You are on page 1of 10

WEIBULL TWO PARAMETER

Dalam teori probabilitas dan statistik, distribusi weibull


merupakan distribusi probabilitas yang berkelanjutan atau kontinyu.
Digambarkan secara detail oleh Waloddi Weibull pada tahun 1951
meskipun pertama kali diidentifikasi oleh Frechet (1927) dan
diterapkan pertama kali oleh Rosin dan Rammler (1933) untuk
menggambarkan ukuran distribusi dari partikel.
Terdapat dua macam distribusi weibull yang dapat digunakan,
yaitu distribusi weibull dua parameter dan distribusi weibull tiga
parameter. Sesuai dengan namanya distribusi weibull dua paramater
mempunyai dua buah parameter:
Parameter bentuk (k)
Merupakan parameter yang menggambarkan bentuk dari
distribusi.
Parameter skala ()
Merupakan parameter yang menggambarkan umur karakteristik
dari alat atau komponen.
Definisi Fungsi
Kepadatan probabilitas atau probability density function (pdf)
dari variabel acak x Weibull adalah:
Dimana k > 0 adalah parameter bentuk dan >0 adalah parameter
skala dari distribusi. Fungsi distribusi kumulatif yang saling melengkapi
merupakan fungsi eksponensial yang diregangkan. Distribusi weibull
dihubungkan dengan sejumlah distribusi probabilitas yang lain, dalam
keadaan tertentu, ini merupakan interpolasi antara distribusi
eksponensial (k = 1) dan distribusi Rayleigh (k = 2).
Jika banyaknya x adalah "time-to-failure", distribusi weibull
memberikan distribusi untuk tingkat kegagalan yang sebanding
dengan kekuatan waktu. Parameter bentuk, k, dapat diartikan secara
langsung sebagai berikut:
Nilai k <1 menunjukkan bahwa tingkat kegagalan menurun dari
waktu ke waktu. Ini terjadi jika ada yang signifikan "infant mortality",
atau barang cacat gagal di awal dan laju kegagalan mengalami
penurunan dari waktu ke waktu sebagai item cacat yang keluar dari
populasi.
Nilai k = 1 menunjukkan bahwa tingkat kegagalan konstan dari
waktu ke waktu. Hal ini mungkin menunjukkan adanya random
external events menyebabkan kematian atau kegagalan.
Nilai k> 1 menunjukkan bahwa laju kegagalan meningkat seiring
dengan waktu. Hal ini terjadi jika ada proses "aging", atau bagian
yang lebih cenderung gagal seiring dengan berjalannya waktu.
Properties
Density Function (Fungsi kepadatan)
Fungsi kepadatan dari perubahan karakter distribusi weibull
secara radikal sebagai k, bervariasi antara 0 dan 3, terutama dalam hal
perilakunya dekat x = 0. Untuk k <1 kepadatan (densitas) mendekati
karena x mendekati nol dan kepadatan berbentuk J. Untuk k = 1
kepadatan memiliki nilai positif yang terbatas pada x = 0. Untuk 1 <k
<2 kepadatan mendekati nol, memiliki kemiringan yang tak terbatas
pada x = 0 dan unimodal. Untuk k = 2 kepadatan memiliki slope positif
terbatas pada x = 0. Untuk k> 2 kepadatan adalah nol dan memiliki
kemiringan nol pada x = 0 dan kepadatan yang unimodal. Karena k tak
terbatas, distribusi weibull menyebar ke distribusi Dirac Delta
berpusat pada x = .
Gambar 1. Grafik Probability Density Function (pdf)
(Sumber: www.wikipedia.org, 2011)
Distribution function (Fungsi Distribusi)
Fungsi distribusi kumulatif untuk distribusi weibull
untuk x 0, dan F (x; k; ) = 0 untuk x < 0.
Failure Rate h (atau hazard rate) diberikan oleh persamaan
Gambar 2. Grafik Cumulative Distribution Function (cdf)
(Sumber: www.wikipedia.org, 2011)
Failure Rate Function (Fungsi Laju Kegagalan)
Merupakan gambaran laju kerusakan atau kegagalan dalam selang
waktu tertentu
r(t)
1

,
_

,
_

k
k
t k


Gambar 3. Gambar Fungsi Laju kerusakan
(Sumber : Jardine, 1973)
Reliability Function (Fungsi Keandalan)
Merupakan probabilitas suatu alat atau komponen dapat berfungsi
sampai suatu periode t
R(t)
k
t
e

,
_


Gambar 4. Fungsi Keandalan
(Sumber : Ebeling, 1997)
Moments
Fungsi pembangkit momen (mgf) dari logaritma dari variabel acak
terdistribusi weibull diberikan oleh persamaan
dimana adalah fungsi gamma. Demikian pula, fungsi karakteristik
dari log X diberikan oleh
Secara khusus, raw moment n-th dari X diberikan oleh persamaan:
Rata-rata dan variasi dari suatu variabel acak weibull dapat dinyatakan
sebagai:
dan
Kemiringan ditunjukkan oleh :
Kelebihan kurtosis ditunjukkan oleh:
Dimana i = (1 + i / k). Kelebihan kurtosis juga dapat ditulis sebagai:
Moment Generating Function
Berbagai persamaan tersedia untuk fungsi pembangkit momen dari X
itu sendiri. Sebagai rangkaian daya, karena raw moment yang sudah
diketahui, maka:
Sebagai alternatif, dapat mencoba untuk berhubungan langsung
dengan integral
Jika parameter k diasumsikan menjadi bilangan rasional, dinyatakan
sebagai k = p / q, dimana p dan q adalah bilangan bulat, maka integral
ini dapat dievaluasi secara analitis. Dengan t diganti dengan-t, seperti
berikut:
di mana G adalah G-fungsi Meijer .
Information Entropy
Informasi Entropi ditunjukkann oleh
dimana adalah konstanta Euler-Mascheroni
Weibull Plot
Goodness-of-fit dari data untuk distribusi weibull dapat dinilai
secara visual menggunakan plot weibull . Weibull Plot adalah plot dari
fungsi distribusi empiris kumulatif dari data pada sumbu khusus
dalam jenis plot Q-Q. Sumbunya adalah
terhadap ln(x). Alasan dari perubahan variabel adalah fungsi distribusi
kumulatif dapat dilinierkan menjadi:
yang dapat dilihat dalam bentuk standar dari garis lurus. Oleh karena
itu jika data berasal dari distribusi weibull maka garis lurus diharapkan
didapatkan plot weibull.
Ada berbagai pendekatan untuk mendapatkan fungsi distribusi
empiris dari data: satu metode adalah untuk mendapatkan koordinat
vertikal untuk setiap titik menggunakan
Dimana i adalah pangkat dari titik data dan n adalah jumlah titik data.
Regresi linier juga dapat digunakan untuk penilaian secara numerik
goodness of fit dan estimasi parameter distribusi weibull. Gradien
menginformasikan secara langsung tentang parameter bentuk (k) dan
parameter skala juga dapat disimpulkan.
Kegunaan
Distribusi Weibull dapat digunakan:
Dalam analisis survival
Dalam teknik keandalan dan analisis kegagalan
Dalam teknik industri untuk merepresentasikan waktu
manufaktur dan pengiriman
Dalam extreme value theory
Dalam ramalan cuaca untuk menggambarkan wind speed
distributions
Dalam menggambarkan ukuran partikel dari proses grinding,
milling, crushing, dll.
Related Distributions
Distribusi weibull memiliki parameter tambahan yaitu fungsi
kepadatan probabilitas (probability density function)
Untuk dan f(x; k, , ) = 0 untuk x < , dimana k > 0
merupakan parameter bentuk, , > 0 merupakan parameter
skala dan merupakan parameter lokasi dari distribusi. Ketika
=0, hal ini akan mengurangi menjadi 2 parameter distribusi.
Distribusi weibull dapat dikarakteristikkan sebagai distribusi dari
variable acak X
Standard distribusi eksponensial dengan intensitas 1.
Distribusi weibull menginterpolasi antara distribusi eksponensial
dengan intensitas 1/ dimana k = 1 dan Distribusi Rayleigh dari
mode dimana k = 2.
Distribusi weibull juga dapat digolongkan dalam terminologi
distribusi uniform: jika X secara uniform didistribusikan pada
(0,1), kemudian variabel random merupakan weibull
yang didistribusikan dengan parameter k dan . Hal ini dapat
menyebabkan implementasi yang mudah untuk mensimulasikan
distribusi weibull.
Distribusi weibull (biasanya dalam rekayasa keandalan)
merupakan special case dari distribusi Three-parameter
Exponentiated Weibull dimana eksponen tambahan sama
dengan 1. Distribusi Exponentiated weibull mengakomodasi
unimodal, kurva berbentuk bathup dan tingkat kegagalan
monoton.
Distribusi weibull merupakan special case dari distribusi
Generalized extreme value. Dalam hubungan ini weibull pertama
kali diidentifikasi oleh Maurice Frchet pada tahun 1927.
Distribusi Frchet terkait erat memiliki fungsi kepadatan
probabilitas.
Distribusi weibull juga dapat digeneralisasi untuk distribusi 3
parameter exponentiated Weibull. Model ini terjadi ketika tingkat
kegagalan system berkaitan dengan kombinasi faktor, dan dapat
meningkatkan untuk suatu waktu dan menurun untuk waktu
yang lain (lihat kurva bathup).
Poly-Weibull Distribution adalah distribusi variabel acak yang
didefinisikan sebagai beberapa variabel acak minimum dimana
masing-masing memiliki distribusi weibull berbeda.
Pengujian Weibull 2 Parameter
Pengujian distribusi weibul dua parameter digunakan untuk
mengetahui data yang ada mengikuti pola distribusi weibull atau tidak.
Salah satu metode pengujian yang digunakan adalah dengan metode
Manns test (Ebeling;1997). Langkah-langkah dalam metode Manns
test untuk pengujian distribusi weibull dua parameter adalah sebagai
berikut:
a. Menentukan hipotesis :
Ho : Data kerusakan berdistribusi weibull 2 parameter
H
1
: Data kerusakan tidak berdistribusi weibull 2 parameter
b. Hitung selang waktu antar kerusakan (t
i
)
c. Tentukan nilai (tingkat kesalahan), n (banyaknya data
pengamatan), dan r (banyaknya data pengamatan yang tidak
tersensor).
d. Menghitung nilai k
1
dan k
2
dengan menggunakan rumus :
k
1
=
2
r

k
2
=
2
1 r
e. Menghitung nilai Z
i
masing-masing dengan menggunakan
rumus:
1
]
1

,
_


25 , 0 n
5 , 0 i
1 ln ln Z
i
f. Menghitung nilai Mann (M
i
) masing-masing dengan
menggunakan rumus:
i 1 i i
Z Z M
+
g. Menghitung nilai Mann (M) dengan menggunakan rumus :

+
+

1
k
1 i i
2
1 r
1
1
k i i
1
M
k
M
k
M
) ln - (ln
) ln - (ln
ti 1 ti
ti 1 ti
h. Membandingkan nilai M dengan nilai F tabel yang disesuaikan
dengan derajat kebebasan.apabila nilai M < F
;v1;v2
maka Ho
diterima.
Estimasi Parameter Weibull 2 Parameter
Setelah diketahui data mengikuti distribusi weibull 2 parameter,
maka dilakukan estimasi parameter, yaitu mencari estimasi nilai
(parameter skala) dan k (parameter bentuk). Untuk perhitungan
estimasi parameter, metode yang digunakan adalah dengan
pendekatan regresi linier. Misalkan t
1
,t
2
,...,t
n
adalah sejumlah data
waktu antar kerusakan sistem yang telah disusun menurut urutan
terkecil, untuk setiap ti (i=1,2,3,...,n) berlaku hubungan sebagai
berikut :
( )
4 , 0 n
3 , 0 i
+
+

i
t F
x
i
= ln (t
i
)

,
_

) F(t
i
1
1
ln ln y
i
Langkah selanjutnya adalah menghitung nilai intercept (a) dan slope
(b), kemudian menghitung nilai dan nilai k dengan cara berikut :
( )
2
i
2
i
i i i i
x x n
y x y x n
b

n
x b
n
y
a
i i

k = b

k a /
exp

Perhitungan Mean Time To Failure (MTTF) Untuk Distribusi


Weibull 2 Parameter
Setelah parameter dari distribusi weibull 2 parameter diketahui,
maka nilai MTTF dapat dihitung. Nilai MTTF merupakan nilai yang
menunjukkan selang waktu dari waktu part atau komponen mulai
digunakan sampai part atau komponen mengalami kerusakan. Oleh
karena itu, nilai MTTF dapat digunakan sebagai perkiraan umur hidup
part atau komponen. Perhitungan untuk nilai MTTF yaitu
MTTF =
,
_

+
k
1
1
DAFTAR PUSTAKA
http://en.wikipedia.org/wiki/weibull_distribution diakses pada tanggal 8
November 2011
http://elib.unikom.ac.id/files/disk1/67/jbptunikompp-gdl-s1-2006-
adyilhamsa-3305-bab-2-ti-a.doc diakses pada tanggal 8
November 2011
http://kur2003.if.itb.ac.id/file/CN%20IF2152%20Beberapa%20Distribusi
%20Peluang%20Kontinu%20II%20.pdf diakses pada tanggal 8
November 2011