ESTIMASI PARAMETER DATA TERSENSOR TIPE II

BERDISTRIBUSI WEIBULL PADA ANALISIS UJI HIDUP

Endri Bitlas Moko, Endang Wahyu Handamari
Jurusan Matematika, F.MIPA, Universitas Brawijaya, Malang, Indonesia
Email:endribitlasmoko@gmail.com
Abstrak. Uji hidup suatu obyek penelitian adalah penyelidikan tentang daya tahan hidup atau keandalan, yang
menghasilkan data waktu hidup (survival). Data tersensor tipe II merupakan data yang didapatkan dari penelitian waktu
hidup dari sejumlah n penelitian akan tetapi karena keterbatasan waktu dan biaya, hanya diambil sejumlah r acak dari n
dengan r<n dimana terdapat sejumlah n-r data tersensor atau masih bertahan hidup. Estimasi parameter data tersensor tipe II
berdistribusi Weibull adalah suatu cara untuk mencari pendugaan nilai parameter data waktu hidup berdistribusi Weibull.
Estimasi parameter pada artikel ini dicari menggunakan metode maximum likelihood. Untuk mendapatkan fungsi likelihood
data tersensor tipe II, harus diketahui tr (waktu ke-r) yang merupakan batas akhir penelitian data tersensor tipe II, fungsi
kepadatan peluang data tidak tersensor (r) dan S(tr) yaitu peluang obyek penelitian dapat bertahan hidup lebih dari waktu tr.
Dari estimasi parameter data tersensor tipe II berdistribusi Weibull, diperoleh nilai duga dan nilai duga yang kemudian
digunakan untuk mencari nilai fungsi survival, laju kerusakan (fungsi hazard), dan Mean Time To Failure (MTTF). Pada
hasil dan pembahasan menggunakan data bangkitan dari contoh pemilihan lampu TL 75 watt jenis 1 dan jenis 2 dengan t=0,
250,500 dan 750 (jam), diperoleh nilai duga = 2,4071 x 10-14 dan nilai duga = 4,9910 dengan MTTF = 491,5139 jam
untuk lampu jenis 1. Nilai duga = 9,4609 x 10-13 dan nilai duga = 4,4574 dengan MTTF = 455,0666 jam untuk lampu
jenis 2.
Kata Kunci: Estimasi parameter, data tersensor tipe II, distribusi Weibull.

1. PENDAHULUAN
Uji hidup adalah penyelidikan tentang daya tahan hidup atau keandalan suatu obyek penelitian
yang berupa produk, individu, sistem, unit ataupun komponen pada keadaan operasional tertentu. Uji
hidup pada suatu obyek penelitian menghasilkan data yaitu data waktu hidup. Analisis yang digunakan
untuk menganalisis data waktu hidup tersebut disebut analisis survival. Analisis survival adalah suatu
analisis statistika yang memodelkan lama waktu sampai terjadinya suatu kejadian (event) (Kleinbaum
dan Klein, 2005). Waktu yang dimaksudkan adalah waktu dari start point sampai dengan end point,
dimana start point adalah waktu mulai uji hidup dan end point adalah waktu terjadinya kagagalan,
kerusakan atau kematian pada obyek penelitian.
Menurut Lawless (2003), sampel analisis data waktu hidup ada dua yaitu data tersensor (data
tidak lengkap) dan data tidak tersensor (data lengkap). Data tersensor (data tidak lengkap) adalah data
yang diambil jika penelitian dihentikan setelah waktu yang ditentukan atau setelah diperoleh beberapa
dari obyek penelitian mengalami kejadian yang dimaksudkan dalam penelitian, sedangkan data tidak
tersensor (data lengkap) adalah data yang diambil jika semua obyek penelitian mengalami kejadian
yang dimaksudkan dalam penelitian. Dengan kata lain, sensor adalah teknik-teknik untuk mengurangi
waktu eksperimental karena keterbatasan waktu penelitian atau keterbatasan biaya. Menurut
Deshpande dan Purohit (2005) analisis survival untuk jenis sensor yang lebih umum, dibagi menjadi 2
yaitu sensor tipe I menghasilkan data tersensor tipe I dan sensor tipe II menghasilkan data tersensor
tipe II.
1. Data tersensor tipe I, penelitian dilakukan selama waktu tertentu yang sudah ditetapkan oleh
peneliti.
2. Data tersensor tipe II, penelitian dihentikan setelah dalam n penelitian, terdapat r kegagalan,
kerusakan atau kematian dengan
dan r merupakan sampel acak dari n.
Mengacu pada jurnal Asadi (2011) tentang Estimation of the Weibull Distribution Based on
Type-II Cencored Samples, artikel ini membahas estimasi parameter distribusi Weibull menggunakan
metode maximum likelihood, dimana data berdistribusi Weibull yang digunakan merupakan data
tersensor tipe II. Metode Newton-Raphson juga diterapkan sebagai metode alternatif untuk
mendapatkan nilai parameter dari distribusi Weibull data tersensor tipe II.
2. METODOLOGI
Data yang digunakan pada artikel ini didapatkan dari metode simulasi pembangkitan data
dengan bantuan software Minitab 14, dimana dibangkitkan 2 data berdistribusi Weibull yang masing-

masing berjumlah 18 data. Data bangkitan yang telah didapatkan diberikan informasi berupa variabel
acak data tersensor tipe II dengan r = 18 dari n = 40, yang merupakan penelitian waktu hidup 2 jenis
lampu TL 75 watt dengan ballast yang berbeda yaitu lampu jenis 1 dengan ballast jenis rangkaian
voltage source resonant dan lampu jenis 2 dengan ballast jenis flyback inferter. Pada artikel ini akan
dicari estimasi parameter data tersensor tipe 2 yang berdistribusi Weibull yaitu dan menggunakan
metode maximum likelihood. Setelah diketahui parameternya, kemudian menghitung fungsi Survival,
laju kerusakan (fungsi hazard) dan Mean Time To Failure (MTTF). Data diolah dan dianalisis
menggunakan software Excel 2007 dan Matlab 2010.
3. HASIL DAN PEMBAHASAN
Fungsi kepadatan peluang distribusi Weibull

adalah,
(1)

Fungsi distribusi kumulatif F(t), didefinisikan sebagai berikut:

.
Fungsi Survival S(t)
(2)
Fungsi hazard h(t)

MTTF (Mean Time To Failure) atau rata-rata waktu hidup (waktu kerusakan)
( )

Data tersensor tipe II didapatkan dari penelitian atau pengamatan uji hidup pada suatu obyek
penelitian yaitu berupa produk, individu, sistem, unit ataupun komponen. Diketahui n adalah jumlah
obyek penelitian dan r (obyek penelitian rusak, gagal atau mati) merupakan sampel acak dari n dimana
dan r merupakan waktu survival terurut (
) pada suatu penelitian. Penelitian tersensor
tipe II dihentikan pada saat jumlah yang telah ditetapkan yaitu r dengan batas akhir penelitian adalah
(waktu ke-r). Fungsi likelihood untuk data tersensor tipe II dengan parameter secara umum adalah
sebagai berikut :
(

(3)

Untuk memperoleh estimasi parameter dan data tersensor tipe II yang berdistribusi Weibull
maka mensubtitusikan persamaan (1) dan (2) pada persamaan (3), diperoleh
(

) (

)(

(4)

Fungsi log-likelihood dari persamaan (4) sebagai berikut,

(5)

untuk memperoleh estimasi dan , persamaan (5) diturunkan parsial masing-masing terhadap
maupun dan disamadengankan 0 dengan tujuan memaksimumkan fungsi likelihood, sehingga

(6)

369

(7)

dari persamaan (6) didapatkan

(8)

subtitusi persamaan (8) pada persamaan (7), sehingga diperoleh

(9)

Persamaan (9) adalah persamaan non linear, sehingga diselesaikan menggunakan iterasi NewtonRaphson untuk memperoleh nilai Metode iterasi Newton-Raphson untuk mencari adalah sebagai
berikut:

))

Dimana,

dan nilai dapat diperoleh,

Data tersensor tipe II yang berdistribusi Weibull dari contoh pemilihan lampu TL 75 watt
dengan 2 jenis ballast berbeda dimana jumlah total penelitian (n) berjumlah 40 dan data waktu hidup
(jam) yang didapat (r) berjumlah 18 adalah sebagai berikut:
Waktu hidup (jam)

Waktu hidup (jam)

413,739

389,881

394,767

447,5

329,725

308,78

311,159
399,516

374,266
452,183

404,653
391,136

289,923
370,979

420,933
382,819

277,532
335,026

253,481

368,435

456,871

412,864

416,2

244,231

426,269

372,729

432,673

287,608

391,021

298,819

260,136

486,35

417,851

388,719

297,471

381,032

(Lampu jenis 1)

(Lampu jenis 2)

370

Dari proses perhitungan data waktu hidup tersensor tipe II lampu jenis 1 dan lampu jenis 2
tersebut diperoleh,
Jenis
Lampu
Lampu Jenis
(
1

Lampu Jenis
(
2

t (jam)

S(t)

h(t)

0
250
500
750
0
250
500
750

1
0,978
0,491
0,005
1
0,955
0,363
0,002

0
0,00045
0,0071
0,0358
0
0,00082
0,0091
0,037

MTTF

491,5139

455,0666

Pada hasil perhitungan data waktu hidup lampu jenis 1dan lampu jenis 2, dipilih lampu jenis 1 dengan
ballast jenis rangkaian voltage source resonant karena lampu jenis 1 memiliki S(t) dan h(t) lebih baik
dibanding lampu jenis 2. Selain itu, MTTF lampu jenis 1 lebih besar dibanding lampu jenis 2.
Pada data hasil perhitungan dapat dilihat bahwa semakin besar atau semakin lama waktu uji
hidup lampu maka peluang hidup lampu semakin kecil (mendekati nol). Pada laju kerusakan h(t)
semakin besar atau semakin lama waktu uji hidup lampu maka laju kerusakannya semakin besar. Pada
data bangkitan yang sama MTTF lampu tanpa penyensoran diperoleh lampu jenis 1 yaitu 390,0802
jam dan lampu jenis 2 yaitu 348,9546 jam. Hal ini berarti bahwa MTTF lampu pada data tersensor tipe
II lebih besar dibanding MTTF lampu tanpa penyensoran. Hal ini dikarenakan, data tersensor tipe II
menghitung MTTF n obyek penelitian meskipun terdapat informasi (n-r) yang masih bertahan hidup
(tersensor) yang tidak diketahui sedangkan MTTF tanpa penyensoran, nilai MTTF hanya dihitung dari
informasi data yang diperoleh.
4. KESIMPULAN
Estimasi parameter data tersensor tipe II menggunakan metode maximum likelihood bergantung
pada fungsi kepadatan peluang dan fungsi survival dari distribusi yang dicari. Estimasi parameter data
tersensor tipe II yang berdistribusi Weibull menggunakan data bangkitan pada contoh uji hidup lampu
TL 75 watt, menghasilkan nilai duga
lampu jenis 1 (
,
) dan lampu jenis 2
(
,
).
5. UCAPAN TERIMA KASIH
Ucapan terima kasih, penulis persembahkan kepada keluarga teristimewa kedua orang
tua Edy Sujanto (Bapak) dan Endang Koesbandijah (Ibu) yang telah memberikan semangat
dan doa tiada henti. Selain itu penulis juga mengucapkan terima kasih kepada Endang Wahyu
Handamari, Sobri Abusini, dan Kwardiniya A. atas bimbingan, saran, nasihat, motivasi serta
kesabaran selama penyusunan artikel ini.
DAFTAR PUSTAKA
Asadi, S., (2011), Estimation of the Weibull Distribution Based on Type-II Cencored Samples,
Journal of Applied Mathematical Sciences, 5(52), hal. 2549-2558.
Deshpande, J.V. dan Purohit, S.G., (2005), Life Time Data: Statistical Models and Methods, Series on
Quality, Reliability and Engineering Statistics Vol. 11, World Scientific Publishing Co. Pte.
Ltd, Singapore.
Kleinbaum, D.G. dan Klein, M., (2005), Survival Analysis: A Self-Learning Text, 2nd Edition,
Springer, New York.
Lawless, J.F., (2003), Statistical Models and Methods for Lifetime Data, 2nd Edition, John Wiley and
Sons, Inc. New York.

371