Professional Documents
Culture Documents
KELOMPOK 1
(1308605011)
(1308605028)
(1308605030)
(1308605052)
(1308605050)
(1308605032)
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa, karena atas
rahmatnyalah kami dapat membuat dan menyelesaian tugas mata kuliah
Permodelan Dan Simulasi ini dengan lancar dan dapat di kumpulkan tepat pada
waktunya. Paper ini dibuat dalam rangka memenuhi salah satu tugas dari mata
kuliah Permodelan Dan Simulasi . Dalam paper ini membahas mengenai Distribusi
weibull dan binomial serta contoh kasus yang dapat dipecahkan dengan distribusi
tersebut. Diharapkan setelah membaca paper ini pembaca dapat mengerti
mengenai sifat sifat ,parameter yang ada serta dapat mengaplikasikannya untuk
dapat menyelesaikan masalah yang ditemukan .
Saya menyadari masih terdapat banyak kekurangan dalam paper ini baik dari
segi materi ,kalimat,serta cara penyusunannya. Saya mengharapkan kritik serta
saran yang membangun dari pembaca .
Akhir kata semoga paper ini dapat berguna bagi kita semua.
Om Santih, Santih, Santih, Om.
Denpasar, 16 September 2014
Penulis
Analisa Weibull
Analisa Weibull adalah suatu metode yang digunakan untuk memperkirakan
probabilitas mesin peralatan yang berdasarkan atas data yang ada. Seperti yang
diperkirakan oleh Weibull, distribusi ini sangat berguna sekali karena kapabilitas dan
sedikit sampelnya, dan kemampuannya dapat menunjukkan bentuk distribusi data
yang terbaik. Win Smith Weibull meletakkan dan menggambarkan data pada
beberapajenis skala distribusi.
Alasan pemakaian metode weibull dalam pemeliharaan mesin/ peralatan adalah
dikarenakan untuk memprediksikan kerusakan sehingga dapat dihitung keandalan
mesin/ peralatan, dan dapat meramalkan kerusakan yang akan terjadi walaupun
belum terjadi kerusakan sebelumnya. Data yang diperlukan adalah data selama 6
tahun terakhir.
Distribusi Weibull
Distribusi Weibull secara luas digunakan untuk berbagai masalah keteknikan karena
kegunaannya yang bermacam-macam. Pada dasarnya distribusi weibull ini
dimaksudkan untuk menggambarkan keadaan optimal dari suatu mesin atau
peralatan baik perbagiannya ataupun komponen komponennya.
Fungsi weibull dapat dideskripsikan dengan:
dimana:
e = 2,718...
t = waktu teijadinya kerusakan
h = eta = charateristic life (CL)
b = beta shape factor atau garis miring
F(t) = probabilitas kumulatif dan waktu terjadinya kerusakan
Penentuan Parameter-Parameter
Distribusi Weibull
Parameter-parameter distribusi weibull ditentukan dengan menggunakan proses
perangkingan yaitu proses median rank regression. Hal ini disebabkan karena
median rank regression adalah suatu pendekatan yang populer untuk
mengestimasikan penggambaran data kerusakan pada grafik weibull.
Sebelum dilakukan perhitungan parameter distribusi weibull perlu diketahui jenisjenis data kerusakan yang digunakan dan karena belum semua peralatan
mengalami kerusakan, maka perhitungan terhadap waktu kerusakan untuk tiap
peralatan dapat dilakukan untuk beberapa keadaan, yang kemudian disebut dengan
waktu kerusakan dan waktu suspension.
Suspension adalah data kerusakan dimana kerusakan pada mesin/ peralatan yang
belum terjadi sampai saat perhitungan dilakukan atau hanya terjadi satu kali
kerusakan saja, sehingga tidak dapat diketahui jarak diantara kerusakan terjadi.
Walaupun data suspension hanya berupa perkiraan dalam analisa weibull untuk
perhitungan parameter distribusi weibull, tetapi data tersebut tidak dapat
diabaikan.
Perhitungan waktu kerusakan dan suspension pada mesin/peralatanadalah sebagai
berikut:
Perhitungan waktu kerusakan untuk peralatan yang baru mengalami 2 buah
kerusakan, maka dihitung dengan mencari rentang waktu antar dua kerusakan
tersebut, dan disebut dengan waktu kerusakan.
Perhitungan waktu kerusakan untuk peralatan yang sudah mengalami beberapa
kerusakan, dihitung dengan merata-ratakan seluruh waktu antar tiap kerusakan dan
disebut dengan waktu kerusakan.
Dimana :
F (t) = probabilitas kumulatif
R (t) = probabilitas keandalan (reliability)
Keandalan suatu mesin/ peralatan erat kaitannya dengan laju kerusakan
mesin/peralatan tersebut yang merupaan banyaknya kerusakan tiap satuan waktu.
Maka laju kerusakan mesin/ peralatan dapat dihitung dengan pesamaan sebagai
berikut :
dimana :
f(t) = fungsi distribusi weibull
h(t) = laju kerusakan
Penggambaran parameter b menentukan tingkatan kerusakan kerusakan yang
sering terjadi. Tingkatan-tingkatan kerusakan b adalah :
beta <>
beta = 1, diindikasikan kerusakan secara random (tidak dipengaruhi oleh umur
mesn), dimana lajut kerusakan adalah konstan (tidak berubah).
beta > 1, diindikasikan kerusakan wear out, dimana laju kerusakan meningkat
sejalan dengan waktu.
Rata-rata waktu kerusakan (MTTF) untuk tiap peralatan dapat dihitung dengan
menggunakan persamaan sebagai berikut :
x E ( X ) 1
5000 1
0,5
1 1 e ( 6000/ 5000)
0, 5
1, 095
0,334 33,4%
3,5
5
( )
7
F ( t )=2,718280.30800
F ( t )=0,73492
1. Sebuah pesawat TV diuji beberapa kali. Dalam pengujian, skala basis
mencapai 2.1 basis dan skala parameter mencapai 5. Harapan
produsen TV adalah, bisa digunakan lebih dari 3 tahun tanpa terbakar.
Carilah peluang TV terbakar setelah lebih dari 3 tahun pemakaian.
Dengan manual:
2.1
F ( t )=2,71828
3
( )
5
F ( t )=2,718280.34207
F ( t )=0,71030
Distribusi Binomial
Disebut pula distribusi BERNOULLI ditemukan oleh JAMES BERNOULLI adalah suatu
distribusi teoritis yang menggunakan var random diskrit (var yang hanya memiliki nilai tertentu,
nilainya merupakan bilangan bulat dan asli tidak berbentuk pecahan) yang terdiri dari dua
kejadian yang berkomplementer seperti sukses-gagal, baik-cacat, siang-malam, dsb.
Misalkan
x 1 = k, maka x = k + 1
n 1 = m, maka n = m + 1
nx=m+1k1=mk
Sehingga
Nilai Harapan X2
Misalkan
Nilai Harapan X3
Misalkan
Sekilas singkat mengenai distribusi binomial dapat dilihat di artikel Distribusi Binomial. Pada
artikel kali ini, akan diturunkan MGF (Moment Generating Function) dari distribusi binomial
tersebut. Selanjutnya dengan MGF yang telah diturunkan, akan dicari momen pertama, momen
kedua dan varian dari distribusi binomial.
Berikut ini adalah penurunan rumus MGF distribusi binomial.
Dengan menggunakan hasil MGF di atas, akan diturunkan momen pertama, momen kedua dan
varian distribusi binomial sebagai berikut.
Nilai harapan X
Nilai harapan X2
misalkan
dimana
sehingga
CONTOH SOAL
Survei Komnas PA pada tahun 2013, menunjukkan bahwa dari 8.564 siswa SMP berusia 13-14
tahun, sebanyak 90% sudah terpapar iklan rokok dan 41% dari yang sudah terpapar rokok tersebut
akhirnya mencoba untuk merokok. Apabila diambil 20 siswa SMP di DKI Jakarta secara acak, maka
hitunglah peluang:
a. Tidak ada siswa yang tidak merokok
b. Lebih dari 5 siswa yang merokok.
2. Anggaplah anda dihadapkan dengan 20 pertanyaan pilihan ganda dalam suatu ujian. Masingmasing pertanyaan mempunyai 4 kemungkinan jawaban, sehingga probabilitas anda dapat
menjawab dengan benar adalah 0.25. Berapa probabilitas bahwa anda dapat menjawab paling tidak
10pertanyaan dengan benar hanya dengan menerka.
Penyelesaian
Untukmenyelesaikanmasalahinikitaperlumenghitungprobabilitasdistribusibinomial dengan n =20
dan p =0.25.
k
0
1
2
3
4
5
Pr(X=k)
0.003
0.021
0.66
0.133
0.189
0.202
k
6
7
8
9
10
11
Pr(X=k)
0.168
0.112
0.060
0.027
0.009
0.003
a). Karena dadu memiliki 6 sisi, yaitu 1, 2, 3, 4, 5, 6, sehingga setiap sisi memiliki
probabilitas 1/6. Jadi, probabilitas untuk mata 1 adalah 1/6, sehigga :
p=1/6; q=5/6; n=4; x=1 (muncul 1 kali )
P(X=1) = C1
4.p1.q3
= 4(1/6)1(5/6)3
= 0,386