Upload
unswagati
View
1
Download
0
Embed Size (px)
Citation preview
15
BAB 2
LANDASAN TEORI
2.1 Ruang Sampel dan Kejadian
2.1.1 Definisi Ruang Sampel
Himpunan semua hasil semua hasil (outcome) yang mungkin muncul pada suatu
percobaan disebut ruang sampel dan dinotasikan dengan S.
Tiap โ tiap hasil yang mungkin dalam ruang sampel disebut unsur atau anggota
ruang sampel tersebut atau disebut juga dengan istilah titik sampel.
Contoh:
Pada percobaan melempar dua mata uang, diperoleh S = {AA, AG, GA, GG}, dengan
AA adalah kejadian muncul angka pada lemparan pertama, dan muncul angka pada
lemparan kedua; AG adalah kejadian muncul angka pada lemparan pertama, dan
muncul gambar pada lemparan kedua; GA adalah kejadian muncul gambar pada
lemparan pertama, dan muncul angka pada lemparan kedua; GG adalah kejadian
muncul gambar pada lemparan pertama, dan muncul gambar pada lemparan kedua.
Titik sampelnya adalah AA, AG, GA, dan GG.
2.1.2 Definisi Kejadian
Kejadian atau peristiwa adalah himpunan bagian dari ruang sampel.
Contoh :
Suatu percobaan yang dilakukan dengan melantunkan sebuah dadu, maka ruang
sampelnya: S = {1, 2, 3, 4, 5, 6}. Misalkan A menyatakan suatu kejadian bahwa
bilangan genap muncul, maka kejadian A = { 2, 4, 6}, sehingga A merupakan
himpunan bagian ruang sampel S, dinotasikan sebagai A โ S.
Universitas Sumatera Utara
16
2.2 Definisi Peluang Suatu Kejadian
Teori peluang mempelajari tentang peluang terjadinya suatu kejadian atau peristiwa.
Peluang dinyatakan dalam pecahan atau desimal antara 0 dan 1. bila peluang suatu
kejadian bernilai 0, maka kejadian tersebut tidak akan terjadi. Sedangkan bila peluang
suatu kejadian bernilai 1, maka kejadian tersebut pasti terjadi. Dalam teori peluang
suatu kejadian adalah satu atau beberapa kemungkinan hasil dari suatu tindakan.
Tujuan teori peluang adalah menggambarkan dan menaksir rata โ rata sedemikian itu
dalam bentuk peluang kejadian.
Untuk menentukan Peluang suatu kejadian A, semua bobot titik sampel dalam
A dijumlahkan. Jumlah ini dinamakan ukuran A atau peluang A dan dinyatakan
dengan P(A). jadi ukuran himpunan โ adalah 0 dan ukuran S adalah 1. Peluang
didefinisikan dengan menggunakan tiga pendekatan yang berbeda. Ketiga definisi
pendekatan tersebut adalah sebagai berikut.
a. Definisi Aksiomatik
Pendekatan aksiomatik peluang berdasar pada tiga postulat sebagai berikut.
Peluang P(A) kejadian A adalah bilangan non negatif yang ditetapkan pada kejadian
ini yaitu
P(A) โฅ 0.
Peluang P(B) kejadian B pasti sama dengan 1, yaitu
P(B) = 1.
Dan bila kejadian โ kejadian A dan B saling asing maka
P(A+B) = P(A) + P(B)
b. Definisi Frekuensi Relatif
Pendekatan frekuensi relatif berdasar pada definisi beikut.
Peluang P(A) kejadian A adalah limit dari perbandingan n(A) dengan N, dimana n
mendekati tak hingga , sehingga dapat ditulis sebagai berikut.
๐ ๐ด = lim๐โ
๐(๐ด)
๐
dimana n(A) adalah jumlah terjadinya suatu kejadian A dan N adalah jumlah
Universitas Sumatera Utara
17
c. Definisi Klasik
Menurut definisi klasik, Bila suatu percobaan dapat menghasilkan N macam hasil
yang berkemungkinan sama dan bila tepat sebanyak n dari hasil berkaitan dengan
kejadian A, maka peluang kejadian A adalah
n(A) P(A) = N
2.2.1 Definisi Peluang Suatu Kejadian A
Peluang suatu kejadian A adalah jumlah semua titik sampel yang termasuk A.
Jadi dinyatakan dengan:
0 โค P(A) โค 1, P(โ )=0, P(S)=1.
2.2.2 Definisi Peluang Bersyarat
Misalkan A dan B menyatakan dua kejadian dalam koleksi kejadian dalam ruang
sampel S, maka peluang bersyarat dari kejadian A bila diberikan kejadian B
dinotasikan dengan
P AB
P AB = dengan PB 0 P B
2.3 Variabel Random dan Distribusi Peluang
2.3.1 Defenisi Variabel Random
Suatu fungsi bernilai real yang harganya ditentukan oleh tiap anggota dalam ruang
sampel disebut suatu variabel random
Ada dua macam variabel random, yaitu variabel random diskrit dan variabel
random kontinu.
Universitas Sumatera Utara
18
2.3.2 Definisi Variabel Random Diskrit
Jika semua himpunan nilai yang mungkin dari suatu variabel random X merupakan
himpunan terbilang (countable set), yaitu { x1, x
2,, ..., x
n} atau { x
1, x
2,, ...}, maka X
disebut variabel random diskrit.
2.3.3 Definisi Variabel Random Kontinu
Jika himpunan semua nilai yang mungkin dari suatu variabel random X merupakan
selang bilangan real, maka X disebut variabel random kontinu.
2.4 Distribusi Peluang Diskrit dan Kontinu
2.4.1 Defenisi Distribusi Peluang Diskrit
Fungsi f(x) adalah suatu fungsi peluang atau distribusi peluang suatu peubah acak
diskrit X bila, untuk setiap hasil x yang mungkin
a. f(x) โฅ 0
b. ๐ ๐ฅ = 1
๐ฅ
c.P(X = x)
Distribus kumulatif F(x) yaitu suatu variabel random diskrit X dengan distribusi
peluang f(x) dinyatakan oleh
๐น ๐ฅ = ๐ ๐ โค ๐ฅ = ๐(๐ก)
๐กโค๐ฅ
๐ข๐๐ก๐ข๐ โ โ < ๐ฅ < โ
2.4.2 Defenisi Distribusi Peluang Kontinu
Fungsi f(x) adalah fungsi padat peluang peubah acak kontinu X, yang didefenisikan
atas himpunan semua bilangan real R, bila
a. f(x) โฅ 0, untuk semua x di R
Universitas Sumatera Utara
19
b. ๐ ๐ฅ ๐๐ฅ = 1
โ
โโ
๐.๐ ๐ โค ๐ โค ๐ = ๐ ๐ฅ ๐๐ฅ
๐
๐
dinamakan fungsi densitas probabilitas dari variabel random kontinu X. Jika variabel
random kontinu X memiliki fungsi densitas probabilitas f(x), maka peluang suatu
kejadian atau peristiwa A, diberikan oleh
๐ ๐ด = ๐ ๐ฅ ๐๐ฅ
๐ฅ๐๐๐ด
2.4.3 Definisi Fungsi densitas probabilitas kontinu
Fungsi densitas probabilitas kontinu adalah Suatu fungsi f(x) yang didefinisikan pada
selang nilai variabel random X. sehingga fungsi distribusi kumulatifnya dapat
dinyatakan sebagai.
๐น ๐ฅ = ๐ ๐ก ๐๐ก
๐ฅ
โโ
2.5 Konsep Dasar Distribusi waktu Hidup
Fungsi-fungsi pada distribusi tahan hidup merupakan suatu fungsi yang menggunakan
variable random. Waktu hidup adalah interval waktu yang diamati dari suatu individu
saat pertama kali masuk kedalam pengamatan hingga keluar dari pengamatan.
Misalnya interval waktu sampai rusaknya suatu barang produksi, matinya suatu
makhluk hidup, kambuhnya suatu penyakit, dan lain-lain. Variable random
nonnegative waktu hidup biasanya dinotasikan dengan huruf โTโโ, dan akan
membentuk suatu distribusi.
Distribusi dari waktu hidup dapat disajikan oleh tiga fungsi berikut:
Universitas Sumatera Utara
20
2.5.1.Fungsi Kepadatan Peluang
Fungsi Kepadatan Peluang adalah probabilitas suatu individu mati atau gagal dalam
interval waktu dari t sampai t + t, dengan waktu T merupakan variabel random.
Fungsi densitas Probabilitas dinyatakan dengan.
๐ ๐ก = limโ๐กโ0
๐ ๐ก โค ๐ < ๐ก + โ๐ก
โ๐ก โฆ (2.1)
Waktu hidup merupakan variabel random non negatif, sehingga waktu hidup hanya
diukur untuk nilai t yang positif, maka diperoleh
๐ ๐ก = 0 ๐ข๐๐ก๐ข๐ ๐ก < 0 ๐๐๐ ๐ ๐ก ๐ ๐ก = 1
โ
0
2.5.2. Fungsi Tahan Hidup (Survival)
Fungsi tahan hidup (Survival) adalah probabilitas suatu individu yang masih dapat
bertahan hidup sampai dengan waktu t (t > 0). Jika T merupakan variabel random dari
waktu hidup suatu individu dalam interval [0,โ), maka fungsi distribusi kumulatif F(t)
untuk distribusi kontinu dengan fungsi densitas probabilitas f(t) dinyatakan sebagai
berikut
๐ ๐ก = ๐(๐ โค ๐ก)
atau
๐น ๐ก = ๐ ๐ฅ ๐๐ฅ,
๐ก
0
๐ข๐๐ก๐ข๐ ๐ก > 0 (2.2)
Oleh karena itu diperoleh fungsi tahan hidup (Survival) yang didefinisikan dengan
S(t) = P (T t)
= 1- P (T t)
= 1- F(t) (2.3)
Universitas Sumatera Utara
21
Dalam beberapa hal, khususnya yang mencakup tahan hidup dari komponen-
komponen industri, S(t) ditentukan sebagai fungsi Survival.
Jadi hubungan fungsi densitas probabilitas dengan fungsi tahan hidup
(Survival) adalah
๐ ๐ก = limโ๐กโ0
๐ ๐ก โค ๐ < ๐ก + โ๐ก
โ๐ก = ๐น , ๐ก = โ๐ , ๐ก (2.4)
Dalam hal ini fungsi tahan hidup S(t) merupakan fungsi monoton turun yang
mempunyai sifat
(i). S(0) =1, artinya peluang suatu individu bertahan hidup lebih lama dari waktu
nol adalah 1
(ii). S(โ) = 0 , artinya peluang suatu individu bertahan hidup pada waktu yang tak
terhingga adalah 0.
2.5.3. Fungsi Kegagalan (Hazard Function)
Fungsi Kegagalan adalah probabilitas suatu individu mati dalam interval waktu dari t
sampai t+ฮt, jika diketahui individu tersebut masih dapat bertahan hidup sampai
dengan waktu t. fungsi hazard secara matematika dinyatakan sebagai:
โ ๐ก = limโ๐กโ0
๐(๐ก โค ๐ < (๐ก + โ๐ก)๐ โฅ ๐ก)
โ๐ก (2.5)
Misalkan f(t) adalah fungsi densitas probabilitas pada waktu t, maka dari
persamaan (2.5) diperoleh:
โ ๐ก = limโ๐กโ0
๐ ๐ก โค ๐ < ๐ก + โ๐ก ๐ โฅ ๐ก
โ๐ก
= limโ๐กโ0
๐ ๐ก โค ๐ < ๐ก + โ๐ก โฉ (๐ โฅ ๐ก)
๐ ๐ โฅ ๐ก .โ๐ก
Universitas Sumatera Utara
22
= limโ๐กโ0
๐(๐ก โค ๐ < ๐ก + โ๐ก )
๐ ๐ โฅ ๐ก .โ๐ก
= limโ๐กโ0
1 ๐น ๐ก + โ๐ก โ ๐น(๐ก)
โ๐ก 1 โ ๐น(๐ก)
= lim โ๐กโ0
๐น ๐ก + โ๐ก โ ๐น(๐ก)
โ๐ก.
1
๐(๐ก)
=๐น ,(๐ก)
๐(๐ก)
โ ๐ก =๐(๐ก)
๐(๐ก) (2.6)
Dari persamaan (2.4) dan (2.6) diperoleh h(t) sebagai berikut:
โ ๐ก = โ๐ โฒ(๐ก)
๐(๐ก)
= โ๐ โฒ ๐ก .๐ ln ๐(๐ก)
๐๐(๐ก)
= โ๐๐(๐ก)
๐๐ก.๐ ln๐(๐ก)
๐๐(๐ก)
โ ๐ก = โ๐
๐๐กln๐ ๐ก (2.7)
Dari persamaan (2.7) diperoleh
โ ๐ฅ ๐๐ฅ = โ๐
๐๐ฅ
๐ก
๐
๐ก
0
ln๐ ๐ฅ ๐๐ฅ
โ โ ๐ฅ ๐๐ฅ = ๐
๐๐ฅ๐๐ ๐ ๐ฅ ๐๐ฅ
๐ก
0
๐ก
0
Universitas Sumatera Utara
23
โ โ โ ๐ฅ ๐๐ฅ = ln ๐(๐ฅ)๐๐ญ
๐ก
0
Karena S(0)=1, maka diperoleh
โ โ ๐ฅ ๐๐ฅ = ln ๐ ๐ก
๐ก
0
โบ ๐ ๐ก = ๐๐ฅ๐โ โ ๐ฅ ๐๐ฅ
t
0
Dari uraian di atas diperoleh hubungan antara f(t), S(t), dan h(t) sebagai berikut:
i) ๐ ๐ก = โ๐ โฒ ๐ก (2.8)
ii) โ ๐ก =๐(๐ก)
๐(๐ก)
iii) ๐ ๐ก = ๐๐ฅ๐โ โ ๐ฅ ๐๐ฅ
t
0
Dengan demikian jika fungsi hazard h(t) dari suatu distribusi dalam tahan hidup
diketahui, maka f(t), F(t) dan S(t) dapat dicari. Sedangkan fungsi hazard kumulatif
didefinisikan dengan
H ๐ก = โ ๐ฅ ๐๐ฅ
๐ก
0
(2.9)
melalui persamaan (2.8) fungsi hazard kumulatif yang dihubungkan dengan fungsi
tahan hidup diperoleh
๐ ๐ก = ๐๐ฅ๐ โ๐ป(๐ก)
Dan dari persamaan (2.6) dan (2.8) diperoleh
Universitas Sumatera Utara
24
๐ ๐ก = โ ๐ก ๐๐ฅ๐โ โ ๐ฅ ๐๐ฅ
t
0
(2.10)
2.6 Statistik Terurut
Himpunan variabel random ๐1, ๐2, โฆ , ๐๐
disebut sampel random yang berukuran n
dari suatu populasi denga fungsi densitas f(x) maka fungsi densitas probabilitas
bersama dari variabel random independen akan diberikan sebagai
๐ ๐ฅ1, ๐ฅ2, โฆ ,๐ฅ๐ = ๐ ๐ฅ1 ๐ ๐ฅ2 โฆ๐(๐ฅ๐)
Jika sampel random yang berukuran n tersebut diurutkan dalam suatu urutan naik
maka disebut statistik terurut atau order statistik dari ๐1 , ๐2, โฆ , ๐๐ dan dinyatakan
dengan ๐1.๐ , ๐2.๐ , โฆ ,๐๐ .๐ atau ๐1, ๐2, โฆ , ๐๐ dengan ๐๐๐= ๐๐ , i = 1, 2, โฆ , n.
dan misalkan ๐1, ๐2, โฆ ,๐๐ adalah sampel random yang berukuran n dari fungsi
densitas probabilitas, f(x), dimana untuk f(x) kontinu dan f(x) > 0; a < x < b, maka
fungsi densitas probabilitas dari statistik terurut ke-k, ๐๐ adalah
โ๐ ๐ฆ๐ =๐!
๐ โ 1 ! ๐ โ ๐ ! ๐น ๐ฆ๐
๐โ1 1 โ ๐น(๐ฆ๐ ๐โ๐๐ ๐ฆ๐ jika ๐ < ๐ฆ๐ < ๐
2.7 Sistem keandalan
Dalam konsep keandalan, juga terdapat beberapa sistem yang dinyatakan untuk
membantu memutuskan apakah sistem gagal secara total atau tidak.
Dalam suatu proses, tidaklah selalu mudah untuk memutuskan kriteria-kriteria
kegagalan dalam sitem tersebut. Sebagai contoh, kita perhatikan criteria kegagalan
dalam sistem sebuah mobil. Jika tidak dapat bergerak dengan tenaganya sendiri, maka
mobil tersebut dinyatakan telah rusak atau sistemnya. Namun haruskah rusaknya
penghapus kaca pada mobil tersebut juga dihitung sebagai suatu kegagalan total,
walaupun mobil tersebut dapat digunakan pada cuaca cerah, mungkin tidak akan dapat
digunakan secara total pada waktu hujan lebat, yang berarti terjadinya kerusakan
sistem. Oleh karena itu, kerusakan sisten sering diakibatkan oleh kegagalan atau
kerusakan dari komponen-komponenya.
Universitas Sumatera Utara
25
Untuk itulah dibwah ini akandiberikan tiga system yang dapat dikatakan
sebagai sistem dasar dari keandalan sistem. Yaitu sitem seri, parallel dan gabungan
dari seri dengan paralel.
2.7.1 Sistem keandalan seri
Suatu sistem dapat dimodelkan dengan susunan seri jika kompenen-komponen yang
ada didalam sistem itu harus bekerja seluruhnya agar sistem tersebut sukses dalam
menjalankan fungsinya. Atau denga kata lain bila ada satu komponen saja tidak
bekerja, maka akan mengakibatkan system itu gagal menjalankan fungsinya. Secara
diagram, system keandalan seri dapat dilihat pada gambar 2.1
Gambar 2.1
Diagram pada gambar diatas sering disebut Diagram Blok Keandalan /
Reliability Block Diagram (RDB). Perlu diperhatikan bahwa diagram ini tidak
mewakili setiap komponen yang dihubungkan secara seri, tetapi menunjukkan
bagaimana komponen-komponen itu diperlakukan dari sudut pandang keandalan.
Jika ada n buah komponen dalam susunan seri dan masing-masing memiliki
indeks keandalan ๐ 1,๐ 2,โฆ,๐ ๐ , seperti terlihat pada gambar 2.1, maka secara umum
system keandalan seri dirumuskan sebagai berikut:
๐ ๐ = ๐ 1 . ๐ 2 .โฆ . ๐ ๐ = ๐ ๐ (2.11)
๐
๐=1
Sedangkan ekspresi ketidakandalan dari system dengan susunan seri dari n buah
komponen adalah
๐๐ = 1 โ ๐ ๐ = 1 โ ๐ ๐ (2.12)
๐
๐=1
1 2 n
Universitas Sumatera Utara
26
Contoh 2.1
Sebuah sistem control terdiri dari lima buah unit dimana semua unit pendukungnya
bekerja seluruhnya agar system control tersebut dapat berfungsi. Jika indeks
keandalan dari kelima unit masing-masing adalah 0,90; 0,95; 0,87; 0,93; dan 0,90
tentukan indeks keandalan dari sistem kontrol tersebut.
Penyelesaian :
Blok diagram keandalan yang paling mewakili dari system control tersebut adalah
blok diagram keandalan dengan susunan seri. Jika keandalan dari masing-masing unit
disimbolkan dengan ๐ ๐ maka keandalan dari system control itu adalah
๐ ๐ = ๐ ๐ = 0,90 0,95 0,87 0,93 0,90 = 0,622602
5
๐=1
Jadi keandalan dari sistem control tersebut adalah 0,622602
2.7.2 Sistem Keandalan Paralel
Pada sistem ini setiap komponen yang mungkin mengalami kerusakan tidak akan
mengakibatkan kerusakan sistem secara keseluruhan, dan sering dinamakan fault
tolerant( kerusakan yang dapat ditolerir).
Ada dua jenis dari system kendalan paralel ini, yakni kelebihan redundant aktif
dan kelebihan pasif.
Pada kelebihan aktif, dua atau lebih unit diletakkan dalam system keandalan
paralel dimana secara normal pembagian fungsi dilakukan tetapi unit-unit atersebaut
diatur sedemikian hingga jika satu unit atau lebih mengalami kerusakan, maka sisanya
dapat menggantikan possisinya. Sebagai contoh adalah dua mesin pesawat terbang
yang diaktifkan tetapi tidak menutup kemungkinan pesawat untuk terbang dengan satu
mesin, apabila mesin yang satunya mengalami kerusakan.
Pada kelebihan pasif, satu unit secara normal memegang fungsi secara penuh
tetapi jika unit tersebut mengalami kerusakan, maka unit yang lain akan diaktifkan
untuk mengambil alih perannya.
Universitas Sumatera Utara
27
2.7.2.1 Sistem Keandalan Paralel Kelebihan Aktif
Misalkan ada dua unit (1) dan (2) dihubungkan dalam system parallel seperti gambar
dibawah ini.
Gambar 2.2
Sistem akan rusak apabila kedua-duanya mengalami kerusakan. Keandalan system
dikalkulasikan sebagai berikut, jika didefenisikan bahwa
๐๐ = ketidakandalan sistem
Maka
๐๐ = ๐ ๐ธ1 โฉ ๐ธ2
Dimana ๐ธ adalah kejadian komplemen bebas sehingga diperoleh
๐๐ = 1 โ ๐ ๐ (2.13)
๐
๐=1
Jika peluang dari kegagalan adalah independent, maka fungsi system keandalannya
adalah
๐ ๐ = 1 โ (1 โ ๐ 1)
๐
๐=1
(2.14)
2.7.2.2 Sistem Keandalan Paralel Kelebihan Pasif
1
2
Universitas Sumatera Utara
28
Pada sistem redundan pasif, unit utama(1) secara normal membawa fungsi secara
penuh dan unit siaga (2) dibawa untuk digunakan ketika unit utama mengalami
kegagalan.
Secara sederhana, redundan pasif dapat ditunjukkan pada gambar berikut:
Gambar 2.3
Cara untuk menganalisa sistem ini adalah harus mempertimbangkan bahwa system
kegagalan waktu adalah variable acak yang mengandung jumlah dari dua variable
acak, yakni kegagalan waktu (1) dan kegagalan waktu (2).
Jika ๐ 1 ๐ก = ๐ 2 ๐ก = exp(โ๐๐ก)
Maka dapat dituliskan :
๐ ๐ ๐ก = 1 + ๐๐ก exp(โ๐๐ก)
2.7.3 Kombinasi Sistem Seri dan Paralel
Kombinasi dari system seri dan paralel dapat di selesaikan dengan menggabungkan
masing-masing subsistem ke dalam komponen seri maupun paralel terlebih dahulu.
Untuk lebih memahami sistem kombinasi seri dan paralel, akan diberikan
contoh gambar seperti berikut ini:
1
2
Universitas Sumatera Utara
29
Gambar 2.4 sistem seri-paralel
Gambar 2.5 sistem paralel -seri
Dari kedua gambar diatas, gambar (2.4) menunjukkan system kombinasi seri dan
paralel. Untuk menyelesaikan sistem gabungan ini pertama-tamakita gabungkan
subsistem parelel kedalam bentuk yang sama dengan komponen seri.
Misalkan: ๐ ๐ด = 0.9,๐ ๐ต = 0.8, ๐ ๐ถ = 0.7, dan ๐ ๐ท = 0.6
Maka penyelesaian dapat dituliskan
๐ ๐ด๐ต = 1 โ 0.1 0.2
= 1 โ 0.02
= 0.98
Dan
๐ ๐ถ๐ท = 1 โ 0.3 0.4
= 1 โ 0.12
= 0.88
Maka keandalan sistem secara keseluruhan adalah
๐ ๐ = 0.98 0.88 = 0.8624
A
A C
B D
C
B D
Universitas Sumatera Utara
30
Untuk gambar (2.5) seperti yang ditunjukkan, merupakan system kombinasi paralel-
seri. Untuk menyelasaikannya, pertama-tama kita gabungkan subsistem seri ke dalam
bentuk yang sama dengan komponen paralel. Untuk pemisalan yang sama dengan
diatas, maka diperoleh penyelesaiannya sebagi berikut:
๐ ๐ด๐ถ = 0.9 0.7
= 0.63
Dan
๐ ๐ต๐ท = 0.8 0.6
= 0.48
Sehingga keandalan sistem secara keseluruhan adalah
๐ ๐ = 1 โ 1 โ ๐ ๐ด๐ถ (1 โ ๐ ๐ต๐ท)
= 1 โ 1 โ 0.63 (1 โ 0.48)
= 1 โ 0.37 (0.52)
= 1 โ 0.1924
= 0.8076
2.8 Data Tersensor
Dalam penyensoran sering terjadi individu yang diamati tersensor. Masalah
penyensoran ini merupakan suatu hal yang membedakan antara uji hidup dengan
bidang ilmu statistik yang lain. Data tersensor adalah data yang diperoleh sebelum
hasil yang diinginkan dari pengamatan terjadi, sedangkan waktu pengamatan telah
berakhir atau oleh sebab lain. Data yang mengalami penyensoran hanya memuat
sebagian informasi mengenai variabel random yang diperhatikan, namun berpengaruh
terhadap pengertian-pengertian dan perhitungan statistik.
Ada tiga macam metode yang sering digunakan dalam eksperimen uji hidup,
yaitu sebagai berikut:
Universitas Sumatera Utara
31
1. Sampel lengkap, dalam uji sampel lengkap eksperimen akan dihentikan jika
semua komponen yang diuji telah mati atau gagal. Cara seperti ini mempunyai
keuntungan yaitu dapat dihasilkan observasi terurut dari semua komponen
yang diuji.
2. Sensor tipe I, semua objek yang diteliti (n) masuk pengujian dalam waktu yang
bersamaan, dan pengujian dihentikan setelah batas waktu ๐ก0 yang ditentukan.
Kelemahan dari sensor tipe I ini bias terjadi sampai batas waktu ๐ก0 yang
ditentukan semua objek masih hidup sehingga tidak diperoleh data tahan hidup
dari objek yang diuji.
3. Sensor tipe II, bila uji dihentikan setelah diperoleh sejumlah kegagalan
tertentu. data tersensor tipe II merupakan data kematian atau kegagalan yang
tidak lengkap (incomplete mortality data) yaitu data waktu kematian atau
kegagalan dari r observasi terkecil dalam sampel random yang berukuran n
dengan 1 โค r โค n. Dalam eksperimen menunjukkan penyensoran tipe II lebih
sering digunakan sebagai contoh dalam uji hidup dari total observasi sebanyak
n, tetapi uji hidup akan berhenti pada waktu observasi sampel mempunyai
waktu kematian atau kegagalan ke-r. Oleh karena itu uji hidup ini dapat
menghemat waktu dan biaya, karena uji hidup memakan waktu yang lama
untuk penyensoran terhadap kegagalan dari observasi. Data tersensor tipe II
diperoleh dari penyelidikan terhadap n observasi, sehingga penyensoran
berhenti sampai observasi sampel yang mempunyai waktu kematian atau
kegagalan ke- r objek tersebut.
2.9 Distribusi Weibull
Teknologi modern telah memungkinkan orang merancang banyak system yang rumit
penggunaannya, atau barangkali keamanannya, bergantung pada keandalan berbagai
komponen dalam system tersebut. Sebagai contoh, suatu sekering mungkin putus,
tiang baja melengkung, alat pengindra panas tidak bekerja. Komponen yang sama
dalam lingkungan yang sama akan rusak dalam waktu yang berlainan yang tidak dapat
diramalkan.waktu sampai rusak atau umur suatu komponen, diukur dari suatu waktu
sampai rusak, dinyatakan dengan peubah acak kontinu T dengan fungsi padat peluang
f(t). Misalkan variabel random kontinu T berdistribusi Weibull, dengan parameter ฮธ
dan ฮฒ, disingkat T ~ WEI (ฮธ, ฮฒ) maka fungsi densitas probabilitasnya adalah
Universitas Sumatera Utara
32
๐ ๐ก = ๐ฝ๐๐ฝ ๐ก ๐ฝโ1exp โ ๐๐ก ๐ฝ ๐ก > 0,๐ > 0,๐ฝ > 0. 2.14
Adapun fungsi tahan hidup dan fungsi hazard dari distribusi weibull adalah
๐ ๐ก = exp โ(๐๐ก)๐ฝ , ๐ก > 0 (2.15)
Dan
โ ๐ก = ๐๐ฝ(๐๐ก)๐ฝโ1 (2.16)
dimana ๐ > 0, ๐ฝ > 0, ๐ก > 0.
sedangkan fungsi distribusi dari distribusi weibull adalah
๐น ๐ก = 1 โ ๐๐ฅ๐ โ(๐๐ก)2 (2.17)
Dimana ๐ > 0, ๐ก > 0.
2.10 Distribusi Rayleigh
Dalam beberapa kasus khusus parameter bentuk, ฮฒ, dari distribusi Weibull diberi
harga ฮฒ = 2, dikenal sebagai distribusi Rayleigh. Sehingga diperoleh fungsi tahan
hidup dari distribusi Rayleigh sebagai berikut.
๐ ๐ก = ๐๐ฅ๐ โ(๐๐ก)2 ๐๐๐๐๐๐ ๐ > 0, ๐ก > 0. (2.18)
Dan diperoleh fungsi hazard dari distribusi Rayleigh yaitu:
โ ๐ก = 2๐2๐ก (2.19)
dimana ๐ก > 0,๐ > 0, dan t menunjukkan waktu hidup dari individu uang diobservasi.
Dari fungsi tahan hidup, persamaan (2.18), dapat ditentukan fungsi distribusi
kegagalan dari data waktu hidup yang berdistribusi Rayleigh,
Universitas Sumatera Utara
33
๐น ๐ก = 1 โ ๐(๐ก)
= 1 โ exp โ(๐๐ก)2
1 โ ๐น ๐ก = ๐๐ฅ๐ โ(๐๐ก)2
Dari persamaan (2.8) dan (2.18) diperoleh persamaan
๐ ๐ก = โ๐๐(๐ก)
๐๐ก= โ
๐(๐๐ฅ๐ โ ๐๐ก 2 )
๐๐ก (2.20)
Sehingga diperoleh fungsi densitas probabilitas dari distribusi Rayleigh adalah sebagai
berikut:
๐ ๐ก = 2๐2๐ก ๐๐ฅ๐ โ(๐๐ก)2 ๐ข๐๐ก๐ข๐ ๐ก > 0,๐ > 0.
2.11 Prinsip Dasar Metode Maksimum Likelihood
Metode untuk mengestimasi harga parameter distribusi dari data dalam fungsi tahan
hidup (Survival) adalah dengan menggunakan metode maksimum likelihood. Metode
maksimum likelihood menggunakan nilai dalam ruang parameter ฮฉ yang bersesuaian
dengan harga kemungkinan maksimum dari data observasi sebagai estimasi dari
parameter yang tidak diketahui.
Dalam aplikasinya L(ฮธ) menunjukkan fungsi densitas probabilitas bersama dari
sampel random. Jika ฮฉ ruang parameter yang merupakan interval terbuka dan L(ฮธ)
merupakan fungsi yang dapat diturunkan serta diasumsikan maksimum pada ฮฉ maka
persamaan maksimum likelihoodnya adalah
๐
๐๐๐ฟ ๐ = 0 (2.21)
Jika penyelesaian dari persamaan tersebut ada, maka maksimum dari L(ฮธ)
dapat terpenuhi. Apabila penyelesaian dari persamaan (2.19) sukar diselesaikan maka
Universitas Sumatera Utara
34
fungsi L(ฮธ) dapat dibuat logaritma naturalnya, dengan ketentuan memaksimumkan
lnL(ฮธ), sehingga persamaan logaritma natural likelihoodnya adalah
๐
๐๐ln๐ฟ ๐ = 0 (2.22)
Jika fungsi densitas probabilitas bersama dari n variabel random ๐1, ๐2, โฆ , ๐๐ ,yang
diobservasi pada ๐1, ๐2, โฆ , ๐๐ ,
dinotasikan dengan f(.๐1, ๐2, โฆ ,๐๐ ,) maka fungsi
liklelihood dari himpunan pengamatan ๐1, ๐2, โฆ ,๐๐ , dinyatakan sebagai
๐ฟ ๐ = ๐ ๐ฅ1;๐ ๐ ๐ฅ2;๐ โฆ๐ ๐ฅ๐ ;๐ = ๐ ๐ฅ1;๐
๐
๐=1
(2.23)
Dengan parameter yang tidak diketahui
Penduga maksimum likelihood dari ฮธ didapat dengan menyelesaikan
persamaan๐
๐๐ln๐ฟ ๐ = 0, misalkan ada k parameter yang tidak diketahui, ma
ka penduga parameter likelihood dari ๐๐ didapat dengan menyelesaikan
๐
๐๐๐ln๐ฟ ๐1 ,๐2 , โฆ ,๐๐ = 0, dengan ๐ = 1, 2, 3, โฆ , ๐.
Universitas Sumatera Utara