DISTRIBUSI WEIBULL

Distribusi Weibull ini diperkenalkan oleh ahli fisikawan Swedia Waloddi Weibull pada tahun
1939. Distribusi Weibull biasanya digunakan untuk menyelesaikan masalah-masalah yang
menyangkut lama waktu(umur) suatu objek yang mampu bertahan hingga akhirnya objek
tersebut tidak berfungsi sebagaimana mestinya ( rusak atau mati).
Distribusi Weibell memiliki parameter α dan β, dimana α>0 dan β>0. Bentuk distibusi
peluangnya nya adalah sebagai berikut:

   1 ( x /  ) x0
 x e
f W ( x;  )    
 yang lain
 0
Fungsi distribusi kumulatif Weibull :
x
  1 (t /  ) ( x /  ) 
FW ( x;  ,  )  P( X  x)   
t e dt  1  e
0 
Pembuktian :
Misal :
𝑡 𝛼 1
( ) = 𝑧 → 𝑡 = 𝑧𝛼 𝛽
𝛽
𝑑𝑧 1
= 𝛼 𝛼 𝑡 (𝛼−1)
𝑑𝑡 𝛽
1
𝑑𝑧 = 𝛼 𝑡 (𝛼−1) 𝑑𝑡
𝛽𝛼
Maka:
𝑥 𝑥 𝑥
𝛼 (𝛼−1) −(𝛽𝛼 )
∫ 𝛼 𝑡 𝑒 𝑑𝑡 = ∫ 𝑒 −𝑧 𝑑𝑧
0 𝛽 0
−𝑧 | 𝑥
= −𝑒 0
𝑡 𝛼
𝑥
−( )
= −𝑒 𝛽 |
0
𝑥 𝛼
−( )
= −𝑒 𝛽 − (−𝑒 −0 )
𝑥 𝛼
−( )
= −𝑒 𝛽 +1
𝑥 𝛼
−( )
= 1−𝑒 𝛽
Jika β=1 maka distribusi weibull menjadi distribusi eksponensial
Jika β>1 maka kurvanya mirip lonceng dan menyerupai kurva normal tetapi agak mencong
Grafik distribusi weibull untuk dan berbagai nilai parameter dilukiskan pada gambar berikut
ini:

Ciri khusus dari distribusi ini adalah adanya parameter skala (α) parameter bentuk (β).
Parameter skala (scale parameter) adalah jenis khusus dari parameter numerik yang
menunjukkan besarnya distribusi data. Semakin besar nilai parameter skala maka distribusi
data akan semakin menyebar dan sebaliknya. Sedangkan parameter bentuk (shape
parameter) adalah jenis khusus dari parameter numerik yang menunjukkan bentuk dari
kurva (untuk lebih jelas dapat dilihat pada gambar diatas.
Mean dan Varian Distribusi Weibull adalah:
 1
 x  E ( X )    1  
 

  2   1  
2

   1    1   
2 2

        
x

Pembuktian:
1
μ = E(x) = β Γ (1+ )
𝛼

∞
E(x) = ∫−∞ 𝑥 𝑓(𝑥)𝑑𝑥
∞   1  ( x /  )
E(x) = ∫−∞ 𝑥 x e dx

∞  
E(x) = ∫−∞ 𝑥 𝛼−1+1  e  ( x /  ) dx

∞  
E(x) = ∫−∞ 𝑥 𝛼  e  ( x /  ) dx

∞ 𝑥 𝛼 
E(x) = ∫−∞𝛼 (𝛽) e  ( x /  ) dx

Misal :
𝑥 𝛼
(𝛽 ) = t
1
𝑥
(𝑡)𝛼 =𝛽
1
x = (𝑡)𝛼 β
1
1
dx = 𝛼 β (𝑡)𝛼−1 dt
x = −∞ → 𝑡 = 0
x =∞ →𝑡 = ∞

1
∞ 1
E(x) = ∫0 𝛼 𝑡 𝑒 −𝑡 𝛼 β (𝑡)𝛼−1 dt
∞ 1
E(x) = ∫0 𝑒 −𝑡 β (𝑡)𝛼−1+1 dt Ingat rumus gamma!
1
E(x) = β Γ (1 + 𝛼)  (n) = ∫∞ 𝑢𝑛−1 𝑒 −𝑢 du
0
 Var(x) = E(X2) – (E(X))2
∞   1  ( x /  )
E(x2) = ∫−∞ 𝑥 2 x e 𝑑𝑥

∞   ( x /  )
E(x2) = ∫−∞ 𝑥 2+𝛼−1 e 𝑑𝑥

∞   ( x /  )
E(x2) = ∫−∞ 𝑥 𝛼+1 e 𝑑𝑥

∞   ( x /  )
E(x2) = ∫−∞ 𝑥 𝛼 𝑥 e 𝑑𝑥

∞ 𝑥 𝛼 
E(x2) = ∫−∞𝛼 𝑥 ( ) e  ( x /  ) dx
𝛽

Misal :
𝑥 𝛼
(𝛽 ) = t
1
𝑥
(𝑡)𝛼 =𝛽
1
x = (𝑡)𝛼 β
1
1
dx = 𝛼 β (𝑡)𝛼−1 dt
x = −∞ → 𝑡 = 0
x =∞ →𝑡 = ∞

∞ 1 1
1
E(x2) = ∫0 𝛼 𝑡 𝑡 𝛼 𝑒 −𝑡 𝛼 β (𝑡)𝛼−1 dt
1 1
∞
E(x2) = ∫0 𝑡1+𝛼+𝛼−1 𝛽 2 𝑒 −𝑡 𝑑𝑡
∞ 2
E(x2) = ∫0 𝑡 𝛼 𝛽 2 𝑒 −𝑡 𝑑𝑡
∞ 2
E(x2) = 𝛽 2 ∫0 𝑡 𝛼 𝑒 −𝑡 𝑑𝑡
2
E(x2) = 𝛽2Γ ( 1 + )
𝛼

Maka:
Var(x) = E(X2) – (E(X))2
2 1 2
Var(x) = 𝛽 2 Γ ( 1 + ) − (β Γ (1 + 𝛼))
𝛼
2 1 2
Var(x) = 𝛽 2 [Γ ( 1 + ) − (Γ (1 + 𝛼)) ]
𝛼
Contoh Soal dan Pembahasan

1. Sebuah mesin fotokopi mempunyai masa hidup yang berdistribusi weibull dengan β=
0.8 dan α= 3. Berapa peluang mesin tersebut beroperasi lebih dari 1 tahun ?
Dik :
β = 0.8
α=3
x=1
e = 2.71828
Dit :
x>1?
Jawab :
P(x>1) = 1- P ( x<1 )
= 1- F(1)
1 3
−( )
= 1- ( 1−𝑒 0,8 )
1 3
−( )
= 𝑒 0,8
= (2,71828-1,953125)
= 0,141830

Analisis : Jadi, peluang mesin tersebut beroperasi lebih dari 1 tahun adalah 0,141830
atau 14,1830%.

2. Sebuah mesin fotokopi mempunyai masa hidup yang berdistribusi weibull dengan β=
0.8 dan α= 3. Berapa peluang mesin tersebut beroperasi kurang dari 1 tahun?
Dik :
β= 0.8
α=3
x=1
e = 2.71828
Dit : x < 1 ?
Jawab :
P ( x<1 ) = F(1)
1 3
−( )
= 1−𝑒 0,8

= 1 – 0,141830
= 0.85816

Analisis : Jadi, peluang mesin tersebut beroperasi kurang dari 1 tahun adalah
0.85816 atau 85.816%

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