, bukan variabel mentahnya. Ditambah lagi, dengan sampel cukup besar, Teorema Limit Pusat membuat asumsi normalitas longgar.

Mengacaukan $\sigma$ dengan $s$. $\sigma$ (sigma) adalah standar deviasi populasi — nilai sebenarnya yang biasanya tak kita ketahui. $s$ adalah standar deviasi sampel — dugaan dari data yang kita punya. Notasi beda, makna beda; jangan tukar.

Mengabaikan tanda z-score negatif. Z-score negatif tetap sah — ia cuma menandai nilai di bawah rata-rata. Yang penting besarnya (jarak dari rata-rata), bukan tandanya. $z = -2$ sama jauhnya dari pusat dengan $z = +2$.

Dipakai di Dunia Nyata

• Kendali mutu (Six Sigma). Nama “Six Sigma” datang langsung dari sini: proses produksi yang baik menjaga cacat tetap dalam $\pm 6\sigma$ dari target, sehingga nyaris tak ada produk gagal. Aturan empiris adalah dasar seluruh kerangka ini.
• Penilaian pendidikan. Skor terstandar seperti IQ, TOEFL, dan SAT sengaja dirancang berdistribusi normal, sehingga peringkat persentil setiap peserta bisa dibaca langsung dari z-score-nya.
• Manajemen risiko keuangan. Model risiko seperti Value at Risk (VaR) sering mengasumsikan imbal hasil aset berdistribusi normal untuk menaksir peluang kerugian besar — walau krisis pasar mengingatkan bahwa ekor nyata kadang lebih “gemuk” daripada yang diramalkan kurva normal.
• Pengukuran ilmiah. Galat alat ukur (timbangan, sensor, termometer) umumnya berdistribusi normal di sekitar nilai sebenarnya, sehingga rata-rata banyak pengukuran berulang mendekati nilai asli.

Rumus di Excel

=NORM.DIST(x; μ; σ; TRUE)     → P(X ≤ x): luas kiri, langsung dari nilai mentah
=NORM.S.DIST(z; TRUE)         → P(Z ≤ z): luas kiri pada normal standar
=NORM.INV(peluang; μ; σ)      → nilai x yang luas kirinya = peluang (kebalikannya)
=NORM.DIST(x; μ; σ; FALSE)    → tinggi kurva f(x) di titik x (densitas, bukan peluang)
=(x - μ) / σ                  → z-score sebuah nilai
=STANDARDIZE(x; μ; σ)         → z-score (fungsi bawaan, hasil sama)

Contoh: persentase mahasiswa $N(3{,}5;\ 0{,}3^2)$ yang IPK-nya antara 3,2 dan 3,8 dihitung =NORM.DIST(3,8; 3,5; 0,3; TRUE) - NORM.DIST(3,2; 3,5; 0,3; TRUE), hasilnya 0,6827 ≈ 68% — pas dengan aturan empiris, sebab 3,2 dan 3,8 adalah tepat $\mu \pm 1\sigma$.

⬇ Unduh 10-distribusi-normal.xlsx

Berkas pendamping berisi beberapa lembar; yang paling instruktif adalah ATURAN_EMPIRIS — membangun ketiga rentang $\mu \pm k\sigma$ dengan formula hidup dari $\mu$ dan $\sigma$ — dan PROBABILITAS yang memperlihatkan luas kiri/kanan/rentang dihitung langsung dengan NORM.DIST dan NORM.S.DIST.

Lanjutan

Distribusi normal adalah jembatan dari statistika deskriptif menuju statistika inferensial. Setelah ini, jalannya menanjak rapi:

• Lanjut ke Distribusi Normal Standar & Z-Score — cara menghitung peluang untuk z-score yang tidak bulat (1,43; 2,17; dan seterusnya), pakai tabel Z maupun Excel.
• Penasaran kenapa kurva lonceng muncul di mana-mana? Jawaban teoretisnya ada di Teorema Limit Pusat.
• Perlu menyegarkan $\sigma$ lebih dulu? Balik ke Variabilitas dan Sebaran.

Setelah menguasai distribusi normal dan z-score, Anda siap masuk inti inferensi: interval kepercayaan dan uji hipotesis.