TUGAS

ANALISIS DATA UJI HIDUP

Fungsi Densitas Peluang, Fungsi Survivor, dan Fungsi Hazard

Disusun oleh :
Nama : Syahrial Aufa
NIM : 4112312010

STATISTIKA TERAPAN DAN KOMPUTASI

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2014
 FUNGSI DENSITAS PELUANG

Fungsi densitas peluang adalah probabilitas kegagalan suatu individu pada suatu
interval yang kecil (t, t + ∆t) persatuan waktu. Fungsi densitas peluang (f.d.p)
dinyatakan dengan f(t).
𝑃(𝑡 < 𝑇 < 𝑡 + ∆𝑡)
𝑓(𝑡) = lim [ ]
∆𝑡→0 ∆𝑡
Fungsi distribusi kumulatif pada waktu t untuk suatu individu adalah probabilitas
bahwa suatu individu mengalami kegagalan sebelum waktu t atau pada interval waktu
[0, ∞].
𝑡
𝐹(𝑡) = 𝑃(𝑇 ≤ 𝑡) = ∫ 𝑓(𝑥) 𝑑𝑥
0

Contoh:
 FUNSI SURVIVOR

Fungsi survivor adalah peluang suatu individu bertahan hidup lebih dari waktu t
dengan t > 0. Fungsi survivor dinyatakan dengan S(t).
∞
𝑆(𝑡) = 𝑃(𝑇 ≥ 𝑡) = ∫ 𝑓(𝑥) 𝑑𝑥 = 1 − 𝐹(𝑡)
𝑡

Mengacu pada ilustrasi di depan:

S(t) = P[individu hidup lebih lama dari waktu t]
Dalam beberapa hal, khususnya yang mencakup tahan hidup dari komponen-komponen
industri, S(t) ditentukan sebagai fungsi reliabilitas. S(t) merupakan fungsi kontinu
menurun secara kontinu dengan S(0) = 1, artinya peluang suatu individu bertahan
hidup lebih lama dari waktu nol adalah 1 dan S( ) = lim S(t) = 0, artinya peluang suatu
individu bertahan hidup pada waktu yang tak terhingga adalah 0.
 FUNGSI HAZARD

Fungsi hazard adalah suatu fungsi yang menunjukkan tingkat kegagalan atau resiko
dalam interval (t, t + ∆t) dan diketahui bahwa individu tersebut telah bertahan hidup
selama waktu t.
Fungsi hazard dinyatakan dengan:
∆𝑡
𝑃(𝑡 ≤ 𝑇 + 𝑇 ≥ 𝑡)
ℎ(𝑡) = lim [ ]
∆𝑡→0 ∆𝑡

Fungsi hazard dapat pula dinyatakan oleh dua buah fungsi yaitu fungsi survivor dan
fungsi densitas peluang.
𝑓(𝑡) 𝑓(𝑡)
ℎ(𝑡) = =
𝑆(𝑡) 1 − 𝐹(𝑡)
Kegunaan fungsi hazard :
1. Mengestimasi waktu terjadinya kerusakan (atau waktu antar kerusakan)
2. Mengestimasi waktu jumlah kru yang akan berperan dalam memperbaiki sistem
3. Mengestimasi ketersediaan sistem
4. Mengestimasi biaya garansi
5. Mengkaji kerusakan terhadap waktu

Fungsi hazard adalah fungsi terhadap waktu.

Beberapa macam fungsi hazard :
1. Hazard Konstan
Banyak komponen elektronik seperti transistor, resistor, sirkuit, dan kapasitor,
diketahui bahwa komponen tersebut mempunyai laju kerusakan yang konstan.
Laju kerusakannya terjadi di akhir periode kerusakan awal. Fungsi Hazard
konstant, ℎ(𝑡), ditulis sebagai ℎ(𝑡) = 𝜆 maka
𝑡

𝑓(𝑡) = 𝑓(𝑡) exp [− ∫ ℎ(𝜁)𝑑𝜁 ]

0

𝑓(𝑡) = 𝜆𝑒 −𝜆𝑡
𝑡

𝐹(𝑡) = ∫ 𝜆𝑒 −𝜆𝜁 = 1 − 𝑒 −𝜆𝑡

0

𝑅(𝑡) = 1 − 𝐹(𝑡) = 1 − (1 − 𝑒 −𝜆𝑡 ) = 𝑒 −𝜆𝑡

Contoh:
Sebuah perusahaan melakukan Uji Hidup Operasional (Operational Life
Test/OLT) pada kapasitor keramik dan menemukan bahwa kapasitor tersebut
mempunyai laju kerusakan konstant (dinyatakan dalam fungsi hazard) dengan nilai
3.10−8 kerusakan/jam. Berapakah reliabilitas sebuah kapasitor setelah digunakan
selama setahun (104 jam)? Untuk menerima kiriman kapasitor tersebut, konsumen
memutuskan untuk melakukan tes selama 5000 jam dari 2000 sampel kapasitor.
Berapakah kapasitor yang diduga rusak selama test?
Jawaban :
ℎ(𝑡) = 3 × 10−8 𝑘𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛⁄𝑗𝑎𝑚
𝑡 −8 −8 𝑡
𝑅(𝑡) = 𝑒 − ∫0 3×10 𝑑𝑡
= 𝑒 −3×10
−4
𝑅(104 ) = 𝑒 3×10 = 0,99970
−8 ×5000
𝑛𝑠 (5000 𝑗𝑎𝑚) = 𝑅(5000)𝑛0 = 𝑒 −3×10 × 2000 = 1999 𝑘𝑎𝑝𝑎𝑠𝑖𝑡𝑜𝑟
∴ 𝑛𝑓 = 2000 − 1999 = 1 𝑘𝑎𝑝𝑎𝑠𝑖𝑡𝑜𝑟

2. Hazard Linier Positif

Komponen menunjukkan laju kerusakan linier positif ketika komponen tersebut
aus. Komponen mesin seperti : tangkai poros putar, katup, dan roda sisir, diketahui
secara umum mempunyai laju kerusakan linier positif. Laju kerusakan linier positif
dinyatakan, ℎ(𝑡) = 𝜆𝑡 dimana 𝜆 konstan. P.d.f, f(t), adalah distribusi Rayleigh,
dengan:
𝜆𝑡 2
𝑓(𝑡) = 𝜆𝑡𝑒 − 2

𝜆𝑡 2
−
𝐹(𝑡) = 1 − 𝑒 2

𝜆𝑡 2
−
𝑅(𝑡) = 𝑒 2

𝜋 2 𝜋
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 = √ ; 𝑉𝑎𝑟𝑖𝑎𝑛𝑠 = (1 − )
2𝜆 𝜆 4

Contoh :
Rolling resistance adalah suatu ukuran dari banyaknya energi yang hilang dalam
ban ketika menahan dikarenakan arah yang berlawanan (gaya gesek). Sebuah
perusahaan ban memperkenalkan material baru yang secara signifikan tidak hanya
mampu mengembangkan rolling resistance tetapi juga menambah laju penggunaan
dari ban. Analisa uji laboratorium dari 150 ban menunjukkan bahwa laju
kerusakan dari ban baru adalah linier positif terhadap waktu dengan ℎ(𝑡) = 0,5 ×
 10−8 𝑡. Tentukan reliabilitas dari ban setelah penggunaan satu tahun. Berapa rata-
rata waktu untuk mengganti ban karena aus?
Jawanban :
Reliabilitas setelah satu tahun penggunaan :
𝜆𝑡 2 (0,5×10−8 )(104 )2
− −
𝑅(𝑡) = 𝑒 2 =𝑒 2 = 0,7788
Rata-rata waktu untuk mengganti ban adalah

𝜋 𝜋
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎(𝑡̅) = √ =√ = 17724 𝑗𝑎𝑚
2𝜆 2 × 0,5 × 10−8

3. Model Weibull
Bentuk non-linier dari fungsi hazard digunakan ketika secara jelas tidak dapat
direpresentasikan secara linier terhadap waktu dengan fungsi hazard yang terkenal
𝛾
dengan model weibull: ℎ(𝑡) = 𝜃 𝑡 𝛾−1 untuk 𝛾 dan 𝜃 bernilai positif. 𝑓(𝑡)

diberikan,
𝛾 𝛾−1 𝑡 𝛾
𝑓(𝑡) = 𝑡 𝑒𝜃 ,𝑡 > 0
𝜃
dimana :
𝜃 = parameter skala→(sifat umur produk/char. life)
𝛾 = parameter bentuk→ bentuk distribusi
jika 𝛾 = 1 maka 𝑓(𝑡) adalah density eksponensial,
jika 𝛾 = 2 maka 𝑓(𝑡) adalah distribusi Rayleigh,
jika 𝛾 = 3,43938 maka akan mendekati distribusi normal.
Fungsi kerusakan kumulatif dan reliabilitas :
𝜁 𝛾 −𝑡𝛾
𝑡𝛾
𝐹(𝑡) = ∫0 𝜃 𝜁 𝛾−1 𝑒 𝜃 𝑑𝜁 =1−𝑒 𝜃 , dengan t > 0.
−𝑡𝛾
𝑅(𝑡) = 𝑒 𝜃 , dengan t > 0.
Ketika y > 1, laju hazard adalah fungsi monoton naik tanpa batas atas yang
menggambarkan wilayah aus dari kurva bathub. Ketika 𝛾 = 1 laju kerusakan
menjadi konstan dan ketika 𝛾 < 1, fungsi hazard adalah fungsi menurun. Rata-rata
dan varians dari distribusi weibull adalah
1 1
𝐸[𝑇] = 𝜃 𝛾 Γ (1 + )
𝛾
2 2 1 2
𝑉𝑎𝑟[𝑇] = 𝜃 𝛾 {Γ (1 + ) − [Γ (1 + )] }
𝛾 𝛾
Dimana Γ(𝑛) adalah fungsi Gamma,
∞

Γ(𝑛) = ∫ 𝑥 𝑛−1 𝑒 −𝑥 𝑑𝑥
0

dan
∞

∫ 𝑥 𝑛−1 𝑒 −𝑥 𝑑𝑥 = Γ(𝑛)𝜃 𝑛 .
0

Contoh :
Metode prot digunakan untuk menentukan batas lelah (fatigue limit) dari baja
batangan. Uji tersebut menggunakan level tekanan berjenjang yang diterapkan
prosedur daur ulang hingga dinyatakan gagal. Jumlah gagal daur ulang yang
diamati mengikuti distribusi weibull dengan 𝜃 = 250 (pengukuran pada 105 daur
ulang) dan 𝛾 = 2.
a) Berapa reliabilitas batangan pada 106 daur ulang? Berapa fungsi hazard yang
bersesuaian?
b) Berapa waktu hidup duga (expected life dalam daur ulang) untuk batangan
baja jenis ini?
Jawaban :
a) Reliabilitas dari model weibull,
(10)2
6⁄ 5 −
𝑅(10 10 ) = 𝑒 250 = 𝑒 −4 = 0,6703
 dan
2
ℎ(106 ⁄105 ) = × 10 = 0,08 𝑘𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛.
250
b) Nilai hidup duga dari batangan baja jenis ini,
1 1 1 1
𝐸[𝑇] = 𝜃 𝛾 Γ (1 + ) = (250)2 Γ (1 + ) = (15,8114)(0,8862) = 14,013
𝛾 2
Jadi, harapan hidup dari baja batangan mencapai ≈ 14 × 105 kali daur ulang.

4. Model Normal
P.d.f normal:
1 1 𝑡−𝜇
𝑓(𝑡) = 𝑒𝑥𝑝 [− ( )] , −∞ ≤ 𝑡 ≤ ∞.
𝜎√2𝜋 2 𝜎
Kumulatif dan reliabilitas normal komponen
𝑡
1 𝜁−𝜇 2
1
𝐹(𝑡) = 𝑃(𝒕 ≤ 𝑡) = ∫ 𝑒𝑥𝑝 [− ( ) ] 𝑑𝜁,
𝜎√2𝜋 2 𝜎
−∞

𝑅(𝑡) = 1 − 𝐹(𝑡).
P.d.f. untuk normal baku:
1 𝑧2 𝜁−𝜇
𝜙(𝑧) = 𝑒𝑥𝑝 [− 2 ] , −∞ ≤ 𝑧 ≤ ∞, dengan 𝑧 =
√2𝜋 𝜎

Fungsi distribusi kumulatif,

𝜁
1 𝑧2
Φ(𝜁) = ∫ 𝑒𝑥𝑝 [− ] 𝑑𝑧.
√2𝜋 2
−∞

Jika kerusakan suatu komponen 𝒕~𝑁(𝜇, 𝜎), maka suatu komponen akan rusak
pada saat 𝑡 dinyatakan,
𝑡−𝜇 𝑡−𝜇
𝑃(𝒕 ≤ 𝑡) = 𝑃 (𝒕 ≤ ) = Φ( ).
𝜎 𝜎
Fungsi Hazard,
𝑡−𝜇
𝑓(𝑡) 𝜙 ( 𝜎 )⁄𝜎
ℎ(𝑡) = = .
𝑅(𝑡) 𝑅(𝑡)
P.d.f Normal
 Contoh:
Sebuah komponen mempunyai waktu kerusakan yang berdistribusi normal dengan
𝜇 = 40000 putaran, dan 𝜎 = 2000 putaran. Tentukan fungsi realiabilitas dan
fungsi hazard pada 38000 putaran!
Jawaban :
𝑅(𝑡) = 1 − 𝐹(𝑡) = 1 − 𝑃(𝒕 ≤ 𝑡)
𝑅(38000) = 1 − 𝑃(𝑡 ≤ 38000)
38000 − 40000
= 1 − 𝑃 (𝑧 ≤ ) = 1 − 𝑃(𝑧 ≤ −1.0)
2000
= 1 − 0,1587 = 0,8413.
Fungsi Hazard:
38000 − 40000
𝑓(38000) ∅ (𝑧 = 2000 )⁄2000
ℎ(38000) = =
𝑅(38000) 0,8413
∅(−1,0) 0,242
= 0,8413×2000 = 0,8413×2000 = 0,0001438 kerusakan per putaran.

5. Model Lognormal
P.d.f lognormal,
1 1 ln 𝑡 − 𝜇 2
𝑓(𝑡) = 𝑒𝑥𝑝 [− ( ) ] , −∞ ≤ 𝜇 ≤ ∞, 𝜎 > 0, 𝑡 > 0
𝜎√2𝜋 2 𝜎
Jika variabel acak X = ln T, dimana T adalah lognormal, maka X adalah
berdistribusi normal dengan rata-rata µ dan standar deviasi 𝜎:
 𝐸[𝑋] = 𝐸[ln(𝑡)] = 𝜇
𝑉𝑎𝑟[𝑋] = 𝑉𝑎𝑟[ln(𝑡)] = 𝜎 2
Karena 𝑇 = 𝑒 𝑥 , maka rata-rata lognormal dapat ditemukan distribusi normal,
∞
𝑥)
1 1 𝑡−𝜇 2
𝐸(𝑇) = 𝐸(𝑒 =∫ 𝑒𝑥𝑝 [𝑥 − ( ) ] 𝑑𝑥
−∞ 𝜎√2𝜋 2 𝜎
∞
𝜎2 1 1 2
𝐸(𝑇) = 𝑒𝑥𝑝 (𝜇 + ) ∫ 𝑒𝑥𝑝 [− 2 (𝑥 − (𝜇 + 𝜎 2 )) ] 𝑑𝑥
2 −∞ 𝜎√2𝜋 2𝜎
𝜎2
𝐸(𝑇) = 𝑒𝑥𝑝 (𝜇 + ),
2
2 2
dan 𝑉𝑎𝑟(𝑇) = [𝑒 2𝜇+𝜎 ][𝑒 𝜎 − 1]
Fungsi distribusi kumulatif, Reliabilitas dan fungsi hazard untuk Model
Lognormal:
𝑡
1 1 ln 𝜁 − 𝜇 2
𝐹(𝑡) = ∫ 𝑒𝑥𝑝 [− ( ) ] 𝑑𝜁
0 𝜁𝜎√2𝜋 2 𝜎
ln 𝑡−𝜇
atau 𝐹(𝑡) = 𝑃(𝑇 ≤ 𝑡) = 𝑃 [𝑧 ≤ ]
𝜎

ln 𝑡 − 𝜇
𝑅(𝑡) = 1 − 𝐹(𝑡) = 𝑃(𝑇 > 𝑡) = 𝑃 [𝑧 > ] , 𝑑𝑎𝑛
𝜎
ln 𝑡 − 𝜇
𝑓(𝑡) ∅ ( 𝜎 )
ℎ(𝑡) = = .
𝑅(𝑡) 𝑡𝜎𝑅(𝑡)
Contoh :
Waktu kerusakan suatu komponen berdistribusi lognormal dengan µ = 6 dan 𝜎 =
2. Cari reliabilitas komponen tersebut dan laju keruskannya untuk hidup 200
satuan waktu.
Jawaban:
ln 200 − 6
𝑅(200) = 𝑃 [𝑧 > ] = 𝑃[𝑧 > 0,35] = 0,6386.
2
ln 200 − 6
∅( ) ∅(−0,35)
ℎ(200) = 2 =
200 × 2 × 0,6386 200 × 2 × 0,6386
0,3752
= 200×2×0,6386 = 0,001472 kerusakan persatuan waktu.
6. Model Gamma
digunakan untuk menggambarkan waktu kerusakan dari suatu komponen yang
mempunyai kerusakan i tahap, 1 < i ≤ n. Atau kerusakan suatu sistem yang terjadi
ketika n sub keruskan yang independen terjadi.
Dua parameter distribusi gamma: parameter bentuk(γ) dan paramater skala (θ).
 Jika 0 < γ < 1, laju kerusakan turun monoton dari tak hingga ke1/θ.
 Jika γ > 1, laju kerusakan naik monoton dari 1/θ ke tak hingga.
 Jika γ = 1, laju kerusakan konstan dan sama dengan 1/θ.
P.d.f distribusi gamma,
𝑡 𝛾−1 − 𝑡
𝑓(𝑡) = 𝑒 𝜃.
𝜃 𝛾 𝛤(𝛾)
Ketika 𝛾 > 1, maka pada p.d.f terdapat puncak (tunggal) pada saat t = 0 (𝛾 − 1).
Distribusi kumulatif, F(t),
𝑡
𝜁 𝛾−1 − 𝑡
𝐹(𝑡) = ∫ 𝑒 𝜃 𝑑𝜁.
0 𝜃 𝛾 𝛤(𝛾)
Fungsi Reliabilitas R(t),
𝑡
𝜁 𝛾−1 − 𝜁
𝑅(𝑡) = 1 − 𝐹(𝑡) = ∫ 𝑒 𝜃 𝑑𝜁
0 𝜃 𝛾 𝛤(𝛾)
𝑡
1 𝜁 𝛾−1 − 𝜁
=∫ ( ) 𝑒 𝜃 𝑑𝜁.
0 𝜃𝛤(𝛾) 𝜃
Jika parameter 𝛾 adalah integer n, distribusi gamma menjadi distribusi Erlang,
sehingga,
𝑡 𝑘
𝑛−1 (−
𝐹(𝑡) = 1 −
𝜁
𝑒 −𝜃 ∑ 𝜃)
𝑘=0 𝑘!
Sehingga fungsi reliabilitas Distribusi Erlang,
𝑡 𝑘
𝑛−1 (−
𝑅(𝑡) =
𝑡
𝑒 −𝜃 ∑ 𝜃) .
𝑘=0 𝑘!
Dengan fungsi hazard Erlang,
1 𝑡 𝑛−1
ℎ(𝑡) =
𝑓(𝑡)
= 𝜃 (𝜃 )
𝑅(𝑡) 𝑡 𝑘
(𝜃)
(𝑛 − 1)! ∑𝑛−1
𝑘=0 𝑘!
 Rata-rata dan Varians fungsi Gamma,
∞ ∞
𝑡 𝛾−1 −𝑡
𝐸(𝑇) = ∫ 𝑡 𝑓(𝑡)𝑑𝑡 = ∫ 𝑡 𝑒 𝜃 𝑑𝑡
−∞ −∞ 𝜃 𝛾 Γ(𝛾)
∞ ∞
𝑡𝛾 −𝑡 1 −𝑡
=∫ 𝑡 𝛾 𝑒 𝑑𝑡 = 𝛾
𝜃 ∫ 𝑡 𝛾 𝑒 𝜃 𝑑𝑡
−∞ 𝜃 Γ(𝛾) 𝜃 Γ(𝛾) −∞
1
= 𝜃 𝛾+1 Γ(𝛾 + 1)
𝜃 𝛾 Γ(𝛾)
= 𝛾𝜃
Didapatkan 𝐸(𝑇 2 ) = 𝛾(𝛾 + 1)𝜃 2
𝑉𝑎𝑟(𝑇) = 𝛾(𝛾 + 1)𝜃 2 − 𝛾 2 𝜃 2 = 𝛾𝜃 2
Contoh:
Suatu sistem mesin membutuhkan suplai arus stabil yg disupport oleh baterai
utama dg waktu hidup T1 yg berdistribusi eksponensial dg rataan120 jam. Baterai
utama, ditopang oleh2 baterai identik rataan hidup T2, dan T3 secara berurutan.
Ketika baterai utama rusak, maka baterai ke-2 menggantikan perannya. Baterai ke-
3 digunakan jika dan hanya jika baterai ke-2 rusak. Dgn kata lain, baterai tsb
independent p digunakan berurutan. Tentukan reliabilitas dan laju kerusakan untuk
sistem mesin pd t = 280 jam. Berapakah rata-rata waktu hidup sistem?
Jawaban:
𝑇 = 𝑇1 + 𝑇2 + 𝑇3 𝑇 berdistribusi gamma dengan 𝛾 = 𝑛 = 3 dan 𝜃 =
120jam.
𝑘
280
3−1 (
𝑅(280) =
−280
𝑒 120 ∑ 120) = 0,5872
𝑘=0 𝑘!
1 280 3−1 1 280 3−1
( )
ℎ(𝑡) =
𝑓(𝑡)
= 120 120 = 120 (120)
𝑅(𝑡) 280 𝑘 2! (6,0556)
(120)
(3 − 1)! ∑3−1
𝑘=0 𝑘!
= 0,003746 kerusakan per jam.
𝐸(𝑇) = 𝛾𝜃 = 3(120) = 360 𝑗𝑎𝑚.

7. Model Beta
Digunakan untuk interval waktu kerusakan terbatas, misal(0,1) atau semua interval
ditransformasi ke dalam interval (0,1).
 Γ(α + β) α−1
t (1 − t)β−1 , 0 < 𝑡 < 1
𝑓(𝑡) = {Γ(α)Γ(β)
0 𝑙𝑎𝑖𝑛𝑛𝑦𝑎.
𝛼, 𝛽 > 0.
1 1 Γ(𝛼)Γ(𝛽)
Karena ∫0 𝑓(𝑡)𝑑𝑡 = 1, maka ∫0 𝑡 𝛼−1 (1 − 𝑡)𝛽−1 𝑑𝑡 = .
Γ(𝛼+𝛽)

Rata-rata dan Varians distribusi Beta :

𝛼
𝐸(𝑇) = ,
𝛼+𝛽
𝛼𝛽
𝑉𝑎𝑟(𝑇) =
(𝛼 + 𝛽)2 (𝛼 + 𝛽 + 1)