Tabel Normal, MLE Distribusi Normal & Weibull, Grafik Mean & Standar Deviasi USING R
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI · 2018. 5. 30. · distribusi weibull: sifat-sifat dan...
Transcript of PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI · 2018. 5. 30. · distribusi weibull: sifat-sifat dan...
i
DISTRIBUSI WEIBULL: SIFAT-SIFAT DAN APLIKASINYA DALAM
ANALISIS DATA WAKTU HIDUP DAN PENGENDALIAN MUTU
Skripsi
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Program Studi Matematika
Oleh:
Cecilia Novianti Salsinha
NIM: 083114015
PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2012
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ii
WEIBULL DISTRIBUTION: CHARACTERISTICS AND ITS
APPLICATIONS IN LIFETIME DATA ANALYSIS AND
QUALITY CONTROL
Thesis
Presented as Partial Fulfillment of the Requirements
to Obtain the Sarjana Sains Degree in Mathematics
By:
Cecilia Novianti Salsinha
Student Number: 083114015
MATHEMATICS STUDY PROGRAM, MATHEMATICS DEPARTMENT
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2012
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
v
HALAMAN PERSEMBAHAN
Tuhan, Engkau menyelidiki dan mengenal aku. Engkau mengetahui, kalau aku duduk atau berdiri, Engkau mengerti
pikiranku dari jauh. Engkau memeriksa aku, kalau aku berjalan dan berbaring, segala
jalanku Kau maklumi. Terlalu ajaib bagiku pengetahuan itu, terlalu tinggi, tidak sanggup aku
mencapainya. Aku bersyukur kepada-Mu oleh karena kejadianku dahsyat dan ajaib;
ajaib apa yang Kaubuat, dan jiwaku benar-benar menyadarinya. (Mazmur 139: 1-3, 6, 14)
MOTTO
MUST BE RESPONSIBLEMUST BE RESPONSIBLEMUST BE RESPONSIBLEMUST BE RESPONSIBLE TO WHATEVER GIVEN BY GOTO WHATEVER GIVEN BY GOTO WHATEVER GIVEN BY GOTO WHATEVER GIVEN BY GODDDD
Skripsi ini dipersembahkan untuk
Tuhan Yesus Kristus yang selalu menyertaiku
dengan kasih setiaNya yang tak terbatas,
Kedua orang tua Francisco Salsinha dan Cristina Partilah,
Adik-adik tercinta, Yustina dan Thomas Salsinha,
Seseorang yang selalu di hati,
serta Almamater yang kubanggakan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
ABSTRAK
Distribusi Weibull merupakan salah satu distribusi probabilitas kontinu.
Sama halnya dengan distribusi lainnya, distribusi Weibull pun dicirikan
dengan Mean, Variansi dan Fungsi Pembangkit Momen. Kelebihan distribusi
ini dibandingkan dengan distribusi lainnya adalah fleksibilitasnya, yaitu
distribusi ini dapat berubah menjadi distribusi lain seperti distribusi
eksponensial tergantung pada nilai parameter distribusi yang dipilih yaitu
parameter skala dan parameter bentuk. Jika dilihat dari grafik distribusinya
maka akan tampak sangat jelas fleksibilitas tersebut.
Salah satu aplikasi dari distribusi Weibull yaitu dapat digunakan dalam
analisis data waktu hidup. Distribusi ini merupakan distribusi yang paling
baik jika dibandingkan dengan distribusi lainnya seperti distribusi
Eksponensial yang mengasumsikan tingkat kegagalan komponen konstan.
Distribusi Weibull cukup mendeskripsikan waktu kegagalan dari komponen
ketika tingkat kegagalan dari komponen tersebut meningkat atau menurun
seiring dengan bertambahnya waktu. Selain dalam analisis data waktu hidup,
distribusi ini juga dapat digunakan dalam pengendalian proses statistik. Oleh
karena tidak semua data berdistribusi normal maka grafik pengendali
Shewhart tidak dapat digunakan. Salah satu cara menyelesaikan masalah
tersebut adalah data dianalisis dengan grafik pengendali Weibull dengan
memanfaatkan kuantil-kuantil yaitu 0,00135, 0,5 dan 0,99865. Kuantil
0,00135 adalah kuantil bawah yang digunakan untuk membentuk Batas
Pengendali Bawah, Garis Tengah adalah median dari data yaitu 0,5 yang
menggantikan rata-rata dan untuk membentuk Batas Pengendali Atas
digunakan kuantil atas yaitu 0,99865.
Kata kunci: distribusi Weibull, kertas peluang Weibull, analisis data waktu
hidup, pengendalian mutu, grafik pengendali, rata-rata kegagalan komponen.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
ABSTRACT
Weibull distribution is one of the continous probability density
function. Similar to other distributions, Weibull distribution also
characterized by mean, variance and moment generating function. The
goodness of this distribution compared to other distributions is its flexibility,
that is the distribution can be transformed into other distribution such as
exponential distribution depends on the parameter selected. The flexibility
obviously can be seen from the graph.
One of the applications of Weibull distribution is the distribution can be
used in a lifetime data analysis. This distribution is the best distribution
compared to other distributions such as Exponential distribution, which
assumes a constant failure rate of component. Weibull distribution is
sufficient to describe a failure of the component when the failure rate is
increases or decreases in time. In addition to the lifetime data analysis, this
distribution can also be used in statistical process control. Because not all of
data follows normal distribution so Shewhart control chart can’t be applied.
To solve this problem we can use Weibull control chart to analyze the data by
using 0,00135, 0,5 and 0,99865 as quantiles. 0,00135 quantile is the lower
quantile used to construct Lower Specification Limit, the Center Line is the
median of data that is 0,5 which replaces mean and to construct Upper
Specification Limit, upper quantile that is 0,99865 quantile is used.
Keywords: Weibull distribution, Weibull probability paper, lifetime data
analysis, quality control based on Weibull distribution, control charts, the
average of failure component.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
KATA PENGANTAR
Puji dan syukur penulis haturkan ke hadirat Tuhan Yang Maha Kuasa
atas segala berkat dan penyertaanNya sehingga penulis dapat menyelesaikan
skripsi ini dengan baik.
Skripsi yang berjudul “Distribusi Weibull: Sifat-Sifat dan Aplikasinya
Dalam Analisis Data Waktu Hidup dan Pengendalian Mutu” ini adalah salah
satu syarat untuk memperoleh gelar sarjana Matematika pada Fakultas Sains
dan Teknologi. Dalam penulisan skripsi ini, tentunya penulis telah menerima
bantuan baik secara moril maupun materil dari berbagai pihak. Oleh karena
itu penulis ingin menyampaikan ucapan terima kasih kepada:
1. Bapak Ir. Ig. Aris Dwiatmoko,M.Sc selaku dosen pembimbing yang
dengan penuh kesabaran telah memberikan bimbingan, nasihat dan arahan
kepada penulis.
2. Ibu Lusia Krismiyati Budiasih, S.Si., M.Si. selaku Ketua Program Studi
Matematika beserta Ibu Ch. Enny Murwaningtyas, S.Si., M.Si yang telah
memberikan banyak bimbingan dalam hal akademik dan perkuliahan.
3. Seluruh bapak dan ibu dosen yang telah memberikan banyak ilmu
pengetahuan kepada penulis selama menjalani perkuliahan di Universitas
Sanata Dharma.
4. Mas Susilo selaku laboran yang telah banyak membantu penulis dalam
perkuliahan, terutama dalam penulisan skripsi ini.
5. Perpustakaan Universitas Sanata Dharma dan staf sekretariat Fakultas
Sains dan Teknologi yang telah memberikan fasilitas dan kemudahan
pembelajaran, serta administrasi bagi penulis selama masa perkuliahan.
6. Ayahanda yang penulis banggakan dan Ibundaku tercinta serta adik-
adikku Yustina Salsinha dan Thomas Salsinha yang telah banyak
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
memberikan dukungan dan pengorbanan sehingga penulis dapat
menyelesaikan studi dengan baik.
7. Kakak Oktovianus Koa atas perhatian dan kasih sayangnya serta telah
memberikan dukungan, nasihat dan semangat kepada penulis dalam
perkuliahan terlebih dalam penyusunan skripsi ini.
8. Teman-teman angkatan 2008 Program Studi Matematika yaitu Yudith,
Hilary, Amel, Marcel, Fenny, Ethus, Moyo dan Widi yang telah
memberikan dukungan dan semangat dalam perkuliahan terlebih dalam
penyusunan skripsi ini.
9. Teman-teman Kos Putri Aulia: K Merlyn Kris, Kakatua, Awo, Sende,
Elpir, Wiwi, Tere, Asri dan Tesa serta Pipot yang selalu memberikan
semangat dan dukungan dalam perkuliahan dan dalam penyelesaian skripsi
ini.
10. Teman-teman KKN XLII Kelompok 33: Ermen, Ulin, Susan, Adel, Arum,
Abet dan Aben.
11. Semua pihak yang tidak dapat disebutkan satu persatu yang telah banyak
memberikan bantuan, dorongan dan motivasi sehingga skripsi ini dapat
terselesaikan.
Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan,
maka saran dan kritik yang konstruktif dari semua pihak sangat diharapkan
demi penyempurnaan selanjutnya. Semoga skripsi ini dapat bermanfaat bagi
semua pihak, khususnya bagi penulis dan para pembaca pada umumnya.
Yogyakarta, April 2012
Penulis
Cecilia Novianti Salsinha
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
DAFTAR ISI
Halaman
HALAMAN JUDUL ........................................................................................ i
HALAMAN JUDUL DALAM BAHASA INGGRIS ..................................... ii
HALAMAN PERSETUJUAN PEMBIMBING .............................................. iii
HALAMAN PENGESAHAN .......................................................................... iv
HALAMAN PERSEMBAHAN ...................................................................... v
HALAMAN PERNYATAAN KEASLIAN KARYA ..................................... vi
HALAMAN ABSTRAK .................................................................................. vii
HALAMAN ABSTRACT ............................................................................... viii
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI........................... ix
KATA PENGANTAR ..................................................................................... x
DAFTAR ISI .................................................................................................... xii
DAFTAR TABEL ............................................................................................ xvii
DAFTAR GAMBAR ...................................................................................... xviii
BAB I PENDAHULUAN
A. Latar Belakang Masalah............................................................................ 1
B. Rumusan Masalah ..................................................................................... 4
C. Pembatasan Masalah ................................................................................. 4
D. Tujuan Penulisan ....................................................................................... 5
E. Manfaat Penulisan ..................................................................................... 5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
F. Metode Penulisan ...................................................................................... 5
G. Sistematika Penulisan ............................................................................... 6
BAB II LANDASAN TEORI
A. Distribusi Probabilitas ................................................................................. 10
1. Variabel Random ................................................................................... 10
2. Fungsi Probabilitas ................................................................................. 11
a. Distribusi Probabilitas Diskret ........................................................... 11
b. Distribusi Probabilitas Kontinu ......................................................... 12
3. Fungsi Distribusi Kumulatif ................................................................... 12
4. Karakteristik Distribusi Probabilitas....................................................... 13
a. Mean .................................................................................................. 13
b. Variansi .............................................................................................. 13
c. Momen ............................................................................................... 14
d. Fungsi Pembangkit Momen ............................................................... 14
B. Distribusi Eksponensial ............................................................................... 15
1. Fungsi Probabilitas ................................................................................. 15
2. Sifat-sifat Distribusi Eksponensial ......................................................... 15
a. Fungsi Pembangkit Momen ............................................................... 15
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
b. Mean .................................................................................................. 16
c. Variansi .............................................................................................. 17
C. Distribusi Gamma ........................................................................................ 18
1. Fungsi Probabilitas ................................................................................. 18
2. Sifat-sifat Distribusi Gamma .................................................................. 19
a. Fungsi Pembangkit Momen ............................................................... 19
b. Mean .................................................................................................. 20
c. Variansi .............................................................................................. 21
D. Teorema Nilai Rata-rata Untuk Turunan ..................................................... 23
E. Deret Taylor ................................................................................................ 25
F. Metode Maksimum Likelihood ................................................................... 29
G. Pengendalian Proses Statistik ...................................................................... 31
1. Grafik Pengendali ................................................................................... 32
2. Analisis Kemampuan Proses .................................................................. 34
BAB III DISTRIBUSI WEIBULL
A. Fungsi Probabilitas .................................................................................... 39
B. Grafik Distribusi ....................................................................................... 41
C. Fungsi Distribusi Kumulatif ..................................................................... 44
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
D. Sifat-sifat Distribusi Weibull .................................................................... 45
1. Mean .................................................................................................. 45
2. Variansi .............................................................................................. 46
3. Fungsi Pembangkit Momen ............................................................... 48
E. Kertas Peluang Weibull ............................................................................ 52
1. Grafik Probabilitas Weibull ............................................................... 52
2. Skala Dalam Kertas Peluang Weibull ................................................ 55
a. Kertas Peluang Weibull Jenis Pertama (1 cycle �����) ............... 59
b. Kertas Peluang Weibull Jenis Kedua (2 cycle �����) .................. 60
c. Kertas Peluang Weibull Jenis Ketiga (3 cycle �����) .................. 61
F. Pendugaan Parameter Distribusi ............................................................... 61
BAB IV APLIKASI DISTRIBUSI WEIBULL
A. Aplikasi Dalam Analisis Data Waktu Hidup ............................................ 68
1. Reliabilitas ......................................................................................... 68
b. Sistem Seri .................................................................................. 70
c. Sistem Paralel ............................................................................. 73
2. Distribusi Waktu Kegagalan .............................................................. 76
3. Model Waktu Hidup Weibull............................................................. 84
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvi
B. Aplikasi Dalam Pengendalian Mutu ......................................................... 89
1. Grafik Pengendali .............................................................................. 89
2. Perbandingan Kemampuan Proses ..................................................... 91
BAB V PENUTUP
A. Kesimpulan ................................................................................................. 100
B. Saran ............................................................................................................ 101
DAFTAR PUSTAKA ...................................................................................... 102
LAMPIRAN ..................................................................................................... 105
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xvii
DAFTAR TABEL
Halaman
Tabel 2.1 ........................................................................................................... 10
Tabel 3.1 ........................................................................................................... 55
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xviii
DAFTAR GAMBAR
Halaman
Gambar 2.1 ....................................................................................................... 23
Gambar 2.2 ....................................................................................................... 41
Gambar 2.3 ....................................................................................................... 33
Gambar 2.4 ....................................................................................................... 37
Gambar 2.5 ....................................................................................................... 37
Gambar 3.1 ....................................................................................................... 42
Gambar 3.2 ....................................................................................................... 43
Gambar 3.3 ....................................................................................................... 58
Gambar 3.4 ....................................................................................................... 59
Gambar 3.5 ....................................................................................................... 60
Gambar 3.6 ....................................................................................................... 61
Gambar 3.7 ....................................................................................................... 62
Gambar 3.8 ....................................................................................................... 66
Gambar 4.1 ....................................................................................................... 71
Gambar 4.2 ....................................................................................................... 74
Gambar 4.3 ....................................................................................................... 81
Gambar 4.4 ....................................................................................................... 86
Gambar 4.5 ....................................................................................................... 87
Gambar 4.6 ....................................................................................................... 88
Gambar 4.7 ....................................................................................................... 88
Gambar 4.8 ....................................................................................................... 94
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xix
Gambar 4.9 ....................................................................................................... 96
Gambar 4.10 ..................................................................................................... 97
Gambar 4.11 ..................................................................................................... 99
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Distribusi Weibull dikembangkan antara tahun 1922 dan 1943.
Distribusi ini menggunakan nama seorang ahli mesin dari Swedia,
Waloddi Weibull. Hal ini disebabkan karena dialah yang
mempublikasikan distribusi ini sehingga dikenal oleh dunia internasional.
Awalnya distribusi ini digunakan oleh Rosin, Rammler dan Sperling pada
tahun 1933 dalam proses penghancuran material padat. Selanjutnya pada
tahun 1939 digunakan oleh Weibull untuk mengukur kekuatan material.
Lebih dari setengah abad distribusi Weibull telah menarik
perhatian ahli statistik yang mempelajari teori dan metode dalam berbagai
bidang aplikasi statistika. Ratusan bahkan ribuan dokumen menuliskan
distribusi ini. Distribusi ini menjadi orientasi dari ahli statistika karena
kelebihannya yakni dapat digunakan dalam berbagai bidang mulai dari da-
ta uji hidup sampai data cuaca atau observasi antara lain dalam bidang
ekonomi, hidrologi dan biologi.
Distribusi Weibull termasuk dalam keluarga dari distribusi
eksponensial. Fungsi densitas dari distribusi eksponensial adalah
���� = {� , �� ���� �����, ���
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
dengan � adalah parameter distribusi. Distribusi eksponensial merupakan
distribusi yang sering digunakan dalam analisis data waktu hidup. Pada
umumnya data uji hidup tidak berdistribusi normal sehingga tidak dapat
diselesaikan dengan prosedur statistik standar dalam menganalisis data.
Dalam penerapan tersebut distribusi eksponensial diasumsikan sebagai
distribusi dari waktu kegagalan. Misalkan ���� adalah fungsi densitas dari
waktu kegagalan komponen sehingga probabilitas komponen tersebut akan
gagal antara � sampai � + ∆� adalah ���� ∙ ∆�. Jadi probabilitas komponen
tersebut akan gagal pada interval antara 0 sampat t adalah
���� = � �������
�
dan fungsi reliabilitas yang memperlihatkan bahwa komponen tersebut
bertahan sampai waktu t adalah ��� = 1 − ����
= 1 − # ��������
Karena distribusi dari waktu kegagalan diasumsikan berdistribusi
Eksponensial maka ��� = 1 − # �$%������
= 1 − �1 − $%���
= $%��
dengan � adalah tingkat kegagalan dan � adalah lamanya komponen
tersebut bertahan.
Distribusi eksponensial memiliki kelemahan. Distribusi ini hanya
dapat digunakan jika tingkat kegagalan komponen diasumsikan konstan,
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
padahal dalam banyak kasus tingkat kegagalan komponen tidak selalu
konstan (Johnson, 2005). Dalam beberapa kasus, waktu kegagalan
komponen juga mungkin akan sangat panjang sepanjang periode
pengujian. Oleh karena itu model eksponensial tidak dapat digunakan, dan
sebagai solusi untuk masalah tingkat kegagalan komponen yang tidak
konstan digunakan distribusi Weibull.
Secara umum fungsi densitas dari distribusi Weibull adalah
���� = {� , �� ���� &'�(�)��*�( , +�,+- � � �,& � �,' �� (1.1)
Dapat dilihat bahwa jika pada persamaan (1.1) β = 1 maka fungsi
distribusi di atas menjadi fungsi eksponensial dengan � = .. Salah satu
kelebihan dari distribusi Weibull adalah dapat digunakan jika tingkat
kegagalannya menurun atau meningkat sesuai dengan peningkatan waktu.
Sesuai dengan uraian di atas maka penulis ingin mempelajari lebih jauh
tentang distribusi Weibull khususnya sifat - sifat dan aplikasinya dalam
analisis data waktu hidup (lifetime data) dan pengendalian mutu.
Salah satu alat yang digunakan dalam pengendalian mutu adalah
grafik pengendali (control charts). Grafik pengendali adalah perangkat
statistik grafis yang digunakan untuk mengontrol suatu proses berulang.
Grafik pengendali sangat berguna dalam menetapkan standar pencapaian
dari sebuah proses, membantu mencapai standar tersebut dan
mempertimbangkan standar mana yang sudah tercapai.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
Grafik pengendali yang biasanya digunakan dalam praktik
didasarkan pada analisis distribusi normal yaitu dengan rata-rata Shewhart
dan kisaran grafik pengendali σ3 (standar deviasi). Namun demikian
tidak semua data berdistribusi normal. Jika data tak berdistribusi normal
dan tetap dianalisis dengan grafik pengendali tersebut dengan
mengasumsikan bahwa data berdistribusi normal maka error yang besar
akan terjadi (Samanta, 2004).
Dalam skripsi ini akan dibahas salah satu distribusi yang memiliki
sifat lebih fleksibel yaitu distribusi Weibull. Aplikasi distribusi Weibull
yang dibahas adalah grafik pengendali dan analisis data waktu hidup.
B. Rumusan Masalah
Adapun rumusan masalah dalam tulisan ini adalah sebagai berikut :
1. Apa saja sifat – sifat dari distribusi Weibull?
2. Bagaimana aplikasi dari distribusi Weibull dalam analisis data waktu
hidup dan pengendalian mutu?
C. Pembatasan Masalah
Adapun beberapa hal yang dibatasi penulis dalam tulisan ini adalah
sebagai berikut :
1. Penulis tidak mengkaji semua hal yang berhubungan dengan analisis
data waktu hidup.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
2. Pada mengaplikasikan distribusi Weibull dalam pengendalian mutu,
penulis hanya menganalisis grafik pengendali.
3. Tidak semua teorema dalam bidang kalkulus yang digunakan dalam
skripsi ini dibuktikan.
4. Dalam mengestimasi parameter distribusi, penulis tidak menjelaskan
lebih rinci tentang metode Newton-Raphson.
D. Tujuan Penulisan
Tujuan dari penulisan ini adalah untuk mengetahui sifat-sifat dari
distribusi Weibull serta aplikasinya dalam dalam analisis data waktu hidup
dan pengendalian mutu.
E. Manfaat Penulisan
Manfaat yang akan diperoleh setelah mempelajari topik ini adalah
dapat memahami sifat-sifat distribusi Weibull serta dapat
mengaplikasikannya dalam analisis data waktu hidup dan pengendalian
mutu.
F. Metode Penulisan
Metode yang digunakan penulis adalah metode studi pustaka yaitu
dengan mempelajari buku-buku yang berkaitan dengan topik distribusi
Weibull serta aplikasinya dalam dalam analisis data waktu hidup dan
pengendalian mutu.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
G. Sistematika Penulisan
BAB I PENDAHULUAN
A. Latar Belakang Masalah
B. Rumusan Masalah
C. Pembatasan Masalah
D. Tujuan Penulisan
E. Manfaat Penulisan
F. Metode Penulisan
G. Sistematika Penulisan
BAB II LANDASAN TEORI
A. Distribusi Probabilitas
1. Variabel Random
2. Fungsi Probabilitas
a. Distribusi Probabilitas Diskret
b. Distribusi Probabilitas Kontinu
3. Fungsi Distribusi Kumulatif
4. Karakteristik Distribusi Probabilitas
a. Mean
b. Variansi
c. Momen
d. Fungsi Pembangkit Momen
B. Distribusi Eksponensial
1. Fungsi Probabilitas
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
2. Sifat-sifat Distribusi Eksponensial
a. Fungsi Pembangkit Momen
b. Mean
c. Variansi
C. Distribusi Gamma
1. Fungsi Probabilitas
2. Sifat-sifat Distribusi Gamma
a. Fungsi Pembangkit Momen
b. Mean
c. Variansi
D. Teorema Nilai Rata-rata Untuk Turunan
E. Deret Taylor
F. Metode Maksimum Likelihood
G. Pengendalian Proses Statistik
1. Grafik Pengendali
2. Analisis Kemampuan Proses
BAB III DISTRIBUSI WEIBULL
A. Fungsi Probabilitas
B. Grafik Distribusi
C. Fungsi Distribusi Kumulatif
D. Sifat-sifat Distribusi Weibull
1. Mean
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
2. Variansi
3. Fungsi Pembangkit Momen
E. Kertas Peluang Weibull
1. Grafik Probabilitas Weibull
2. Skala Dalam Kertas Peluang Weibull
a. Kertas peluang Weibull Jenis Pertama (1 cycle log2�)
b. Kertas peluang Weibull Jenis Kedua (2 cycle log2�)
c. Kertas peluang Weibull Jenis Ketiga (3 cycle log2�)
F. Pendugaan Parameter Distribusi
BAB IV APLIKASI DISTRIBUSI WEIBULL
A. Aplikasi Dalam Analisis Data Waktu Hidup
1. Reliabilitas
a. Sistem Seri
b. Sistem Paralel
2. Distribusi Waktu Kegagalan
3. Model Waktu Hidup Weibull
B. Aplikasi Dalam Pengendalian Mutu
1. Grafik Pengendali
2. Perbandingan Kemampuan Proses
BAB V PENUTUP
A. Kesimpulan
B. Saran
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB II
LANDASAN TEORI
A. Distribusi Probabilitas
1. Variabel Random
Definisi 2.1
Variabel random adalah fungsi bernilai real yang didefinisikan pada
ruang sampel. Variabel random biasanya dinotasikan dengan huruf
kapital seperti X, Y, Z dan sebagainya. Sedangkan huruf kecil misalnya
x, y dan z menyatakan nilai tertentu dari X, Y dan Z.
Contoh 2.1
Dalam percobaan pelemparan dua koin akan diamati hasilnya.
Misalkan X menunjukkan banyaknya angka yang muncul. Tentukan
probabilitas dari masing-masing nilai X.
Penyelesaian
Misalkan A dan G adalah lambang munculnya angka dan gambar
secara berturut-turut; Ruang sampel dari percobaan di atas adalah
� = �GG, AG, GA, AA�. Oleh karena X menunjukkan banyaknya angka
yang muncul maka nilai dari X bergantung pada banyaknya angka
yang muncul. Berdasarkan hasil percobaan di atas maka terdapat 3
nilai dari X, yaitu X = 0, 1 dan 2.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
Selanjutnya dapat ditentukan probabilitas hasil yang mungkin.
Berdasarkan contoh di atas terdapat empat kejadian yaitu
GG : kejadian muncul gambar semua pada pelemparan dua koin.
AG : kejadian muncul angka pada pelemparan pertama dan gambar
pada pelemparan kedua.
GA : kejadian muncul gambar pada pelemparan pertama dan angka
pada pelemparan kedua.
AA : kejadian muncul angka semua pada pelemparan dua koin.
Oleh karena X adalah variabel random yang menunjukkan banyaknya
angka yang muncul maka dapat dicari hubungan antara variabel
random dan kejadian dalam tabel sebagai berikut.
Tabel 2.1
Tabel hubungan antara variabel random dengan kejadian
Hasil
percobaan
Banyaknya
angka yang
muncul
Probabilitas
x P(x)
GG 0 0,25
AG atau GA 1 0,50
AA 2 0,25
P(S) 1
Berdasarkan Tabel 2.1 di atas maka P0� = P2� = 0,25 dan
P1� = 0,5. Probabilitas dari kemungkinan nilai yang berbeda dari X
disebut sebagai distribusi probabilitas. Sebuah distribusi probabilitas
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
P(x) memberikan kemungkinan pada tiap nilai x yang mungkin dari
sebuah variabel random X.
Variabel random dibagi menjadi dua macam yaitu variabel
random diskret dan varibel random kontinu.
Definisi 2.2
Variabel random dikatakan diskret jika nilai-nilainya membentuk
himpunan berhingga (finite) atau tak berhingga terbilang (Countably
infinite). Variabel random yang tidak memenuhi definisi di atas
disebut variabel random kontinu.
2. Fungsi Probabilitas
Fungsi distribusi probabilitas atau sering disebut fungsi probabilitas
dibagi menjadi dua yaitu:
a. Distribusi Probabilitas Diskret
Definisi 2.3
Fungsi probabilitas variabel random diskret X adalah fungsi yang
memetakan himpunan nilai variabel random diskret X ke
himpunan bilangan real yang merupakan nilai probabilitasnya.
Fungsi p(x) disebut fungsi probabilitas diskret bila memenuhi
syarat:
1� 0 ≤ ��� ≤ 1 2� ∑ ��� = 1∀�
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
Contoh dari distribusi probabilitas diskret yaitu distribusi
Binomial, distribusi Seragam, distribusi Poisson, distribusi
Bernoulli, dan distribusi Hipergeometrik.
b. Distribusi Probabilitas Kontinu
Definisi 2.4
Fungsi probabilitas variabel random kontinu X adalah fungsi
yang memetakan himpunan nilai variabel random kontinu X ke
himpunan bilangan real yang merupakan nilai probabilitasnya.
Fungsi f(x) disebut fungsi probabilitas variabel random kontinu X
bila memenuhi syarat:
1� ��� ≥ 0 2� � �������� = 1 Contohnya distribusi Normal, distribusi Exponential, distribusi
Gamma, distribusi Chi-Square dan distribusi Weibull.
3. Fungsi Distribusi Kumulatif
Definisi 2.5
Fungsi distribusi kumulatif dari variabel random diskret dan kontinu
didefinisikan sebagai berikut.
��� = �� ≤ �� =�� �! " ���
∀#$%, &'() � diskret
1 �2��2�
��, bila � kontinu
9
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
4. Karakteritik Distribusi Probabilitas
Adapun karakteristik dari sebuah distribusi probabilitas adalah sebagai
berikut:
a. Mean
Definisi 2.6
Mean atau ekspektasi matematik (expected value) dari variabel
random diskret dan kontinu adalah sebagai berikut.
:�� =�� �! " ����
∀%, bila � diskret
1 ������∞
�∞, bila � kontinu
9
b. Variansi
Definisi 2.7
Jika X suatu variabel random, maka variansi dari X, ditulis
Var(X) atau V(X), didefinisikan
Var(X) = E(X – E(X))2
Teorema 2.8
Var(X) = E(X2) – (E(X))
2
Bukti:
Var(X) = E(X – E(X))2
= E[X2 – 2XE(X) + (E(X))
2]
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
= E(X2) – 2E(X)E(X) + (E(X))
2
= E(X2) – (E(X))
2 ∎
c. Momen
Definisi 2.9
Nilai harapan dari �< yang menyatakan momen nol ke-r dari
variabel random X adalah
=<′ �� = :�<� (2.1)
Secara umum, r adalah sebarang bilangan real, tetapi untuk
banyak kasus, r adalah bilangan bulat non-negatif.
d. Fungsi Pembangkit Momen
Definisi 2.10
Fungsi pembangkit momen (moment generating function, MGF)
dari X, ditulis MX(t) dari variabel random diskret dan kontinu
didefinisikan sebagai berikut.
>?2� = :@A?�
=�� �! " @A����
∀%, bila � diskret
1 @A������∞
�∞, bila � kontinu
9
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
B. Distribusi Eksponensial
Pada subbab ini akan sedikit dibahas tentang distribusi Eksponensial. Hal-
hal yang berkaitan dengan distribusi Eksponensial antara lain sebagai
berikut.
1. Fungsi Probabilitas
Definisi 2.11
Variabel random X dikatakan berdistribusi Eksponensial apabila
fungsi probabilitasnya sebagai berikut
��� = �B ,CDEFGHHIFJKLM% ,�NB,JNB (2.2)
2. Sifat-sifat Distribusi Eksponensial
Sifat-sifat dari distribusi eksponensial antara lain mean, variansi dan
fungsi pembangkit momen. Untuk mendapatkan mean dan variansi
terlebih dahulu akan dicari Fungsi Pembangkit Momen sebagai
berikut.
a. Fungsi Pembangkit Momen
Berdasarkan Definisi 2.10 maka Fungsi pembangkit Momen dari
distribusi Eksponensial yaitu
MX(t) = ∫∞
∞−
dxxfe tx )(
= 1 @A�∞
BO@�J� ��
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
= O 1 @A�@�J� �� ∞
B
= O 1 @��J�A���∞
B
= O P @��J�A�−O − 2�RB
�
= O P@��J�A�2 − O RB
�
= O SB�TA�JU
= OO − 2
Jadi, Fungsi Pembangkit Momen dari distribusi eksponensial
adalah
>?2� = OO − 2
b. Mean
Mean dapat dicari dengan mencari turunan pertama dari Fungsi
Pembangkit Momen kemudian diaplikasikan pada saat t = 0.
:�� = ��2 V OO − 2W
= − X O−1�O − 2�YZ
= OO − 2�Y
Pada saat t = 0 maka :�� = TJ
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
Jadi, mean dari distribusi Eksponensial adalah :�� = TJ.
c. Variansi
Berdasarkan Teorema 2.8, variansi dari sebuah fungsi densitas
adalah sebagai berikut.
[)\�� = :�Y� − :���Y
Dari definisi di atas maka nilai dari :�Y� dan :��Y adalah
:�Y� = ��2 X OO − 2�YZ
= − O ∙ 2O − 2� ∙ −1O − 2�^
= 2OO − 2�O − 2�^
Pada saat t = 0 maka :�Y� = YJ_J`
= 2OY
Nilai dari :��2 adalah sebagai berikut.
:��2 = S1JU2 = 1O2
[)\�� = :�Y� − :���Y
= 2OY − 1OY
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
= 1OY
Jadi, variansi dari distribusi eksponensial adalah
[)\�� = 1OY
C. Distribusi Gamma
Pada subbab ini akan sedikit dibahas tentang distribusi Gamma. Hal-hal
yang berkaitan dengan distribusi Gamma antara lain sebagai berikut.
1. Fungsi Probabilitas
Definisi 2.12
Variabel random X dikatakan berdistribusi Gamma jika dan hanya jika
fungsi probabilitasnya sebagai berikut
��� = 1abΓc� �b�T@� �d, � > 0, a > 0, c > 0
dimana Γc� merupakan nilai dari fungsi gamma yang didefinisikan
sebagai berikut
Definisi 2.13
Definisi fungsi gamma yaitu
Γc� = 1 �b�T@����∞
B
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
Fungsi gamma ini sangat bermanfaat terutama dalam membantu
mencari mean, variansi dan fungsi pembangkit momen yang
melibatkan integral yang rumit.
2. Sifat-sifat Distribusi Gamma
Sama halnya dengan distribusi Eksponensial, distribusi Gamma pun
mempunyai sifat-sifat antara lain mean, variansi dan fungsi
pembangkit momen yaitu sebagai berikut
a. Fungsi Pembangkit Momen
Berdasarkan Definisi 2.10 maka fungsi pembangkit momen dari
distribusi Gamma adalah sebagai berikut.
>?2� = :@A?�
= 1 @A������∞
B
= 1 @A� 1abΓc� �b�T@� �d��∞
B
= 1 1abΓc� �b�T@� S Td�AU���∞
B
= 1 1abΓc� �b�T@� T�Ad��d��∞
B
= 11 − 2a�b 1 1 − 2a�babΓc� �b�T@� T�Ad��d��∞
B
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
= 11 − 2a�b 1 S1 − 2aa UbΓc� �b�T@� ST�Add U���∞
B
Menggunakan fakta bahwa
1 &fΓ)� �f�T@� g���∞
B= 1 , ∀) > 0, & > 0
maka, fungsi pembangkit momen dari distribusi gamma adalah
>?2� = 11 − 2a�b
b. Mean
Berdasarkan Definisi 2.6 maka mean dari distribusi Gamma
adalah sebagai berikut
:�� = 1 �������
B
= 1 �abΓc� �b�T@� �d���
B
= 1abΓc� 1 �b@� �d���
B
Misalkan h = �d maka � = ah
�� = a �h
maka :�� = TdiΓb� � ah�b@� j a �h�B
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
= 1abΓc� 1 abhb@� j a �h�
B
= aΓc� 1 hb@� j �h�
B
Berdasarkan Definisi 2.13, maka
:�� = aΓc� Γc + 1�
= aΓc� c Γc�
= ca
c. Variansi
Berdasarkan Teorema 2.8 maka variansi dari sebuah fungsi
densitas adalah sebagai berikut
Var�� = :�Y� − :��Y
Dari definisi di atas maka nilai dari :�Y� dan :��Y adalah
:�Y� = 1 �Y������
B
= 1 �YabΓc� �b�T@� �d���
B
= 1abΓc� 1 �bnT@� �d���
B
Misalkan h = �d maka � = ah
�� = a �h
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
maka :�Y� = TdiΓb� � ah�bnT@� j a �h�B
= 1abΓc� 1 abnThbnT@� j a �h�
B
= abnYabΓc� 1 hbnT@� j �h�
B
= aYΓc� 1 hbnT@� j �h�
B
Berdasarkan Definisi 2.13, maka
:�Y� = aYΓc� Γc + 2�
= aYΓc� c + 1� Γc + 1�
= aYΓc� c + 1� c Γc�
= cc + 1�aY 2.3�
Nilai dari :��Y adalah sebagai berikut.
:��Y = ca�Y
= cYaY 2.4�
Berdasarkan persamaan (2.3) dan (2.4) di atas maka Var�� = :�Y� − :��Y
= rcc + 1�aYs − cYaY
= cYaY + caY − cYaY
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
= caY
Jadi, Var�� = caY
D. Teorema Nilai Rata-rata Untuk Turunan
Teorema 2.15: Jika f kontinu pada selang tertutup
r), &s
dan terdiferensialkan pada titik-titik dalam dari ), &� maka terdapat
paling sedikit satu bilangan t dalam ), &� dengan
�&� − �)�& − ) = � ′t�
atau sama dengan
�&� − �)� = � ′t�& − )�
X
Y
ba x
(a,f(a))
(b,f(b))
y=g(x)
y=f(x)
s(x)
Gambar 2.1 Skema dari fungsi u�� = ��� − v��
Bukti:
Pembuktian teorema di atas didasarkan pada analisis seksama dari fungsi
u�� = ��� − v��, yang diperkenalkan pada Gambar 2.1 Pada gambar
tersebut w = v�� adalah persamaan garis yang melalui ), �)�� dan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
&, �&��. Oleh karena garis ini mempunyai kemiringan rxg��xf�sg�f� dan
melalui titik ), �)��, bentuk kemiringan titik untuk persamaannya
adalah
v�� − �)� = �&� − �)�& − ) � − )�
Persamaan ini kemudian menghasilkan rumus untuk u��, yaitu:
u�� = ��� − v�� = ��� − �)� − �&� − �)�& − ) � − )�
Jelas bahwa u&� = u)� = 0 dan untuk � dalam ), &�
u ′�� = � ′�� − �&� − �)�& − )
Sampailah pada suatu pengamatan penting, jika diketahui bahwa terdapat
suatu bilangan t dalam ), &� yang memenuhi u ′t� = 0, maka bukti akan
selesai. Persamaan terakhir mengatakan bahwa
0 = � ′�� − �&� − �)�& − )
yang setara dengan kesimpulan dari teorema tersebut.
Untuk melihat bahwa u ′t� = 0 untuk suatu t dalam ), &�,
alasannya adalah sebagai berikut. Jelas bahwa u kontinu pada r), &s karena
merupakan selisih dua fungsi kontinu. Jadi menurut Teorema Keberadaan
Maks-Min, u harus mencapai baik nilai maksimum maupun nilai minimum
pada r), &s. Jika kedua nilai ini kebetulan adalah 0, maka u�� secara
identik adalah 0 pada r), &s, akibatnya u ′�� = 0 untuk semua � dalam
), &�, jauh lebih banyak daripada yang diperlukan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
Jika satu nilai maksimum atau nilai minimum berlainan dengan 0,
maka nilai tersebut dicapai pada sebuah titik dalam t, karena u)� =u&� = 0. Sekarang u mempunyai turunan disetiap titik dari ), &�,
sehingga dengan Teorema Titik Kritis, u ′t� = 0. ∎
E. Deret Taylor
Sebuah deret disebut deret Taylor jika deret tersebut dapat
direpresentasikan dalam x-a. Pertanyaan yang berkembang dalam deret
pangkat adalah: Jika diketahui sebuah fungsi f misalnya fungsi sin x,
dapatkah fungsi tersebut direpresentasikan dalam x-a? Dua teorema
berikut akan menjawab pertanyaan tersebut.
Teorema 2.16: Rumus Taylor dengan Suku Sisa (Ekspansi Taylor)
Misalkan f adalah fungsi dimana turunan ke-(n+1)-nya
�ynT��� ada untuk setiap x pada selang terbuka I yang mengandung a.
Jadi, untuk setiap x dalam I,
��� = �)� + � ′)�� − )� + � ′′)�2! � − )�Y + ⋯
+ x|�f�y! � − )�y + }y��
dimana sisanya (atau kesalahannya) }y�� dinyatakan dengan rumus
}y�� = �ynT�t�~ + 1�! � − )�ynT
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
dengan c adalah titik diantara x dan a.
Bukti:
Untuk membuktikan teorema tersebut terlebih dahulu akan didefinisikan
fungsi }y�� di I dengan
}y�� = ��� − �)� − � ′)�� − )� − � ′′)�2! � − )�Y − ���3! � − )��
− ⋯ − x|�y! � − )�y
Kemudian anggap x dan a sebagai konstanta dan definisikan fungsi baru g
di I dengan
v2� = ��� − �2� − � ′2�� − 2� − � ′′2�� − 2�Y2! − ���2�� − 2��
3!
− ⋯ − �y�2�� − 2�y�~! − }y�� � − 2�ynT
� − 2�ynT
Jelaslah bahwa v�� = 0 (ingat, x dianggap tetap) dan
v)� = ��� − �)� − � ′)�� − )� − � ′′)�� − )�Y2! − ���)�� − )��
3!
− ⋯ − x|�f���f�|y! − }y�� ��f�|��
��f�|��
= }y�� − }y��
= 0
Karena a dan x adalah titik-titik di I dengan sifat bahwa v)� = v�� = 0
maka Teorema Nilai Rata-rata untuk Turunan dapat diterapkan. Dengan
demikian ada bilangan t di antara ) dan � sedemikian rupa sehingga
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
v′t� = 0. Untuk mendapatkan turunan g, harus diterapkan aturan
perkalian bilangan berulang kali.
v′2� = 0 − � ′2� − r� ′2�−1� + � − 2�� ′′2�s− 12! �� ′′2�2� − 2�−1� + � − 2�Y���2��− 13! ����2�3� − 2�Y−1� + � − 2���^�2�� − ⋯− 1~! ��y�2�~� − 2�y�T−1� + � − 2�y�ynT�2��− }y�� ~ + 1�� − 2�y−1�� − )�ynT
= − 1~! � − 2�y�ynT�2� + ~ + 1�}y�� � − 2�y� − )�ynT
Jadi, berdasarkan Teorema Nilai Rata-rata untuk Turunan, terdapat suatu
nilai c di antara x dan a sedemikan sehingga
0 = v′t� = − Ty! � − t�y�ynT�2� + ~ + 1�}y�� ����|��f�|��
Ini akan menuntun pada
Ty! � − t�y�ynT�t� = ~ + 1�}y�� ����|��f�|��
}y�� = �ynT�t�~ + 1�! � − )�ynT ∎
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
Teorema 2.17: Teorema Taylor
Misalkan fungsi f yang memiliki turunan ke-berapapun pada suatu selang
) − \, ) + \�.
Deret Taylor
�)� + � ′)�� − )� + � ′′)�2! � − )�Y + ���)�3! � − )�� + ⋯
mempresentasikan fungsi f pada selang ) − \, ) + \� jika dan hanya jika
limy→∞}y�� = 0
dimana }y�� adalah suku sisa dalam Rumus Taylor,
}y�� = �ynT�t�~ + 1�! � − )�ynT
dan c adalah titik pada ) − \, ) + \�.
Bukti:
Untuk membuktikan teorema di atas hanya dibutuhkan Teorema 2.16.
Deret pada Teorema 2.16 adalah sebagai berikut
��� = �)� + � ′)�� − )� + � ′′)�2! � − )�Y + ⋯
+ x|�f�y! � − )�y + }y��
Pada deret ��� di atas, jika limy→∞ }y�� = 0 maka terbukti bahwa deret
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
�)� + � ′)�� − )� + � ′′)�2! � − )�Y + ���)�3! � − )�� + ⋯
dapat mempresentasikan fungsi f pada selang ) − \, ) + \�.
Jadi, ��� dapat ditulis menjadi
��� = ∑ �y�)� ��f�|y!∞y�B ∎
F. Metode Maksimum Likelihood
Salah satu metode penting yang dapat digunakan untuk mencari
penduga parameter selain dengan metode kuadrat terkecil adalah metode
maksimum likelihood. Metode ini diperkenalkan oleh R. A. Fisher pada
tahun 1922. Secara umum prinsip dari metode maksimum likelihood
adalah sebagai berikut. Misalkan � adalah variabel random dengan
parameter � yang tidak diketahui. Diambil ~ sampel random yaitu
�T, �Y, … , �y dengan nilai sampelnya adalah �T, �Y, … , �y. Fungsi densitas
bersama dari �T, �Y, … , �y adalah ��T, �Y, … , �y; ��. Fungsi likelihood
dari sampel tersebut adalah
��; �T, �Y, … , �y� = ��T, �Y, … , �y; ��. ��; �T, �Y, … , �y� disingkat menjadi ���. Jika �T, �Y, … , �y merupakan
variabel random berdistribusi diskret dengan fungsi densitas ��, �� maka
fungsi likelihoodnya adalah
��� = ��T = �T, … , �y = �y�
= � ��� = ���y
��T
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
= � ���; ��y��T
Dan dalam kasus kontinu, jika fungsi densitasnya adalah ��, �� maka
fungsi likelihoodnya adalah
��� = ∏ ���; ��y��T (2.7)
Tujuan dari metode maksimum likelihood adalah menentukan penduga
yang memaksimalkan fungsi likelihood. Penduga ini disebut penduga
kemungkinan maksimum. Beberapa langkah yang digunakan untuk
mendapatkan parameter dengan metode maksimum likelihood adalah
sebagai berikut:
1. Mendefinisikan fungsi likelihood, ���
2. Mengoperasikan fungsi likelihood dengan logaritma natural (ln)
3. Mendiferensialkan ln ��� terhadap � dan menyamakan derivatifnya
dengan nol.
4. Menyelesaikan derivatif tersebut dalam parameter � dan akan
diperoleh ��.
Berikut ini adalah alasan mengapa fungsi likelihood dioperasikan dengan
logaritma natural (ln). Seperti diketahui bahwa fungsi logaritma natural
adalah fungsi naik sehingga jika �T < �Y maka ��T� < ��Y�. Ini berarti
bahwa pada titik tertentu dimana logaritma natural dari fungsi likelihood
mencapai maksimum maka pada titik yang sama pula fungsi likelihood
juga akan mencapai maksimum.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
G. Pengendalian Proses Statistik
Dalam banyak proses produksi, bagaimanapun baiknya dirancang,
akan selalu ada variabilitas hasil produksi karena adanya gangguan atau
sebab-sebab kecil yang pada dasarnya tidak terkendali (untuk selanjutnya
disebut variabilitas dasar). Apabila gangguan dasar suatu proses relatif
kecil maka biasanya dipandang sebagai tingkat yang dapat diterima dari
peranan proses. Dalam kerangka pengendalian kualitas statistik, suatu
proses yang bekerja hanya dengan adanya variasi dari sebab-sebab tak
terduga dikatakan ada dalam pengendalian statistik.
Dalam proses produksi dikenal 3 sumber antara lain: mesin yang
dipasang dengan tidak wajar, kesalahan operator, dan/atau bahan baku
yang cacat. Variabilitas seperti ini umumnya besar apabila dibandingkan
dengan variabilitas dasar dan biasanya merupakan tingkat yang tidak dapat
diterima dari peranan proses. Sumber-sumber variabilitas yang bukan
bagian dari pola sebab tak terduga dinamakan dengan “sebab-sebab
terduga”. Suatu proses yang bekerja dengan adanya sebab-sebab terduga
dikatakan tidak terkendali.
Dalam buku pedoman Western Electric (1956) yang dikutip oleh
Montgomery (2009) mengusulkan sekumpulan aturan pengambilan
keputusan untuk penyidikan pola tak random pada grafik pengendali.
Khususnya, buku tersebut mengusulkan penyimpulan bahwa proses tak
terkendali apabila salah satu:
1. Satu titik jatuh di luar batas pengendali 3-sigma.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
2. Dua dari tiga titik berurutan jatuh di luar batas peringatan 2-sigma.
3. Empat dari lima titik yang berurutan jatuh pada jarak 1-sigma atau
lebih dari garis tengah.
4. Delapan titik yang berurutan jatuh pada satu sisi dari garis tengah.
Beberapa hal yang berhubungan dengan pengendalian proses
statistik adalah sebagai berikut.
1. Grafik Pengendali
Untuk mengawasi agar proses agar tetap stabil digunakan
beberapa alat untuk mengendalikannya, antara lain histogram, grafik
pareto, dan grafik pengendali. Grafik pengendali (control charts)
adalah yang paling terkenal yang digunakan dalam pengendalian
mutu untuk mengontrol suatu proses berulang. Grafik pengendali
sangat berguna dalam menetapkan standar pencapaian dari sebuah
proses, membantu mencapai standar tersebut dan mempertimbangkan
standar mana yang sudah tercapai.
Secara umum, langkah-langkah utama dalam membuat grafik
pengendali adalah menentukan parameter dari proses yang diinginkan,
memilih statistik uji yang sesuai misalkan w, membuat Garis Tengah
(GT), Batas Pengendali Atas (BPA) dan Batas Pengendali Bawah
(BPB). Untuk lebih jelasnya dapat dilihat pada Gambar 2.2 di bawah
ini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
Gambar 2.2 Grafik Pengendali ��
Grafik tersebut merupakan contoh grafik pengendali ��, salah
satu dari grafik pengendali Shewhart. BPA dan BPB ditunjukkan
dengan dua garis mendatar yang berwarna merah dan ungu yang
terdapat pada grafik. Grafik tersebut juga memuat garis tengah (GT)
yang merupakan nilai rata-rata dari karakteristik kualitas yang
berkaitan dengan keadaan terkendali.
Batas pengendali dipilih sedemikian sehingga apabila proses
terkendali maka titik-titik sampel akan jatuh di antara kedua garis itu.
Apabila semua titik-titik berada di dalam batas-batas pengendali maka
proses dianggap terkendali dan tidak perlu diadakan tindakan tertentu.
Namun jika ada titik yang berada di luar batas pengendali maka
diperlukan tindakan penyelidikan dan perbaikan untuk menyingkirkan
penyebab proses tak terkendali tersebut. Merupakan kebiasaan untuk
menghubungkan titik-titik sampel di dalam grafik dengan segmen
garis lurus, sehingga mudah untuk melihat bagaimana barisan-barisan
0
2
4
6
8
10
1 2 3 4 5 6 7 8 9 10Ka
rak
teri
stik
ku
ali
tas
sam
pe
l
Nomor sampel atau waktu
Grafik Pengendali
Xbar
BPA Xbar
GT Xbar
BPB Xbar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
titik-titik itu tersusun menurut waktu. Apabila proses itu terkendali
maka semua titik yang digambar harus mempunyai pola yang pada
dasarnya random (Montgomery, 2008).
2. Analisis Kemampuan Proses
Teknik statistik dapat berguna sepanjang putaran produk,
termasuk aktivitas pengembangan sebelum produksi, untuk
kuantifikasi variabilitas proses, analisis variabilitas relatif terhadap
persyaratan atau spesifikasi produk, dan untuk membantu
pengembangan dan produksi dalam menghilangkan atau mengurangi
banyaknya variabilitas ini. Aktivitas umum ini dinamakan analisis
kemampuan proses.
Sudah menjadi kebiasaan mengambil penyebaran 6-sigma
dalam distribusi karakteristik kualitas produk sebagai ukuran
kemampuan proses. Dalam proses produksi, produk atau hasil yang
diperoleh dapat digunakan untuk mengukur mean proses dan batas
toleransi alami. Batas toleransi alami dideskripsikan sebagai jarak 3
standar deviasi dari mean proses. Deskripsi ini juga mengarah pada
batas 3 sigma. Batas toleransi ini dibedakan menjadi 2 yaitu Batas
Toleransi Alami Atas (BTAA) yang jatuh pada = + 3� dan Batas
Toleransi Alami Bawah (BTAB) yang jatuh pada = − 3�. Gambar
dibawah ini menunjukkan proses karakteristik kualitas yang
berdistribusi normal dengan mean = dan standar deviasi �.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
Gambar 2.3 Proses Karakteristik Kualitas Dengan Distribusi Normal
Bagi distribusi normal, batas toleransi alami meliputi 99,73% dari
sampel itu, atau dengan cara lain, hanya 0,27% dari hasil proses akan
jatuh diluar batas toleransi alami. Dua hal yang harus diingat yaitu:
a. 0,27% diluar toleransi alami kedengarannya kecil, namun bila
jumlah produksi satu juta berarti nilai ini bersesuaian dengan 2700
benda tak sesuai per juta.
b. Jika distribusi hasil proses tidak normal, maka persen hasil yang
jatuh di luar = ± 3� dapat berbeda cukup besar dengan 0,27%.
Analisis kemampuan proses dapat didefinisikan sebagai suatu
studi keteknikan guna menaksir kemampuan proses. Taksiran
kemampuan proses mungkin dalam bentuk distribusi probabilitas yang
mempunyai spesifikasi bentuk, nilai tengah (mean) dan penyebaran
(standar deviasi). Misalnya, kita akan menentukan bahwa hasil proses
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
berdistribusi normal dengan mean = = 1,0 cm dan standar deviasi
� = 0,001 cm.
Ada beberapa teknik yang dapat digunakan dalam analisis
kemampuan proses yakni dengan histogram atau grafik probabilitas,
grafik pengendali, dan rancangan percobaan. Pada skripsi ini hanya
akan dibahas analisis kemampuan proses dengan histogram atau grafik
probabilitas.
Distribusi frekuensi dapat berguna dalam menaksir kemampuan
proses. Paling sedikit 50 sampai 100 (atau lebih) observasi harus
tersedia supaya histogram agak stabil sehingga dapat diperoleh
taksiran kemampuan proses yang cukup dapat dipercaya. Keunggulan
pendekatan distribusi ferkuensi untuk menaksir kemampuan proses
adalah bahwa cara itu memberikan kesan visual dan segera tentang
penampilan proses. Cara itu juga dapat menunjukkan dengan segera
apa sebab penampilan proses jelek. Misalkan Gambar 2.4
menunjukkan suatu proses dengan kemampuan yang cukup, tetapi
sasaran proses terletak sangat jelek, sedangkan Gambar 2.5
menunjukkan suatu proses dengan kemampuan kurang sebagai hasil
variabilitas yang besar.
Cara yang baik untuk menyatakan kemampuan proses adalah
melalui Perbandingan Kemampuan Proses (PKP). PKP ini dihitung
dengan memanfaatkan batas spesifikasi yaitu batas yang ditetapkan
oleh perusahaan yang digunakan untuk menentukan apakah proses
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
dapat diterima atau tidak. Batas spesifikasi ini biasanya digunakan
untuk memenuhi keinginan pelanggan atas produk yang dihasilkan.
Jika data berdistribusi normal atau diasumsikan normal maka
Perbandingan Kemampuan Prosesnya adalah
PKP = BSA − BSB6�
dengan BSA dan BSB masing-masing adalah Batas Spesifikasi Atas
dan Batas Spesifikasi Bawah. Batas Spesifikasi Atas adalah batas
terbesar dimana suatu proses dapat diterima sedangkan Batas
Spesifikasi Bawah adalah batas terkecil dimana suatu proses dapat
diterima. Persamaan di atas digunakan untuk menyatakan spesifikasi
dua sisi. Untuk spesifikasi satu sisi, PKPnya adalah sebagai berikut
PKP = ������� (hanya spesifikasi atas)
atau
PKP = ������� (hanya spesifikasi bawah)
Gambar 2.4 Kemampuan Proses Jelek karena Pusat Proses yang Jelek
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
Gambar 2.5 Kemampuan Proses Jelek karena Variabilitas Proses
yang Besar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB III
DISTRIBUSI WEIBULL
A. Fungsi Probabilitas
Definisi 3.1
Variabel random X dikatakan berdistribusi Weibull apabila fungsi
probabilitasnya sebagai berikut:
���� = {� , �� ���� ����������� , ����� � � �,� � �,� �� (3.1)
dimana � dan � adalah parameter distribusi Weibull.
Fungsi distribusi Weibull di atas merupakan fungsi distribusi
Weibull dengan dua parameter yaitu parameter skala ��� dan parameter
bentuk ���. Definisi dari masing-masing parameter adalah sebagai berikut.
Definisi 3.2 Parameter Skala
Misalkan {��∙ ; "�, " > 0% adalah keluarga dari fungsi densitas dengan
parameter ". Parameter " didefinisikan sebagai parameter skala jika dan
hanya jika fungsi densitas ���; "� dapat ditulis sebagai �1 "⁄ �ℎ�� "⁄ �
untuk setiap fungsi densitas ℎ�∙�.
Contoh 3.1
Diberikan beberapa contoh dari parameter skala sebagai berikut.Pada
fungsi distribusi eksponensial berikut:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
���; ) � = �1 )⁄ �*+� ,⁄ , ) adalah parameter skala. Pada fungsi distribusi
normal berikut
���; -� = .√012 exp 6− .0 8�290:, - disebut parameter skala.
Berdasarkan fungsi distribusi Weibull pada persamaan (3.1), �
menunjukkan parameter skala yaitu parameter yang menentukan skala atau
penyebaran statistik dari distribusi probabilitas. Jika parameter skala besar
maka distribusi akan menyebar, sedangkan jika parameter skala kecil maka
distribusi akan lebih terkonsentrasi.
Definisi 3.3 Parameter Bentuk
Parameter bentuk ��� adalah parameter yang menunjukkan bentuk kurva
suatu distribusi.
Misalnya bentuk kurva condong ke kanan (skewness positif), bentuk kurva
condong ke kiri (skewness negatif) dan bentuk kurva yang menyerupai
distribusi normal. Selain dua parameter di atas, terdapat satu parameter
yang disebut sebagai parameter lokasi.
Definisi 3.4 Parameter Lokasi
Misalkan ���; ", )� adalah fungsi densitas dari variabel random ;.
Parameter " adalah parameter lokasi jika dan hanya jika fungsi densitas
���; ", )� dapat ditulis sebagai fungsi dari � − ", sehingga ���; ", )� =
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
ℎ�� − ", )� untuk setiap fungsi ℎ�∙ ; )� dan ℎ�∙ ; )� tidak bergantung pada
".
Contoh 3.2
Berikut ini adalah contoh dari parameter lokasi. Pada fungsi distribusi
normal berikut
���; <; -� = 1√2>- exp 6− 12 8� − <- 90:
< disebut sebagai parameter lokasi.
B. Grafik Distribusi
Grafik dari distribusi Weibull sangat beragam. Dengan memilih
nilai-nilai parameter � dan � distribusi itu akan mempunyai berbagai
macam bentuk. Jika parameter skala yang diubah-ubah dengan
menganggap bahwa parameter bentuk konstan maka akan diperoleh grafik
fungsi densitas dengan nilai ���� > 1. Hal ini juga terjadi jika parameter
yang diubah adalah parameter bentuk dengan menganggap bahwa
parameter skala konstan. Grafik di bawah ini adalah contoh grafik fungsi
densitas dengan perubahan pada parameter bentuk ���.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 3.1 Grafik distribusi Weibull untuk
Pada grafik di atas tampak jelas bahwa dengan nilai
akan membentuk grafik yang berbeda
persamaan (3.1
densitas dari distribusi eksponensial.
densitas Weibull akan lebih besar atau sama dengan 1 tergantung pada
parameter apa yang diubah.
Jika digambarkan
sintaks
syms x
beta=sym(3.5);
f=beta*x^(beta
ezplot(f)
Grafik distribusi Weibull untuk � = 0.5, 1 danPada grafik di atas tampak jelas bahwa dengan nilai � yang berbeda
akan membentuk grafik yang berbeda-beda pula. Pada saat
3.1) akan berubah menjadi persamaan (2.2
densitas dari distribusi eksponensial. Selain itu nilai �densitas Weibull akan lebih besar atau sama dengan 1 tergantung pada
parameter apa yang diubah.
Jika digambarkan dengan menggunakan MATLAB, dengan menggunakan
beta=sym(3.5);
f=beta*x^(beta-1)*exp(-x^beta);
42
dan 3; E = � = 1
yang berbeda-beda
Pada saat � = 1 maka
n berubah menjadi persamaan (2.2) yaitu fungsi
���� dari fungsi
densitas Weibull akan lebih besar atau sama dengan 1 tergantung pada
, dengan menggunakan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
hasil yang diperoleh adalah sebagai berikut
Gambar 3.2 Grafik distribusi Weibull untuk � = 3,5 ; � = 1
Berikut ini akan ditunjukkan bahwa fungsi probabilitas Weibull memenuhi
sifat-sifat fungsi probabilitas berdasarkan Definisi 2.4. Selain nilai
���� > 0, nilai F ����G�H� = 1.
F ����G�H� = F ����+.*+���G�H�
Misalkan I = ���
GI = ����+.G�
J ����G�H�
= J ����+.*+���G�H�
= J *+KGIH�
= L−*+KM�H
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
= 1
Jadi, nilai F ����G�H� = 1
C. Fungsi Distribusi Kumulatif
Berdasarkan Definisi 2.6 maka fungsi distribusi kumulatif dari distribusi
Weibull adalah sebagai berikut:
N��� = J ��O�GO��
= J ��O�+.*+�P�GO��
Misalkan I = �O� maka O = 8K�9��
GI = ��O�+.GO
N��� = J *+KGI��
= L−*+KM��
= L−*+�P�Q��
= −*+��� − �−1�
= 1 − *+���
Jadi, fungsi distribusi kumulatif dari distribusi Weibull adalah
N��� = 1 − *+���
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
D. Sifat-sifat Distribusi Weibull
Beberapa sifat penting dari distribusi Weibull yaitu:
1. Mean
Salah satu konsep penting dalam teori probabilitas adalah tentang
ekspektasi atau sering disebut sebagai mean dari variabel random.
Pada bab ini secara khusus akan dibahas mengenai sifat-sifat dari
salah satu fungsi probabilitas kontinu yaitu fungsi distribusi Weibull.
Menurut Definisi 2.6 mean dari fungsi densitas di atas adalah sebagai
berikut.
R�;� = J ������+.*+���∞
��G�
R�;� = J�����*+���∞
��G�
Misalkan I = ��� maka � = 8K�9��
GI = ����+.G�
R�;� = JSTUTV�� W8I�9.�X� *+K 1
�� Y8I�9.�Z�+.[T\T] GI∞
�
R�;� = J ^W8I�9.�X� *+K W8I�9.�X.+�_ GI∞
�
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
R�;� = J W*+K 8I�9.�X GI∞
�
R�;� = J `*+K I.�� .�a GI∞
�
R�;� = .��� F b*+K I��c GI∞�
Berdasarkan Definisi 2.13 maka persamaan di atas dapat diubah
menjadi
R�;� = �+�� Γ 8.β
+ 19 (3.2)
2. Variansi
Dari fungsi densitas yang terdapat pada persamaan (3.1), maka
menurut Teorema 2.8 variansi dari distribusi Weibull adalah sebagai
berikut.
Var�;� = R�;0� − R�;�0
Dari definisi di atas maka nilai dari R�;0� dan R�;�0 adalah
R�;0� = J �0�����+.*+���∞
��G�
R�;0� = J�����g.*+���∞
��G�
Misalkan I = ��� maka � = 8K�9��
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
GI = ����+.G�
R�;0� = JSTUTV�� W8I�9.�X�g. *+K 1
�� Y8I�9.�Z�+.[T\T] GI∞
�
R�;0� = J ^W8I�9.�X�g. *+K W8I�9.�X.+�_ GI∞
�
R�;0� = J W8I�9.g.� *+K 8I�9.�+.X GI∞
�
R�;0� = J h*+K 8I�90�i GI∞
�
R�;0� = J `*+K I0�� 0�a GI∞
�
R�;0� = 1� 0� J j*+K I0�k GI∞
�
Berdasarkan Definisi 2.13 maka persamaan di atas dapat diubah
menjadi
R�;0� = �+l� Γ 80β
+ 19 (3.3)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
Nilai dari R�;�0 adalah sebagai berikut.
R�;�0 = Y�+.� Γ b1β
+ 1cZ0
R�;�0 = �+l� mΓ 8.β
+ 19Q0 (3.4)
Dari persamaan (3.3) dan (3.4) maka
Var�;� = R�;0� − R�;�0
= �+l� Γ 80β
+ 19 − �+l� mΓ 8.β
+ 19Q0
= �+0� nΓ b2β
+ 1c − 6Γ b1β
+ 1c:0o
Jadi, Var�;� = �+l� pΓ 80β
+ 19 − mΓ 8.β
+ 19Q0q
3. Fungsi Pembangkit Momen
Dengan mereduksi variabel Weibull pada persamaan (2.1) akan
diperoleh:
<rs �t� = R�tr� = J Ir�uH
��I|��
= J Ir��I�+.*+K�∞
��GI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
Misalkan w = I� maka I = w �� sehingga Gw = �I�+.GI integral di
atas akan menjadi
= J w r�*+zGw∞
�
Integral di atas sulit diselesaikan namun integral di atas biasanya
dikenal dengan fungsi Gamma seperti pada Definisi 2.13, sehingga
akan diperoleh
<rs �t� = Γ 8r� + 19 (3.5)
Momen nol dari variabel umum Weibull berhubungan dengan
variabel Weibull yang direduksi. Dengan mensubstitusikan ; = | +}t ke dalam persamaan (2.1) dan menggunakan persamaan (3.5) akan diperoleh:
<rs �;� = E�;r� = E��| + }t�rM = � b��c |�}r+�R�tr+��r
���
Dengan mensubstitusikan persamaan (3.5) ke dalam bentuk di atas
maka persamaan di atas akan menjadi
<rs �;� = E�;r� = ∑ 8r�9 |�}r+�Γ 8r+�� + 19r��� (3.6)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
Dari persamaan (3.6) dapat diperoleh momen-momen berdasarkan
perubahan nilai r. Empat momen pertama yang diperoleh adalah
sebagai berikut.
<.s �;� = R�;� = | + }Γ. (3.7)
<0s �;� = R�;0� = |0 + 2|}Γ0 + }0Γ0 (3.8)
<�s �;� = R�;�� = |� + 3|0}Γ. + 3|}0Γ0 + }�Γ� (3.9)
<�s �;� = R�;�� = |� + 4|�}Γ. + 6|0}0Γ0 + 4|}�Γ� + }�Γ� (3.10)
Berdasarkan Definisi 2.10 fungsi pembangkit momen (moment
generating function, MGF) dari variabel random X, ditulis Mx(t),
didefinisikan sebagai
���O� = R�*P��
Ketika ���O� ada untuk setiap interval |O| < �, dimana T > 0. Fungsi
Pembangkit Momen dari distribusi Weibull kemudian dapat dicari
dengan menggunakan ekspansi Taylor sebagai berikut.
Dari Teorema 2.18 deret Taylor didefinisikan sebagai berikut
���� = � �����|� �� − |���!H���
Empat momen pada persamaan (3.7), (3.8), (3.9) dan (3.10) kemudian
dapat dituliskan ke dalam sebuah deret Taylor.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
Pada saat � = 0 maka berdasarkan persamaan (3.6) diperoleh
<�s �;� = R�1� = |�}�Γ�0 + 1�
<�s �;� = 1 (3.11)
Deret Taylor yang dapat dibentuk dari persamaan (3.7), (3.8), (3.9),
(3.10) dan (3.11) adalah sebagai berikut:
���O� = <�s �;� + <.s �;� + <0s �;� + <�s �;� + <�s �;� + ⋯
= <�s �;� O�0! + <.s �;� O.1! + <0s �;� O02! + <�s �;� O�3! + <�s �;� O�4! + ⋯
= 1 + <.s �;� O.1! + <0s �;� O02! + <�s �;� O�3! + <�s �;� O�4! + ⋯
= 1 + � <rs �;� Or�!H
r�.
Berdasarkan hasil ekspansi Taylor di atas maka terlihat bahwa <rs �;�
adalah koefisien dari P�r! dalam ekspansi Taylor. Maka ���O� adalah
���O� = R�*P�� = 1 + ∑ P�r!Hr�. <rs �;� (3.12)
Dengan mengkombinasikan persamaan (3.5) dan persamaan
(3.12) maka �u�O� dapat diekspresikan sebagai
�u�O� = 1 + � Or�!H
r�. à b�� + 1c
Jadi, fungsi pembangkit momen dari distribusi weibull adalah
�u�O� = 1 + � Or�!H
r�. à b�� + 1c
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
E. Kertas Peluang Weibull
1. Grafik Probabilitas Weibull
Grafik probabilitas adalah sebuah teknik grafis untuk menduga
apakah data mengikuti distribusi yang diberikan seperti distribusi
normal atau Weibull. Grafik probabilitas Weibull termasuk jenis
grafik probabilitas yang biasanya digunakan untuk mengestimasi
parameter � dan � pada distribusi Weibull. Dengan kata lain grafik
Weibull adalah metode pemeriksaan informal untuk memeriksa
asumsi pada model distribusi Weibull dan juga untuk menduga
parameter dari distribusi Weibull. Pada subbab ini akan dijelaskan dan
diilustrasikan metode pembuatan grafik probabilitas Weibull. Ide
dasar dari pembuatan grafik probabilitas Weibull adalah hubungan
antara p-kuantil tp dari probabilitas Weibull dan p untuk 0 < p < 1. p-
kuantil tp didefinisikan dengan sifat sebagai berikut
� = N��O�� = ��� ≤ O�� = 1 − *8+��P���9 (3.13)
sehingga akan didapatkan O� = �+���.+��M���
Jika kedua ruas persamaan di atas dioperasikan dengan logaritma
natural (ln) maka persamaan di atas akan menjadi
�� = ln�O�� = ln 8.�9 + .� ln�−ln�1 − ��M (3.14)
Jadi jika ln�O�� diplotkan dengan
���� = ln�−ln�1 − ��M (3.15)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
maka grafik akan berbentuk garis lurus dengan berpotongan pada
| = ln 8.�9 dengan kemiringan } = .�. Jadi, � = .� dan � = .¡.
Pembuatan plot grafik ���� dengan �� = ln�O�� biasanya dikerjakan
pada kertas peluang Weibull. Untuk itu perlu dilihat hubungan linear
berikut ini
���� = � mln�O�� − ln 8.¢9Q (3.16)
dengan kemiringan
£ = � (3.17)
dan berpotongan pada
¤ = −�ln 8.�9 (3.18)
Dari persamaan (3.17) dan (3.18) diperoleh nilai parameter bentuk
� = £ dan parameter skala � = *¥¦. Pada saat � tidak diketahui maka
digunakan sampel quantil. Untuk sampel yang lengkap, �., … , ��, �¨ diperoleh dengan mengurutkan � dari yang terkecil hingga yang
terbesar sehingga didapatkan ��.� ≤ ⋯ ≤ ���� dan dengan
menggunakan �¨ = .+�,©� maka pendekatan kuantil �¨ dapat diduga dan
� menunjukkan sampel kuantil ke-ª. Ide dari pembuatan grafik probabilitas Weibull untuk sampel
yang lengkap adalah membuat grafik ���¨� = ln�−ln�1 − �¨�M sebagai sumbu vertikal dan ln���¨�� sebagai sumbu horisontal. Dalam
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
kaitannya dengan variasi dari ��¨� di sekitar O�«berdasarkan pada
persamaan (3.16) maka dapat dilihat secara kasar terdapat hubungan
yang linear. Kualitas dari hubungan linear ini akan memberikan suatu
indikasi apakah asumsi dari model Weibull layak atau tidak. Untuk
ukuran sampel yang kecil, bentuk linear akan sangat kasar, meskipun
sampel tersebut berdistribusi Weibull. Jadi, deviasi dari linearitas
tidak perlu dipelajari lebih jelas. Pengujian formal merupakan cara
yang lebih baik untuk dilakukan.
Untuk menggambarkan titik �ln���¨��, ���¨�� akan
ditempatkan atau diinterpolasikan nilai dari label ��¨� pada absis dan
nilai dari �¨ pada ordinat, dengan kata lain tidak perlu dilakukan
transformasi ln���¨�� dan ���¨� = ln�−ln�1 − �¨�M. Beberapa
pengarang menyarankan untuk menggunakan �s = �¨+�,����g�� sebagai �¨, ada juga yang menggunakan
¨��g.�. Selengkapnya dapat dilihat pada
Tabel 3.1. Semua pilihan dari �¨ memberikan nilai antara 0 sampai 1
atau 0 < p < 1 untuk menghasilkan nilai berhingga dari ��«. Untuk
ukuran sampel n yang besar terdapat sedikit perbedaan dalam memilih
�¨ dan untuk ukuran sampel n yang kecil variabilitas dalam sampel
Weibull membuat terdapat pilihan dalam memilih metode yang cocok.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
Tabel 3.1
Kedudukan Grafik (plotting position)
Nama Variabel Tereduksi I¬¨:�
Probabilitas �®
Penduga Naive I¬¨:� = Nu+. b ª�c �® = 1�
Letak Titik Tengah I¬¨:� = Nu+.��ª − 0,5�/�M �® = �1 − 0,5�/� Letak BLOM I¬¨:� = Nu+. Y�ª − 0,375��� + 0,25� Z �® = �1 − 0,375��� + 0,25�
Letak Nilai Tengah
- Sesuai dengan ∏¨
I¬¨:� = Nu+.�ª/�� + 1�M �® = ª/�� + 1�
- Sesuai dengan t¨:�
I¬¨:� = �¨:� �® = Nu��¨:��
Letak Median
- Sesuai dengan ∏¨ I¬¨:� = Nu+. Y �ª − 0,3��� + 0,4�Z �® = �1 − 0,3��� + 0,4�
- Sesuai dengan t¨:�
I¬¨:� = I²¨:� �® = Nu�I²¨:��
Letak Mode
- Sesuai dengan ∏¨ I¬¨:� = Nu+. Y �ª − 1��� − 1�Z �® = �ª − 1��� − 1�
- Sesuai dengan t¨:�
I¬¨:� = I¨:�∗ �® = Nu �I¨:�∗ �
Letak berdasarkan
estimasi optimal
dari a dan b
Tidak ada rumus analitik
Sumber: Rinne, H. The Weibull Distribution : A Handbook (Boca
Raton: CRC press, 2009)
2. Skala Dalam Kertas Peluang Weibull
Kertas peluang Weibull ada 3 macam dengan perbedaan
besarnya skala pada absis. Kertas jenis pertama skala pada absis
dimulai dari 1 sampai 10, pada kertas jenis kedua skala dimulai dari 1
sampai 100 sedangkan pada kertas jenis ketiga skala dimulai dari 1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
sampai 1000. Jika pada observasi terutama data observasi waktu hidup,
misalkan data berada pada skala dari 50 sampai 4000, secara sederhana
unit waktu ke sepersepuluhnya diubah dan kemudian menggunakan
kertas jenis ketiga yang dapat menampung data tersebut dan skalanya
berubah dari 5 sampai 400. Jika skalanya sangat besar maka sebaiknya
digunakan kertas dengan skala yang lebih besar. Skala yang lebih
besar tidak diberikan disini karena skalanya penuh sesak (sangat kecil)
dan karena transformasinya sangat sulit.
Jika �~µ��, �� (dengan kata lain � berdistribusi Weibull dengan
parameter � dan �) maka �s = �¶~µ 8�¶ , �¶9 = µ��s, �s�
sehingga �� �s ≤ �� = ���¶ ≤ �� = � 8� ≤ �� 9 = 1 − *h+Y�·� Z�i
= 1 − *j+�� ·M� k = 1 − *b+��¸·��¸c
Jadi, dapat selalu dihasilkan skala dari waktu kegagalan naik atau
turun (tapi biasanya turun) ke dalam jarak yang tepat dengan
transformasi yang tepat. Setelah mengestimasi ��s, �s� dengan mudah
dapat mentransformasinya kembali menjadi ��, �� menggunakan nilai
dari |, namakan � = �s� dan � = |�s. Sebagai contoh, jika sebuah sampel dengan minimum dan
maksimum ��.� = 5 dan ���� = 800000 secara berturut-turut, akan
membutuhkan 6 orde sehingga dapat menampung semua sampel,
misalkan terletak pada �1, 1000000M. Jika diambil ��l = √� akan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
memberikan ��.�s = º��.� = 2,24 dan ����s = º���� = √800000 =894,43 dan sekarang semua sampel yang ditransformasi dapat
ditampung pada interval �1, 1000M atau dengan kata lain pada kertas
peluang Weibull jenis ketiga. Sebaliknya jika diambil ��.� = 0,5 dan
���� = 800000 secara berturut, transformasi tersebut tidak memenuhi
karena º0,5 = 0,71. Sekarang akan dicoba mengambil nilai | = .� dan
diperoleh 0,5�¼ = 0,794 dan 800000�¼ = 92,83. Dengan menyatakan
nilai ini kedalam unit dari ..� akan diperoleh nilai baru 7,94 dan 928,3
yang dapat ditampung dengan kertas peluang Weibull jenis ketiga.
Berikut adalah contoh grafik probabilitas Weibull yang terbentuk.
Contoh 3.3
Untuk memperlihatkan grafik probabilitas Weibull, 1000 sampel
random dibangkitkan dengan Minitab dengan parameter skala (α) yaitu
3 dan parameter bentuk (β) yaitu 2. Sampel random tersebut kemudian
diplotkan sehingga terbentuk grafik probabilitas Weibull sebagai
berikut.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
58
1010,10,01
0,9999
0,95
0,8
0,5
0,2
0,05
0,02
0,01
0,0001
Data
Probability
Shape 2,082
Scale 3,039
N 1000
AD 0,707
P-Value 0,069
Probability Plot of DataWeibull - 95% CI
Gambar 3.3 Grafik Probabilitas Weibull
Dari grafik di atas dapat dilihat bahwa sampel random yang
digambarkan dalam grafik probabilitas Weibull sebagian besar berada
dalam selang pada grafik tersebut. Meskipun terdapat titik yang berada
di luar selang namun jika dilihat dari nilai P-value yang dihasilkan
yaitu 0,069, menunjukkan bahwa sampel random berdistribusi
Weibull. Grafik probabilitas di atas merupakan grafik probabilitas
yang dibentuk pada salah satu jenis kertas peluang Weibull yaitu kertas
peluang Weibull jenis pertama. Berikut ini adalah contoh kertas
peluang Weibull jenis pertama, kedua dan ketiga berturut-turut.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
a. Kertas peluang Weibull jenis pertama ( 1 cycle log.�)
Gambar 3.4 Kertas peluang Weibull jenis pertama
Sumber: Scholz, F. Weibull Probability Paper (2008)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
b. Kertas peluang Weibull jenis kedua ( 2 cycle log.�)
Gambar 3.5 Kertas peluang Weibull jenis kedua
Sumber: Scholz, F. Weibull Probability Paper (2008)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
61
c. Kertas peluang Weibull jenis ketiga ( 3 cycle log.�)
Gambar 3.6 Kertas peluang Weibull jenis ketiga
Sumber: Scholz, F. Weibull Probability Paper (2008)
F. Pendugaan Parameter Distribusi
Distribusi Weibull sangat beragam tergantung pada pemilihan
nilai � dan � pada persamaan (3.1). Oleh karena itu penting untuk
membatasi nilai dari parameter Weibull. Jika dipilih nilai � = 1 dan � =
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1 maka distribusi Weibull tersebut akan menjadi distribusi eksponensial,
sedangkan pada saat
mendekati distr
(bukan nilai pendekatan yang diperoleh dari sampel
sampel kecil
bentuk yang merupakan pendekatan untuk
bentuk dari pemilihan nilai
dibawah ini.
Gambar 3.7 Grafik distribusi Weibull
Terlihat pada
eksponensial menjadi distribusi normal dengan berubahnya nilai
β. Untuk memperoleh parameter
Likelihood yang diaplikasikan pada fungsi distribusi Weibull.
maka distribusi Weibull tersebut akan menjadi distribusi eksponensial,
sedangkan pada saat � = 1 dan � = 3,5 maka distribusi Weibull akan
mendekati distribusi normal. Namun demikian nilai ini adalah
bukan nilai pendekatan yang diperoleh dari sampel). Jadi
tidak ada ekspektasi dari nilai eksak 3,5 untuk parameter
yang merupakan pendekatan untuk distribusi normal. Perubahan
bentuk dari pemilihan nilai � dan � yang berbeda dapat dilihat pada grafik
Grafik distribusi Weibull untuk � = 1, � = 1
pada Gambar 3.7 bahwa tampak jelas perubahan dari distribusi
nsial menjadi distribusi normal dengan berubahnya nilai
Untuk memperoleh parameter α dan β digunakan metode Maksimum
yang diaplikasikan pada fungsi distribusi Weibull.
62
maka distribusi Weibull tersebut akan menjadi distribusi eksponensial,
maka distribusi Weibull akan
demikian nilai ini adalah nilai teoritis
. Jadi, bila ukuran
tidak ada ekspektasi dari nilai eksak 3,5 untuk parameter
distribusi normal. Perubahan
yang berbeda dapat dilihat pada grafik
1, 2 dan 3,5
tampak jelas perubahan dari distribusi
nsial menjadi distribusi normal dengan berubahnya nilai α dan
metode Maksimum
yang diaplikasikan pada fungsi distribusi Weibull.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
63
Fungsi probabilitas dari distribusi Weibull adalah sebagai berikut
���� = ����+.*+���
maka fungsi likelihood dari distribusi Weibull berdasarkan persamaan
(2.7) adalah sebagai berikut
¿ = ¿��, �� = À ���¨�+.*+��«��
¨�1
= ����� À �¨�+.�¨�. *+ ∑ ��«�Á«Â�
Jika persamaan di atas dioperasikan dengan logaritma natural maka akan
diperoleh
ln ¿ = � ln���� + �� − 1� � ln �¨ − � ��¨��¨�.
�¨�.
= � ln � + � ln � + �� − 1� � ln �¨ − � � �¨��¨�.
�¨�.
Dengan mencari derivatif parsial terhadap � dan � dengan nilai kedua
derivatif tersebut adalah nol maka akan diperoleh
ÃÃ� ln ¿ = �� − � �¨� �3.19��¨�.
ÃÃ� ln ¿ = �� + � ln �¨ − � � �¨� ln �¨ �3.20��¨�.
�¨�.
Jika turunan parsial pada persamaan (3.19) di atas diselesaikan maka akan
diperoleh
� = �∑ �¨���.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
64
Dengan mensubstitusikan � ke dalam persamaan (3.20) maka akan
diperoleh
ÃÃ� ln ¿ = �� + � ln �¨ − �∑ �ª��ª=1 W� �� ln �¨�
¨�. X�¨�.
= �� + � ln �¨ − � W∑ �� ln �¨��.∑ �ª��ª=1 X�¨�.
Oleh karena ÄÄ� ln ¿ = 0, maka hasil dari diferensial parsial di atas dapat
diubah menjadi
� W∑ �� ln �¨��.∑ �ª��ª=1 X − �� = � ln �¨�
ª=1
∑ �� ln �¨��.∑ �ª��ª=1 − 1� = ∑ ln �¨�ª=1� Untuk � > 0, hasil derivatif parsial di atas tidak dapat diselesaikan.
Namun untuk memperoleh parameter � dan � digunakan metode Newton-
Raphson. Metode ini diaplikasikan untuk mencari nilai � terlebih dahulu
dan kemudian digunakan untuk mencari nilai dari �. Untuk itu akan dicari
derivatif parsial kedua dari ln ¿ yaitu sebagai berikut. Ã0Ã�0 ln ¿ = 1�0 + m∑ ���ln �¨���. 0 ∑ �ª��ª=1 Q − 8∑ �� ln �¨��. 90
�∑ �ª��ª=1 �2 . Dengan memisalkan
���Å� = ∑ ln �¨�ª=1� + 1�Å − ∑ ��Æ ln �¨��.∑ �ª�Æ�ª=1
berdasarkan hasil ÄÄ� ln ¿ dan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
65
�s��Å� = 1�Å0 + m∑ ��Æ�ln �¨�0��. ∑ �ª�Ç�ª=1 Q − 8∑ ��Æ ln �¨��. 90�∑ �ª�Ç�ª=1 �2
berdasarkan ÄlÄ�l ln ¿, maka rumus iterasi untuk metode Newton-Raphson
adalah sebagai berikut.
�Åg. = �Å + ���Å��s��Å�
�Åg. = �Å + ∑ ln �¨�ª=1� + 1�Å − ∑ ��Æ ln �¨��.∑ �ª�Æ�ª=11�Å0 + m∑ ��Æ�ln �¨�0��. ∑ �ª�Ç�ª=1 Q − 8∑ ��Æ ln �¨��. 90�∑ �ª�Ç�ª=1 �2
Rumus iterasi di atas dapat diubah menjadi
�Åg. = �Å + ¤ + 1�Å − ÈÅ£Ç1�Å0 + �ÉÅ£Ç� − �ÈÅ�0�£Ç�2
dimana, ¤ = ∑ �� �«�ª=1� , £Ç = ∑ �ª�Æ�ª=1 , ÈÅ = ∑ ��Æ ln �¨��. dan
ÉÅ = � ��Æ�ln �¨�0.�¨�.
Berdasarkan penelitian dari Thoman, Bain dan Antle (1969) maka titik
awal dari iterasi adalah
�Ê� = Ë 6>0 6∑ �ln �¨�0��. − �∑ ln �¨��. �0� :� − 1 Ì+.0.
Dengan pendekatan ini, metode Newton-Raphson hanya memerlukan rata-
rata 3,5 iterasi Newton untuk mencapai tingkat ketelitian sampai 10+�
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
66
(Zhang, 2008). Untuk mengaplikasikan metode maksimum likelihood
dalam mencari parameter distribusi Weibull akan digunakan software
Minitab. Pada contoh berikut akan dijelaskan tentang pendugaan
parameter distribusi Weibull dengan menggunakan software Minitab.
Contoh 3.4
Untuk memperoleh parameter distribusi akan dibangkitkan 1000
sampel random dengan MINITAB dengan parameter bentuk β = 2 dan
parameter skala α = 3. Dari sampel random tersebut akan dilakukan
pendugaan α dan β dan dibandingkan dengan α dan β yang sesungguhnya.
Data tersebut kemudian diplotkan pada empat grafik probabilitas. Berikut
ini adalah plot sampel random yang telah dibangkitkan pada empat “kertas
grafik probabilitas” yaitu Normal, Eksponensial, Weibull dan Gamma.
840
99,99
99
90
50
10
1
0,01
Data
Percent
1001010,10,010,0010,0001
99,99
90
50
10
1
0,01
Data
Percent
1010,10,01
99,99
90
50
10
1
0,01
Data
Percent
1010,1
99,99
99
90
50
10
1
0,01
Data
Percent
Weibull
A D = 0,707
P-V alue = 0,069
Gamma
AD = 5,799
P-V alue < 0,005
Goodness of F it Test
Normal
A D = 3,056
P-V alue < 0,005
Exponential
A D = 102,808
P-V alue < 0,003
Probability Plot for Data
Normal - 95% C I Exponential - 95% C I
Weibull - 95% C I Gamma - 95% C I
Gambar 3.8 Grafik Probabilitas Untuk Data
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
67
Descriptive Statistics N N* Mean StDev Median Minimum Maximum Skewness Kurtosis 1000 0 2,69667 1,35083 2,57583 0,0703449 7,22902 0,402041 0,231715 Goodness of Fit Test Distribution AD P Normal 3,056 <0,005 Exponential 102,808 <0,003 Weibull 0,707 0,069 Gamma 5,799 <0,005
Berdasarkan plot grafik probabilitas tersebut dapat disimpulkan bahwa
sampel random berdistribusi Weibull (nilai P > 0,05). Berikut ini adalah
hasil pendugaan parameter distribusi berdasarkan metode Maksimum
Likelihood yang diperoleh dari Minitab.
ML Estimates of Distribution Parameters Distribution Location Shape Scale Threshold Normal* 2,69667 1,35083 Exponential 2,69667 Weibull 2,08186 3,03922 Gamma 3,16855 0,85108 * Scale: Adjusted ML estimate
Berdasarkan hasil di atas diperoleh parameter bentuk untuk distribusi
Weibull yaitu β = 2,08186 dan parameter skala α = 3,03922. Dengan
mengaplikasikan metode Maksimum Likelihood menggunakan software
Minitab terlihat bahwa hasil pendugaan yang diperoleh mendekati
parameter sebenarnya yaitu parameter bentuk β = 2 dan parameter skala
α = 3.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB IV
APLIKASI DISTRIBUSI WEIBULL
Pada bab IV akan dibahas aplikasi distribusi Weibull dalam bidang analisis waktu
hidup dan pengandalian mutu.
A. Aplikasi Dalam Analisis Data Waktu Hidup
Definisi 4.1
Waktu hidup didefinisikan sebagai durasi waktu yang diperlukan oleh sebuah
komponen masih berguna atau berfungsi.
Misalnya waktu hidup baterai merupakan variabel random. Secara umum
variabel waktu hidup bersifat kontinu dan non-negatif. Dalam hubungannya
dengan waktu hidup, terdapat beberapa hal penting yang digunakan dalam
analisis yaitu reliabilitas, distribusi waktu kegagalan dan model waktu hidup
Weibull .
1. Reliabilitas
Seperti telah dijelaskan sebelumnya bahwa waktu hidup sangat
berkaitan dengan waktu bertahannya komponen. Dalam kaitan dengan
analisis waktu hidup reliabilitas menjadi bagian penting karena reliabilitas
berkaitan dengan kemampuan komponen bertahan sampai waktu yang
telah ditetapkan. Berikut ini akan dijelaskan lebih lanjut tentang reliabilitas
dalam kaitannya dengan analisis waktu hidup.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
69 Definisi 4.2
Reliabilitas dari sebuah produk adalah probabilitas produk tersebut akan
berfungsi sampai limit yang telah ditetapkan paling sedikit satu periode
waktu dengan mempertimbangkan kondisi tertentu.
Oleh karena reliabilitas didefinisikan sebagai probabilitas maka teori
probabilitas dapat digunakan untuk menghitung reliabilitas dalam sistem
yang kompleks jika reliabilitas dari komponen individu diketahui. Sistem
itu sendiri didefinisikan sebagai berikut.
Definisi 4.3
Menurut Kamus Bahasa Indonesia Kontemporer, sistem adalah
seperangkat peraturan, prinsip, fakta dan sebagainya yang disusun dalam
bentuk yang teratur; cara untuk mengerjakan sesuatu; seperangkat unsur
yang saling berhubungan sehingga membentuk satu kesatuan. Sedangkan
menurut Oxford Dictionary, sistem adalah himpunan alat atau
perlengkapan yang berfungsi bersama; metode; prinsip-prinsip dalam
melakukan sesuatu.
Kebanyakan sistem mempunyai karakteristik umum, yaitu:
1. Sistem memiliki struktur, artinya sistem tersusun atas komponen-
komponen atau elemen dan komposisinya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
70 2. Sistem memiliki perilaku yang melibatkan input, proses, output dan
informasi atau data.
3. Sistem memiliki interkonektivitas, artinya setiap bagian dalam sistem
mempunyai hubungan satu dengan yang lain.
4. Sistem mungkin memiliki beberapa fungsi atau kumpulan fungsi.
Secara umum sistem dibagi menjadi 2 yaitu sistem seri dan sistem
paralel atau kombinasi keduanya. Sebuah sistem dikatakan seri jika semua
komponen dalam sistem saling berhubungan sehingga sistem tersebut akan
gagal jika sebarang komponen gagal. Sedangkan dalam sistem paralel,
sistem akan gagal jika semua komponen gagal. Berikut ini akan dibahas
lebih lanjut mengenai kedua sistem tersebut.
a. Sistem Seri
Andaikan sebuah sistem terdiri atas n komponen yang terhubung
secara seri dan komponen-komponen tersebut bersifat bebas, artinya
probabilitas dari satu komponen berfungsi tidak akan berpengaruh
pada probabilitas berfungsinya komponen yang lainnya. Jika �� menyatakan keberhasilan berfungsinya komponen ke-� dalam suatu
sistem seri �, maka keberhasilan sistem tersebut sehingga dapat
berfungsi bergantung pada keberhasilan berfungsinya masing-masing
komponen yaitu
� = �� ∩ �� ∩ … ∩ �
Jadi, probabilitas sistem tersebut dapat berfungsi adalah
��(�) = �(����� > �) (4.1)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
71 artinya komponen tersebut akan bertahan jika waktu hidup dari sistem
tersebut (�����) lebih dari waktu � yang telah ditentukan, sehingga
persamaan (4.1) dapat dinyatakan sebagai
��(�) = ��(�� > �) ∩ (�� > �) ∩ … ∩ (� > �)� = ∏ �(�� > �)���
= ∏ ��(�)��� (4.2) dimana ��(�) adalah reliabilitas dari komponen ke-� pada waktu � dan
��(�) adalah reliabilitas dari sistem seri. Sistem seri tersebut dapat
digambarkan sebagai berikut.
Gambar 4.1 Blok Diagram Sistem Seri
Contoh 4.1
Sebuah sistem kontrol terdiri dari lima buah unit dimana semua
komponennya bekerja seluruhnya agar sistem kontrol tersebut dapat
berfungsi. Jika reliabilitas dari kelima komponen tersebut masing-
masing 0,9; 0,95; 0,87; 0,93 dan 0,9, tentukan reliabilitas dalam sistem
kontrol tersebut.
Penyelesaian
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
72 Blok diagram yang paling mewakili dari sistem kontrol tersebut
adalah blok diagram reliabilitas dengan susunan seri. Jika reliabilitas
dari masing-masing komponen adalah ��(�) maka reliabilitas dari
sistem kontrol tersebut adalah
��(�) = � ��(�)����
= 0,9 ∙ 0,95 ∙ 0,87 ∙ 0,93 ∙ 0,9
= 0,62260
Contoh 4.2
Andaikan reliabilitas berdasar waktu dari lampu-lampu dalam
rangkaian listrik adalah fungsi Weibull
��(�) = '()*+,
��(�) = '()-+,
�.(�) = '()/+,
�0(�) = '()1+,
��(�) = '()2+,
Tentukan Reliabilitas sistem.
Penyelesaian
Reliabilitas sistem berdasarkan persamaan (4.2) adalah
��(�) = � ��(�)����
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
73 = '()*+, ∙ '()-+, ∙ '()/+, ∙ '()1+, ∙ '()2+,
= '(()*3)-3)/3)13)2)+,
Jadi, reliabilitas sistem berdasarakan sistem persamaan di atas adalah
��(�) = '(()*3)-3)/3)13)2)+,.
b. Sistem Paralel
Salah satu cara yang dapat dilakukan untuk meningkatkan
relabilitas dari sistem adalah dengan menggantikan komponen tertentu
dengan komponen yang sama yang terhubung secara paralel. Jika
sistem tersebut memuat 4 komponen yang saling bebas dan terhubung
secara paralel, sistem tersebut tidak dapat berfungsi jika 4 komponen
dalam sistem tersebut semuanya gagal. Andaikan 5� adalah kegagalan
komponen ke-� dalam sistem paralel 5, oleh karena kegagalan sistem
tersebut sangat bergantung pada kegagalan masing-masing komponen
dalam sistem maka kegagalan sistem tersebut dinyatakan sebagai
567�78�8 = 5� ∩ 5� ∩ … ∩ 5
Jadi, jika 5�(�) = 1 − ��(�) adalah kegagalan komponen ke-� pada
waktu �, maka kegagalan dari sistem paralel tersebut adalah
5;(�) = �(�67�78�8 ≤ �) (4.3)
dimana sistem tersebut akan gagal jika waktu bertahan dari sistem
paralel (�67�78�8) kurang dari atau sama dengan waktu �, sehingga
persamaan (4.3) dinyatakan sebagai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
74 5;(�) = ��(�� ≤ �) ∩ (�� ≤ �) ∩ … ∩ (� ≤ �)� = � �(�� ≤ �)
���
= � 5�(�)���
= ��1 − ��(�)����
dimana 5; adalah kegagalan dari sistem paralel. Jadi, reliabilitas dari
sistem paralel dapat dinyatakan sebagai
�;(�) = 1 − 5;(�)
= 1 − ∏ �1 − ��(�)���� (4.4)
Dengan �;(�) adalah reliabilitas dari sistem paralel pada waktu �.
Sistem paralel tersebut dapat digambarkan sebagai berikut.
Gambar 4.2 Blok Diagram Sistem Paralel
Contoh 4.3
Reliabilitas sistem paralel dinyatakan dengan Weibull sebagai berikut
��(�) = '()*+,
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
75 ��(�) = '()-+,
Tentukan reliabilitas sistem tersebut.
Penyelesaian
Berdasarkan persamaan (4.4) diatas, maka reliabilitas sitem paralel di
atas adalah
�;(�) = 1 − ��1 − ��(�)����
= 1 − =>1 − '()*+,? ∙ >1 − '()-+,?@
= '()*+, + '()-+, − '(()*3)-)+,
Jadi, reliabilitas sistem tersebut adalah
�;(�) = '()*+, + '()-+, − '(()*3)-)+, .
Reliabilitas dari sebuah sistem atau sebuah komponen sangat
bergantung pada lamanya waktu komponen tersebut bertahan. Jadi, pokok
bahasan penting yang menjadi dasar dalam reliabilitas adalah mengenai
distribusi kegagalan yaitu distribusi dari waktu sampai komponen gagal
pada waktu dan kondisi tertentu. Cara yang dapat dilakukan untuk
mengkarakterisasikan distribusi ini adalah dengan mencari tingkat
kegagalan. Berikut ini akan diuraikan mengenai distribusi waktu
kegagalan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
76 2. Distribusi Waktu Kegagalan
Andaikan C(�) adalah fungsi probabilitas dari waktu kegagalan dari
komponen, yaitu probabilitas komponen akan gagal antara waktu � dan
� + ∆� yang diberikan sebagai C(�) ∙ ∆�, sehingga probabilitas komponen
akan gagal pada interval dari nol sampai � atau jangka waktu hidup paling
tinggi sampai � dinyatakan sebagai
5(�) = E C(F)GF+H
dan fungsi reliabilitas yang mengekspresikan probabilitas komponen
bartahan sampai waktu � adalah
�(�) = 1 − 5(�) (4.5)
Dari persamaan (4.5) diperoleh
5I(�) = −�I(�)
C(�) = −�I(�) (4.6)
atau
C(�) = − JK(+)J+ (4.7)
dimana C(�) ≥ 0 dan M C(F)GFNH = 1
sehingga berdasarkan Definisi 2.6 maka rata-rata waktu kegagalan dari
komponen dapat dinyatakan sebagai
O(�) = E �C(�)G�NH
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
77 dengan mensubstitusikan persamaan (4.7) ke dalam persamaan di atas
maka akan diperoleh
O(�) = − E � G�(�)G� G�NH
Dengan integral parsial, memisalkan P = � dan GQ = JK(+)J+ G� akan
diperoleh
O(�) = M �(�)G�NH (4.8)
Contoh 4.4
Berdasarkan Contoh 4.2 dan Contoh 4.3 di atas, tentukan rata-rata waktu
kegagalan dari masing-masing sistem tersebut.
Penyelesaian
a. Berdasarkan Contoh 4.2 diketahui
��(�) = '(()*3)-3)/3)13)2)+,
Maka rata-rata waktu kegagalan dari sistem seri di atas adalah
O(�) = E �(�)G�NH
= M ��(�)G�NH
= M '(()*3)-3)/3)13)2)+,G�NH
Misalkan R� + R� + R.+R0+R� = S dan misalkan P = S�T
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
78 maka GP = SU�T(�G� dan � = >VW?*,
sehingga
O(�) = M XYYYZ'(V �
WT[>\]?*,^,_*aaabNH GP
= M XYYYZ'(V [>\]?*,^*_,
WT aaab GPNH
= M c'(V [>\]?*,_*^WT d GPNH
= M e'(V >\]?*,WT>\]?f GPNH
= M e'(V >\]?*,TV f GPNH
= >*]?*,T M '(VP*,(�NH
Berdasarkan Definisi 2.13 maka persamaan di atas dapat diubah
menjadi
O(�) = >*]?*,T Γ >�
β?
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
79
atau O(�) = gh *(i*ji-ji/ji1ji2)k*,T lΓ >�
β?
b. Berdasarkan Contoh 4.3 diketahui
�;(�) = '()*+, + '()-+, − '(()*3)-)+,
Maka rata-rata waktu kegagalan dari sistem paralel berdasarkan
contoh tersebut adalah
O(�) = E �(�)G�NH
= M �;(�)G�NH
= M >'()*+, + '()-+, − '(()*3)-)+,? G�NH
Berdasarkan hasil rata-rata waktu kegagalan sistem seri di atas maka
rata-rata kegagalan sistem paralel adalah sebagai berikut
O(�) = > 1R�?�TU Γ n1Uo + > 1R�?�T
U Γ n1Uo − > 1R� + R�?�TU Γ n1Uo
= e> *i*?*,T + > *i-?*,
T − > *i*ji-?*,T f Γ >�T?
Jadi, rata-rata waktu kegagalan dari sistem paralel berdasarkan
Contoh 4.3 adalah
O(�) = e> *i*?*,T + > *i-?*,
T − > *i*ji-?*,T f Γ >�T?
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
80 Probabilitas komponen akan gagal pada interval dari � sampai � + ∆�
adalah 5(� + ∆�) − 5(�) dan probabilitas bersyarat dari kegagalan pada
interval tersebut jika diasumsikan bahwa komponen bertahan sampai
waktu � dinyatakan sebagai
p(+3∆+)(p(+)K(+) (4.9)
Jika persamaan (4.9) dibagi dengan ∆� maka akan diperoleh tingkat
kegagalan pada interval dari � sampai � + ∆� yang dinyatakan sebagai
berikut
p(+3∆+)(p(+)∆+ ∙ �K(+) (4.10)
Dengan mengoperasikan persamaan (4.10) di atas dengan operasi limit
∆� → 0 maka akan didapatkan tingkat kegagalan seketika atau tingkat
kegagalan sederhana
r(�) = 5I(�)�(�)
dimana 5I(�) adalah derivatif dari 5(�) pada �. Oleh karena C(�) = 5I(�)
maka diperoleh
r(�) = s(+)K(+) = s(+)�(p(+) (4.11)
Fungsi tingkat kegagalan memperlihatkan tingkat kegagalan sebagai
bagian dari distribusi waktu kegagalan. Berikut ini akan diberikan kurva
tingkat kegagalan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
81
Gambar 4.3 Kurva tingkat kegagalan komponen
Kurva tingkat kegagalan yang merupakan ciri khas dari banyak item
hasil produksi ditunjukkan pada gambar di atas. Kurva tersebut dibagi
dalam 3 bagian. Bagian pertama menunjukkan penurunan tingkat
kegagalan dan hal itu merepresentasikan periode sampai item yang
kualitasnya buruk (cacat) yang diproduksi menjadi berkurang. Hal ini
biasanya terjadi pada industri elektronik yang segera membuang
komponen yang terdeteksi cacat untuk mengurangi tingkat kegagalan pada
waktu yang akan datang. Bagian yang kedua, yang seringkali digolongkan
sebagai tingkat kegagalan yang konstan, hal ini biasanya dianggap sebagai
periode yang sangat berguna karena kegagalan yang terjadi sangat sedikit.
Bagian ketiga seringkali digolongkan sebagai peningkatan tingkat
kegagalan dan pada periode ini komponen akan gagal semata-mata karena
komponen tersebut telah usang. Sebagai catatan, secara umum kurva
tingkat kegagalan adalah kekhasan dari mortalitas
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
82 manusia, dimana bagian pertama menunjukkan kematian pada saat bayi,
sedangkan pada bagian ketiga menunjukkan kematian karena lanjut usia.
Berikut ini akan dijelaskan hubungan yang penting yang
mengekspresikan fungsi densitas waktu kegagalan dalam hubungan
dengan fungsi tingkat kegagalan. Dengan menggunakan fakta bahwa
�(�) = 1 − 5(�) (persamaan (4.5)) sehingga 5I(�) = −�I(�), jadi fungsi
tingkat kegagalan tr(�)u dapat ditulis sebagai
r(�) = − �I(�)�(�) = − G�ln �(�)�G�
dengan pengintegralan persamaan diferensial di atas menjadi �(�),
diperoleh
�(�) = '( M x(y)Jyz{
dan, dengan menggunakan hubungan C(�) = r(�) ∙ �(�) berdasarkan
persamaan (4.11), akhirnya diperoleh
C(�) = r(�) ∙ '( M x(y)Jyz{ (4.12)
Seperti yang telah dijelaskan pada Gambar 4.3, seringkali diasumsikan
bahwa tingkat kegagalan konstan sampai periode komponen tersebut
masih berguna. Misalkan tingkat kegagalan tersebut disimbolkan dengan |, dimana | > 0 dan dengan mensubstitusikan | ke dalam persamaan di atas
maka akan diperoleh
C(�) = | ∙ '(}+ � > 0
Jadi, berdasarkan persamaan (2.2) akan diperoleh waktu kegagalan
berdistribusi eksponensial ketika tingkat kegagalan diasumsikan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
83 konstan. Asumsi dari tingkat kegagalan yang konstan ini biasanya disebut
sebagai asumsi Eksponensial.
Dalam praktik, asumsi dari tingkat kegagalan yang konstan sering
tidak realistis dan dalam banyak situasi akan diasumsikan bahwa fungsi
tingkat kegagalan akan meningkat atau menurun secara pelan terhadap
waktu. Asumsi ini akan konsisten dengan penjelasan Gambar 4.3 di awal.
Fungsi yang sangat berguna yang dapat digunakan untuk mencari
pendekatan kurva tingkat kegagalan dinyatakan sebagai berikut
r(�) = RU�T(� � > 0 (4.13)
dimana R dan U adalah konstanta positif (Johnson, 2005). Keadaan yang
umum dari fungsi tersebut adalah: jika U < 1 maka tingkat kegagalan akan
menurun terhadap waktu; jika U > 1 maka tingkat kegagalan akan
meningkat terhadap waktu; dan jika U = 1 maka tingkat kegagalan akan
sama dengan R. Sebagai catatan, asumsi dari tingkat kegagalan yang
konstan yaitu asumsi eksponensial, merupakan kasus khusus (Johnson,
2005).
Jika persamaan r(�) pada persamaan (4.13) di atas disubstitusikan
ke persamaan (4.12), maka akan diperoleh
C(�) = r(�) ∙ '( M x(y)Jyz{
= RU�U−1 ∙ '− M RU�U−1G��0
= RU�U−1 ∙ '−R�U , � > 0
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
84 dimana R dan U adalah konstanta positif. Fungsi densitas di atas
merupakan fungsi densitas dari distribusi Weibull seperti pada persamaan
(3.1). Pokok bahasan berikutnya akan menjelaskan lebih lanjut mengenai
penggunaan distribusi Weibull dalam analisis data waktu hidup.
3. Model Waktu Hidup Weibull
Pengujian waktu hidup dari komponen sampai periode hidup dari
komponen biasanya menggunakan model eksponensial, namun tingkat
kegagalan dari komponen tidak selalu konstan sepanjang periode
pengujian (Johnson, 2005). Dalam beberapa kasus, masa kegagalan
komponen juga mungkin akan sangat panjang sepanjang periode
pengujian. Bagaimanapun, hal terpenting dalam menguji waktu hidup
adalah menentukan waktu yang dipakai daripada menentukan
kemungkinan kegagalan dari komponen yang kritis dari sistem yang
kompleks. Dalam beberapa kasus, model eksponensial biasanya tidak
dapat diaplikasikan dan perlu untuk mensubstitusikan asumsi yaitu tingkat
kegagalan konstan.
Seperti yang telah dijelaskan sebelumnya, distribusi Weibull cukup
mendeskripsikan waktu kegagalan dari komponen ketika tingkat kegagalan
dari komponen tersebut meningkat atau menurun seiring dengan
bertambahnya waktu.
Berdasarkan persamaan (3.1), maka fungsi reliabilitas yaitu waktu
kegagalan yang berdistribusi Weibull diberikan sebagai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
85 �(�) = '()+,
(4.14)
dan fungsi tingkat kegagalan berdistribusi Weibull dinyatakan sebagai
r(�) = RU�T(� (4.15)
Sedangkan rata-rata kegagalan kegagalan akan sama dengan rata-rata dari
distribusi Weibull yang telah diberikan pada Bab III yaitu
O(�) = R(*, Γ >�β
+ 1? (4.16)
Contoh 4.5
Contoh berikut akan memberikan uraian tentang aplikasi model Weibull
dalam analisis data waktu hidup.
Andaikan diberikan 4 = 16 waktu hidup independen (yang diberikan
dalam bulan) hasil observasi sebagai berikut:
31,7 39,2 57,5 65,0 65,8 70,0 75,0 75,2
87,7 88,3 94,2 101,7 105,8 109,2 110,0 130,0
Tentukan distribusi yang cocok untuk menganalisis data di atas kemudian
gambarkan grafik fungsi distribusi kumulatif, fungsi reliabilitas dan fungsi
tingkat kegagalan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
86 Penyelesaian
Dalam menganalisis waktu hidup terdapat dua distribusi yang dapat
digunakan yaitu distribusi Eksponensial dan distribusi Weibull. Seperti
yang telah dijelaskan bahwa distribusi Eksponensial merupakan distribusi
yang biasanya digunakan untuk menganalisis waktu hidup. Namun jika
data tidak berdistribusi Eksponensial sehingga distribusi Eksponensial
tidak dapat digunakan maka alternatif lain yang dapat digunakan adalah
data dianalisis dengan distribusi Weibull. Untuk menentukan distribusi
yang cocok untuk menganalisis data di atas digunakan grafik probabilitas
sebagai berikut.
1000100101
95
80
50
20
5
2
1
Waktu Hidup
Percent
10010
95
80
50
20
5
2
1
Waktu Hidup
Percent
Goodness of F it Test
Exponential
A D = 3,375
P-V alue < 0,003
Weibull
A D = 0,190
P-V alue > 0,250
Probability Plot for Waktu Hidup
Exponential - 95% CI Weibull - 95% CI
Gambar 4.4 Grafik Probabilitas Untuk Waktu Hidup
Descriptive Statistics
N N* Mean StDev Median Minimum Maximum Skewness Kurtosis
16 0 81,6437 26,7759 81,45 31,7 130 -0,176150 -0,376735
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
87 Goodness of Fit Test
Distribution AD P
Exponential 3,375 <0,003
Weibull 0,190 >0,250
ML Estimates of Distribution Parameters
Distribution Location Shape Scale Threshold
Exponential 81,64375
Weibull 3,57736 90,77298
Berdasarkan Gambar 4.4 di atas maka dapat disimpulkan bahwa data
berdistribusi Weibull dengan parameter bentuk (β) yaitu 3,57736 dan
parameter skala (α) yaitu 90,77298 yang keduanya diduga dengan metode
Maksimum Likelihood seperti yang telah dibahas pada Bab II. Jadi data
tersebut dianalisis dengan distribusi Weibull.
Jika digambarkan dengan Minitab, maka grafik fungsi distribusi
kumulatif dapat dilihat pada Gambar 4.5, grafik fungsi reliabilitas pada
Gambar 4.6 dan Gambar 4.7 merupakan grafik fungsi tingkat kegagalan.
14012010080604020
100
80
60
40
20
0
Waktu Hidup
Percent
Shape 3,577
Scale 90,77
N 16
Empirical CDF of Waktu HidupWeibull
Gambar 4.5 Grafik Fungsi Distribusi Kumulatif
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
88
14012010080604020
100
80
60
40
20
0
Waktu Hidup
Percent
Shape 3,57736
Scale 90,7730
Mean 81,7682
StDev 25,3719
Median 81,9335
IQR 35,3741
Failure 16
C ensor 0
AD* 0,971
Table of S tatistics
Survival Plot for Waktu Hidup
Complete Data - ML Estimates
Weibull
Gambar 4.6 Grafik Fungsi Reliabilitas
14012010080604020
0,12
0,10
0,08
0,06
0,04
0,02
0,00
Waktu Hidup
Rate
Shape 3,57736
Scale 90,7730
Mean 81,7682
StDev 25,3719
Median 81,9335
IQ R 35,3741
F ailure 16
C ensor 0
A D* 0,971
Table of Statistics
Hazard Plot for Waktu Hidup
Complete Data - ML Estimates
Weibull
Gambar 4.7 Grafik Fungsi Tingkat Kegagalan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
89 Dari ketiga grafik tersebut maka dapat ditentukan:
a. Probabilitas komponen hidup hingga suatu waktu tertentu (dapat
dilihat dari Gambar 4.5).
b. Probabilitas komponen bertahan hingga suatu waktu tertentu (dapat
dilihat dari Gambar 4.6).
c. Tingkat kegagalan komponen hingga suatu waktu tertentu (dapat
dilihat pada Gambar 4.7).
B. Aplikasi Dalam Pengendalian Mutu
Pada subbab ini akan dibahas mengenai aplikasi dari distribusi Weibull dalam
pengendalian mutu. Beberapa hal yang berkaitan dengan pengendalian mutu
yang akan dibahas antara lain mengenai grafik pengendali dan Perbandingan
Kemampuan Proses sebagai berikut.
1. Grafik Pengendali
Seperti telah dijelaskan pada Bab II, salah satu alat yang digunakan
dalam mengawasi proses agar tetap stabil adalah grafik pengendali.
Grafik pengendali yang biasanya digunakan adalah grafik pengendali
Shewhart yang didasarkan pada asumsi bahwa data yang diuji
berdistribusi normal. Namun, banyak karakteristik kualitas yang tidak
mengikuti asumsi kenormalan. Jika data yang tidak berdistribusi normal
namun dengan mengasumsikan bahwa data berdistribusi normal dan diuji
dengan grafik pengendali Shewhart maka hasil pengujian dapat
menghasilkan error yang besar (Samanta et al., 2004).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
90 Salah satu cara untuk menyelesaikan masalah ketidaknormalan
adalah dengan memanfaatkan fungsi kuantil. Seperti diketahui
sebelumnya, fungsi densitas dan fungsi distribusi kumulatif dari
distribusi Weibull adalah sebagai berikut:
C(F) = {H , ��87����7)Ty,_*�_i�, , ����� y � H,) � H,T �H 5(F) = 1 − '()y,
Perhitungan dari kuantil untuk grafik pengendali adalah sebagai berikut:
1 − 5(F) = '()y,
{−ln�1 − 5(F)�� = RFT
RF = {−ln�1 − 5(F)���T
F = 1R {−ln�1 − 5(F)���T
atau 5(�(�) = �) {−ln�1 − ���*, (4.17)
Fungsi di atas merupakan fungsi kuantil yang merupakan invers dari
fungsi distribusi kumulatif. Persamaan di atas kemudian digunakan
untuk membentuk grafik individual berdasarkan distribusi Weibull.
Berdasarkan persamaan (4.17) di atas, q merupakan kuantil-kuantil yang
akan digunakan untuk membentuk batas-batas pengendali dari grafik
pengendali individual. Pada distribusi normal atau dalam grafik
pengendali Shewhart, � − 3� digunakan sebagai Batas Pengendali
Bawah, � sebagai Garis Tengah dan Batas Pengendali Atas yaitu � +
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
91 3�. Untuk distribusi tidak normal seperti distribusi Weibull
memanfaatkan kuantil bawah yaitu 0,00135 untuk membentuk Batas
Pengendali Bawah, Garis Tengah adalah median dari data yaitu 0,5 yang
menggantikan rata-rata. Pada distribusi tak normal digunakan median
oleh karena bentuk grafik fungsi distribusi yang tak simetris yang
menyebabkan rata-rata tidak terletak di tengah grafik. Untuk membentuk
Batas Pengendali Atas digunakan kuantil atas yaitu 0,99865 (Ahmad et
al., 2007).
Jadi berdasarkan konstanta-konstanta tersebut maka Batas Pengendali
Atas (BPA), Garis Tengah (GT) dan Batas Pengendali Bawah (BPB) dari
grafik individual yang berdistribusi Weibull adalah sebagai berikut:
BPB = 1R {−ln�1 − 0,00135���T
GT = 1R {−ln�1 − 0,5 ���T
BPA = 1R {−ln�1 − 0,99865 ���T
2. Perbandingan Kemampuan Proses
Terdapat beberapa cara untuk menentukan Perbandingan
kemampuan proses khususnya untuk data yang tidak berdistribusi normal.
Salah satunya adalah dengan melakukan transformasi data yang tidak
normal menjadi normal yaitu dengan transformasi Johnson, transformasi
Box-Cox atau transformasi akar kuadrat. Metode yang lain yang dapat
digunakan adalah metode persentil Clements dan metode persentil Burr.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
92 Selain itu cara lain yang dapat digunakan untuk menentukan indeks
kemampuan proses yaitu dengan menggunakan metode Fungsi Distribusi
Kumulatif yang diperkenalkan oleh Wierda pada tahun 1933 dalam paper
A Multivariate Process Capability Index (Ahmad et al., 2007). Pada
subbab ini akan dibahas tentang Perbandingan Kemampuan Proses
dengan metode Fungsi Distribusi Kumulatif. Perhitungan dari
Perbandingan Kemampuan Proses berdasarkan metode tersebut diperoleh
berdasarkan bukti sebagai berikut.
Secara konvensional Perbandingan Kemampuan Proses didefinisikan
sebagai:
�S� = ���(����� (4.18)
Jika �~�(�, ��) maka �S� = �. �x(� >�� + ��? dan � = �(��� < � <���). Berikut ini bukti dari pernyataan di atas.
Pertama-tama perlu diketahui bahwa �(� < ���) = �� + ��. Oleh karena
r = �(�� maka diperoleh
� >� < ���(�� ? = �� + �� (4.19)
yang ekuivalen dengan
�x(� >�� + ��? = ���(��
Oleh karena fungsi probabilitas dari r simetris maka
���(�� = − ���(�� = �x(� >�� + ��? (4.20)
Dengan persamaan (4.19) dan (4.20) akhirnya diperoleh
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
93 �S� = ��� − ���6� = 16 n��� − �� − ��� − �� o
= �� >�x(� >�� + ��? − =−�x(� >�� + ��?@?
= �. �x(� >�� + ��?
Dengan metode Fungsi Distribusi Kumulatif, Perbandingan Kemampuan
Proses didefinisikan sebagai berikut:
�S� = Φ(� >0,5 + 0,5 M C(F)GF������ ?3
dimana C(F) menunjukkan fungsi densitas dari proses.
Berdasarkan simulasi yang dilakukan oleh Ahmad dkk yang
membandingkan metode persentil Clements, metode Burr dan metode
Fungsi Distribusi Kumulatif untuk menduga PKP diperoleh hasil bahwa
metode yang paling mendekati nilai sebenarnya adalah metode FDK. PKP
yang dihasilkan dari metode Clements lebih jelek jika dibandingkan
dengan kedua metode lainnya. Meskipun kedua metode tersebut lebih
baik daripada metode Clements namun hasil yang diperoleh dengan
metode FDK paling mendekati (Ahmad et al., 2007). Berikut ini adalah
contoh aplikasi pada pengendalian mutu dengan distribusi Weibull.
Contoh 4.6
Misalkan dibangkitkan 200 sampel random yang berdistribusi Weibull
dengan parameter skala (R) yaitu 0,5 dan parameter bentuk (U) yaitu 2.
Hasil yang diperoleh adalah 200 sampel random berdistribusi Weibull
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
94 yang berada pada satu kolom. Sampel tersebut kemudian dianalisis
dengan grafik pengendali individual berdasarkan distribusi Weibull.
Langkah-langkah yang dilakukan untuk membangkitkan sampel dengan
MINITAB yaitu Calc � Random Data � Weibull � Numbers of rows
of data to generate = 200 � Store in Column(s) (misalkan C1) � Shape
Parameter (misalkan 2) � Scale Parameter (misalkan 0,5) � OK.
Sampel sejumlah 200 yang dibangkitkan secara random dapat dilihat
pada Tabel A1 lampiran.
Penyelesaian:
Untuk membentuk grafik individual berdasarkan sampel random
tersebut terlebih dahulu akan dicari parameternya. Data diplotkan dalam
grafik probabilitas sebagai berikut.
1,00,50,0-0,5
99,9
99
90
50
10
1
0,1
X
Percent
1010,10,010,0010,0001
99,9
90
50
10
1
0,1
X
Percent
10,10,01
99,9
90
50
10
1
0,1
X
Percent
10,10,01
99,9
99
90
50
10
1
0,1
X
Percent
Weibull
A D = 0,255
P-V alue > 0,250
Gamma
AD = 0,954
P-V alue = 0,019
Goodness of F it Test
Normal
A D = 0,928
P-V alue = 0,018
Exponential
A D = 22,226
P-V alue < 0,003
Probability Plot for X
Normal - 95% C I Exponential - 95% C I
Weibull - 95% C I Gamma - 95% C I
Gambar 4.8 Grafik Probabilitas Untuk X
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
95 Descriptive Statistics
N N* Mean StDev Median Minimum Maximum Skewness Kurtosis
200 0 0,443227 0,215439 0,426984 0,0508523 1,09146 0,377528 -
0,412931
Goodness of Fit Test
Distribution AD P
Normal 0,928 0,018
Exponential 22,226 <0,003
Weibull 0,255 >0,250
Gamma 0,954 0,019
Berdasarkan grafik probabilitas yang terbentuk berdasarkan 200 sampel
random dan berdasarkan nilai P yang tertera di atas dapat disimpulkan
bahwa sampel random berdistribusi Weibull. Berikut ini adalah hasil
pendugaan parameter distribusi berdasarkan metode Maksimum
Likelihood yang diperoleh dari Minitab.
ML Estimates of Distribution Parameters
Distribution Location Shape Scale Threshold
Normal* 0,44323 0,21544
Exponential 0,44323
Weibull 2,18161 0,50060
Gamma 3,55771 0,12458
* Scale: Adjusted ML estimate
Berdasarkan hasil di atas diperoleh parameter bentuk yaitu 2,18161 dan
parameter skala yang dihasilkan adalah 0,50060. Dengan
mengaplikasikan metode Maksimum Likelihood menggunakan software
Minitab terlihat bahwa hasil pendugaan yang diperoleh mendekati
parameter sebenarnya yaitu parameter bentuk 2 dan parameter skala 0,5.
Berdasarkan parameter di atas maka dapat dicari BPA, GT dan BPB.
Hasil yang diperoleh adalah sebagai berikut.
BPB = 11,997603 {−ln�1 − 0,00135�� �2,18161
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
96 = 0,024223
GT = 11,997603 {−ln�1 − 0,00135�� �2,18161
= 0,423184
BPA = 11,997603 {−ln�1 − 0,00135�� �2,18161
= 1,189547
Tabel data dan batas pengendali dapat dilihat pada Tabel A2 lampiran.
Jika dibentuk grafik pengendali berdasarkan data dan batas pengendali
tersebut, maka dengan menggunakan Ms. Excel grafik pengendali
individual yang terbentuk adalah sebagai berikut:
Gambar 4.9 Grafik Individual dengan Excel
Jika dibentuk grafik individual berdasarkan distribusi normal maka hasil
yang diperoleh adalah sebagai berikut:
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1
12
23
34
45
56
67
78
89
10
0
11
1
12
2
13
3
14
4
15
5
16
6
17
7
18
8
19
9
Nil
ai
Ind
ivid
ua
l
Nomor Sampel
Grafik Individual
X
BPB
GT
BPA
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
97
181161141121101816141211
1,2
0,9
0,6
0,3
0,0
Observation
Individual Value
_X=0,443
UC L=1,064
LC L=-0,178
181161141121101816141211
0,8
0,6
0,4
0,2
0,0
Observation
Moving R
ange
__MR=0,2336
UC L=0,7631
LC L=0
6
65
6
5
1
11
22
3
I-MR Chart of C1
Gambar 4.10 Grafik Individual dengan MINITAB Jika dibandingkan dua grafik di atas maka terlihat bahwa jika data
dianalisis dengan distribusi Weibull maka grafik tampak terkendali. Hal
ini terlihat dari tidak ada titik yang berada diluar batas pengendali.
Namun, jika data dianalisis dengan Grafik Individual menggunakan
Shewart, grafik tampak tak terkendali. Hal ini disebabkan karena data
yang digunakan adalah data yang berdistribusi Weibull dan parameter
yang digunakan juga tidak mendekati distribusi normal. Jadi, Jika data
tidak berdistribusi normal dianalisis dengan grafik pengendali Shewhart
diperoleh kesimpulan yang menyesatkan.
Selanjutnya dapat dilihat Perbandingan Kemampuan Prosesnya
sebagai berikut:
�S� = Φ(� >0,5 + 0,5 M C(F)GF������ ?3
jika digunakan target BSB dan BSA yaitu [0,02, 1,2], maka
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
98
E C(F)GF������ = E RUFU−1'−RFUGF�,�
H,H�
Dengan memisalkan P = RFU akan diperoleh
E C(F)GF������ = −'−RFU@H,H�
�,�
= −'−R�,.U + '−RH,H�U
dengan mensubstitusikan nilai R = 0,50060 dan U = 2,18161 akan
menjadi
= −'−R�,�U + '−RH,H�U = 0,9990
Sehingga �S� = Φ(�(0,5 + 0,5 ∙ 0,9990)3
= 1,02
Jika digambarkan dengan MINITAB maka akan diperoleh grafik
kemampuan proses sebagai berikut.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
99
1,21,00,80,60,40,2-0,0
LSL USL
LSL 0,02
Target *
USL 1,2
Sample Mean 0,443227
Sample N 200
Shape 2,18161
Scale 0,500602
Process Data
Pp 1,01
PPL 1,01
PPU 1,01
Ppk 1,01
O v erall C apability
PPM < LSL 0,00
PPM > USL 0,00
PPM Total 0,00
O bserv ed Performance
PPM < LSL 889,01
PPM > USL 1188,68
PPM Total 2077,70
Exp. O v erall Performance
Process Capability of XCalculations Based on Weibull Distribution Model
Gambar 4.11 Analisis Kemampuan Proses dengan MINITAB
berdasarkan distribusi Weibull
Berdasarkan grafik hasil analisis kemampuan proses di atas terlihat
bahwa jika digunakan target BSB dan BSA yaitu [0,02, 1,2] maka PKP
yang dihasilkan adalah 1,02. Hasil PKP yang diperoleh ini menunjukkan
bahwa jika digunakan BSA dan BSB pada rentang [0,02, 1,2], maka
hanya akan ada sedikit produk yang tak sesuai yang dihasilkan dari
proses ini.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB V
PENUTUP
A. Kesimpulan
Distribusi Weibull merupakan salah satu distribusi probabilitas
kontinu. Sama halnya dengan distribusi probabilitas kontinu yang lain,
distribusi Weibull juga memiliki beberapa sifat antara lain mean dan
variansi yang diperoleh dengan memanfaatkan fungsi gamma serta fungsi
pembangkit momen yang merupakan perkembangan dari momen.
Distribusi Weibull dapat diaplikasikan dalam analisis data waktu
hidup. Meskipun distribusi eksponensial merupakan distribusi yang sering
digunakan, namun terdapat kelemahan dari distribusi eksponensial yakni
tidak dapat diaplikasikan ketika tingkat kegagalan komponen meningkat
atau menurun seiring dengan bertambahnya waktu. Distribusi Weibull
dapat digunakan meskipun tingkat kegagalan komponen tidak konstan.
Selain dapat diaplikasikan dalam analisis data waktu hidup, distribusi ini
juga dapat digunakan dalam pengendalian proses statistik. Oleh karena
tidak semua data yang digunakan untuk menganalisis proses statistik
adalah data yang berdistribusi normal maka distribusi Weibull dapat
digunakan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
101
B. Saran
Penulis menyarankan beberapa hal sebagai berikut:
1. Mengulas lebih dalam tentang distribusi Weibull misalnya dengan
membahas fungsi distribusi Weibull dengan tiga variabel.
2. Menemukan aplikasi lain dari distribusi Weibull.
3. Mengembangkan aplikasi yang sudah ada, misalnya dengan
menganalisis grafik pengendali selain grafik pengendali individual
berdasarkan distribusi Weibull.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR PUSTAKA
Abughazaleh, T., Mcandrew, I., O’Sullivan, J., dan Wickramatillake, C.
(2002). Weibull Control Charts for Small Sampel Inspection. Makalah
yang disajikan dalam Pakistan’s Seventh International Convention On
Quality Improvement, Oktober 26-27, di Karachi.
Ahmad,S., Abdollahian, S., Zeephongsekul, P., dan Abbasi, B. (2007).
Performance Analysis For Skewed Data.
http://www.ubicc.org/files/pdf/UBICC_IKE07_Performance%20Analys
is%20for%20skewed%20data_191_191.pdf diakses tanggal 17 Maret
2012.
Anonim. (2003). Oxford Dictionary and Thesaurus. Madison Avenue, NY:
Oxford University Press.
Forbes, C., Evans, M., Hastings, N., dan Peacock, B. (2011). Statistical
Distribution. Hoboken, NJ: John Wiley.
Hoaglin, David C., Mosteller, F., Tukey, John W. (1983). Understanding
Robust and Exploratory Data Analysis. NY: John Wiley.
Johnson, Norman L., Kotz, S., dan Balakrishnan, N. (1995). Continuous
Univariate Distribution Volume 1 Second Edition. Hoboken, NJ: A
Wiley-Interscience Distribution.
Johnson, Richard A. (2005). Probability and Statistics for Engineers. Upper
Saddle River, NJ : Pearson Prentice Hall.
Keisler, H J. (1986). Elementary Calculus: An Infinitesimal Approach
Second Edition. Boston, Massauhusetts: Prindle, Weber & Schmidt
Publisher.
Khan, M. S., Pasha, G. R., Pasha, A. H. (2007). Reliability and Quantile
Analysis of the Weibull Distribution. Journal of Statistics, Volume (14,
32- 52).
Larson, Harold J. (1982). Introduction to Probability Theory and Statistical
Inference Third Edition. Monterey, California: John Wiley.
Levinson, William A. (2011). Statistical Process Control for Real-World
Applications. Boca Raton, FL: Taylor and Francis Group.
Lawless, Jerald F. (2003). Statistical Models and Methods for Lifetime Data
Second Edition. Hoboken, NJ: John Wiley.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
103
Mandenhall, W., Reinmuth, James E., dan Beaver, Robert J. (1993).
Statistics for Management and Economics Seventh Edition. Belmont,
California: Duxbury Press.
Mohan, G., Ravi, S., dan Kantam R. Software reliability Using SPC and
Weibull Order Statistics. International Journal of Engineering
Research and Applications (IJERA). Volume (1,1486-1493).
Montgomery, Douglas C. (2009). Introduction To Statistical Quality
Control. Hoboken, NJ: John Wiley.
Mood, A. M., Graybill, F. A., Boes, D. C. (1974). Introduction to the
Theory of Statistics. NY: McGraw-Hill, Inc.
Murthy, D. N. P., Xie, M., Jiang, R. (2004). Weibull Models. Hoboken, NJ:
John Wiley.
Salim, P., Salim, Y., (1991). Kamus Bahasa Indonesia Kontemporer.
Jakarta: Modern English Press.
Pham, H. (2006). Springer Handbook of Engineering Statistics. Piscataway,
NJ: Springer.
Purcell, Edwin J., Varberg, D., Ridgon, Steven E. (2003). Calculus First
Edition. Upper Saddle River, NJ: Pearson Prentice Hall.
Rinne, H. (2009). The Weibull Distribution : A Handbook. Boca Raton:
CRC press.
Ross, S. (1998). A First Course in Probability Fifth Edition. Upper Saddle
River, NJ: Prentice-Hall.
Samanta, B., Bhattacherjee, A. (2004). Problem Of Non-normality In
Statistical Quality Control: A Case Study In A Surface Mine. The
Journal of The South African Institute of Mining and Metallugry,
Volume(-,257-264).
Scholz, F. (2008). Weibull Probability Paper.
http://www.stat.washington.edu/fritz/DATAFILES498B2008/WeibullP
aper.pdf diakses tanggal 28 September 2011.
Stewart, J. (1999). Calculus Fourth Edition. Pasific Grove, CA:
Brooks/Cole Publishing Company.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
104
Varberg, D., Purcell, Edwin J., Ridgon, Steven E. (2003). Calculus Eighth
Edition. Upper Saddle River: Pearson Prentice Hall.
Wackerly, Mandenhall, Scheaffer. (2008). Mathematical Statistics with
Applications Seventh Edition. Belmont, CA: Thomson Learning.
Walpole, Ronald E. (1992). Pengantar Statistika Edisi ke-3. Jakarta:
Gramedia Pustaka Utama.
Zhang, M. (2008). Performance of Control Charts For Weibull Processes.
Electronic Theses, Treatises and Dissertations (ETDs). Paper (537,1-
59).
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
LAMPIRAN
Tabel A1. Bilangan Random
n X n X n X n X
1 0,050852 51 0,63849 101 0,619327 151 0,365959
2 0,273989 52 0,755031 102 0,55392 152 0,690872
3 0,402568 53 0,385152 103 0,94402 153 0,346239
4 0,815742 54 0,890145 104 0,762649 154 0,543273
5 0,16881 55 1,091465 105 0,121232 155 0,399807
6 0,099512 56 0,861353 106 0,393968 156 0,646991
7 0,525521 57 0,632189 107 0,311296 157 0,28982
8 0,491834 58 0,619239 108 0,567499 158 0,541165
9 0,521819 59 0,439618 109 0,157484 159 0,444725
10 0,487249 60 0,300439 110 0,507655 160 0,633833
11 0,607227 61 0,346279 111 0,211835 161 0,359059
12 0,163639 62 0,266968 112 0,28908 162 0,498859
13 0,385926 63 0,714042 113 0,399524 163 0,59618
14 0,321588 64 0,6233 114 0,229318 164 0,23277
15 0,302224 65 0,45367 115 0,378848 165 0,108931
16 0,218695 66 0,169749 116 0,211969 166 0,49689
17 0,516828 67 0,433314 117 0,800498 167 0,169961
18 0,284163 68 0,783361 118 0,651779 168 0,209858
19 0,872617 69 0,2937 119 0,738508 169 0,435111
20 0,461648 70 0,60229 120 0,273405 170 0,250041
21 0,077124 71 0,234795 121 0,521599 171 0,630978
23 0,429881 73 0,393696 123 0,856385 173 0,125686
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
106
n X n X n X n X
25 0,611473 75 0,369282 125 0,881903 175 0,548691
26 0,299641 76 0,304801 126 0,886243 176 0,265481
27 0,563423 77 0,339776 127 0,816257 177 0,406935
28 0,133418 78 0,477802 128 0,051988 178 0,752577
29 0,459327 79 0,27439 129 0,319584 179 0,792023
30 0,549936 80 0,424087 130 0,230928 180 0,543561
31 0,318663 81 0,224251 131 0,532836 181 0,419898
32 0,754828 82 0,485604 132 0,169608 182 0,339849
33 0,268973 83 0,355532 133 0,36107 183 0,393078
34 0,303509 84 0,433437 134 0,299447 184 0,506739
35 0,654205 85 0,499361 135 0,512698 185 0,533306
36 0,343458 86 0,589935 136 0,598526 186 0,755576
37 0,190902 87 0,412296 137 0,325699 187 0,341846
38 0,482768 88 0,451985 138 0,832026 188 0,210559
39 0,673676 89 0,238027 139 0,52735 189 0,876939
40 0,196635 90 0,252804 140 0,719865 190 0,609131
41 0,461117 91 0,547193 141 0,268722 191 0,744867
42 0,188319 92 0,075987 142 0,54106 192 0,525199
43 0,480554 93 0,096092 143 0,412653 193 0,754326
44 0,652871 94 0,232284 144 0,511293 194 0,879072
45 0,25592 95 0,285828 145 0,177051 195 0,111408
46 0,553842 96 0,200325 146 0,430442 196 0,081194
47 0,399867 97 0,604195 147 0,605949 197 0,664136
48 0,379374 98 0,53929 148 0,127319 198 0,328652
49 0,238617 99 0,684528 149 0,524039 199 0,398997
50 0,326642 100 0,488253 150 0,806757 200 0,103264
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
107
Tabel A2. Batas Pengendali Grafik Individual
n X BPB GT BPA
1 0,050852 0,024223 0,423184 1,189547
2 0,273989 0,024223 0,423184 1,189547
3 0,402568 0,024223 0,423184 1,189547
4 0,815742 0,024223 0,423184 1,189547
5 0,16881 0,024223 0,423184 1,189547
6 0,099512 0,024223 0,423184 1,189547
7 0,525521 0,024223 0,423184 1,189547
8 0,491834 0,024223 0,423184 1,189547
9 0,521819 0,024223 0,423184 1,189547
10 0,487249 0,024223 0,423184 1,189547
11 0,607227 0,024223 0,423184 1,189547
12 0,163639 0,024223 0,423184 1,189547
13 0,385926 0,024223 0,423184 1,189547
14 0,321588 0,024223 0,423184 1,189547
15 0,302224 0,024223 0,423184 1,189547
16 0,218695 0,024223 0,423184 1,189547
17 0,516828 0,024223 0,423184 1,189547
18 0,284163 0,024223 0,423184 1,189547
19 0,872617 0,024223 0,423184 1,189547
20 0,461648 0,024223 0,423184 1,189547
21 0,077124 0,024223 0,423184 1,189547
22 0,271441 0,024223 0,423184 1,189547
23 0,429881 0,024223 0,423184 1,189547
24 0,565899 0,024223 0,423184 1,189547
25 0,611473 0,024223 0,423184 1,189547
26 0,299641 0,024223 0,423184 1,189547
27 0,563423 0,024223 0,423184 1,189547
28 0,133418 0,024223 0,423184 1,189547
29 0,459327 0,024223 0,423184 1,189547
30 0,549936 0,024223 0,423184 1,189547
31 0,318663 0,024223 0,423184 1,189547
32 0,754828 0,024223 0,423184 1,189547
33 0,268973 0,024223 0,423184 1,189547
34 0,303509 0,024223 0,423184 1,189547
35 0,654205 0,024223 0,423184 1,189547
36 0,343458 0,024223 0,423184 1,189547
37 0,190902 0,024223 0,423184 1,189547
38 0,482768 0,024223 0,423184 1,189547
39 0,673676 0,024223 0,423184 1,189547
40 0,196635 0,024223 0,423184 1,189547
41 0,461117 0,024223 0,423184 1,189547
42 0,188319 0,024223 0,423184 1,189547
43 0,480554 0,024223 0,423184 1,189547
44 0,652871 0,024223 0,423184 1,189547
45 0,25592 0,024223 0,423184 1,189547
46 0,553842 0,024223 0,423184 1,189547
47 0,399867 0,024223 0,423184 1,189547
48 0,379374 0,024223 0,423184 1,189547
49 0,238617 0,024223 0,423184 1,189547
50 0,326642 0,024223 0,423184 1,189547
51 0,63849 0,024223 0,423184 1,189547
52 0,755031 0,024223 0,423184 1,189547
53 0,385152 0,024223 0,423184 1,189547
54 0,890145 0,024223 0,423184 1,189547
55 1,091465 0,024223 0,423184 1,189547
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
108
56 0,861353 0,024223 0,423184 1,189547
57 0,632189 0,024223 0,423184 1,189547
58 0,619239 0,024223 0,423184 1,189547
59 0,439618 0,024223 0,423184 1,189547
60 0,300439 0,024223 0,423184 1,189547
61 0,346279 0,024223 0,423184 1,189547
62 0,266968 0,024223 0,423184 1,189547
63 0,714042 0,024223 0,423184 1,189547
64 0,6233 0,024223 0,423184 1,189547
65 0,45367 0,024223 0,423184 1,189547
66 0,169749 0,024223 0,423184 1,189547
67 0,433314 0,024223 0,423184 1,189547
68 0,783361 0,024223 0,423184 1,189547
69 0,2937 0,024223 0,423184 1,189547
70 0,60229 0,024223 0,423184 1,189547
71 0,234795 0,024223 0,423184 1,189547
72 0,340237 0,024223 0,423184 1,189547
73 0,393696 0,024223 0,423184 1,189547
74 0,287857 0,024223 0,423184 1,189547
75 0,369282 0,024223 0,423184 1,189547
76 0,304801 0,024223 0,423184 1,189547
77 0,339776 0,024223 0,423184 1,189547
78 0,477802 0,024223 0,423184 1,189547
79 0,27439 0,024223 0,423184 1,189547
80 0,424087 0,024223 0,423184 1,189547
81 0,224251 0,024223 0,423184 1,189547
82 0,485604 0,024223 0,423184 1,189547
83 0,355532 0,024223 0,423184 1,189547
84 0,433437 0,024223 0,423184 1,189547
85 0,499361 0,024223 0,423184 1,189547
86 0,589935 0,024223 0,423184 1,189547
87 0,412296 0,024223 0,423184 1,189547
88 0,451985 0,024223 0,423184 1,189547
89 0,238027 0,024223 0,423184 1,189547
90 0,252804 0,024223 0,423184 1,189547
91 0,547193 0,024223 0,423184 1,189547
92 0,075987 0,024223 0,423184 1,189547
93 0,096092 0,024223 0,423184 1,189547
94 0,232284 0,024223 0,423184 1,189547
95 0,285828 0,024223 0,423184 1,189547
96 0,200325 0,024223 0,423184 1,189547
97 0,604195 0,024223 0,423184 1,189547
98 0,53929 0,024223 0,423184 1,189547
99 0,684528 0,024223 0,423184 1,189547
100 0,488253 0,024223 0,423184 1,189547
101 0,619327 0,024223 0,423184 1,189547
102 0,55392 0,024223 0,423184 1,189547
103 0,94402 0,024223 0,423184 1,189547
104 0,762649 0,024223 0,423184 1,189547
105 0,121232 0,024223 0,423184 1,189547
106 0,393968 0,024223 0,423184 1,189547
107 0,311296 0,024223 0,423184 1,189547
108 0,567499 0,024223 0,423184 1,189547
109 0,157484 0,024223 0,423184 1,189547
110 0,507655 0,024223 0,423184 1,189547
111 0,211835 0,024223 0,423184 1,189547
112 0,28908 0,024223 0,423184 1,189547
113 0,399524 0,024223 0,423184 1,189547
114 0,229318 0,024223 0,423184 1,189547
115 0,378848 0,024223 0,423184 1,189547
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
109
116 0,211969 0,024223 0,423184 1,189547
117 0,800498 0,024223 0,423184 1,189547
118 0,651779 0,024223 0,423184 1,189547
119 0,738508 0,024223 0,423184 1,189547
120 0,273405 0,024223 0,423184 1,189547
121 0,521599 0,024223 0,423184 1,189547
122 0,537559 0,024223 0,423184 1,189547
123 0,856385 0,024223 0,423184 1,189547
124 0,359258 0,024223 0,423184 1,189547
125 0,881903 0,024223 0,423184 1,189547
126 0,886243 0,024223 0,423184 1,189547
127 0,816257 0,024223 0,423184 1,189547
128 0,051988 0,024223 0,423184 1,189547
129 0,319584 0,024223 0,423184 1,189547
130 0,230928 0,024223 0,423184 1,189547
131 0,532836 0,024223 0,423184 1,189547
132 0,169608 0,024223 0,423184 1,189547
133 0,36107 0,024223 0,423184 1,189547
134 0,299447 0,024223 0,423184 1,189547
135 0,512698 0,024223 0,423184 1,189547
136 0,598526 0,024223 0,423184 1,189547
137 0,325699 0,024223 0,423184 1,189547
138 0,832026 0,024223 0,423184 1,189547
139 0,52735 0,024223 0,423184 1,189547
140 0,719865 0,024223 0,423184 1,189547
141 0,268722 0,024223 0,423184 1,189547
142 0,54106 0,024223 0,423184 1,189547
143 0,412653 0,024223 0,423184 1,189547
144 0,511293 0,024223 0,423184 1,189547
145 0,177051 0,024223 0,423184 1,189547
146 0,430442 0,024223 0,423184 1,189547
147 0,605949 0,024223 0,423184 1,189547
148 0,127319 0,024223 0,423184 1,189547
149 0,524039 0,024223 0,423184 1,189547
150 0,806757 0,024223 0,423184 1,189547
151 0,365959 0,024223 0,423184 1,189547
152 0,690872 0,024223 0,423184 1,189547
153 0,346239 0,024223 0,423184 1,189547
154 0,543273 0,024223 0,423184 1,189547
155 0,399807 0,024223 0,423184 1,189547
156 0,646991 0,024223 0,423184 1,189547
157 0,28982 0,024223 0,423184 1,189547
158 0,541165 0,024223 0,423184 1,189547
159 0,444725 0,024223 0,423184 1,189547
160 0,633833 0,024223 0,423184 1,189547
161 0,359059 0,024223 0,423184 1,189547
162 0,498859 0,024223 0,423184 1,189547
163 0,59618 0,024223 0,423184 1,189547
164 0,23277 0,024223 0,423184 1,189547
165 0,108931 0,024223 0,423184 1,189547
166 0,49689 0,024223 0,423184 1,189547
167 0,169961 0,024223 0,423184 1,189547
168 0,209858 0,024223 0,423184 1,189547
169 0,435111 0,024223 0,423184 1,189547
170 0,250041 0,024223 0,423184 1,189547
171 0,630978 0,024223 0,423184 1,189547
172 0,077023 0,024223 0,423184 1,189547
173 0,125686 0,024223 0,423184 1,189547
174 0,291659 0,024223 0,423184 1,189547
175 0,548691 0,024223 0,423184 1,189547
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
110
176 0,265481 0,024223 0,423184 1,189547
177 0,406935 0,024223 0,423184 1,189547
178 0,752577 0,024223 0,423184 1,189547
179 0,792023 0,024223 0,423184 1,189547
180 0,543561 0,024223 0,423184 1,189547
181 0,419898 0,024223 0,423184 1,189547
182 0,339849 0,024223 0,423184 1,189547
183 0,393078 0,024223 0,423184 1,189547
184 0,506739 0,024223 0,423184 1,189547
185 0,533306 0,024223 0,423184 1,189547
186 0,755576 0,024223 0,423184 1,189547
187 0,341846 0,024223 0,423184 1,189547
188 0,210559 0,024223 0,423184 1,189547
189 0,876939 0,024223 0,423184 1,189547
190 0,609131 0,024223 0,423184 1,189547
191 0,744867 0,024223 0,423184 1,189547
192 0,525199 0,024223 0,423184 1,189547
193 0,754326 0,024223 0,423184 1,189547
194 0,879072 0,024223 0,423184 1,189547
195 0,111408 0,024223 0,423184 1,189547
196 0,081194 0,024223 0,423184 1,189547
197 0,664136 0,024223 0,423184 1,189547
198 0,328652 0,024223 0,423184 1,189547
199 0,398997 0,024223 0,423184 1,189547
200 0,103264 0,024223 0,423184 1,189547
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI