Distribusi Keandalan
Distribusi Keandalan
Gambar 1. Fungsi probabilitas distribusi normal. (a) Fungsi kepadatan probabilitas. (b) Fungsi
distribusi kumulatif. (c) Tingkat bahaya.
Kurva fungsi kepadatan normal (normal density function) yang khas ditunjukkan
pada Gambar 1.a untuk nilai yang diberikan dari µ dan tiga nilai σ. Bentuk karakteristik
fungsi distribusi kumulatif normal ditunjukkan pada Gambar 1.b. Fitur utama dari fungsi
ini adalah kurva melewati probabilitas 0,5 bila variabel acak memiliki nilai µ, yaitu nilai
yang diharapkan. Hal tersebut merupakan karakteristik tertentu dari distribusi normal
dan terjadi karena simetri distribusi yang sempurna. Bentuk tingkat bahaya ditunjukkan
pada Gambar 1.c. Karena nilai µ menentukan posisi kurva pada sumbu absis,sering
disebut sebagai parameter lokasi. Demikian pula karena nilai σ menentukan jumlah
penyebaran atau dispersi dan karena itu bentuk kurva ini disebut sebagai parameter
skala.
Pembahasan tentang probability density functions menunjukkan bahwa untuk
distribusi kontinyu
∞
∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
Oleh karena itu
∞
1 (𝑥 − 𝜇)2
∫ 𝑒𝑥𝑝 [− ] 𝑑𝑥 = 1
𝜎√2𝜋 −∞ 2𝜎 2
yang berarti bahwa daerah di bawah fungsi kerapatan antara dua batas tak terbatas
harus menyertakan semua nilai variabel acak x yang mungkin dan oleh karena itu harus
merupakan kesatuan.
Probabilitas dari variabel acak x yang berada di antara dua batas yang sesuai dapat
dievaluasi dengan mengubah bagian atas dan/ bawah batas integral. Sayangnya
integral ini tidak dapat diungkapkan dalam bentuk fungsional sederhana dan tidak dapat
disesuaikan dengan teknik integrasi sederhana. Berbagai alternatif tersedia. Teknik
integrasi numerik konvensional seperti aturan Simpson dapat digunakan pada komputer
digital.
Pada Gambar 2 dapat dilihat bahwa luas total yang terlampir dengan batas ± 3σ
adalah sama dengan 0,9972 yang berarti probabilitas variabel acak berada di luar batas
ini sangat kecil. Untuk alasan ini, batasan ± 3σ sering digunakan sebagai batas
keyakinan yang terkait dengan distribusi normal, yaitu diasumsikan bahwa batasan ini
mencakup semua nilai variabel yang mungkin terjadi. Asumsi tersebut masuk akal
asalkan kejadian langka tidak dipertimbangkan. Namun, tidak masuk akal untuk
membuat asumsi serangkaian data dengannya σ telah dievaluasi tanpa pembenaran
lebih lanjut karena distribusi selain distribusi normal dapat memiliki nilai probabilitas
yang signifikan di luar batas ± 3σ.
B. Distribusi Eksponensial
Distribusi eksponensial atau distribusi eksponensial negatif adalah distribusi yang
mungkin paling banyak dikenal dan digunakan dalam evaluasi keandalan sistem. Faktor yang
paling penting agar dapat diterapkan adalah bahwa tingkat bahaya harus konstan, dalam hal
ini didefinisikan sebagai tingkat kegagalan λ. Hal tersebut pada dasarnya adalah persyaratan
yang sama dengan distribusi poisson dan dapat dikatakan bahwa distribusi eksponensial
negatif hanyalah kasus khusus distribusi poisson, yaitu ketika mempertimbangkan
probabilitas kegagalan pertama. Dalam prakteknya distribusi eksponensial negatif memiliki
tingkat signifikansi yang jauh lebih luas daripada hanya kegagalan pertama dan digunakan
secara luas dalam analisis sistem yang dapat diperbaiki dimana komponen-komponennya
bersiklus antara keadaan operasi atau up state dan gagal atau down state.
Kondisi di mana distribusi eksponensial ini benar hanya berlaku untuk masa pakai atau
masa operasi normal komponen. Hal ini sering digunakan dalam masalah evaluasi keandalan
sistem tanpa membuktikan bahwa tingkat kegagalan adalah konstan atau tidak tergantung
waktu. Biasanya ada tiga pembenaran yang dibuat untuk hal ini: Pertama, teknik analisis,
terutama untuk sistem besar, sangat kompleks kecuali dibuat suatu penyederhanaan. Dalam
hal ini asumsi tingkat kegagalan konstan dan penerapan distribusi eksponensial
menyederhanakan masalah. Kedua, data yang digunakan dalam latihan evaluasi seringkali
sangat terbatas dan tidak memadai untuk memverifikasi distribusi dasar yang benar.
Konsekuensinya, dikatakan bahwa tidak realistis menggunakan teknik yang lebih rumit
daripada yang dibenarkan oleh data. Ketiga, jika perhatian yang dilakukan hanya dengan
membatasi nilai-nilai state dari probabilitas sistem maka distribusi yang mendasarinya
kehilangan signifikansinya dan hasilnya sama dengan distribusi apa pun yang digunakan.
Namun harus diingat bahwa pembenaran terakhir ini tidak sesuai jika nilai probabilitas yang
bergantung pada waktu sedang dievaluasi. Dalam hal ini distribusi dapat menyebabkan
perbedaan yang sangat mencolok dalam nilai probabilitas sistem.
a. Fungsi keandalan
Probabilitas komponen yang bertahan untuk waktu t jika tingkat bahaya konstan
dinyatakan dengan fungsi
𝑅(𝑡) = 𝑒 −𝜆𝑡
Oleh karena itu fungsi kepadatan kegagalan (failure density function) adalah
−𝑑𝑅(𝑡)
𝑓(𝑡) =
𝑑𝑡
= 𝜆𝑒 −𝜆𝑡
Gambar 3. Fungsi keandalan eksponensial. (a) Daerah Q(t) dan R(t). (b) Fungsi kepadatan
kegagalan. (c) Distribusi kegagalan kumulatif. (d) Tingkat bahaya.
Fungsi kepadatan ini ditunjukkan pada Gambar 3, dimana daerah yang mewakili
distribusi kegagalan kumulatif, Q(t) dan fungsi komponen yang bertahan, R(t)
diilustrasikan. Kedua daerah ini dapat dievaluasi dari fungsi kerapatan kegagalan
dengan menggunakan prinsip persamaan
𝑡
𝑄(𝑡) = ∫ 𝜆𝑒 −𝜆𝑡 𝑑𝑡 = 1 − 𝑒 −𝜆𝑡
0
∞
𝑅(𝑡) = ∫ 𝜆𝑒 −𝜆𝑡 𝑑𝑡 = 1 − 𝑒 −𝜆𝑡
𝑡
Fungsi kepadatan kegagalan f(t), distribusi kegagalan kumulatif Q(t) dan tingkat
bahaya A(t) masing-masing ditunjukkan pada Gambar 3.b, c dan d.
C. Distribusi Weibull
Distribusi weibull, dimana sama dengan sejumlah kecil distribusi lainnya seperti
distribusi gamma dan lognormal, memiliki satu properti yang sangat penting dimana distribusi
ini tidak memiliki bentuk karakteristik yang spesifik. Distribusi ini tergantung pada nilai
parameter dalam fungsi keandalannya, hal tersebut dapat dibentuk untuk mewakili banyak
distribusi dan juga dibentuk sesuai dengan data eksperimen yang tidak dapat dicirikan
sebagai distribusi tertentu selain sebagai distribusi weibull dengan parameter bentuk tertentu.
Sehingga dapat dilihat bahwa distribusi weibull memiliki peran yang sangat penting
dalam analisis statistik data eksperimen. Kemampuan penyesuaian yang hebat dari distribusi
weibull dapat dilihat dengan mempertimbangkan fungsi yang sesuai. Fungsi kepadatan
kegagalan dari distribusi weibull didefinisikan sebagai
𝛽𝑡𝛽−1 𝑡 𝛽
𝑓(𝑡) = 𝑒𝑥𝑝 [− ( ) ]
𝛼𝛽 𝛼
Dimana t ≥ 0, β ≥ 0 dan α ≥ 0. Fungsi keandalan distribusi weibull adalah
∞
𝑅(𝑡) = ∫ 𝑓(𝑥)𝑑𝑡
𝑡
𝑡 𝛽
= 𝑒𝑥𝑝 [− ( ) ]
𝛼
Distribusi kegagalan kumulatif distribusi weibull adalah
𝑄(𝑡) = 1 − 𝑅(𝑡)
𝑡 𝛽
= 1 − 𝑒𝑥𝑝 [− ( ) ]
𝛼
dan tingkat bahaya adalah
𝑓(𝑡)
𝜆(𝑡) =
𝑅(𝑡)
𝛽𝑡𝛽−1
=
𝛼𝛽
Ada dua kasus tertentu yang dapat disimpulkan dari distribusi weibull; yang pertama
adalah ketika β = 1 dan yang kedua bila β = 2. Untuk β = 1 nilai λ(t) = 1/α. Hal tersebut identik
dengan distribusi eksponensial jika α = 1/λ, yaitu nilai α mewakili mean time to failure (MTTF).
Sedankan untuk β = 2 nilai λ(t) = 2t/α2. Fungsi tersebut identik dengan distribusi Rayleigh.
Berdasarkan dari dua kasus tersebut bahwa distribusi weibull dapat dibuat agar sesuai,
atau mendekati, sejumlah distribusi. Hal Ini merupakan fungsi dari karakteristiknya, sehingga
dapat diukur dan dibentuk dengan memvariasikan parameter pembentuknya. Bentuk tipikal
yang dapat dibuat untuk distribusi weibull termasuk kasus eksponensial ditunjukkan pada
Gambar 4 untuk fungsi kepadatan kegagalan, distribusi kegagalan kumulatif dan tingkat
bahaya.
Gambar 4. Fungsi keandalan weibull. (a) Fungsi kepadatan kegagalan. (b) Distribusi kegagalan
kumulatif. (c) tingkat bahaya.
D. Distribusi Lognormal
Distribusi lognormal berhubungan dengan distribusi normal dan juga memiliki dua
parameter distribusi. Distribusi Ini sepertinya tidak sesuai untuk representasi masa pakai
komponen dan karena distribusi ini belum dipertimbangkan di masa lalu sebagai distribusi
penting dalam evaluasi keandalan. Namun, sekarang tampak bahwa distribusi lognormal
dapat sangat sesuai dengan distribusi waktu perbaikan komponen dan akibatnya menjadi
distribusi penting dalam penilaian sistem yang dapat diperbaiki.
Fungsi kepadatan kegagalan (dalam prakteknya cenderung merupakan fungsi
kepadatan perbaikan) didefinisikan sebagai
1 (ln 𝑡 − 𝜇)2
𝑓(𝑡) = 𝑒𝑥𝑝 [− ]
𝑡𝜎√2𝜋 2𝜎 2
Untuk t ≥ 0.
Distribusi kegagalan kumulatif (atau probabilitas) dari variabel acak diberikan oleh fungsi
𝑡 (ln 𝑡 − 𝜇)2
1
𝑄(𝑡) = ∫ 𝑒𝑥𝑝 [− ] 𝑑𝑡
0 𝑡𝜎√2𝜋 2𝜎 2
ln 𝑡−𝜇 𝑑𝑡
Jika dengan mensubstitusikan 𝑧 = 𝜎
dan 𝑑𝑧 = 𝜎𝑡 sehingga membuat fungsi tersebut
menjadi
(ln 𝑡−𝜇)/𝜎
1 −𝑧 2
𝑄(𝑡) = ∫ 𝑒𝑥𝑝 (
) 𝑑𝑧
√2𝜋 −∞ 2
Nilai yang diharapkan dan standar deviasi distribusi lognormal dapat dihitung dengan
menggunakan fungsi
1
𝐸(𝑡) = exp(𝜇 + 𝜎 2 )
2
𝜎 = [𝑒𝑥𝑝(2𝜇 + 2𝜎 ) − 𝑒𝑥𝑝(2𝜇 + 𝜎 2 )]1/2
2
Bentuk fungsi kepadatan kegagalan (probabilitas), distribusi kegagalan kumulatif dan fungsi
bahaya untuk distribusi lognormal ditunjukkan pada Gambar 5.
Gambar 5. Fungsi keandalan lognormal. (a) Fungsi kepadatan kegagalan. (b) Distribusi kegagalan
kumulatif. (c) Tingkat bahaya. Parameter = nilai σ.
Dari gambar di atas dapat dilihat bahwa distribusi weibull (3 parameter) menempati
peringkat pertama. Sehingga dapat dikatakan bahwa jenis distribusi tersebut dapat mewakili
data kegagalan yang telah dimasukkan. Distribusi lognormal menempati peringkat ke dua.
Sedangkan pada peringkat ke tiga ditempati oleh distribusi normal. Sementara itu distribusi
weibull (2 parameter) menemati peringkat ke tujuh.
Setelah memilih jenis distribusi yang sesuai selanjutnya dapat dilihat hasil kurva-kurva
yang dihasilkan. Selain hasil kurva dari jenis distribusi weibull (3 parameter), akan diambil
juga hasil kurva dari jenis distribusi lognormal, normal dan weibull (2 parameter) untuk melihat
perbedaan kurva yang dihasilkan. Kurva-kurva tersebut dapat dilihat pada gambar di bawah
ini.
1. Distribusi weibull (3 parameter)
2. Distribusi lognormal
3. Distribusi normal
Referensi
Billinton, R. and Allan, R.N., 1992. Reliability evaluation of engineering systems (pp. 155-
173). New York: Plenum press.
Yusuf, Z. (2016). Analisa Perawatan Berbasis Resiko pada Sistem Pelumas Km. Lambelu.
Jurnal Riset Teknologi Kelautan, 14(1).
Daftar Isi
Cover ................................................................................................................................ i
Daftar Isi ............................................................................................................................ ii
1. Macam-Macam Bentuk Distribusi Probabilitas ........................................................... 1
Distribusi Normal .................................................................................................... 1
A. Distribusi Eksponensial .................................................................................... 3
B. Distribusi Weibull ............................................................................................. 6
C. Distribusi Lognormal ........................................................................................ 7
2. Contoh Penggunaan Distribusi Probabilitas .............................................................. 9
3. Referensi ................................................................................................................. 14