Distribusi Normal: Kenapa Kurva Lonceng Ada di Mana-mana
TL;DR
Distribusi normal adalah pola sebaran data di mana kebanyakan nilai numpuk di sekitar rata-rata dan makin jarang begitu menjauh, bentuknya simetris kayak lonceng. Pola ini sering muncul karena central limit theorem: kalau sebuah nilai adalah hasil penjumlahan banyak faktor kecil yang acak, hasilnya cenderung normal. Yang penting diinget, banyak data bisnis kayak omzet dan gaji justru gak normal, dan maksa pakai asumsi normal di situ bikin kesimpulanmu meleset.
Distribusi normal adalah pola sebaran data di mana kebanyakan nilai numpuk di sekitar rata-rata, dan makin jarang begitu menjauh dari situ.
Bentuknya simetris, mirip lonceng. Itu sebabnya sering disebut kurva lonceng atau kurva Gauss.
Yang jarang dijelasin di kelas statistik: banyak data yang kamu temuin di kerjaan sehari-hari gak normal. Omzet toko, gaji, durasi kunjungan web. Dan maksa pakai asumsi normal di data kayak gitu bikin kesimpulanmu meleset. Aku bahas dua-duanya.
Apa itu distribusi normal?
Distribusi normal adalah sebaran data yang simetris di sekitar rata-rata, di mana nilai yang deket rata-rata paling sering muncul, dan nilai ekstrem makin jarang.
Dua angka yang nentuin bentuknya:
- Rata-rata (mean). Nentuin di mana pusat kurvanya.
- Simpangan baku (standard deviation). Nentuin seberapa lebar kurvanya. Simpangan kecil = kurva sempit dan tinggi. Simpangan gede = kurva lebar dan datar.
Sekali kamu tau dua angka itu, kamu tau seluruh bentuk kurvanya. Gak butuh info lain.
Apa itu aturan 68-95-99,7?
Ini yang bikin distribusi normal berguna banget di praktik.
Di data yang normal:
- Sekitar 68% nilai jatuh dalam jarak 1 simpangan baku dari rata-rata.
- Sekitar 95% dalam jarak 2 simpangan baku.
- Sekitar 99,7% dalam jarak 3 simpangan baku.
Contoh konkretnya. Misal tinggi badan pria dewasa Indonesia punya rata-rata 165 cm dengan simpangan baku 7 cm.
| Rentang | Tinggi | Porsi orang |
|---|---|---|
| ±1 simpangan baku | 158–172 cm | ~68% |
| ±2 simpangan baku | 151–179 cm | ~95% |
| ±3 simpangan baku | 144–186 cm | ~99,7% |
Jadi kalau kamu ketemu orang setinggi 190 cm, dia ada di luar 3 simpangan baku. Itu kejadian yang muncul kurang dari 0,15 persen kasus.
Inilah cara kerja deteksi outlier paling sederhana: apa pun yang di luar 3 simpangan baku layak diperiksa.
Kenapa kurva lonceng muncul di mana-mana?
Jawabannya ada di central limit theorem.
Teorema ini bilang: kalau sebuah nilai adalah hasil penjumlahan banyak faktor kecil yang acak dan gak saling ketergantungan, sebarannya cenderung mendekati normal.
Tinggi badan itu hasil dari ratusan gen, gizi masa kecil, kesehatan, dan macam-macam faktor lain. Masing-masing nyumbang sedikit. Digabung, hasilnya normal.
Error pengukuran juga sama. Timbangan meleset dikit karena suhu, dikit karena getaran, dikit karena kalibrasi. Semua ditambahin, hasilnya normal.
Versi yang lebih kuat dari teorema ini: rata-rata sampel cenderung normal, apa pun bentuk data aslinya. Kamu bisa ambil data omzet yang miring parah, ambil sampel 50 transaksi berkali-kali, hitung rata-ratanya, dan sebaran rata-rata itu bakal berbentuk lonceng.
Ini yang bikin uji statistik kayak uji hipotesis tetep jalan walaupun data mentahnya gak normal, asal sampelnya cukup gede.
Data apa yang gak normal?
Ini bagian yang paling sering bikin analis kepeleset.
Data yang punya batas bawah tapi gak punya batas atas hampir selalu miring ke kanan.
- Omzet transaksi. Gak ada yang beli minus rupiah, tapi bisa ada yang borong 100 kali lipat rata-rata.
- Gaji. Gak ada gaji negatif, tapi ada CEO yang gajinya 200 kali median.
- Durasi kunjungan web. Minimal 0 detik, tapi ada yang tabnya kebuka 6 jam.
- Jumlah followers. Minimal 0, tapi ada akun dengan 40 juta.
Bentuknya bukan lonceng, tapi lonceng yang mencong ke kiri dengan ekor panjang ke kanan.
Konsekuensinya besar: di data miring, rata-rata itu angka yang menyesatkan. Satu transaksi borongan bisa narik rata-rata ke atas, dan angka itu gak mewakili siapa-siapa.
Contoh kasus: nilai transaksi toko_berkah
Ini dari dataset ngulikdata, 18.400 transaksi toko_berkah sepanjang 2025.
| Statistik | Nilai |
|---|---|
| Rata-rata nilai transaksi | Rp 87.400 |
| Median nilai transaksi | Rp 42.000 |
| Transaksi terbesar | Rp 4.100.000 |
| Transaksi terkecil | Rp 3.500 |
Lihat selisih rata-rata dan median. Rata-ratanya dua kali lipat mediannya.
Di data normal, rata-rata dan median hampir selalu nempel. Kalau jauh, artinya datanya miring.
Yang terjadi di toko_berkah: ada 340 transaksi borongan (warung yang belanja stok) dengan nilai di atas Rp 500 ribu. Cuma 1,8 persen dari total transaksi, tapi cukup buat narik rata-rata naik 108 persen.
Kalau tim marketing bikin promo berdasarkan "rata-rata belanja pelanggan Rp 87 ribu", mereka salah sasaran. Pelanggan tengah cuma belanja Rp 42 ribu.
Selisih ini yang bikin promo "gratis ongkir min. belanja Rp 90 ribu" cuma dipakai 6 persen pelanggan. Ambangnya kelewat tinggi buat mayoritas orang.
Pelajarannya: cek median dulu sebelum ngutip rata-rata. Sepuluh detik ngecek bisa nyelametin promo jutaan rupiah.
Gimana cara ngecek data kamu normal?
Tiga cara, dari yang paling cepat.
1. Bikin histogram
Lihat bentuknya. Simetris dan numpuk di tengah? Kemungkinan normal. Miring dengan ekor panjang? Gak normal. Cara ini paling gampang dan paling sering udah cukup.
2. Bandingin rata-rata sama median
Kalau selisihnya kecil (di bawah 10 persen), datanya kemungkinan besar simetris. Kalau jauh kayak kasus toko_berkah, datanya miring.
3. Uji formal (Shapiro-Wilk)
Ada uji statistik resminya. Tapi hati-hati: di sampel besar (di atas 5.000 baris), uji ini hampir selalu bilang "gak normal", walau penyimpangannya kecil banget dan gak ngaruh ke praktik.
Buat kerja sehari-hari, histogram lebih berguna dari uji formal. Detail teknisnya bisa kamu cek di dokumentasi SciPy.
Kalau data gak normal, terus gimana?
Ada 3 jalan keluar.
Transformasi logaritma. Ganti tiap nilai jadi log-nya. Data omzet dan gaji sering langsung jadi mendekati normal setelah dilog. Habis itu semua uji statistik biasa bisa dipakai.
Pakai uji non-parametrik. Mann-Whitney buat gantiin uji t, Kruskal-Wallis buat gantiin ANOVA. Uji ini gak butuh asumsi normal karena kerjanya lewat peringkat, bukan lewat nilai.
Andelin central limit theorem. Kalau kamu ngebandingin rata-rata dari sampel gede (di atas 30 per grup), sebaran rata-ratanya udah cukup normal buat dipakai. Data mentahnya boleh miring.
Yang jangan dilakuin: pura-pura datanya normal terus jalan terus.
Kesalahan umum soal distribusi normal
Ngira semua data pasti normal. Namanya "normal", tapi di dunia bisnis dia justru minoritas.
Ngutip rata-rata di data miring. Selalu cek median sebelahnya. Kalau beda jauh, laporin median.
Buang outlier tanpa mikir. Di data omzet, transaksi borongan itu bukan error. Itu segmen pelanggan yang beda. Jangan dibuang, pisahin.
Pakai aturan 3 simpangan baku buat deteksi outlier di data miring. Di data miring, aturan itu bakal nandain terlalu banyak nilai sah sebagai outlier. Pakai metode IQR aja.
FAQ
Apa itu aturan 68-95-99,7?
Di data yang normal, sekitar 68 persen nilai jatuh dalam jarak satu simpangan baku dari rata-rata, 95 persen dalam dua simpangan baku, dan 99,7 persen dalam tiga. Kalau rata-rata tinggi badan 165 cm dengan simpangan baku 7 cm, berarti sekitar 95 persen orang tingginya antara 151 dan 179 cm. Aturan ini cuma berlaku kalau datanya memang normal.
Gimana cara ngecek data aku normal atau nggak?
Cara paling cepat: bikin histogram dan lihat bentuknya. Kalau simetris dan menumpuk di tengah, kemungkinan besar normal. Cara kedua: bandingkan rata-rata dan median. Kalau selisihnya jauh, datanya miring dan gak normal. Uji formal kayak Shapiro-Wilk juga ada, tapi di sampel besar dia hampir selalu bilang gak normal, jadi grafik lebih berguna.
Kenapa omzet toko gak berdistribusi normal?
Karena omzet punya batas bawah nol tapi gak punya batas atas. Gak ada transaksi minus, tapi bisa ada satu pembelian borongan yang nilainya seratus kali rata-rata. Akibatnya kurva jadi miring ke kanan dengan ekor panjang. Data kayak gini biasanya lebih cocok dibaca pakai median daripada rata-rata.
Apa itu central limit theorem?
Central limit theorem bilang kalau kamu ambil sampel berkali-kali dari populasi apa pun, lalu hitung rata-ratanya, sebaran rata-rata itu bakal mendekati normal. Bentuk data aslinya gak penting. Ini alasan kenapa uji statistik bisa jalan walaupun data mentahnya miring, asal ukuran sampelnya cukup besar, biasanya di atas 30.
Kalau data gak normal, harus gimana?
Ada tiga pilihan. Pertama, transformasi data pakai logaritma, ini sering bikin data omzet jadi mendekati normal. Kedua, pakai uji non-parametrik kayak Mann-Whitney yang gak butuh asumsi normal. Ketiga, andalkan central limit theorem kalau sampelmu besar. Yang jangan dilakuin: pura-pura datanya normal terus jalan terus.
Penutup
Tiga hal yang layak dibawa pulang.
Distribusi normal itu simetris dan ditentukan cuma sama dua angka: rata-rata dan simpangan baku. Aturan 68-95-99,7 langsung ngasih kamu gambaran sebarannya.
Data bisnis kayak omzet dan gaji sering gak normal. Cek median sebelum ngutip rata-rata.
Kalau rata-rata dan median beda jauh, itu sinyal datanya miring, dan analisismu perlu disesuaikan.
Coba sendiri: ambil data transaksi kamu, hitung rata-rata dan median, terus bandingin. Kalau bedanya lebih dari 20 persen, kamu baru nemu data yang miring. Query-nya bisa mulai dari AVG dan median.
Lanjut baca: P-value — konsep yang berdiri di atas kurva lonceng ini dan sering disalahartikan.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Artikel Terkait
Cara Baca Laporan Data dengan Kritis: 7 Pertanyaan Wajib
Angka di laporan bisa bener semua tapi tetap nyesatin. Ini 7 pertanyaan yang aku pakai tiap kali dapat laporan dari orang lain.
Produktivitas Data Analyst: Sistem Kerja biar Gak Kebanjiran Request
Sistem 5 langkah buat data analyst yang tiap hari kebanjiran request dadakan — dari intake form, matriks prioritas, sampai cara nolak tanpa bikin stakeholder ngambek.
Bias dalam Analisis Data: 8 Jebakan yang Sering Gak Kerasa
Delapan bias analisis data yang paling sering nyelip di kerjaan analyst — dari survivorship bias sampai Simpson's paradox — plus cara ngecek dan ngebenerinnya.