Laporan Distribusi Peluang

Distribusi Weibull & Binomial

KELOMPOK 1

ALMER HAFIZ WANDALAKSANA

BRYAN WAHYU
LAURENSIA LIANA
PUTU JUNIARTHA KURNIAWAN
I GEDE OKA SUDIATMIKA
BAGUS RAY ARNATA

(1308605011)
(1308605028)
(1308605030)
(1308605052)
(1308605050)
(1308605032)

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS UDAYANA
BUKIT JIMBARAN
2015

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:

Dan fungsi kumulatif analisa weibull adalah:

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

sebelum atau sama dengan t.

f(t) = fungsi padat distribusi frekwensi
Ruang lingkup kegunaan analisa weibull antara lain adalah:
1. Perencanaan kegiatan pemeliharaan dan biaya penggantian yang efektif.
2. Pengevaluasian rencana-rencana kegiatan pemeliharaan perbaikan.
3. Perencanaan pengamanan spare part.
4. prediksi kerusakan.
5. Dan lain sebagainya.

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.

Perhitungan untuk peralatan yang baru mengalami satu kerusakan, maka

perhitungan dilakukan mulai dari tanggal terjadinya kerusakan tersebut sampai
pada akhir periode perhitungan, yang disebut dengan suspension.4. Perhitungan
untuk peralatan yang belum mengalami kerusakan, maka perhitungan suspension
untuk keadaan :
Waktu pemasangan (tanggal pemasangan) sesudah pertengahan awal periode,
maka perhitungan suspension dihitung mulai dari waktu pemakaian sampai dengan
akhir periode perhitungan.
Waktu pemasangan (tanggal pemasangan) sebelum pertengahan awal periode,
maka perhitungan suspension dihitung mulai dari perhitungan awal periode sampai
dengan akhir periode perhitungan.

Keandalan dan Laju Kerusakan

Keandalan dari suatu mesin/ peralatan dapat didefenisikan sebagai peluang bahwa
mesin atau peralatan tersebut akan berfungsi sebagai mana mestinya.
Fungsi keandalan adalah fungsi matematik yang menyatakan hubungan keandalan
dengan wkatu. Karena nilai fungsi keandalan merupakan nilai probailitas, maka nilai
fungsi keandalan (R) 0 <> 1.
Keandalan (reliability) peralatan dapat dihitung dengan persamaan sebagai berikut :

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)

Keandalan suatu system sering dinyatakan dalam bentuk angka yang menyatakan
masa pakai sistem tersebut, dengan sering disebut sebagai rata-rata waktu
kerusakan (MTTF)
Rata-rata waktu kerusakan (MTTF) hanya digunakan pada komponen atau peralatan
yang sekali mengalami kerusakan harus diganti dengan komponen atau peralatan
yang masih baru dan baik.
Rata-rata kerusakan (MTTF) dengan menggunakan distribusi weibull dirumuskan
sebagai berikut :

Rata-rata waktu kerusakan (MTTF) untuk tiap peralatan dapat dihitung dengan
menggunakan persamaan sebagai berikut :

Contoh Soal (Distribusi Weibull) :

1. Waktu sampai gagal bekerjanya sebuah pelat gesek (dalam jam) pada
sebuah kopling dapat dimodelkan dengan baik sebagai sebuah variabel acak
Weibull dengan = 0,5 dan = 5000. Hitunglah waktu sampai-gagal ratarata dari pelat gesek tersebut dan hitunglah probabilitas pelat gesek tersebut
akan mampu bekerja sekurang-kurangnya 6000 jam.
Jawab : Rata-rata waktu sampai-gagal

x E ( X ) 1

5000 1

0,5

5000(3) (5000)( 2!) 10000 jam

P ( X 6000) 1 FW (6000;0,5000)

1 1 e ( 6000/ 5000)

0, 5

1, 095

0,334 33,4%

2. Perusahaan mesin ketik Sherwood membuat mesin ketik yang

diklaim tahan sampai 5 tahun (t). Berdasarkan uji sampel terhadap
beberapa mesin ketik merek Sherwood, skala maksimum mesin ketik
tersebut mencapai nilai 3.5 () dan skor parameter senilai 7.
Tentukan besar kemungkinan mesin ketik bermerk Sherwood bertahan
melebihi 5 tahun.
Jawaban:
F ( t )=2,71828

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.

Ciri-ciri Distribusi Binomial

1. Setiap percobaan hanya memiliki dua peristiwa, seperti sukses-gagal
2. Probabilitas satu peristiwa adalah tetap, tidak berubah untuk setiap perubahan
3. Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak
mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya
4. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus
tetap

Rumus Rumus Distribusi binomial

p = peluang sukses
n = jumlah pengulangan
x = jumlah sukses dalam n pengulangan
Mean ()
E(X) = np
Varian
Var(X) = np (1 p)
Fungsi Pembangkit Momen (MGF)
Mx(t) = (1 p + pet)n
Fungsi Karakteristik
Cx(t) = (1 p + peit)n
Fungsi Pembangkit Peluang
Gx(t) = (1 p + pt)n

Nilai Harapan Distribusi Binomial

Informasi singkat mengenai distribusi binomial dapat dilihat di artikel Distribusi Binomial.
Pada bagian ini, akan dibahas mengenai nilai harapan dari distribusi binomial tersebut. Nilai
harapan yang akan dibahas adalah nilai harapan X, X2,X3, (X E(X))2 dan (X E(X))3.
Nilai harapan X

Misalkan
x 1 = k, maka x = k + 1
n 1 = m, maka n = m + 1
nx=m+1k1=mk
Sehingga

Nilai Harapan X2
Misalkan

Tentukan terlebih dahulu E[X(X 1)]

Selanjutnya bisa ditentukan

Nilai Harapan X3
Misalkan

Tentukan terlebih dahulu E[X(X 1)]

Selanjutnya bisa ditentukan

Nilai Harapan (X E(X))2

Nilai Harapan (X E(X))3

MGF Distribusi Binomial

Posted by Rory Labels: Statistik Matematika

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 teorema binomial newton, maka persamaan tersebut menjadi

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

Varian (Nilai Harapan (X E(X))2

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

3. Sebuah dadu dilemparkan keatas sebanyak 4 kali. Tentukan probabilitas dari

peristiwa berikut :
a). Mata dadu 5 muncul 1 kali
b). Mata dadu genap muncul 2 kali
c). Mata dadu 2 atau 6 muncul sebanyak 4 kali.

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

b). Mata dadu genap ada 3, yaitu 2,4, dan 6, sehingga :

p = 3/6 = 1/2; q = 1/2; n = 4; x = 2
P(X=2) = C2
4.p2.q2
= 6(1/2)2(1/2)2
= 0,375

c). Muncul mata dadu 2 atau 6 sebanyak 4 kali, sehngga :

p = 2/6; q = 2/3; n = 4; x = 4
P(X=4) = C 4
4.p4.q0 .p .q
= 1(2/6)4(2/3)0
= 0,0123

DISTRIBUSI WEIBULL DENGAN EXCEL

DISTRIBUSI BINOMIAL DENGAN EXCEL DENGAN

RUMUS (BINOMDIST)