Analisa Resikodan Keandalan

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/321183417
Analisa Resiko dan Keandalan Edisi Ke 2
Book · November 2017
CITATIONS READS
0 559
1 author:
Priyo Suprobo
Institut Teknologi Sepuluh Nopember
72 PUBLICATIONS 142 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
THE STUDY OF COLD-FORMED STEEL TRUSS CONNECTIONS CAPACITY: BOLT CONNECTION AND ADHESIVE CONNECTION View project
Genetic Algorithm and SAP2000 View project
All content following this page was uploaded by Priyo Suprobo on 21 November 2017.
The user has requested enhancement of the downloaded file.

ANALISA RESIKO
DAN
KEANDALAN
Edisi Kedua
Priyo Suprobo
Jurusan Teknik Sipil FTSP-ITS
Iman Wimbadi
Jurusan Teknik Sipil FTSP-ITS
itspress
© 2017
ANALISA RESIKO DAN KEANDALAN
Penulis : Priyo Suprobo

Iman Wimbadi
Desain Sampul :
© 2012, ITS Press, Surabaya
Hak cipta dilindungi undang-undang
Diterbitkan pertama kali oleh

Penerbit ITS Press, Surabaya 2012
ISBN 978-602-0917-87-0
Anggota IKAPI
Sanksi Pelanggaran Pasal 22

Undang-Undang Nomor 19 Tahun 2002
Tentang Hak Cipta:
1. Barangsiapa dengan sengaja dan tanpa hak melakukan perbuatan

sebagaimana dimaksud dalam Pasal 2 ayat (1) atau Pasal 49 ayat (1) dan ayat
(2) dipidana dengan pidana penjara masing-masing paling singkat 1 (satu)
bulan dan/ atau denda paling sedikit Rp1.000.000,00 (satu juta rupiah), atau
pidana penjara paling lama 7 (tujuh) tahun dan/ atau denda paling banyak
Rp5.000.000.000,00 (lima milyar rupiah).
2. Barangsiapa dengan sengaja menyiarkan, memamerkan, mengedarkan

atau menjual kepada umum suatu ciptaan atau barang hasil pelanggaran
Hak Cipta atau Hak Terkait sebagaiman dimaksud pada ayat (1) dipidana
dengan penjara paling lama 5 (lima) tahun dan/ atau denda paling banyak
Rp500.000.000,00 (lima ratus juta rupiah).
Dilarang keras menerjemahkan, memfotokopi, atau memperbanyak sebagian atau

seluruh isi buku ini tanpa izin tertulis dari penerbit.
&HWDN(GLVL7DKXQ
&HWDN(GLVL7DKXQ
Dicetak oleh Percetakan ITS Press

Isi di luar tanggung jawab percetakan
Daftar Isi
PENGANTAR ................................................................................................................................ 1
Bab 1.RISIKO DAN ANALISA KEANDALAN ......................................................................... 3
Bab 2.Pengukuran keandalan (Measures of Reliability)................................................................. 5
2.1 Penilaian Keandalan Struktur( Structural Reliability Assessment) ................................ 5
Bab 3.Faktor Kemanan(Factors of Safety) ................................................................................... 11
3.1 Soal 1 : Faktor Keamanan Struktural ............................................................................. 13
3.2 Soal 2 : Stasiun Pemompaan .......................................................................................... 16
Bab 4.Keamanan Margin (Safety Margin).................................................................................... 19
4.1 Soal 3 : Struktural Margin of Safety .............................................................................. 20
4.2 Soal 4 : Pasokan Irigasi .................................................................................................. 22
Bab 5.Indeks Keandalan (Reliability index) ................................................................................. 25
5.1 Soal 5 : Indeks Keandalan................................................................................................. 25
5.2 Soal 6 : Pasokan air irigasi ................................................................................................. 27
5.3 Soal 7 : Pasokan Irigasi ...................................................................................................... 29
5.4 Soal 8 : Indeks Keandalan Struktur .................................................................................. 29
5.5 Soal 9 : Polusi Termal di Sungai........................................................................................ 32
Bab 6.Fungsi Kinerja (Performance function) dan Batas Limit (Limiting state) ......................... 37
6.1 Soal 10 : Danau fitoplankton.......................................................................................... 40
6.2 Soal 11 : Run of stasiun pembangkit listrik ................................................................... 42
6.3 Soal 12 : Breakwater Pelabuhan..................................................................................... 46
Bab 7.SOLUSI PRAKTIS (FURTHER PRACTICAL SOLUTIONS)) ....................................... 53
7.1 Soal 13 : FOSM Keandalan index .................................................................................. 53
7.2 Soal 14 : LRFD (Load Resistant Factor Design/Faktor2 Beban dan Tahanan) ............. 54
7.3 Soal 15 : Pier .................................................................................................................. 55
7.4 Soal 16 : Daya dukung tanah.......................................................................................... 58
7.5 Soal 17 : Run of sungai stasiun pembangkit listrik ........................................................ 59
7.6 KOMENTAR ................................................................................................................. 60
iii
Bab 8.APENDIKS CONTOH SOAL ........................................................................................... 61
8.1 UNCORRELATED NORMAL (Soal 6.7 Ang & Tang Vol.2) ..................................... 62
8.1.1 Deskripsi Soal .......................................................................................................... 62
8.1.2 Flowchart Cara Eksak (Ang-Tang vol.2)................................................................... 64
8.1.3 Penyelesaian (Mathcad) Cara Eksak (Ang-Tang vol.2) ............................................ 65
8.1.4 Penyelesaian (MATLAB) Cara Eksak (Ang-Tang vol.2) ............................................ 67
8.1.5 Flowchart Cara Matrik ............................................................................................ 72
8.1.6 Penyelesaian (Mathcad) Cara Matriks (Nowak) ..................................................... 74
8.1.7 Penyelesaian (MATLAB) Cara Matriks (Nowak) ...................................................... 76
8.2 UNCORRELATED NON-NORMAL.Contoh Soal 6.8 Ang & Tang Vol.2 ................. 79
8.2.1 Deskripsi Soal .......................................................................................................... 79
8.2.2 Flowchart Cara Eksak (Ang-Tang vol.2)................................................................... 81
8.2.3 Penyelesain (Mathcad) Cara Eksak (Ang-Tang vol.2).............................................. 83
8.2.4 Penyelesain (MATLAB) Cara Eksak (Ang-Tang vol.2) .............................................. 87
8.2.5 Flowchart Cara Matriks (Nowak) ............................................................................ 92
8.2.6 Penyelesaian (Mathcad) Cara Matriks (Nowak) ..................................................... 94
8.2.7 Penyelesaian (MATLAB) Cara Matriks (Nowak) ...................................................... 99
8.3 CORRELATED NORMAL, Contoh Soal 6.9 Ang & Tang Vol.2 .............................. 103
8.3.1 Deskripsi Soal ........................................................................................................ 103
8.3.2 Flowchart Cara Eksak (Ang-Tang vol.2)................................................................. 104
8.3.3 Penyelesaian (Mathcad) Cara Eksak (Ang-Tang vol.2) .......................................... 107
Example 6.9 buku Ang & Tang Vol.2 Conrrelated Normals ........................................ 107
Input parameter .................................................................................................................. 107
8.3.4 Penyelesaian (MATLAB) Cara Eksak (Ang-Tang vol.2) .......................................... 112
8.3.5 Flowchart Cara Matriks (Nowak) .......................................................................... 117
8.3.6 Penyelesaian (Mathcad) Cara Matriks (Nowak) ................................................... 119
8.3.7 Penyelesaian (MATLAB) Cara Matriks (Nowak) .................................................... 122
8.4 CORRELATED NON-NORMAL, Contoh Soal.6.10 Ang & Tang Vol.2 .................. 125
8.4.1 Deskripsi Soal ........................................................................................................ 125
iv
8.4.2 Flowchart Cara Eksak (Ang-Tang vol.2)................................................................. 126
8.5 Penyelesaian (Mathcad) Cara Eksak (Ang-Tang vol.2) ............................................... 129
8.5.1 Penyelesaian (MATLAB) Cara Eksak (Ang-Tang vol.2) .......................................... 137
8.5.2 Flowchart Cara Matriks (Nowak) .......................................................................... 143
8.5.3 Penyelesaian (Mathcad) Cara Matriks (Nowak) ................................................... 145
8.5.4 Penyelesaian (MATLAB) Cara Matriks (Nowak) .................................................... 150
8.6 SIMULASI MONTE CARLO, Contoh Soal 6.7 Ang & Tang Vol.2 .......................... 154
8.6.1 Simulasi Monte Carlo untuk Contoh Soal 6.7 ...................................................... 154
DISKUSI DAN KESIMPULAN ................................................................................................ 160
DAFTAR REFERENSI .............................................................................................................. 161
v
Daftar Gambar
Gambar 1.Kepadatan Probabilitas untuk Batasan Distribusi ........................................................................................7
Gambar 2.Balok diatas dua tumpuan dengan P terpusat .............................................................................................8
Gambar 3.Nilai Nominal Kapasitas dan Beban X dan Y ...............................................................................................11
Gambar 4.Probability Density Function (PDF) dari Kapasitas X dan Beban Y ..............................................................12
Gambar 5.CDF dan PDF berhubungan dengan Faktore Keamanan Z=X/Y ..................................................................13
Gambar 6.Teg.Kayu dan Ilustrasi Beban:PDF(a) dan CDF(b) berdistribusi Log Independen X dan Y ...........................15
Gambar 7.Batasan dari Kapasitas X dan beban Y .......................................................................................................16
Gambar 8.PDF dari Safety Margin S ............................................................................................................................19
Gambar 9.Teg.Kayu dan Ilustrasi : PDF(a) dan CDF(b) utk Safety Margin Normal Distr. X dan Y ...............................21
Gambar 10.Hubungan antara Beta Index dan Resiko .................................................................................................26
Gambar 11.(a) Vx/Vy=1,(b)Vx/Vy=2 dan (c)Vx/Vy=1/2 ...............................................................................................28
Gambar 12.Korelasi Koef. antara Kapasitas X dan Beban Y ........................................................................................31
Gambar 13.SDFS dari Kapasitas X dan Permintaan Y Ilustrasi Termal Sungai ............................................................32
Gambar 14.Failure State,Safe State and Limit State (Original) ...................................................................................37
Gambar 15.Failure State , Safe State dan Limit State (Normalized) ............................................................................38
Gambar 16.Non Linier Failure State ............................................................................................................................39
Gambar 17.Sket dari Dinding Vertikal dari Breakwater ..............................................................................................47
Gambar 18.Beam analogy dengan Point Estimate ......................................................................................................57
Gambar 19.Perbandingan Point Estimate dan simulasi dg koefisien variasi dari bearing kap faktor Y dari tnh .......58
Daftar Tabel
Tabel 1.Resiko Evaluasi utk Polusi Termal sungai dg Distr. Eksponensial (atas) .........................................................34
Tabel 2.Resiko Evaluasi utk Polusi Termal Sungai dg Distribusi Gamma .....................................................................35
Tabel 3.Evaluasi Keandalan dari Low-Head Run River Small Gydropower Plant .........................................................44
Tabel 4.Evaluasi Dari Sliding Resiko dari Dinding Vertikal Breakwater Pelabuhan .....................................................50
vi
PENGANTAR
Buku Edisi ke dua ini dibuat sehubungan edisi ke satu telah habis , juga ada sedikit
perbaikan redaksional dan cover . Buku ini bertujuan untuk membantu perkuliahan mahasiswa S-
2 Teknik Sipil ITS Jurusan Stuktur khususnya. Penulisan Buku diambilkan dari 2 (dua) Buku
Referensi [1] dan [2], Dari Referensi buku pertama [1] hanya diambilkan dari Bab 3 dan satu
contoh soal. Sedangkan dari Referensi buku kedua [2] diambilkan dari Bab 9 dimana dalam
pembahasannya ada 17 contoh soal tentang Rekayasa Sipil dan Lingkungan. Untuk itu kami
berterima kasih kepada mahasiswa yang mengikuti kelas pascasarjana (S2) tahun 2011 antara
lain, Sdr. Yudit Priambodo, Sdr. A Somad dan Sdr. Daniel Asmuruf yang telah membantu
dalam pembuatan diktat kuliah ini. Bahan berikutnya diambil dari kumpulan soal latihan yang
telah dilakukan mahasiswa Pasca Sarjana tahun sebelumnya. Contoh soal yang diambil dari buku
referensi yang digunakan ada beberapa soal yang sama , dilakukan dengan cara penyelesaian
yang berbeda. Juga dilakukan perhitungan simulasi contoh soal untuk menghitung keandalan
struktur. Secara khusus, mengucapkan terima kasih pada Sdr. Pamuda Suryadi yang mengikuti
Program S-3 Pasca Sarjana, pada tahun 2011 merangkum latihan-latihan soal yang pernah
dilakukan di S-2 sehingga melengkapi pembahasan dalam diktat ini dalam Apendiks.
Kritik dan saran yang membangun demi kesempurnaan buku diktat ini sangat kami nantikan.
Surabaya, Agustus 2017
Penyusun
1
Halaman ini sengaja dikosongkan.
2
Bab
Bab 1.ANALISA RISIKO DAN KEANDALAN
Dalam penilaian keamanan sistem rekayasa sipil dan lingkungan, seseorang harus
mengevaluasi kemampuan sistem struktur yang dirancang untuk merespon kebutuhan proyek
atau untuk memenuhi tuntutan pengguna bangunan. Sistem struktur dapat gagal dalam
menjalankan fungsinya karena satu atau lebih alasan, seperti bahaya dan terjadinya kinerja yang
lebih rendah dari yang diperkirakan. Kegagalan bisa terjadi akibat terjadinya peristiwa runtuhnya
struktur utama. Sebagai contoh, Kerusakan bendungan dapat disebabkan oleh bencana banjir
yang bebannya melebihi dari nilai desain , atau memlibihi kemampuan atau Tahahan Bendungan,
yang menyebabkan bangunan failure (mengalami kegagalan). Meskipun untuk menjamin kinerja
sistem struktur dan keamanan bangunan terutama tugas insinyur, tingkat kecukupan yang
diterima atau risiko perlu diperhatikan dalam hal segi ekonomi dan kendala sosial. Oleh karena
itu, perencanaan dan desain rekayasa sistem mengharuskan biaya dan keuntungan analisa
dilakukan secara akurat dalam rangka untuk mencapai penilaian kinerja sistem dan keamanan.
Isu-isu sosial juga memainkan peran penting dalam analisa sistem rekayasa sipil dan lingkungan,
karena sistem ini lakan langsung berakibat pada masyarakat. Bukan tugas yang mudah untuk
mendefinisikan ketidak kemampuan sistem struktur untuk melakukan evaluasi yang memadai,
sehingga menyebabkan kegagalan. Misalnya dalam kasus bendungan dimana kegagalan bisa
terjadi. Contoh lain, jika bandara mengalami sesekali kemacetan lalu lintas, maka akan mampu
memuaskan setelah kondisi operasional yang menyebabkan kemacetan bisa diatasi, apalagi
bandara dapat mengalami kegagalan di masa depan. Dalam sebuah pabrik pengolahan air limbah,
kegagalan dapat terjadi secara bertahap. Semua keputusan ini melibatkan beberapa
ketidakpastian tambahan dalam definisi kinerja sistem dan keamanan, serta penilaian dari
pembuat keputusan, yang harus menyeimbangkan manfaat terhadap biaya.
Untuk menganalisis risiko kegagalan sistem, salah satu harus secara jelas mengidentifikasi
input ke sistem dan respon konsekuensinya. Dalam kasus bangunan, keamanan struktural
tergantung pada beban maksimum yang dapat dikenakan selama masa bangunan, dan juga pada
3
loadcarrying kapasitas, atau kekuatan, struktur atau komponennya. Karena prediksi beban
maksimum dan kekuatan sebenarnya dari struktur berdasarkan pada ketidakpastian, seseorang
tidak dapat menjamin keamanan mutlak, dan insinyur harus bergantung pada beberapa konsep
probabilistik menunjukkan kemungkinan bahwa kekuatan yang tersedia cukup akan menahan
maksimum beban selama masa bangunan. Dalam sistem pasokan air, kita harus membandingkan
permintaan air dari pengguna yang berbeda dengan sumber daya yang tersedia. Karena
permintaan mengalami fluktuasi, dan sumber daya air tunduk pada variabilitas alami,
probabilitas pasokan yang tersedia relatif terhadap permintaan memberikan kecukupan desain
sistem atau operasi. Keandalan didefinisikan hanya sebagai probabilitas keberhasilan di sebagian
besar terkait contoh yang diberikan sebelumnya.
Definisi yang lebih tepat dari keandalan adalah probabilistik penilaian kemungkinan bahwa
sistem akan melakukan cukup untuk jangka waktu tertentu waktu di bawah kondisi operasi yang
dikenal. Penerimaan dari tingkat keandalan tertentu harus dibahas dalam terang biaya ekonomi
dan sosial mungkin, dan manfaat. Resiko dan keandalan sistem didefinisikan sebagai probabilitas
kegagalan dan nonfailure atas masa yang ditentukan sistem.
Definisi : Risiko dan Keandalan. Risiko bahwa sistem tidak mampu memenuhi
permintaan didefinisikan sebagai probabilitas pf kegagalan selama masa yang ditentukan
berdasarkan sistem tertentu kondisi operasi. Keandalan sistem Struktur , dinotasikan dengan r,
adalah , r 1 p f .
Kemampuan sistem struktur untuk tampil di bawah persyaratan yang disyaratkan dapat
didefinisikan dengan menggunakan istilah yang berbeda, seperti kapasitas dan permintaan, beban
dan kekuatan, kekuatan dan ketahanan. Dalam bab ini, konsep dari X (beban) dan Y (kapasitas)
digunakan. Sebagai contoh, konsep ini dapat diterapkan untuk menggambarkan kapasitas
pendaratan dan penerbangan. Tingkat kedatangan untuk bandara, kapasitas daya dukung dari
medan dan beban yayasan, diijinkan dan dihitung menekankan, ukuran gorong-gorong dan
kedalaman aliran stormwater, kapasitas struktural dan beban gempa, kapasitas katup dan debit
banjir, dan diijinkan dan meramalkan biologi permintaan oksigen. Tujuan bab ini adalah untuk
menentukan ukuran keandalan dan untuk memeriksa berbagai jenis failure. Kita juga
mempelajari aspek ketidakpastian dari keandalan dari berbagai perspektif. Bagian terakhir adalah
dikhususkan untuk desain kehandalan.
4
Bab
Bab 2.Pengukuran keandalan (Measures of Reliability)
Analisis Faktor Keamanan dan Reliability untuk mengevaluasi probabilitas kegagalan

struktural dengan menentukan apakah batas keamanan terlampaui. Namun, analisis keandalan
tidak terbatas pada perhitungan probabilitas kegagalan. Evaluasi statistik baik sifat, seperti fungsi
distribusi probabilitas dan interval kepercayaan respon struktural, memainkan peran penting
dalam analisis keandalan. Ada banyak cara untuk mengkarakterisasi sifat statistik dari sistem
struktural. Pada bagian ini, kita secara singkat membahas beberapa metode untuk
mengkarakterisasi keandalan struktur, termasuk dasar-dasar analisis keandalan, metode
sampling, stokastik metode elemen hingga, dan ekspansi stokastik.
2.1 Structural Reliability Assessment ( Penilaian Keandalan Struktur)

Jika struktur (atau bagian dari struktur) melebihi batas tertentu, struktur elemen (atau
bagian dari struktur) tidak dapat melakukan seperti yang diperlukan, maka batas tertentu disebut
batas-keadaan. Struktur ini akan dianggap tidak dapat diandalkan jika kegagalan probabilitas
batas keadaan struktur melebihi nilai yang diminta. untuk sebagian besar struktur, batas keadaan
dapat dibagi menjadi dua kategori:
Batasan Ultimate yang terkait dengan runtuhnya struktural dari sebagian atau seluruh
struktur. Contoh yang paling umum batasan ultimate adalah korosi, kelelahan, kerusakan,
kebakaran, mekanisme plastik, keruntuhan progresif, fraktur, dll. Beberapa batasan harus
memiliki probabilitas yang sangat rendah dari kejadian, sebab dapat menyebabkan risiko
hilangnya nyawa dan kerugian keuangan yang banyak.
Batasan Pelayanan terkait dengan gangguan penggunaan normal dari struktur. Contoh
batasan pelayanan adalah lendutan yang berlebihan, getaran yang berlebihan, drainase,
kebocoran, kerusakan lokal, dll. Karena bahaya yang kurang daripada dalam kasus batasan
5
ultimate, probabilitas yang lebih tinggi dari kejadian mungkin ditoleransi dalam batasan ini.
Namun, orang tidak dapat menggunakan struktur yang menghasilkan terlalu banyak lendutan,
getaran, dll
Umumnya, batasan menunjukkan margin keselamatan antara tahanan dan beban struktur.
Fungsi batasan, g(.), dan probabilitas kegagalan, Pf, dapat didefinisikan sebagai
݃ሺܺሻ ൌ ܴሺܺሻ െ ܵሺܺሻ (2.1)
ܲ௙ ൌ ܲሾ݃ሺǤ ሻ ൏ Ͳሿ (2.2)
di mana R adalah tahanan dan S adalah beban sistem. Keduanya, R(.) dan S(.) adalah fungsi dari
variabel acak X. notasi g(.) < 0 menunjukkan wilayah kegagalan. Demikian juga, g(.) = 0 dan
g(.) > 0 menunjukkan masing-masing, kegagalan permukaan dan wilayah yang aman.
Mean dan deviasi standar dari batasan, g(.), dapat ditentukan dari definisi dasar mean dan
varians. Rata-rata dari g(.) adalah
ߤ௚ ൌ ߤோ െ ߤௌ (2.3)
dimana, μR dan μS adalah masing-masing rata-rata dari R dan S. Dan standar deviasi dari g(.)
adalah
ߪ௚ ൌ ඥߪோଶ ൅ ߪௌଶ െ ʹߩோௌ ߪோ ߪௌ (2.4)
dimana, ρRS adalah korelasi koefisien antara R dan S, dan σR dan σS masing-masing adalah
standar deviasi dari R dan S.
Indeks keselamatan atau indeks keandalan, β, didefinisikan sebagai
ఓ೒ ఓೃ ିఓೄ
ߚൌ ൌ (2.5)
ఙ೒ మ ାఙ మ ିଶఘ ఙ ఙ
ටఙೃ ೄ ೃೄ ೃ ೄ
jika tahanan dan beban adalah tidak berkorelasi (ρRS = 0), indeks keselamatan menjadi
ఓ೒ ఓೃ ିఓೄ
ߚൌ ൌ (2.6)
ఙ೒ మ ାఙ మ
ටఙೃ ೄ
Indeks keselamatan menunjukkan jarak rata-rata margin keselamatan dari g(.) = 0. Gambar
1 menunjukkan ilustrasi geometris dari indeks Keandalan dalam satu dimensional kasus. Ide di
balik indeks keselamatan adalah bahwa jarak dari ukuran lokasi μg ke permukaan batasan
memberikan suatu ukuran yang baik dari kehandalan. Jarak diukur dalam satuan skala
ketidakpastian parameter σg. Daerah yang diarsir pada Gambar 1 mengidentifikasi kemungkinan
kegagalan (resiko).
6
Gambar 1.Kepadatan Probabilitas untuk Batasan Distribusi
Untuk kasus khusus, tahanan, R, dan beban, S, diasumsikan secara distribusi normal dan
tidak berkorelasi. Fungsi batasan ini juga distribusi normal, karena g(.) adalah fungsi linier dari
R dan S. Jadi, fungsi kepadatan probabilitas dari fungsi batasan dalam hal ini adalah
ଶ
ଵ ଵ ௚ିఓ೒
݂௚ ሺ݃ሻ ൌ ఙ ݁‫ ݌ݔ‬ቈെ ଶ ൬ ൰ ቉ (2.7)
೒ ξଶగ ఙ೒
Probabilitas kegagalan adalah

଴
ܲ௙ ൌ ‫ି׬‬ஶ ݂௚ ሺ݃ሻ݀݃ (2.8)
Ketika distribusi normal g(.) = 0, probabilitas kegagalan dihitung sebagai
ଶ
଴ ଵ ଵ ௚ିఓ೒
ܲ௙ ൌ ‫ି׬‬ஶ ݁‫ ݌ݔ‬ቈെ ൬ ൰ ቉ ݀݃ (2.9)
ఙ೒ ξଶగ ଶ ఙ೒
଴ ଵ ଵ
ܲ௙ ൌ ‫ି׬‬ஶ ఙ ݁‫ ݌ݔ‬ቂെ ଶ ߚ ଶ ቃ ݀݃
೒ ξଶగ
ൌ ͳ െ Ȱሺߚሻ ൌ Ȱሺെߚሻ
dimana Φ(.) adalah fungsi distribusi kumulatif standar normal.
Untuk kasus multidimensi, generalisasi Persamaan 3.8 menjadi
ܲ௙ ൌ ܲሾ݃ሺܺሻ ൑ Ͳሿ ൌ ‫ ׬‬ǥ ‫݂ ׬‬௑ ሺ‫ݔ‬ଵ ǡ ǥ ǡ ‫ݔ‬௡ ሻ݀‫ݔ‬ଵ ǥ ݀‫ݔ‬௡ (2.10)
dimana g(X) adalah fungsi batasan n-dimensi dan fX (x1, ..., xn) adalah menghubungkan
probabilitas fungsi kepadatan dari semua variabel acak yang relevan X.
Definisi lain yang terkenal dari analisis keandalan adalah faktor keamanan, F:
ோ
‫ܨ‬ൌ ௌ
(2.11)
7
kegagalan terjadi bila F = 1, dan jika diasumsikan faktor keselamatan secara normal
didistribusikan, indeks keselamatan diberikan oleh (45)
ఓಷ ିଵ
ߚൌ ఙಷ
(2.12)
Contoh 1
Gambar 2. dibawah menunjukkan perletakan sederhana
balok dibebani pada titik tengah dengan gaya terpusat P. Panjang balok adalah L, dan kapasitas
momen lentur pada setiap titik sepanjang balok adalah WT, dimana W adalah modulus plastis
penampang dan T adalah tegangan leleh. Semua keempat variabel acak P, L, W, dan T
diasumsikan independen yang distribusi normal. Nilai rata-rata P, L, W, dan T masing-masing
adalah 10 kN, 8 m, 100 x 10-6 m3, dan 600 x 103 kN/m2. Deviasi standar dari P, L, W, dan T
masing-masing adalah 2 kN, 0,1 m, 2 x 10-5 m3, dan 105 kN/m2. Fungsi batasan diberikan
sebagai.
௉௅
݃ሺሼܲǡ ‫ܮ‬ǡ ܹǡ ܶሽሻ ൌ ܹܶ െ ସ
Solusi untuk indeks keamanan, β, dan probabilitas kegagalan, Pf, untuk masalah ini.
Gambar 2.Balok diatas dua tumpuan dengan P terpusat
Solusi:
Dari batasan yang diberikan,
ଵ
ߤ௚ ൌ ߤௐ ߤ ் െ ߤ௉ ߤ௅ ൌ ͶͲ
ସ
ଵ ଶ
ߤ௚ଶ ൌ ቀߤௐ ߤ ் െ ߤ௉ ߤ௅ ቁ ൌ ͳ͸ͲͲ
ସ
Menggunakan Persamaan 2.19,

ߪ௚ ൌ ඥ‫ܧ‬ሾ݃ଶ ሿ െ ߤ௚ଶ
ଵ
ൌ ඥߤ௉ଶ ߪ௅ଶ ൅ ߤ௅ଶ ߪ௉ଶ ൅ ߪ௅ଶ ߪ௉ଶ ൅ ͳ͸ሺߤௐ
ଶ ଶ
ߪ் ൅ ߤ ଶ் ߪௐ
ଶ
൅ ߪ்ଶ ߪௐ
ଶ
ሻ
ସ
ൌ ͳ͸ǤʹͷͲͳ
8
௉௅ ଶ
‫ܧ ׶‬ሾ݃ଶ ሿ ൌ ‫ ܧ‬൤ቀܹܶ െ ସ
ቁ ൨
ଶ ଶ ሻሺߪ ଶ ଶ ଵ ଶଵ ଶ ଶ ଶ
ൌ ሺߪௐ ൅ ߤௐ ் ൅ ߤ ் ሻ െ ଶ ߤௐ ߤ ் ߤ௉ ߤ௅ ൅ ଵ଺ ሺߪ௉ ൅ ߤ௉ ሻሺߪ௅ ൅ ߤ௅ ሻ
Menggunakan Persamaan 3.6, indeks keamanan dihitung sebagai

ఓ೒
ߚൌ ൌ ʹǤͶ͸ͳͷ͵, disebut Index keandalan
ఙ೒
R S
Flow capacity of a river bed Discharge of the river
Folw capacity of a sewage pipe Discharge of waste river
Bending resistance Existing bending moment
Permissible deflection of beam soil Stresses in soil due to external load
cohesion and shear strengthtraffic Intensity of traffic
capacity of a road junction
As a rule it is expected that the quantity on the left, the R variables, is at least as big as the
quantity on the right, the S variable, so that no failure ocours. In terms of the examples: the river
does not overflow its banks, the beam does not fail, the slope does not become unstable, the
traffic does not come to a standstill, there is no electrical power failure, etc. From the examples it
follows that such comparisons might consider a situation, or be a matter of time.
Cheking for structural safety, e.g.,traditionally follows deterministic patterns. In principle,
a defined value rd of the resistance of a structural component is derived from a number of
characteristics value. In a similar manner a defined value sd representing the actions affects is
derived from a number of characteristic value ofs of actions. In order to check for safety or
failure these two single values rd and sd are then compared.
The deterministic form of the safety condition reads:
rd > sd
Some times a conscientious engineer repeats such an analysis on order to test the
sensitivity of the result to variations of the input values. This is a step in the right directions, but
it is often cumbersome and does not result in a good overview.
9
In the probabilistic approach advocated here the quantities that influence the problem are
introduced as variables with their distribution types and their respective parameters. All load and
resistance factors are dispenced with. Their functions,however,is partially accounted for by so-
called model variables.
Using R and S as variables in the above sense, the normal or desired state can be
formulated as follows:
R>S
Or rearranged:
R-S>0
Failure accurs when:
R-S<0
In these expressions R and S are stochastic variables representing, in terms of structural
engineering, e.g.,the resistance of a section and the stress in this sections due to applied loads and
action,respectively.
10
Bab
Bab 3.Faktor Kemanan(Factors of Safety)
Penilaian akan risiko dan keamanan sistem rekayasa sipil dan lingkungan secara tradisional
berdasarkan atas faktor keamanan yang diijinkan. Penilaian ini berdasarkan atas pengalaman
penilaian sebelumnya dari sistim struktur yang memiliki perilaku yang sama. Penilaian secara
konvensional dalam menentukan kemanan struktur dihitung berdasarkan atas ratio dari kapasitas
X* dibagai dengan Beban Y*, sebagai berikut:
x*
Z* (3.1)
y*
2
Sebagai contoh, jika tegangan yang diijinkan dalam balok kayu (X*) adalah 36 N / mm dan
2
stres desain (Y*) adalah 24 N / mm , seperti ditunjukkan pada Gambar 3, Faktor Keamanan
secara konvensional adalah 1,5.
Gambar 3.Nilai Nominal Kapasitas dan Beban X dan Y
11
Gambar 4.Probability Density Function (PDF) dari Kapasitas X dan Beban Y
Insinyur sebagai disainer jika dalam menentukan nilai faktor keamanan sebesar 1.5
dipandang sangat rendah, maka perlu melakukan disain ulang untuk meningkatkan factor
kemananan dengan cara meningkatkan kapasitas atau menurunkan Beban.
Pembebanan dari suatu sistim strtuktur diperoleh dari nilai Random dari beban-beban
antara lain beban angin, beban gempa akselerasi, aliran sungai, water table depth, permukaan air
laut, badai, suhu udara dan air dan beban polutan. Kapasitas nilainya tergantung pada
variabilitas karakteristik material, termasuk kekuatan bahan, konstruksi teknik, kesalahanan
pengujian, pengawasan inspeksi, dan kondisi lingkungan. Dalam mengevaluasi ketidakpastian
yang mempengaruhi baik pembebanan dan kapasitas, salah satu desain yang prototipe sistem
pada hipotesis model matematika berbasis fisik; ini memerlukan suatu penelitian yang cermat
dari rumus dan persamaan, dan asumsi mereka, yang digunakan untuk skala parameter model.
Untuk mengambil kasus ekstrim, seorang insinyur tidak seharusnya mengharapkan rumus
empiris yang sangat, yang dikembangkan pada saat pengetahuan tentang sistem agak langka,
untuk model dunia nyata dengan kehandalan mendekati 100%. Asumsi ini hanya dapat
dibenarkan setelah melakukan pengamatan berulang dari pertunjukan dari sejumlah besar
sistem serupa.
Karena nilai nominal baik kapasitas x* dan y* permintaan tidak dapat ditentukan dengan
pasti, fungsi kapasitas dan permintaan harus dianggap sebagai distribusi probabilitas, seperti
ditunjukkan pada Gambar. 3.2. Oleh karena itu, faktor keamanan seperti yang diberikan oleh
rasio Z = X / Y dari dua variabel acak X dan Y, juga merupakan variabel acak.
12
Definisi: Faktor Keamanan. Faktor keamanan sistem, diperlakukan sebagai variabel acak dan
didefinisikan sebagai Z = X / Y, adalah rasio antara X dan Y kapasitas permintaan sistem.
Ketidakcukupan sistem untuk memenuhi permintaan, yang diukur dengan probabilitas

kegagalan, terkait dengan bagian dari distribusi rasio keselamatan dimana ia menjadi kurang dari
satu, yaitu, bagian di mana Z = X / Y ≤ 1 (lihat Gambar 5).
pf
probabilitas kegagalan sistem demikian diberikan oleh
pf Pr[ Z d] FZ 1 (3.2)
Gambar 5.CDF dan PDF berhubungan dengan Faktore Keamanan Z=X/Y
Probabilitas yang sesuai nonfailure adalah

r 1 p f Pr[Z ! 1] 1 FZ (1), (3.3)
yang dapat ditafsirkan sebagai probabilitas kelangsungan hidup atau hanya kehandalan. Ketika
probabilitas gabungan distribusi X dan Y diketahui, keandalan sistem dapat dievaluasi dengan
menentukan CDF X / Y. Ada probabilitas nol kegagalan ( p f = 0) dan kehandalan 100% (r = 1)
Ymax X min
hanya jika permintaan maksimum tidak melebihi minimum kapasitas, sehingga dua
distribusi tidak tumpang tindih.
3.1 Soal 1 : Faktor Keamanan Struktural
Faktor keamanan struktural untuk beban lognormally didistribusikan independen

dan kekuatan. Pertimbangkan struktur yang membawa beban kapasitas atau kekuatan X, dan Y
13
beban lognormal independen variates, dengan cara dan standar deviasi
P X , PY , dan V X , V Y ,
masing-masing. Dalam hal ini, faktor keamanan, Z = X / Y, juga lognormal variate, maka,
1 1
Pln Pln Pln(Y ) l n P X ln 1 VX2 ln PY ln 1 VY2 ,
(Z ) (X )
2 2
dimana VX V X / P X and VY V Y / PY adalah koefisien variasi dari X dan Y, masing-masing, dan
V ln2 Z V ln2 X V ln2 Y ln 1 VX2 ln 1 VY2
Dalam hal median, MX dan mY, maka

Pln Z ln mX ln mY ln mX / mY
dimana rasio mX , mY mewakili faktor keamanan median. Karena ln (Z) biasanya didistribusikan
P1n Z V 1n Z P1n Z V 1n Z
dengan dan standar deviasi , variabel acak [ln (Z)- ]/ adalah memvariasikan
normal standar. Oleh karena itu, probabilitas kegagalan ditemukan menggunakan Eq. (3.2)
sebagai
§ ln1 Pln Z · § Pln Z ·
pf FZ 1 ) ¨ ¸ )¨ ¸
¨ V ln Z ¸ ¨ V ln Z ¸
© ¹ © ¹
§ ·
¨ ln mX / mY ¸,
1 )
x Y ¹
¨¨ ln 1 V 2 ln 1 V 2 ¸¸
©
Dimana ) (·) adalah nilai cdf dari Standart Normal Distribusi. Reliability Struktur adalah
, r = Pr[Z > 1] = 1 − FZ (1) = 1 − p f , is
§ ·
¨ ln mX / mY ¸
r )
x Y ¹
¨¨ ln 1 V 2 ln 1 V 2 ¸¸
©
Jadi, jika X dan Y adalah independen dan terdistribusi lognormally, keandalan merupakan fungsi
dari faktor median keselamatan dan σln standar deviasi (X / Y).
Pertimbangkan, misalnya, balok kayu yang kaku dengan rata-rata diperkirakan kekuatan
2
39,1 N / mm , dan koefisien variasi 25% . Jika balok dirancang untuk membawa beban
24.0N / mm2 , dengan koefisien variasi 15%, seseorang dapat menghitung probabilitas kegagalan
P X = 39,1
sebagai berikut. Karena sarana dan koefisien variasi kekuatan X dan Y beban N / mm2 ,
14
V X = 0,25,
P Y = 24,0 N/mm2, V = 0,15, masing-masing, dengan asumsi X dan Y adalah
Y
independen dan terdistribusi lognormally,
ªln 1 0.252 ln 1 0.152 º

1/2
V ln Z ¬ ¼ 0.288
1 1
Pln Z ln 39.1 ln 1 0.252 ln 24.0 ln 1 0.152 0.469
2 2
Probabilitas yang dibutuhkan kegagalan demikian
§ 0.469 ·
pf FZ 1 ) ¨ ¸ ) 1.628 .052,
© 0.288 ¹
yang menunjukkan bahwa balok memiliki keandalan 94,8%. PDFS X dan Y akan ditampilkan
dalam Gambar 6a, dan CDFS sesuai pada Gambar 6b. Pdf dan cdf faktor keselamatan Z
ditunjukkan pada Gambar. 3.5.
Untuk menentukan ukuran nilai-tunggal, satu dapat menggunakan langkah-langkah pusat
kapasitas dan permintaan. Misalnya, faktor keamanan pusat didefinisikan sebagai
E>X @ PX
] , (3.4)
E >Y @ Py
dimana
P Y kapasitas yang diharapkan dan P X permintaan yang digunakan. X dan Y (N/mm2)
Gambar 6.Teg.Kayu dan Ilustrasi Beban:PDF(a) dan CDF(b) berdistribusi Log Independen X dan Y
Definisi: faktor keamanan Tengah. Faktor keamanan sentral dari sebuah sistem, dilambangkan
dengan ζ, adalah rasio antara X dan Y yang diharapkan kapasitas permintaan sistem.
15
Misalkan seorang insinyur memberikan nilai nominal kapasitas kurang dari yang
diharapkan, katakanlah,
x* P X hX V X ,
(3.5a)
dan menentukan nilai nominal untuk permintaan lebih besar dari

P Y , katakanlah,
y* PY hY V Y ,
(3.5b)
hX
dimana dan hY adalah unit sigma fungsi masing-masing. Jika perkiraan ini dari x* dan y* yang
digunakan di rumus (3.1),
P X hX V X
z* , (3.6)
PY hY V Y
oleh karena itu, faktor utama melebihi faktor keamanan konvensional, ketika nilai-nilai positif
hX
dan hY diambil seperti biasa.
Gambar 7.Batasan dari Kapasitas X dan beban Y
3.2 Soal 2 : Stasiun Pemompaan
Pusat keselamatan faktor untuk sebuah stasiun pemompaan. Sebuah stasiun pompa
dirancang menggunakan faktor keamanan sebesar 1,8 z*, atau 9/5. Seorang insinyur mempunyai
tugas menilai keandalan sistem tanpa pengetahuan tentang kemungkinan fluktuasi kapasitas dan
16
permintaan. Oleh karena itu, koefisien variasi kapasitas dan permintaan yang diasumsikan sama
VX VY V , sebagaimana batas-batas sigma,

hX hY h
(lihat Gambar). D7ari Pers. (3.6),
P X hX VX P X P X 1 hV 1 hV
z* ] .
PY hYVY PY PY 1 hV 1 hV
Insinyur lebih lanjut mengasumsikan bahwa berbagai kemungkinan dari V adalah 0.1 ≤ V
≤ 0.5, dan 0 ≤ h ≤ 1, sehingga rentang kemungkinan hV adalah 0 ≤ hV ≤ 0,5. Karena tidak ada
informasi lain yang tersedia mengenai saat-saat hV, prinsip entropi maksimum menunjukkan
bahwa hV dapat dimodelkan sebagai memvariasikan merata dengan E[hV] = 1/4, yang
menghasilkan ] / z* 5 / 3 . Oleh karena itu, untuk meningkatkan keandalan sistem untuk

mencapai faktor keamanan ζ insinyur harus meningkatkan kapasitas nominal x* dari stasiun
pemompaan dari (9/5) y* untuk (5/3) (9/5) y* = 3y*.
17
18
Bab
Bab 4.Keamanan Margin (Safety Margin)

Ymax
Seperti ditunjukkan dalam Gambar. 3.2, jika permintaan maksimum melebihi
X min
kapasitas minimum , distribusi tumpang tindih dan ada kemungkinan nol kegagalan. Untuk
menilai ini salah satu probabilitas dapat mengambil perbedaan antara kapasitas dan permintaan,
S = X - Y, (4.1)
yang biasanya disebut sebagai margin keamanan. Karena X dan Y adalah variabel acak, margin
keselamatan juga merupakan variabel acak (lihat Gambar 8).
Definisi: Keselamatan margin. Margin keamanan sistem didefinisikan sebagai perbedaan acak S
= X - Y antara X dan Y kapasitas permintaan sistem.
pf
Ketidakcukupan sistem untuk memenuhi permintaan, yang diukur dengan , terkait
dengan bagian dari distribusi dari margin keamanan dimana S mengambil nilai-nilai negatif,
yaitu bagian di mana S = X - Y ≤ 0. Jadi,
p f = Pr [(X - Y) ≤ 0] = Pr [S ≤ 0], (4.2)
Gambar 8.PDF dari Safety Margin(Keamanan Margin) S
19
dan keandalan yang sesuai
r = 1 - p f = Pr [(X - Y)> 0] = Pr [S> 0]. (4.3)
ketika distribusi probabilitas gabungan dari X dan Y diketahui, keandalan sistem dapat dievaluasi
dengan menentukan cdf dari X - Y.
4.1 Soal 3 : Struktural Margin of Safety

Struktural margin of safety untuk beban terdistribusi normal independen
dan kekuatan. Pertimbangkan struktur yang membawa beban kapasitas atau kekuatan dan beban
X Y yang variates normal terlepas, dengan mean dan deviasi standar

P X , PY dan V X , V Y , ,
masing-masing. Dalam hal ini, margin keselamatan, S = X - Y, ditampilkan dalam Contoh 3.60
untuk juga sebuah memvariasikan normal dengan
PS P X PY , V S2 V X2 V Y2
Karena S adalah terdistribusi normal dengan mean dan σS mikrodetik deviasi standar, variabel
acak (S - mikrodetik) /
V s adalah memvariasikan normal standar, dan keandalan struktur adalah
dari Eq. (4.3)
§ 0 PS · ª § PS · º § P P ·
r 1 FS 0 1 ) ¨ ¸ 1 «1 ) ¨ ¸ » )¨ X Y
¸,
© VS ¹ ¬ © V S ¹¼ ¨ V V 2
2 ¸
© X Y ¹
dimana Ф(·) menunjukkan cdf dari distribusi normal standar. Sebagai contoh, perhatikan lagi
balok kayu yang kaku dari Contoh 1, dan menganggap normal dan kekuatan independen X dan Y
beban. Probabilitas kegagalan dapat dihitung sebagai berikut.
Sejak
0.25, PY 24.0 N / mm2 ,VY 0.15,

PX 39.1N / mm2 ,VX
Seseorang
VX 39.1 x 0.25=9.775 N/mm2 ,V Y 24.0 x 0.15 =3.6 N/mm 2 ,
sehingga mikrodetik
20
9.775 3.6 2
1/2
PS 39.1 24.0 15.1 N/mm2 , and V S 2
10.42 N/mm2 .
Probabilitas yang dibutuhkan kegagalan adalah
§ 15.1 ·
pf FS 0 ) ¨ ¸ ) 1.450 .074,
© 10.42 ¹
yang menunjukkan kehandalan sinar 92,6%. Para PDFS X, Y, dan S diberikan dalam Gambar 9a,
dan CDFS yang sesuai diberikan pada Gambar 9b. Keandalan diperkirakan dari model normal
terlepas berbeda dari yang diperoleh dari lognormal independen model oleh hanya sekitar 2%.
Gambar 9.Teg.Kayu dan Ilustrasi : PDF(a) dan CDF(b) utk Safety Margin Normal Distr. X dan Y
Pada contoh di atas, itu ditampilkan dengan menggunakan fungsi pembangkit momen-
bahwa setiap linier Kombinasi dari dua variates terdistribusi normal independen itu sendiri
terdistribusi normal. Oleh karena itu, ketika X dan Y adalah terdistribusi normal, dan berkorelasi,
margin keselamatan S adalah memvariasikan normal dengan mean dan varians
PS P X PY ,
(4.4a)
V S2 V X2 2U XY V X V Y
V Y2 ,
(4.4b)
masing-masing, di mana U XY menunjukkan koefisien korelasi antara X kapasitas dan permintaan

Y. Oleh karena itu, probabilitas kegagalan diberikan oleh
21
§ P X PY ·
pf )¨ ¸
¨ V X 2 U V V V Y2
2 ¸
© XY X Y ¹ (4.5)
dimana ) (·) menunjukkan cdf dari distribusi normal standar, sesuai
§ P X PY ·
r )¨ ¸
¨ V X2 2U V V V Y2 ¸
© XY X Y ¹ (4.6)
adalah keandalan terkait.
4.2 Soal 4 : Pasokan Irigasi
Pasokan air irigasi. Selama musim pertumbuhan permintaan yang diharapkan,

Y, dari skema irigasi adalah 10 unit dengan koefisien variasi 50%, yang menyumbang
untuk fluktuasi terkait dengan variabilitas cuaca. Air yang tersedia rata-rata, X yang
dialihkan dari rentetan sungai, adalah 20 unit, dengan koefisien variasi 20%, yang
account untuk fluktuasi terkait dengan variabilitas hidrologi di musim itu. karena
hubungan antara hidrologi dan iklim, ketersediaan air alami seringkali cenderung
menurun ketika permintaan meningkat, sehingga koefisien korelasi antara X dan Y adalah
negatif. Estimasi nilai ρXY adalah -0.5. Seorang insinyur irigasi perlu memperkirakan
keandalan sistem dengan asumsi bahwa baik X dan Y kapasitas permintaan biasanya
didistribusikan variates. Deviasi standar kapasitas dan permintaan yang
V X VX P X 0.2 u 20 4 units,
V Y VY PY 0.5 u10 5 units,
masing-masing. Margin keselamatan, S = X - Y, terdistribusi normal dengan mean
PS P X PY 20 10 10 units, dan standar deviasi
V 4 2 u 0.5 u 4 u 5 52
1/ 2 1/ 2
VS 2
X 2 U XY V X V Y V Y2 2
7.81 units.
Resiko kegagalan yang diperlukan

§ 10 ·
pf FS 0 ) ¨ ¸ 1 ) 1.28 1 0.9 .1,
© 7.81 ¹
dan keandalan yang terkait adalah 90%. Dalam rangka meningkatkan keandalan sistem untuk
95%, pengalihan aliran tetangga dipertimbangkan untuk tujuan meningkatkan mean
22
kapasitas. Dengan asumsi bahwa kedua VX dan ρXY tidak berubah, kapasitas berarti μX harus
meningkat dengan faktor, sehingga
§ aP X PY ·
r 1 FS 0 ) ¨ ¸ 0.95
¨ a 2 P X2 VX2 2 U a VX P xV Y V Y2 ¸
© XY ¹
itu,
aP X PY
1.65,
a P V 2 U XY a VX P xV Y V Y2
2 2
X
2
X
20a 10 20a 10
1.65,
42 a 2 2 u 0.5 u 4 u 5 u a 52 16a 2 20a 25
yang menghasilkan a = 1,20. Ini berarti bahwa sumber baru harus menyediakan peningkatan
20% dalam ketersediaan air rata-rata dalam rangka untuk meningkatkan keandalan sistem irigasi
untuk 95%.
23
24
Bab
Bab 5.Indeks Keandalan (Reliability index)

Ukuran penting tentang kecukupan desain rekayasa adalah indeks keandalan, didefinisikan
sebagai
§ PS ·
E ¨ ¸.
©VS ¹ (5.1)
hal ini dapat ditafsirkan sebagai nilai unit sigma ( deviasi standar σs) jika S antara nilai rata-rata
margin keamanan E [S] = μs dan nilai kritis S = 0, seperti ditunjukkan pada Gambar. 4.1. Indeks
keandalan juga bisa didefinisikan merupakan kebalikan dari Koefisien Variasi dari Safety
Margin, sebagai
E 1 / VS
Definisi: Indeks Keandalan. Indeks Keandalan dari sistim, dilambangkan β, didefinisikan sebagai
rasio antara mean dan deviasi standar dari safety margin sistem.
5.1 Soal 5 : Indeks Keandalan
Indeks keaandalan struktur untuk margin keamanan distribusi normal.

Pertimbangkan lagi struktur yang membawa beban kapasitas, atau kekuatan, X dan beban Y yang
variates normal independen. Karena r = Φ (μS/σS), r adalah fungsi dari rasio μS/σS, yang
merupakan margin keamanan dinyatakan dalam satuan σS, yaitu, Indeks keandalan β. Oleh
karena itu, keandalan sistem dapat ditulis sebagai r = Φ(β), dan sesuai probabilitas kegagalan
diberikan oleh pf = 1 - r = 1- Φ(β). Untuk S normal, nilai β = 0 sesuai dengan r = 0,5 (50%
keaandalan). Demikian pula, β = 1,28 sesuai dengan kehandalan 90%, β = 1,65 dengan 95%, β =
2,33 dengan 99%, β = 3,10 dengan 99,9%, dan β = 3,72 dengan 99,99%. Hal ini menggambarkan
bahwa tingkat keandalan merupakan fungsi dari kedua posisi relatif dari fX (x) dan fY (y), yang
diukur dengan rata-rata margin keamanan μS = μX - μY, dan tingkat dispersi, sebagaimana diukur
25
V V Y2
1/2
VS 2
dalam hal standar deviasi X
. Indeks keandalan β mencerminkan efek gabungan
dari kedua faktor ini. Sebuah pendekatan yang bermanfaat dari kegagalan probabilitas diberikan
oleh
‫݌‬௙ ؆ ʹ ൈ ͳͲିఉ
Gambar 10.Hubungan antara Beta Index dan Resiko
yang dapat digunakan untuk analisis reliabilitas dengan β mengambil nilai 1-2.7, seperti
ditunjukkan dalam Gambar 10.
Sebagai contoh, dalam kasus balok kayu yang kaku, di mana X kekuatan dan Y adalah
variates beban normal dan independen,
PS 15.1
E 1.45,
VS 10.42
sehingga indeks keandalan adalah 1,451 unit Sigma. Pendekatan kekuatan yang sesuai
probabilitas kegagalan
p f # 2 u101.45 .071.
pf 1 ) 1.45 0.074,
nilai yang sebelumnya dihitung dari , sehingga kesalahan dalam kuasa
pendekatan hanya sekitar 3%.
Untuk mendapatkan indeks keandalan dalam hal dua momen pertama kapasitas dan fungsi
permintaan,
PS as PS P X PY , and V S2 V X2 2U XYV X V Y V Y2 . Demikian,
26
P X PY
E , (5.2)
V 2U
2
X XY V X V Y
V Y2
Dimana
U XY menunjukkan koefisien korelasi antara kapasitas dan permintaan. Dengan
demikian,indeks keandalan maksimum jika

U XY = +1, dan minimum jika U XY = -1.
Untuk biasanya didistribusikan X dan Y, Persamaan. (4.5) memberikan probabilitas

kegagalan sebagai
pf 1 ) E , (5.3)
and
r )E (5.4)
Seperti telah dibahas dalam persamaan (4.6)
5.2 Soal 6 : Pasokan air irigasi
Pasokan air irigasi. Pertimbangkan lagi masalah irigasi Contoh 9.4. Indeks keandalan desain ini
adalah
ఓ ଵ଴
ߚ ൌ ቀ ೞ ቁ ൌ ቀ଻Ǥ଼ଵቁ ൌ ͳǤʹͺǡ
ఙ ೞ
sehingga keandalan sistem adalah r = Φ(1.28) = 0.9. Jika keandalan yang lebih tinggi,
katakanlah, 95% adalah dicari, harusnya memiliki indeks
ߚ ൌ Φିଵ ሺͲǤͻͷሻ ൌ ͳǤ͸ͷǡ
untuk menyelidiki pengaruh korelasi, dapat diatur Pers. (5.2) dalam hal central faktor keamanan ,
sehingga memperoleh
఍ିଵ
ߚܸ௬ ൌ ǡ (5.5)
ඥఔ మ ఍ మ ିଶఘఔ఍ାଵ
di mana v = VX / VY, dan ρ = ρXY. Hubungan ini diplot pada Gambar. 5.2 untuk berbagai koefisien
korelasi, dan nilai-nilai dari v dari 1, 2, dan 1/2.
Perbandingan Gambar 11, menunjukkan bahwa pengaruh korelasi antara kapasitas dan
permintaan meningkat dengan menurunnya rasio v antara koefisien variasi kapasitas dan
permintaan. Dengan demikian, meningkatkan variabilitas relatif permintaan untuk bahwa dari
kapasitas meningkatkan korelasi. Untuk VX = Vy = V, Persamaan. (5.5) untuk menyederhanakan
఍ିଵ
ߚܸ ൌ (5.6)
ඥ఍ మ ିଶఘ఍ାଵ
27
Gambar 11.(a) Vx/Vy=1,(b)Vx/Vy=2 dan (c)Vx/Vy=1/2
Kasus ini ditunjukkan pada Gambar. 5.2a. Pertimbangkan, misalnya, desain struktural
dengan V = 0.5, dan ζ = 2. Dari Pers. (5.6), salah satu telah βV # 0,45 untuk ρ = 0, βV # 0,33
untuk ρ = -1, dan βV = 1 untuk ρ = 1. Jika ρ = 0, diperoleh β = 0.45/0.5 = 0.9, yang berarti bahwa
risiko Kegagalan pf sama dengan pf = 1 - Φ(0,9) = 0.18. Untuk ρ = -1, maka β = 0.33/0.5 = 0.66,
menghasilkan pf = 1 - Φ(0,66) = 0.25. Untuk ρ = 1, β = 1/0.5 = 2, dan pf = 1 - Φ(2) = 0.02.
Besarnya perbedaan menyoroti pentingnya mengenali ketergantungan antara kapasitas dan
permintaan.
. Untuk mengukur koefisien korelasi antara kapasitas dan permintaan bukanlah tugas yang
mudah, karena tergantung pada banyak faktor. Misalnya, desain struktural sering mencerminkan
positif koefisien korelasi minimal ρ =0.5. Namun, dengan kapasitas dan permintaan positif
berkorelasi, desain perkiraan konservatif reliabilitas diperoleh bila mengabaikan
ketergantungan antara kedua; hasil ini dalam probabilitas kegagalan yang tinggi untuk struktur
28
dikenal sangat aman. Sebaliknya, perkiraan nonconservative diperoleh jika salah satu
berkorelasi negatif mengabaikan kapasitas dan permintaan meskipun hal ini
kesalahan secara substansial lebih rendah dari yang diperkenalkan oleh mengabaikan korelasi
positif.
5.3 Soal 7 : Pasokan Irigasi
Pasokan air irigasi. Pertimbangkan lagi masalah irigasi, dan mengasumsikan bahwa
korelasi antara kapasitas dan permintaan dapat diabaikan. Dengan asumsi bahwa ρXY = 0
menghasilkan
ߪ௦ ൌ ሺߪ௫ଶ ൅ ߪ௬ଶ ሻଵȀଶ ൌ ሺͶଶ ൅ ͷଶ ሻଵȀଶ ൌ ͸ǤͶͲ units,
dan
ఓೞ ଵ଴
ߚൌ ൌ ൌ ͳǤͷ͸Ǣ
ఙೞ ଺Ǥସ଴
demikian, estimasi keandalan sistem adalah r = ф (1,56) = 0,94. Jika dibandingkan dengan
perkiraan semula dari 90%, hasil ini menggambarkan bahwa seorang insinyur yang mengabaikan
korelasi antara kapasitas dan permintaan dapat sampai pada kesimpulan menyesatkan bahwa
tujuan dari 95% keandalan dapat dicapai.
Satu dapat menggunakan Pers. (5.3) dan (5.4) untuk menghitung probabilitas kegagalan
dan nonfailure juga jika salah satu X atau Y atau keduanya tidak normal. Ini adalah latihan
sederhana untuk dua lognormal independen variates, seperti yang ditunjukkan dalam contoh
berikut
5.4 Soal 8 : Indeks Keandalan Struktur

Indeks keandalan struktur untuk beban lognormal independen yang terdistribusi
dan kekuatan. Pertimbangkan lagi struktur yang membawa beban kapasitas atau kekuatan X
dan beban Y adalah variates lognormal independen, dengan mean dan standar deviasi μX, μY dan
σX, σY, masing-masing .
Karena probabilitas nonfailure struktur ini diberikan oleh
29

൬୶ ൰
୷
‫ ݎ‬ൌ Φ‫ۇ‬ ‫ۊ‬
ටሺͳ ൅ ܸ௫ଶ ሻ ൅ ൫ͳ ൅ ܸ௬ଶ ൯
‫ۉ‬ ‫ی‬
Index keandalan adalah, dari persamaan (5.4),
୶
൤ ൬
୷ ൰൨ ߤ୪୬ሺ௭ሻ
ߚൌ ଵȀଶ
ൌ
ൣሺͳ ൅ ܸ௫ଶ ሻ ൅ ൫ͳ ൅ ܸ௬ଶ ൯൧ ߪ୪୬ሺ௭ሻ
dimana mX dan mY menyatakan median masing-masing dari X dan Y, Untuk kayu balok kaku
୫౮
൬ ൰ ൌ ߤ୪୬ሺ௭ሻ ൌ ͲǤͶ͸ͻ
୫౯
dan
ଵȀଶ
ߪ୪୬ሺ௭ሻ ൌ ൣሺͳ ൅ ܸ௫ଶ ሻ ൅ ൫ͳ ൅ ܸ௬ଶ ൯൧ ൌ ͲǤʹͺͺ
sehingga β = 0.469/0.288 = 1,628. Hasil ini dapat dibandingkan dengan nilai 1,451, yang
ditemukan di bawah asumsi independen dan kekuatan terdistribusi normal dan beban
Jika kapasitas dan permintaan yang variates lognormal, maka ln X dan ln Y adalah variates
normal.
Bentuk umum dari indeks keandalan ditemukan sebagai
ln mX / mY
E ,
ln 1 V 2
X ln 1 V 2U
Y
2
XY ln 1 V 2
X ln 1 V
Y
2
(5.7)
mX mY
dimana dan menyatakan median dari X dan Y, masing-masing. Memperkenalkan pusat
faktor keselamatan seperti dalam Persamaan. (5.5), dan dengan asumsi koefisien yang sama dari
variasi VX VY V , Eq. (5.7) untuk mengurangi
ln ]
E .
2 1 U ln 1 V 2
(5.8)
30
Kemudian, dari seri ekspansi ln 1 x x x 2 / 2 x3 / 3 ..., seseorang dapat perkiraan
ln
1 V dengan V
2
2
, sehingga
ln ]
VE . (5.9)
2 1 U
Gambar 12.Korelasi Koef. antara Kapasitas X dan Beban Y
Gambar 5.3 menunjukkan E NOR / E LN 2 rasio sebagai fungsi dari faktor keamanan pusat ζ
untuk berbagai koefisien korelasi berkaitan kapasitas dan permintaan, di mana E NOR dihitung dari
Pers. (5.6) dan

E LN 2 dari Persamaan (5.9). Satu dapat melihat bahwa biasanya didistribusikan
variates menghasilkan nilai lebih kecil dari indeks keandalan dari variates lognormal. Meskipun
perbedaan ini kecil untuk korelasi negatif dan rasio tidak melebihi 7 / 10 untuk variates
berkorelasi, kehandalan indeks variates normal dan lognormal menyimpang dari satu sama lain
dengan cepat meningkat korelasi positif. Besarnya keandalan indeks tidak dikenal dalam banyak
kasus dan seperti yang terlihat di sini indeks dengan sendirinya tidak dapat memprediksi sangat
efektif kinerja dari sistem diselidiki, terutama untuk kapasitas berkorelasi dan permintaan.
Namun, indeks ini secara luas digunakan sebagai dasar untuk kinerja scaling di sipil teknik
praktek.
Seperti yang dinyatakan sebelumnya, Pers. (5.3) dan (5.4) juga dapat digunakan untuk
mengevaluasi kegagalan dan probabilitas nonfailure jika baik X atau Y atau keduanya tidak
terdistribusi normal. Para prosedur yang biasa adalah untuk mengubah ini menjadi menyimpang
yang normal variates setara dengan menggunakan transformasi yang sesuai, seperti transformasi
31
Rosenblatt diperlihatkan berikut contoh; sesuai, dua atau lebih variabel acak didistribusikan
bersama-sama diubah dalam satu set dari dua atau lebih variates normal. Jadi, Persamaan. (5.2)
2
digunakan dalam hal berarti, varians, dan koefisien korelasi dari variates. yang normal setara
Namun, dalam rekayasa praktek uji kecukupan untuk konsep indeks keandalan umumnya
bergantung pada perbandingan dari indeks keandalan β dihitung dengan nilai yang
direkomendasikan.
5.5 Soal 9 : Polusi Termal di Sungai

Polusi termal di sungai. Debit Y dari sistem pendinginan dari pembangkit listrik termal
mengalir ke sungai. Untuk mencegah polusi termal di sungai, maka diinginkan bahwa Y tidak
melebihi sebagian kecil dari aliran alami Q di sungai, misalnya, X = Q / a, dimana a
menunjukkan konstanta yang tergantung pada perbedaan suhu antara dua aliran. Sebuah
keinginan insinyur untuk mengevaluasi resiko bahwa polusi termal terjadi di sungai. asumsikan
bahwa Y adalah terdistribusi normal dengan mean 2 m3/det dan koefisien variasi 20%, seperti
yang ditunjukkan pada Gambar. 4.6.
Gambar 13.SDFS dari Kapasitas X dan Permintaan Y Ilustrasi Termal Sungai
Untuk periode dimana sungai menerima debit Y, Q dapat didekati dengan distribusi
eksponensial dengan rata-rata 40 m3/det, dan a = 5. Debit Y dan inflow Q sungai lanjut
diasumsikan menjadi variates independen. Masalahnya adalah didekati dengan menggunakan
transformasi univariat Rosenblatt dalam rangka untuk menentukan distribusi normal setara untuk
kapasitas tidak normal X. Karena X terdistribusi eksponensial dengan mean 40 / 5 = 8 m3/det,
݂௫ ሺ‫ݔ‬ሻ ൌ ൫భఴ൯݁‫݌ݔ‬൫െೣఴ൯ ൌ ͲǤͳʹͷሺെͲǤͳʹͷ‫ݔ‬ሻ
32
dan
‫ܨ‬௫ ሺ‫ݔ‬ሻ ൌ ͳ െ ሺെͲǤͳʹͷ‫ݔ‬ሻ
mean μX* dan deviasi standar σX* dari distribusi normal setara untuk kapasitas eksponensial X
diperoleh dari asumsi bahwa, pada titik kegagalan x*,
൫௫ ‫ି כ‬ఓ೉‫ כ‬൯
Ȱቂ ቃ ൌ ‫ܨ‬௑ ሺ‫ כ ݔ‬ሻǡ
ఙ೉‫כ‬
dimana Φ(·) menunjukkan cdf dari variasi standar normal. Jadi,

ߤ௑ ‫ כ‬ൌ ‫ כ ݔ‬െ ߪ௑ ‫ିߔ כ‬ଵ ሾ‫ܨ‬௑ ሺ‫ כ ݔ‬ሻሿǡ
dimana Φ-1(ξ) menunjukkan quantile ke-ξ dari standar distribusi normal. Hal ini juga mengikuti
dari asumsi sebelumnya di titik kegagalan itu, dengan menyamakan probabilitas yang sesuai
kepadatan pada titik kegagalan,
ଵ ൫௫ ‫ି כ‬ఓ೉‫ כ‬൯
ቀ
ఙ೉‫כ‬
ቁ߶ቂ ቃ ൌ ݂௑ ሺ‫ כ ݔ‬ሻǡ
ఙ೉‫כ‬
di mana φ (·) menunjukkan pdf dari variasi standar normal. Oleh karena itu,
థ൛஍షభ ሾ୊౔ ሺଡ଼‫ כ‬ሻሿൟ
ߪ௑ ‫ כ‬ൌ ௙೉ ሺ௑ ‫ כ‬ሻ
Dengan substitusi,
థ൛஍షభ ሾଵିୣ୶୮ሺି଴Ǥଵଶହ୶‫ כ‬ሻሿൟ
ߪ௑ ‫ כ‬ൌ ሾ଴Ǥଵଶହୣ୶୮ሺି଴Ǥଵଶହ௫ ‫ כ‬ሻሿ
ǡ
dan
ߤ௑ ‫ כ‬ൌ ‫ כ ݔ‬െ ߪ௑ ‫ כ‬Ȱିଵ ሾͳ െ ሺെͲǤͳʹͷ ‫ כ‬ሻሿǡ
sedangkan μY = 2 m3/det, dan σY = 0.2 × 2 = 0.4 m3/det.
Karena titik kegagalan tidak diketahui, masalah ini diselesaikan dengan iterasi. Jika x* = 1
m3/det diambil sebagai nilai awal,
థ൛஍షభ ሾଵିୣ୶୮ሺି଴Ǥଵଶହൈଵሻሿൟ
ߪ௑ ‫ כ‬ൌ ሾ଴Ǥଵଶହ ୣ୶୮ሺି଴Ǥଵଶହൈଵሻሿ
థ൛஍షభ ሺ଴Ǥଵଵ଼ሻൟ
ൌ
଴Ǥଵଵ଴
థሼሺିଵǤଵ଼଼ሻሽ
ൌ ଴Ǥଵଵ଴
ൌ ͳǤ͹ͻǡ
dan
ߤ௑ ‫ כ‬ൌ ‫ כ ݔ‬െ ߪ௑ ‫ כ‬Ȱିଵ ሾͳ െ ሺെͲǤͳʹͷ ൈ ͳሻሿ ൌ ͳ െ ͳǤ͹ͻȰିଵሺͲǤͳͳͺሻ ൌ ͵ǤͳʹǢ
ini digunakan dalam Pers. (5.2) untuk mendapatkan, untuk kapasitas independen dan permintaan,
33
൫ఓ೉‫ି כ‬ఓೊ ൯ ሺଷǤଵଶିଶሻ
ߚൌ మ ାఙ మ ൯భȀమ
ൌ
ሺଵǤ଻ଽమ ା଴Ǥସమ ሻభȀమ
ൌ ͲǤ͸ͳ
൫ఙ೉‫כ‬ ೊ‫כ‬
Untuk iterasi kedua, diambil x* = 1.5, yang menghasilkan β = 0,74. Seperti yang
ditunjukkan pada Tabel 5.1, prosedur ini kemudian diikuti sampai perbedaan antara dua
perkiraan berikutnya dari β diabaikan. Dengan demikian, salah satu memperoleh β = 0,76; yaitu
keandalan dari sistem r = Φ(0,76) ؆ 78%.
Satu juga dapat menggunakan pendekatan yang sama untuk distribusi kapasitas yang
berbeda dari eksponensial. Sebagai contoh, jika X adalah terdistribusi gamma dengan mean 8
m3/det, dan koefisien variasi adalah 1/√2 (lihat Gambar 13), parameter gamma pdf ditemukan,
dengan metode yang momen,
ଵ ଶ ଵ ଶ ௥ ଶ
‫ ݎ‬ൌ ቀ ቁ ൌ ቀ ቁ ൌ ʹǡ ߣ ൌ
௏ ఓ
ൌ ଼ ൌ ͲǤʹͷ݉ିଷ ݀݁‫ݐ‬
೉ ξଶ ೉
Jadi, dari Persamaan. (4.2.7),

ఒᇱ
݂௑ ሺ‫ݔ‬ሻ ൌ ቂ
୻ሺ௥ሻ
ቃ ‫ ݔ‬௥ିଵ ሺെߣ‫ݔ‬ሻ ൌ ͲǤʹͷଶ ‫ ݔ‬ሺെͲǤʹͷ‫ݔ‬ሻǡ
Ekponensial kapasitas,X
Rata-rata X = 8
Λ = 0.125
Proses iterasi
Titik kegagalan x* = 1.0 1.5 2.0 2.5 2.1 1.9
F(x*) = 0.1175 0.1710 0.2212 0.2684 0.2309 0.2114
f(x*) = 0.1103 0.1036 0.0974 0.0915 0.0961 0.0986
Φ [F(x*)] =
-1
-1.188 -0.950 -0.768 -0.618 -0.736 -0.802
ϕ{Φ-1[F(x*)]} = 0.197 0.254 0.297 0.330 0.304 0.289
Rata-rata X* = 3.12 3.83 4.34 4.73 4.43 4.25
Standar deviasi X* = 1.79 2.45 3.05 3.60 3.17 2.94
Kebutuhan normal Y
Rata-rata Y = 2
Standar deviasi Y = 0.4
Evaluasi indeks keandalan, β
= 0.61 0.74 0.76 0.75 0.76 0.76
Β
Keandalan : Φ(β) = 0.777
Resiko: 1- Φ(β) = 0.223
Tabel 1.Resiko Evaluasi utk Polusi Termal sungai dg Distr. Eksponensial (atas)
34
Tabel 2.Resiko Evaluasi utk Polusi Termal Sungai dg Distribusi Gamma
Gamma kapasitas,X
Rata-rata X = 8
Koefisien variasi X = 0.707
= 2
R
λ = 0.25
Proses iterasi
Titik kegagalan x* = 1.0 1.5 2.0 2.5 1.9 2.1
F(x*) = 0.0265 0.0550 0.0902 0.1302 0.0827 0.0979
f(x*) = 0.0487 0.0644 0.0758 0.0836 0.0738 0.0776
Φ-1[F(x*)] = -1.935 -1.598 -1.339 -1.125 -1.387 -1.294
ϕ{Φ-1[F(x*)]} = 0.061 0.111 0.163 0.212 0.152 0.173
Rata-rata X* = 3.44 4.26 4.87 5.35 4.76 4.98
Standar deviasi X* = 1.26 1.73 2.15 2.53 2.06 2.23
Kebutuhan normal Y
Rata-rata Y = 2
Standar deviasi Y = 0.4
Evaluasi indeks keandalan, β
β = 1.09 1.27 1.32 1.31 1.31 1.32
Keandalan : Φ(β) = 0.906
Resiko: 1- Φ(β) = 0.094
dan, untuk r = 2
௫ ఒమ
‫ܨ‬௑ ሺ‫ݔ‬ሻ ൌ ‫׬‬଴ ܼ ଶିଵ ሺെߣܼሻܼ݀ ൌ ͳ െ ሺͳ ൅ ߣ‫ݔ‬ሻ݁ ିఒ௫
୻ሺଶሻ
ൌ ͳ െ ሺͳ ൅ ͲǤʹͷ‫ݔ‬ሻ݁ ି଴Ǥଶହ௫

Menggunakan prosedur ini, akan didapat, untuk nilai awal x * = 1 m3/det
థ൛஍షభ ሾଵିሺଵା଴Ǥଶହൈଵሻൈୣ୶୮ሺି଴Ǥଶହൈଵሻሿൟ
ߪ௑ ‫ כ‬ൌ ሾ଴Ǥଶହమ ൈଵൈୣ୶୮ሺି଴Ǥଶହൈଵሻሿ
ൌ ͳǤʹ͸ǡ
ߤ௑ ‫ כ‬ൌ ͳ െ ͳǤʹ͸ ൈ Ȱିଵ ሾͳ െ ሺͳ ൅ ͲǤʹͷ ൈ ͳሻ ൈ ሺെͲǤʹͷ ൈ ͳሻሿ ൌ ͵ǤͶͶǢ

dan, dengan menggunakan nilai-nilai ini dalam Pers. (5.2),
൫ఓ೉‫ି כ‬ఓೊ ൯ ሺଷǤସସିଶሻ
ߚൌ మ ାఙ మ ൯భȀమ
ൌ ሺଵǤଶ଺మ ା଴Ǥସమ ሻభȀమ ൌ ͳǤͲͻ
൫ఙ೉‫כ‬ ೊ‫כ‬
Setelah beberapa iterasi, indeks keandalan diperoleh 1.32. Oleh karena itu, dari Persamaan. (5.4)
keandalan adalah sekitar 91%. Prosedur ini rinci dalam Tabel 5.2.
35
36
Bab
Bab 6.Fungsi Kinerja (Performance function) dan

Batas Limit (Limiting state)
Gambar 14.Failure State,Safe State and Limit State (Original)
Z> 1, kegagalan negara oleh Z <1, dan negara membatasi oleh Z = 1. Margin of safety,
didefinisikan sebagai S = g (X, Y) = X - Y, adalah contoh lain negara ini, di mana S> 0 mewakili
negara aman, S <0 negara gagal, dan S = 0 negara membatasi. Keuntungan utama menggunakan
S bukan Z adalah bahwa S adalah fungsi linear, sedangkan Z adalah sangat nonlinear. Lebih
umum, kita dapat mendefinisikan fungsi kinerja g (X, Y) yang memberikan pembatasan
kepentingan negara dalam bentuk
g X ,Y 0, (6.1)
sehingga keamanan dan kegagalan sistem yang diwakili oleh dua daerah dalam pesawat (x, y)
seperti ditunjukkan pada Gambar 14, dipisahkan oleh g (X, Y) = X - Y = 0.
37
Definisi: Fungsi Kinerja . Fungsi kinerja sistem adalah acak fungsi g (X, Y) dari X kapasitas dan
permintaan kinerja sistem Y menjelaskan, terkait dengan yang mungkin kegagalan, atau negara
membatasi kepentingan, yang diberikan oleh g (X, Y) = 0.
Mari kita mendefinisikan variabel berkurang karena
Xc
X P x , (6.2a)
Vx
Yc
Y PY ,
(6.2b)
VY
for S = g(X, Y ) = X − Y = 0.
g X c, Y c V X X c V Y Y c P X PY 0, (6.3)
yang memberikan alternatif bentuk negara membatasi kepentingan. Jika koordinat dikurangi
sistem diperkenalkan seperti yang ditunjukkan pada Gambar 14, garis lurus yang dihasilkan oleh
ungkapan ini dipindahkan pada jarak yang sama dengan indeks keandalan β dari asal. Hal ini
c / a 2 b2
1/2
karena jarak terpendek dari titik asal ke sebuah kapak baris ax by c 0 adalah
(dari analitis geometri). Artinya,
P X PY
E ,
V X2 V Y2
yang merupakan indeks keandalan untuk variabel tidak berkorelasi [dari Persamaan. (6.2)].
konsep ini dapat diperpanjang untuk setiap fungsi kinerja dalam bentuk linier.
Gambar 15.Failure State , Safe State dan Limit State (Normalized)
38
Untuk keadaan dimana g(X_, Y _) adalah non linier maka harga reliability index β adalah jarak
terpendek dari O ke garis limit state.
Secara umum limit state adalah fungsi dari kapasitas dan Beban , X1, X2, . . . , Xn, dapat
dinyatakan sebagai:
g X 1 , X 2 ,..., X n 0. (6.4)
Jika g(·) > 0 adalah kondisi aman ( safe state) dan g(·) < 0 kondisi failure state.
Dinyatakan sebagai
pf ³ ...³ f X1 ,..., X n X 1 ,..., X n dx1...dxn (6.5)
g X1 ,..., X n 0
r ³ ...³ f X1 ,..., X n X 1 ,..., X n dx1...dxn (6.6)

g X1 ,..., X n ! 0
Gambar 16.Non Linier Failure State
Ukuran indeks keandalan dapat diambil sebagai jarak minimum dari kritis hypersurface
(dalam ruang koordinat multidimensi) ke asal, dengan memperluas Konsep kasus dua-dimensi.
Shinozuka (1983) menunjukkan bahwa jarak minimum adalah titik kegagalan yang paling
mungkin. Tergantung pada formulir diambil oleh kinerja fungsi, perhitungan yang diperlukan
untuk mendapatkan titik kegagalan mungkin agak rumit. Solusinya dapat dilakukan dengan
39
X X 22 ..... X n2
1/2
meminimalkan fungsi
2
1
, tunduk pada kendala g
X 1 , X 2 ,...., X n 0
,
3
dengan menggunakan Lagrange multipliers.
Jika g (•) dinyatakan dalam bentuk linier, katakanlah,
n
g X 1, ..., X n a0 ¦ ai X i , (6.7)
i 1
a
dimana i , i = 0,. . . , n adalah konstanta diketahui, indeks keandalan didefinisikan oleh
minimum jarak diberikan
a0 ¦ in 1 ai Pi
E , (6.8)
¦ ¦ n
i 1
n
j 1 i a a j UijV iV j
dimana
Pi dan V i menyatakan mean dan deviasi standar dari X i , masing-masing, dan Uij adalah
Xi Xj
koefisien korelasi antara dan . Untuk variates saling independen,
a0 ¦ in 1 ai Pi
E . (6.9)
¦ n 2
i 1 i a V i2
6.1 Soal 10 : Danau fitoplankton

Iklim dan kualitas air merupakan salah satu faktor
mempengaruhi jumlah fitoplankton di danau dangkal. Mari kita asumsikan bahwa tingkat
peningkatan fitoplankton akan dinyatakan sebagai fungsi linier g

X1, X 2 , X 3 dari tiga variabel:
X1 X2 X3
suhu air , radiasi global , dan konsentrasi nutrisi . Kesetimbangan sesuai dengan
g X1, X 2 , X 3 0
kepentingan negara membatasi, , dan positiftingkat pertumbuhan harus
dihindari untuk mencegah eutrofikasi. Pengamatan lapangan menunjukkan bahwa X 1 , X 2 dan
X3
dapat dimodelkan sebagai variates normal dengan cara berikut dan koefisienvariasi:
ߤଵ ൌ ͳ͸Ԩ, ߤଶ ൌ ͳͷͲܹȀ݉ଶ ,ߤଷ ൌ ͳͲͲ݉݃Ȁ݉ଶ
dan
ܸଵ ൌ ͲǤͷ,
ܸଶ ൌ ͲǤ͵
ܸଷ ൌ ͲǤ͹
40
ߪଵ ൌ ͺԨ
ߪଶ ൌ ͶͷܹȀ݉ଶ
ߪଷ ൌ ͹Ͳ݉݃Ȁ݉ଶ
Meskipun diamati bahwa suhu dan radiasi tidak berpengaruh pada konsentrasi
nutrisi sehingga ߩଵଷ ൌ ߩଶଷ ൌ Ͳ, saling mereka sangat berkorelasi dengan ߩଵଶ ൌ ͲǤͺ. para
fungsi keseimbangan
݃ሺܺଵ ǡ ܺଶ ǡ ܺଷ ሻ ൌ ܽ଴ െ ሺܽଵ ܺଵ ൅ ܽଶ ܺଶ ൅ ܽଷ ܺଷ ሻ
dengan ܽ଴ ൌ ͲǤ͸ͻ݉݃Ȁ݉³, ܽଵ ൌ ͲǤͲͺ݉݃Ȁሺ݉³‫ݔ‬Ԩሻ, ܽଶ ൌ ͲǤͲͳ݉݃Ȁ݉‫ܹݔ‬, dan ܽଷ ൌ ͲǤͲʹ
lainnya variabel harus dimasukkan, seperti akuntansi untuk predasi dan pemborosan alam;
ini adalah termasuk dalam ܽ଴ konstan karena kesulitan dalam memperkirakan secara terpisah.
Para Indeks keandalan adalah kemudian dihitung menggunakan Persamaan. (6.8). Pembilang
diberikan oleh
ܽ଴ െ ሺܽଵ ߤଵ ൅ ܽଶ ߤଶ ൅ ܽଷ ߤଷ ሻ ൌ ͸Ǥͻ െ ሺͲǤͲͺ‫ͳݔ‬͸ ൅ ͲǤͲͳ‫ͳݔ‬ͷͲ ൅ ͲǤͲʹ‫ͲͲͳݔ‬ሻ ൌ ʹǤͳʹ
dan argumen dalam akar kuadrat dari penyebut adalah
ܽଵଶ ߪଵଶ ൅ ܽଶଶ ߪଶଶ ൅ ܽଷଶ ߪଷଶ ൅ ʹܽଵ ܽଶ ߩଵଶ ߪଵ ߪଶ ൅ ʹܽଵ ܽଷ ߩଵଷ ߪଵ ߪଷ ൅ ʹܽଶ ܽଷ ߩଶଷ ߪଶ ߪଷ
= 0.08² x 8² + 0.012² x 45² + 0.02² x 70² + 2 x 0.08 x 0.01 x 0.8 x 8 x 45 + 0 +0
=3.03
Jadi,
ଵǤଵଶ
ߚൌ ൌ ͳǤʹʹ
ξଷǤ଴ଷ
dan dari Persamaan. (5.4), r =Φ (1,22) = 0,89. Ini berarti ada peluang 89% bahwa tingkat
pertumbuhan positif dicegah. Oleh karena itu, risiko bahwa biomassa alga akan meningkat
sebesar 11%.
Jika negara membatasi fungsi g (•) adalah nonlinier, jarak dari kegagalan hypersurface
ke asal variates berkurang mungkin tidak unik. Oleh karena itu, untuk menemukan yang tepat
probabilitas kegagalan seseorang harus memecahkan integral dalam Pers. (6.5), yang umumnya
akan membutuhkan kuadratur beberapa numerik. Untuk mendapatkan solusi perkiraan satu dapat
menggunakan hyperplane bersinggungan dengan hypersurface itu. Jika permukaan kegagalan
yang tepat nonlinear adalah cembung ke asal, pendekatan akan konservatif, seperti yang
ditunjukkan pada Gambar. 6.3 di dua-dimensi kasus. Sebaliknya, jika permukaan cekung, maka
41
xif'
akan nonconservative, karena pendekatan terletak pada sisi aman. Dengan ini metode
komponen ke-i dari titik kegagalan

x'
1f , x2' f ,..., xnf'
dinyatakan dalam variates dikurangi
diberikan oleh
§ wg ·
¨ ¸
© wX ic ¹ f
xifc E D i E , (6.10)
2
§ wg ·
¦ n
i 1 ¨ ç
© wX i ¹ f
di mana (dalam istilah geometris) yang αi s cosinus arah dari sumbu komponen. para
turunan dihitung di titik

x '
1f , x2' f ,..., xnf'
. Jadi, seperti dalam Persamaan. (6.2a),
xif Pi V i xifc Pi DiV i E (6.11)
Nilai β diperlukan kemudian ditemukan dengan menggantikan sisi kanan Persamaan. (6.11)
xi s g x1 , x2 ,..., xn
untuk dalam fungsi kinerja sebagai berikut
g P1 D1V 1E , P2 D 2V 2 E ,..., Pn D nV n E 0 (6.12)
Memecahkan persamaan negara membatasi untuk β memberikan nilai yang diperlukan

keandalan indeks. Ini biasanya memerlukan prosedur iteratif. Satu mengasumsikan nilai-nilai
x1 f , x2 f ,..., xnf ;
awal tentatif dari , kemudian menggunakan nilai estimasi deviasi standar, salah
menghitung turunan parsial, dan nilai-nilai

D i , yang digunakan untuk memecahkan persamaan.
(6.12) untuk β, menggunakan nilai estimasi berarti. Pada setiap langkah satu perkiraan β, dan
xif Pi V iDi E ,
kemudian mengevaluasi kembali yang dan prosedur ini diulang sampai ada
konvergensi.
6.2 Soal 11 : Run of stasiun pembangkit listrik
Rendah-kepala run-of-sungai kecil stasiun pembangkit listrik tenaga air. Kinerja ekonomi
dari serangan irigasi terletak di Balcad, Somalia, di sepanjang Sungai Wabe Shabelle dapat
ditingkatkan dengan menginstal sebuah stasiun tenaga air untuk memenuhi kebutuhan energi
lokal. Seorang insinyur memperkirakan permintaan listrik X3 600 kW² menjadi rata-rata, dengan
varians dari 3600 kW². Jika turbin turboaxial standar dipasang, output daya dapat diperkirakan
42
sebagai 7,5 X1X2, di mana debit X1 diukur dalam m³ / s dan X2 kepala hidrolik dalam m, dan 7,5
adalah akuntansi koefisien untuk gravitasi, densitas air, dan efisiensi keseluruhan yang
diinstalperalatan. Dengan demikian, kekuasaan diberikan dalam satuan kW. Meskipun debit rata-
rata 22 m³ / s dan kepala rata-rata 5.2 m yang tersedia, debit dan tergantung pada ketersediaan
kepala mengalir alami variabel, namun juga tunduk pada kendala penanganan serangan, yang
dioperasikan dengan prioritas untuk permintaan irigasi. Debit dan kepala dapat diasumsikan
untuk mandiri yang normal variates, X1 dan X2, dengan koefisien variasi 0,2, dan 0,15 masing-
masing. Dengan asumsi bahwa permintaan X3 dalam kW juga normal dan independen dari debit
dan kepala, insinyur keinginan untuk mengevaluasi keandalan tanaman. Jadi,
g (X1, X2, X3) = 7.5X1X2 - X3
adalah fungsi kinerja dari sistem tenaga air, dengan
ߤଵ ൌ ʹʹ݉ଷ Ȁ‫ݏ‬,ܸଵ ൌ ͲǤʹ,ߪଵ ൌ ͶǤͶ݉ଷ Ȁ‫ݏ‬Ǣ
ߤଶ ൌ ͷǤʹ݉Ȁ‫ݏ‬,ܸଶ ൌ ͲǤͳͷ,ߪଶ ൌ ͲǤ͹ͺ݉;
ߤଷ ൌ ͸ͲͲܹ݇,ܸଷ ൌ ͲǤͳ,ߪଷ ൌ ͸Ͳܹ݇Ǥ
Para turunan parsial dari fungsi kinerja sehubungan dengan setiap variabel dievaluasi
pada titik kegagalan ditentukan sebagai
డ௚ డ௚ డ௫೔ డ௚
డ௑೔′
ൌ ቀడ௑ ቁ ൬ ൰ ൌ ቀడ௑ ቁ ߪ௜
೔ డ௑೔′ ೔
yang mengikuti langsung dari Persamaan. (6.2a). Jadi,

డ௚
ቀ ቁ ൌ ͹Ǥͷܺଶ ߪଵ ǡ
డ௑భ′ ௙
డ௚
ቀడ௑ ′ ቁ ൌ ͹Ǥͷܺଵ ߪଶ ǡ
మ ௙
డ௚
ቀ ቁ ൌ െߪଷ ൌ െ͸Ͳǡ
డ௑య′
௙
x1 x2
Mengambil berarti sebagai nilai awal (yaitu, = 22 m³/s dan = 5,2 m) satu
memperoleh
డ௚
ቀ ቁ ൌ ͹Ǥͷ‫ݔ‬ͷǤʹ‫ݔݔ‬ͶǤͶ ൌ ͳ͹ͳǤ͸
డ௑భ′ ௙
డ௚
ቀడ௑ ′ ቁ ൌ ͹Ǥͷ‫ʹݔ‬Ǥʹ‫Ͳݔ‬Ǥ͹ͺ ൌ ͳʹͺǤ͹
మ ௙
డ௚
ቀ ቁ ൌ െ͸Ͳǡ
డ௑య′
௙
43
Oleh karena itu, bentuk Pers. (6.10),
ଵ଻ଵǤ଺
ߙଵ ൌ ൌ ͲǤ͹͹Ͳ
ξସଽǡ଺ଵ଴
ଵଶ଼Ǥ଻
ߙଶ ൌ ൌ ͲǤͷ͹ͺ
ξସଽǡ଺ଵ଴
଺଴
ߙଷ ൌ െ ൌ െͲǤʹ͸ͻ
ξସଽ଺ଵ଴
Dengan demikian, titik kegagalan baru diberikan oleh

ܺଵሺ௕௔௥௨ሻ ൌ ߤଵ െ ߙଵ ߪଵ ߚ ൌ ʹʹ െ ሺͲǤ͹͹Ͳ‫ݔ‬ͶǤͶሻߚ ൌ ʹʹ െ ͵Ǥ͵ͺͺߚ
ܺଶሺ௕௔௥௨ሻ ൌ ߤଶ െ ߙଶ ߪଶ ߚ ൌ ͷǤʹ െ ሺͲǤͷ͹ͺ‫Ͳݔ‬Ǥ͹ͺሻߚ ൌ ͷǤʹ െ ͲǤͶͷͳߚ
ܺଷሺ௕௔௥௨ሻ ൌ ߤଷ െ ߙଷ ߪଷ ߚ ൌ ͸ͲͲ െ ሺെͲǤʹ͸ͻ‫ݔ‬͸Ͳሻߚ ൌ ͸ͲͲ ൅ ͳ͸ǤͳͶߚ
Tabel 3.Evaluasi Keandalan dari Low-Head Run River Small Gydropower Plant
Coefficient of Standard
Design data Unit Mean variation deviation
Normal discharge, X1 m3/s 22 0.20 4.4
Normal hydraulic head, X2 M 5.2 0.15 0.78
Normal power demand, X3 kW 600 0.10 60
Limiting state of interest is
g(X1, X2, X3) = 7.5X1X2 − X3 = 0
Iteration process
Initial x1f = 22.0 17.8 17.7 17.7
Initial x2f = 5.2 4.6 4.7 4.7
Initial x3f = 600 620 623 623
൫߲݃Ȁ߲ܺଵ′ ൯௙ = 171.6 153.2 154.6 154.8
൫߲݃Ȁ߲ܺଶ′ ൯௙ = 128.7 104.2 103.7 103.6
൫߲݃Ȁ߲ܺଷ′ ൯௙ = −60.0 −60.0 −60.0 −60.0
σ൫߲݃Ȁ߲ܺଵ′ ൯௙ = 49610 37922 38254 38276

ଶ
α1f = 0.770 0.787 0.790 0.791

α2f = 0.578 0.535 0.530 0.529
α3f = −0.269 −0.308 −0.307 −0.307
44
New x1f = 17.8 17.7 17.7 17.7
New x2f = 4.6 4.7 4.7 4.7
New x3f = 620.0 622.8 622.7 622.7
g(·) = 7.5x1f x2f - x3f = −4.5×10-5 7.5 × 10−6 1.7 × 10−5 1.8 × 10−5
Yields β = 1.24 1.23 1.23 1.23
Reliability : Φ(β) = 0.892
Risk: 1- Φ(β) = 0.108
Persamaan negara membatasi diberikan oleh

7.5 (22 - 3.388β) (5.2 - 0.451β) - (600 + 16.14β) = 0,
yang menghasilkan β = 1.24. Persamaan aljabar orde kedua dapat diselesaikan secara analitis;
Namun, perhitungan numerik umumnya dibutuhkan. Hasilnya ditunjukkan dalam Tabel 6.1.
Untuk melakukan iterasi kedua, salah satu memanfaatkan titik kegagalan baru:
ܺଵሺ௕௔௥௨ሻ ൌ ʹʹ െ ͵Ǥ͵͵ͺߚ ൌ ʹʹ െ ͵Ǥ͵ͺͺ‫ͳݔ‬ǤʹͶ ൌ ͳ͹Ǥͺ
ܺଶሺ௕௔௥௨ሻ ൌ ͷǤʹ െ ͲǤͶͷͳߚ ൌ ͷǤʹ െ ͲǤͶͷͳ‫ͳݔ‬ǤʹͶ ൌ ͶǤ͸
ܺଷሺ௕௔௥௨ሻ ൌ ͸ͲͲ ൅ ͳ͸ǤͳͶߚ ൌ ͸ͲͲ ൅ ͳ͸ǤͳͶ‫ͳݔ‬ǤʹͶ ൌ ͸ʹͲ
Kemudian nilai dari turunan parsial dihitung sebagai
డ௚ డ௚ డ௚
ቀడ௑ ′ ቁ ൌ ͳͷ͵Ǥʹ, ቀడ௑ ′ ቁ ൌ ͳͲͶǤʹ, ቀడ௑ ′ ቁ ൌ െ͸Ͳ,
భ ௙ మ ௙ య ௙
Oleh karena itu, dari Persamaan. (6.10),

ଵହଷǤଶ
ߙଵ ൌ ൌ ͲǤ͹ͺ͹
ξଷ଻ǡଽଶଶ
ଵ଴ସǤଶ
ߙଶ ൌ ଷ଻ǡଽଶଶ ൌ ͲǤͷ͵ͷ
଺଴
ߙଷ ൌ െ ൌ െͲǤ͵Ͳͺ
ξଷ଻ǡଽଶଶ
Hal ini memberikan titik kegagalan baru

ܺଵሺ௕௔௥௨ሻ ൌ ʹʹ െ ሺͲǤ͹ͺ͹‫ݔ‬ͶǤͶሻߚ ൌ ʹʹ െ ͵ǤͶ͸͵ߚ
ܺଶሺ௕௔௥௨ሻ ൌ ͷǤʹ െ ሺͲǤͷ͵ͷ‫Ͳݔ‬Ǥ͹ͺሻߚ ൌ ͷǤʹ െ ͲǤͶͳ͹ߚ
ܺଷሺ௕௔௥௨ሻ ൌ ͸ͲͲ െ ሺͲǤ͵Ͳͺ‫ݔ‬͸Ͳሻߚ ൌ ͸ͲͲ ൅ ͳͺǤͶͺߚ
Dengan demikian, persamaan negara baru pembatas
45
7.5 (22 - 3.463β) (5.2 - 0.417β) - (600 + 18.48β) = 0,
yang menghasilkan β = 1,23. Iterasi lebih lanjut menunjukkan bahwa β = 1,23 adalah reliabilitas
yang dibutuhkan indeks, seperti yang ditunjukkan dalam Tabel 6.1. Oleh karena itu, keandalan
dari stasiun tenaga air adalah sekitar 89%, dan risiko yang terkait kegagalan adalah sekitar 11%.
Titik kegagalan yang paling mungkin terjadi untuk sebuah 623kW permintaan, keluarnya
17.7m3/s, dan kepala yang tersedia sebesar 4,7 m. sistem simulasi harus dilaksanakan untuk
menjelaskan korelasi antara kepala dan debit, dan untuk variabilitas efisiensi peralatan dengan
debit dan kepala (lihat La Barbera et al, 1983.). Dengan prosedur ini seseorang dapat
mengevaluasi jenis peralatan turboaxial standar harus diadopsi.
6.3 Soal 12 : Breakwater Pelabuhan
Breakwater pelabuhan. Pertimbangkan breakwater pelabuhan dibangun dengan besar

tangki beton diisi dengan pasir (lihat Gambar 17). Hal ini diperlukan untuk mengevaluasi risiko
bahwa breakwater akan meluncur di bawah tekanan lateral gelombang besar selama badai besar.
Stabilitas terhadap geser ada ketika rasio resultan gaya horisontal ܴ௛ ke resultanܴ௩ dari gaya
vertikal tidak melebihi koefisien gesekan c f . Oleh karena itu, negara membatasi kepentingan
dapat direpresentasikan sebagai

݃൫‫ܥ‬௙ ǡ ܴ௩ ǡ ܴ௛ ൯ ൌ ‫ܥ‬௙ ܴ௩ െ ܴ௛ ൌ Ͳ
mana‫ܥ‬௙ dapat diartikan sebagai variabel acak, X1, yang merupakan ketidakpastian yang melekat
terkait dengan evaluasi lapangan. Para ܴ௩ resultan dari gaya-gaya vertikal yang diberikan oleh
jumlah aljabar dari berat tangki berkurang untuk daya apung, X2, dan komponen vertikal tekanan
mengangkat dinamis karena gelombang Fv melanggar:
ܴ௩ ൌ ‫ݔ‬ଶ െ ‫ܨ‬௩
dimana ‫ܨ‬௩ adalah proporsional dengan tinggi gelombang desain, Hb, ketika kemiringan dasar laut
dikenal. ܴ௛ resultan dari gaya-gaya horizontal tergantung pada keseimbangan antara komponen
tekanan statis dan dinamis, dan dapat diambil sebagai fungsi kuadrat dari Hb di bawah hipotesis
disederhanakan pada kedalaman pemecah gelombang tersebut. Penyederhanaan shoaling yang
efek menunjukkan bahwa Hb tinggi gelombang desain adalah sebanding dengan deepwater acak
X4 = Hs, yang ditemukan dari analisis frekuensi badai ekstrim di daerah tersebut. Akhirnya,
negara membatasi kepentingan dapat ditulis sebagai
46
݃ሺܺଵǡ ܺଶ ǡ ܺଷ ǡ ܺସ ሻ ൌ ܺଵ ሺܺଶ െ ܽଵ ܺଷ ܺସሻ െ ܺଷ ሺܽଶ ܺସଶ ൅ ܽଷ ‫ݔ‬ସ ሻ ൌ Ͳ
dimana memvariasikan tambahan X3 diperkenalkan untuk mewakili ketidakpastian yang
disebabkan oleh penyederhanaan diadopsi untuk model kekuatan Fv dinamis dan Rh, konstanta
a1, a2, dan a3 tergantung pada geometri sistem.
Gambar 17.Sket dari Dinding Vertikal dari Breakwater
Sebuah unit lebar dinding vertikal yang terletak di La Spezia pelabuhan, Italia, dianggap,
dan semua variabel diasumsikan independen. Misalkan X1, X2, dan X3 yang variates normal
dengan berikut sarana dan koefisien variasi:
ߤଵ ൌ ͲǤ͸Ͷǡߤଶ ൌ ͵ͶͲͲ݇ܰȀ݉ǡ ߤଷ ൌ ͳǡ
ܸଵ ൌ ͲǤͳͷǡܸଶ ൌ ͲǤͲͷ,ܸଷ ൌ ͲǤʹ
Analisis frekuensi badai parah di daerah studi menunjukkan bahwa X4 memiliki nilai ekstrim
Tipe I distribusi dengan mean ߤସ ൌ ͲǤͳͷ = 5,16 m , dan deviasi standarߪସ = 0,93 m. σ4 Berikut
metode Bagian 7.2, parameter skala dan lokasi cdf dari X4 yang
ξ଺
ߙ ൌ ቀ ቁ ߪସ ൌ ͲǤ͹ͺ‫Ͳݔ‬Ǥͻ͵ ൌ ͲǤ͹͵݉
గ
dan
b = ߤସ - 0.5772α = 5,16-0,5772 × 0,73 = 4,74 m.
Akhirnya, oleh akuntansi untuk profil bawah laut dan geometri dinding penahan
memperkirakan bahwa salah satu
a1 = 70, a2 = 17 m / kN, a3 = 145.
Dengan demikian, persamaan menjadi membatasi
47
݃ሺ‫ݔ‬ଵ ǡ ‫ݔ‬ଶ ǡ ‫ݔ‬ଷ ǡ ‫ݔ‬ସ ሻ ൌ ‫ݔ‬ଵ ‫ݔ‬ଶ െ ͹Ͳ‫ݔ‬ଵ ‫ݔ‬ଷ ‫ݔ‬ସ െ ͳ͹‫ݔ‬ଷ ‫ݔ‬ସଶ െ ͳͶͷ‫ݔ‬ଷ ‫ݔ‬ସ ൌ Ͳ
Turunan
డ௚
ቀడ௑ ′ ቁ ൌ ሺ‫ݔ‬ଶ െ ͹Ͳ‫ݔ‬ଷ ‫ݔ‬ସ ሻߪଵ
భ ௙
డ௚
ቀడ௑ ′ ቁ ൌ ‫ݔ‬ଵ ߪଶ
మ ௙
డ௚
ቀడ௑ ′ ቁ ൌ െሺ͹Ͳ‫ݔ‬ଵ ‫ݔ‬ସ െ ͳ͹‫ݔ‬ସଶ െ ͳͶͷ‫ݔ‬ସ ሻߪଷ ǡ
య ௙
డ௚
ቀ ቁ ൌ െሺ͹Ͳ‫ݔ‬ଵ ‫ݔ‬ଷ െ ͵Ͷ‫ݔ‬ଷ ‫ݔ‬ସ െ ͳͶͷ‫ݔ‬ଷ ሻߪସ ǡ
డ௑ర′ ௙
dimana x1, x2, x3, dan x4 adalah nilai-nilai dari variabel-variabel yang sesuai pada titik kegagalan.
Untuk iterasi pertama, satu mengambil berarti sebagai nilai awal. Karena X4 adalah
memvariasikan EV1, yang memvariasikan yang normal setara harus ditentukan, seperti yang
ditunjukkan pada Contoh 9.9. Jadi,
‫׎‬൛ఃషభ ൣிೣర ൫௫ర೑ ൯൧ൟ ‫׎‬൛ఃషభ ൣிೣర ሺହǤଵ଺ሻ൧ൟ
ߪସ‫ כ‬ൌ ൌ
௙ೣర ൫௫ర೑ ൯ ௙ೣర ሺହǤଵ଺ሻ
‫׎‬൛Φషభ ሾ଴Ǥହ଻଴ሿൟ ‫׎‬ሼ଴Ǥଵ଻଻ሽ ଴Ǥଷଽଷ

ߪସ‫ כ‬ൌ ଴Ǥସସଶ
ൌ ଴Ǥସସଶ
ൌ ଴Ǥସସଶ ൌ ͲǤͺͺͻ
dan
ߤସ‫ כ‬ൌ ‫ݔ‬ସ௙ െ ߪସ‫ିߔ כ‬ଵ ൣ‫ܨ‬௫ర ൫‫ݔ‬ସ௙ ൯൧ ൌ ͷǤͳ͸ െ ͲǤͺͺͻ‫Ͳݔ‬Ǥͳ͹͹ ൌ ͷǤͲͲʹ
juga,
డ௚
ቀ
డ௑భ′ ௙
ቁ ൌ ሺ͵ͶͲͲ െ ͹Ͳ‫ͳݔ‬ǤͲͲ‫ݔ‬ͷǤͲͲʹሻ‫Ͳݔ‬ǤͲͻ͸ ൌ ʹͻʹǤ͹ͺ
డ௚
ቀడ௑ ′ ቁ ൌ ͲǤ͸Ͷ‫ͳݔ‬͹Ͳ ൌ ͳͲͺǤͺ
మ ௙
డ௚
ቀ
డ௑యᇲ
ቁ ൌ െሺ͹Ͳ‫Ͳݔ‬Ǥ͸Ͷ‫ݔ‬ͷǤͲͲʹ ൅ ͳ͹‫ݔ‬ͷǤͲͲʹଶ ൅ ͳͶͷ‫ݔ‬ͷǤͲͲʹሻͲǤʹ ൌ െʹ͹ͶǤͻ͹
௙
డ௚
ቀడ௑ ᇲ ቁ ൌ െሺ͹Ͳ‫Ͳݔ‬Ǥ͸Ͷ‫ͳݔ‬ǤͲͲ ൅ ͵Ͷ‫ͳݔ‬ǤͲͲ‫ݔ‬ͷǤͲͲʹ ൅ ͳͶͷ‫ͳݔ‬ǤͲͲሻ‫Ͳݔ‬Ǥͺͺͻ ൌ െ͵ʹͲǤͲͳǡ
ర ௙
Oleh karena itu, dari Persamaan. (9.1.31),

ଶଽଶǤ଻଼
ߙଵ ൌ ൌ ͲǤͷͷͺ
ξଶ଻ହǤହ଻ହ
ଵ଴଼Ǥ଼
ߙଶ ൌ ൌ ͲǤʹͲ͹
ξଶ଻ହହ଻ହ
ିଶ଻ସǤଽ଻
ߙଷ ൌ െ ൌ െͲǤͷʹͶ
48
ିଷଶ଴Ǥ଴ଵ
ߙସ ൌ െ ൌ െͲǤ͸ͳͲ
Dengan demikian, titik kegagalan baru diberikan oleh

ܺଵሺ௕௔௥௨ሻ ൌ ߤଵ െ ߙଵ ߪଵ ߚ ൌ ͲǤ͸Ͷ െ ሺͲǤͷͷͺ‫Ͳݔ‬ǤͲͻ͸ሻߚ ൌ ͲǤ͸Ͷ െ ͲǤͲͷͶߚ
ܺଶሺ௕௔௥௨ሻ ൌ ߤଶ െ ߙଶ ߪଶ ߚ ൌ ͵ͶͲͲ െ ሺͲǤʹͲ͹‫ͳݔ‬͹Ͳሻߚ ൌ ͵ͶͲͲ െ ͵ͷǤʹ͵ߚ
ܺଷሺ௕௔௥௨ሻ ൌ ߤଷ െ ߙଷ ߪଷ ߚ ൌ ͳ െ ሺെͲǤͷʹͶ‫Ͳݔ‬Ǥʹሻߚ ൌ ͳ ൅ ͲǤͳͲͷߚ
ܺସሺ௕௔௥௨ሻ ൌ ߤସ‫ כ‬െ ߙସ ߪସ‫ ߚ כ‬ൌ ͷǤͲͲʹ െ ሺെͲǤ͸ͳͲ‫Ͳݔ‬Ǥͺͺͻሻߚ ൌ ͷǤͲͲʹ ൅ ͲǤͷͶʹߚ
dan persamaan negara membatasi menjadi
ሺͲǤ͸Ͷ െ ͲǤͲͷͶߚሻ െ ሺ͵ͶͲͲ െ ͵ͷǤʹ͵ߚሻ െ ͹ͲሺͲǤ͸Ͷ െ ͲǤͲͷͶߚሻሺͳ ൅ ͳǤͲͷͳߚሻሺͷǤͲͲʹ െ ͲǤͷͶʹߚሻ
െͳ͹ሺͳ ൅ ͳǤͲͷͳߚሻሺͷǤͲͲʹ െ ͲǤͷͶʹߚሻ; െ ͳͶͷሺͳ ൅ ͳǤͲͷͳߚሻሺͷǤͲͲʹ െ ͲǤͷͶʹߚሻ=0
yang diselesaikan secara numerik untuk menghasilkan β = 1,446. Dengan demikian, titik
kegagalan baru yang akan digunakanuntuk iterasi kedua diberikan oleh
ܺଵሺ௕௔௥௨ሻ ൌ ͲǤ͸Ͷ െ ͲǤͲͷͶߚ ൌ ͲǤͷ͸͵
ܺଶሺ௕௔௥௨ሻ ൌ ͵ͶͲͲ െ ͵ͷǤʹ͵ߚ ൌ ͵͵Ͷͻ
ܺଷሺ௕௔௥௨ሻ ൌ ͳ ൅ ͲǤͳͲͷߚ ൌ ͳǤͳͷʹ
ܺସሺ௕௔௥௨ሻ ൌ ͷǤͲͲʹ ൅ ͲǤͷͶʹߚ ൌ ͷǤ͹ͺ͸
Titik kegagalan yang sesuai untuk X 4 adalah ditemukan sebagai
‫כ‬
௫రሺ್ೌೝೠሻ ିఓర‫כ‬
ܺସሺ௕௔௥௨ሻ ൌ ܾ െ ߙ ൜െȰ ൤ ൨ൠ
ఙర‫כ‬
ହǤ଻଼଺ିହǤ଴଴ଶ
ܺସሺ௕௔௥௨ሻ ൌ ͶǤ͹Ͷ െ ͲǤ͹͵ ቄെ݈݊Ȱ ቂ ଴Ǥ଼଼ଽ
ቃቅ ൌ ͷǤͺ͹ͷ
Setelah iterasi lebih lanjut, seperti yang ditunjukkan pada Tabel 6.2, nilai ߚ= 1,352 diperoleh.
Karena tidak ada perubahan lebih lanjut, keandalan struktur diperkirakan sebagaiȰ (1,352) =
0,912. Ini berarti bahwa risiko geser sekitar 9%. Simulasi juga dapat memberikan solusi untuk
ini masalah, seperti yang terlihat dalam karya Franco et al. (1986) dan Burcharth (1994).
49
Tabel 4.Evaluasi Dari Sliding Resiko dari Dinding Vertikal Breakwater Pelabuhan
50
51
52
Bab
Bab 7. SOLUSI PRAKTIS (PRACTICAL SOLUTIONS)
Solusi praktis lebih lanjut. Solusi alternatif bagi mereka yang disajikan dalam subbagian
sebelumnya dapat digunakan untuk menerapkan disederhanakan metode untuk penilaian
kehandalan. Ini termasuk First Order Second moment (FOSM) metode dan pendekatan yang
diperoleh oleh ekspansi deret Taylor dan estimasi titik untuk mengevaluasi momen pertama dan
kedua-urutan variates atau indeks keamanan. Meskipun solusi ini memiliki tingkat tertentu
ketidaktelitian dalam menggambarkan sistem prototipe, mereka memberikan hasil yang
memuaskan dalam banyak kasus. Metode ini Oleh karena itu cukup menarik untuk solusi dari
masalah rekayasa.
Sebuah model keandalan disederhanakan, pertama kali diperkenalkan dalam desain baja
struktural, hanya menggunakan nilai dan koefisien variasi untuk X dan Y resistansi beban dalam
tertentu membatasi negara untuk mendapatkan keandalan β indeks, yang dihitung sebagai
ln( P X / PY )
E| ,
VX2 VY2
(7.1)
5
terlepas dari jenis distribusi X dan Y.
7.1 Soal 13 : FOSM Keandalan index

FOSM kehandalan indeks. Pertimbangkan lagi balok kayu yang kaku Contoh 9,3 dan 9,8
dengan:
μ‫= ݔ‬39. 1 N/mm² . Vx = 0,25 μߛ = 24,0 N/mm² , Vy =0,15
Dari Persamaan. (7.1),
୪୬ሺଷଽǤଵȀଶସǤ଴ሻ
‫ܤ‬ൎ ൌ ͳǤ͸Ͷ͹
ඥ଴Ǥଶହ;ା଴Ǥଵହ;
Hasil ini sangat dekat dengan 1,628 ditemukan di bawah asumsi independen dan
lognormally didistribusikan kekuatan dan beban
53
Hilangnya akurasi karena pendekatan ini mungkin dapat diabaikan dalam beberapa kasus.
Para Pendekatan FOSM berguna ketika informasi yang tersedia di variabel desain tidak
yang cukup untuk mengevaluasi distribusi mereka marjinal dan bersama dengan tingkat yang
memuaskan akurasi. Metode ini banyak diterapkan untuk mengevaluasi keandalan sistem
individu komponen dalam rekayasa struktural. Sebagai contoh, Load dan Resustant Factor
Design (LRFD) spesifikasi untuk baja struktural bangunan dikembangkan dengan menilai
keandalan struktural oleh FOSM method.
7.2 Soal 14 : LRFD (Load Resistant Factor Design/Faktor2 Beban dan Tahanan)
LRFD spesifikasi untuk struktur logam. Ketidaksamaan desain untuk logam

struktur mengandung faktor parsial untuk efek beban, γ, dan resistensi, φ, dalam bentuk
‫ݎ׎‬௡ ൒ ߛௗ ‫ݍ‬ௗ ൅ σ௜ ߛ௘௜ ‫ݍ‬௡௜
di mana n subskrip menunjukkan nominal (kode tertentu) nilai r resistensi dan efek beban q,
subskrip i menunjukkan negara membatasi ketahanan yang berbeda berlaku, d subskrip berarti
beban mati, dan e subskrip mendefinisikan efek beban waktu-bervariasi karena hunian, salju,
gempa bumi, angin, dan efek lainnya. Perlawanan nominal ‫ݎ‬௡ dan φ faktor resistensi tergantung
pada negara membatasi sesuai untuk setiap jenis anggota struktural atau koneksi. Sebagai contoh,
φ = 0,85 berlaku untuk negara batas elastis dari suatu kolom secara aksial dimuat, dan φ = 0,9
berlaku untuk sinar flexured dikenakan momen lentur. Spesifikasi LRFD memberikan beban γ
faktor untuk mencapai nilai target dari β indeks keandalan untuk diberikan konfigurasi beban.
Misalnya, jika kombinasi beban termasuk mati, hidup, atau beban salju, nilai-nilai khas β adalah
3.0 untuk anggota struktural (misalnya, kolom dan balok) dan 4,5 untuk koneksi struktural
(misalnya, baut dan las). Para β ditargetkan untuk anggota struktural adalah 2,5 jika kombinasi
mati, beban hidup, dan angin dianggap, dan 1,75 untuk kombinasi beban mati, hidup, dan gempa
bumi. Perhatikan, misalnya, sebuah kolom secara aksial dimuat dikenakan beban hidup. Batas
LRFD persamaan
ͲǤͺͷ‫ݎ‬௡ ൌ ͳǤʹ‫ݍ‬ௗ ൅ ͳǤ͸‫ݍ‬௡௟
qd q nl
di mana ‫ݎ‬௡ menunjukkan kapasitas nominal, dan dan menyatakan beban mati dan hidup
Jd J nl
nominal beban, masing-masing. Di sini, faktor beban parsial = 1.2 untuk beban mati, dan
54
= 1,6 untuk beban hidup. Untuk kasus tertentu beban-ke-mati-beban hidup rasio 3, diharapkan
jumlah μY beban diambil ଻
‫ݍ‬ௗ ൅ ‫ݍ‬௡௟ ൌ ሺ͵ ൅ ͳሻ‫ݍ‬ௗ ൌ Ͷ‫ݍ‬ௗ
VY
dan = 0,19. Dari persamaan negara membatasi, kolom nominal resistensi ‫ݎ‬௡ dihitung
sebagai
௤೏ ሺଵǤଶାଵǤ଺ൈଷሻ
‫ݎ‬௡ ൌ ൌ ͹ǤͲ͸‫ݍ‬ௗ
଴Ǥ଼ହ
yang diambil untuk sama dengan kolom resistance

P X diharapkan, dengan V X = 0,05. Dari
Persamaan. (7.1),
୪୬ሺ଻ǡ଴଺ȀସǤ଴ሻ
ߚ ൎ ξ଴Ǥ଴ହమ ൌ ʹǤͻͺͺ
ା଴Ǥଵଽమ
yang dekat dengan nilai target 3.
Metode ekspansi deret Taylor . Kedua-urutan kedua-saat metode menyederhanakan hubungan

fungsional oleh pemotongan dari ekspansi deret Taylor dari fungsi. Hal ini memungkinkan untuk
memperkirakan rata-rata dan varians dari Persamaan diturunkan menggunakan memvariasikan. ,
input dan output dinyatakan sebagai nilai-nilai yang diharapkan dan standar deviasi. Para
Keuntungan dari pendekatan ini adalah persyaratan matematika sederhana dan rendah komputasi
kebutuhan; satu-satunya persyaratan adalah pengetahuan dari fewmoments pertama. Namun,
persyaratan matematika, meskipun sederhana dibandingkan dengan metode yang tepat,
umumnya tidak dasar.
7.3 Soal 15 : Pier
Pertimbangkan lagi masalah di jembatan menjelajahi dasar

Para menjelajahi X kedalaman diukur dari tempat tidur rata-rata saluran bawah dari lubang
gerusan yang dievaluasi sebagai
ܺ ൌ ͳǤͷͻܾ ଴Ǥଽ଼଴ ܻ ଴Ǥ଴ହହ ܵ ଴Ǥଵ଴ହ ݊ି଴Ǥଶଵ଴ ܹ ି଴Ǥଶସ଴
di mana Y adalah kedalaman aliran hanya hulu dermaga, S adalah kemiringan, n adalah
kekasaran koefisien, W adalah gradasi sedimen, dan b adalah lebar dermaga. Semua kuantitas
diukur dalam satuan metrik. Untuk lebar dermaga 2.5 m, gradasi sedimen W ~ lognormal (4, 1.
62 ), kemiringan S ~ N (0,002, 0,00042), Y kedalaman ~ N (4.75 m, 1.22 m²), dan kekasaran
55
koefisien n ~ seragam (0,02, 0,04). Juga, Y, S, n, dan W diasumsikan independen dari satu sama
lain. Penerapan ekspansi deret Taylor memberikan
E [ X ] =340 m, Var[ X ] =0.1208 m²
2
Jika Z ~ N (4 m, 0.05 m²) adalah maksimum menjelajahi, seseorang dapat menghitung
2
keandalan Indeks β bawah asumsi X ~ N (3.40 m, 0.35 m²) independen Z.
ସିଷǡସ
ߚ ൌ ሺ଴ǡ଴ହమ ൌ ͳǤ͹ͳ
ା଴Ǥଷହమ ሻΦ
Ini berarti bahwa keandalan sistem adalah

‫ ݎ‬ൌ ȰሺͳǤ͹ͳሻ ൌ ͲǤͻͷ͸
Hasil ini dapat dibandingkan dengan yang diperoleh dengan simulasi, di mana x nilai X
adalah ditentukan dalam setiap siklus simulasi dengan prosedur yang sama yang ditunjukkan
pada Contoh, sedangkan sesuai nilai z dari Z adalah hanya dihasilkan dari generator normal
standar, dan kegagalan terjadi jika z <x. Sepuluh berjalan setiap 1000 siklus simulasi
menghasilkan perkiraan sebagai berikutrisiko kegagalan:
0.055, 0.059, 0.054, 0.059, 0.060, 0.048, 0.053, 0.051, 0.054
dengan rata-rata 0.055, dan keandalan simulasi yang sesuai adalah 0.945. Hal ini menunjukkan
bahwa pendekatan deret Taylor untuk orde kedua momen dan pendekatan normal lanjut ke cdf X
memberikan perkiraan beban sistem kehandalan lebih akurat.
Titik metode estimasi .Seperti dalam metode deret Taylor, metode estimasi titik (Rosenblueth,
1975) menyediakan perkiraan saat-saat fungsi dari variabel acak dari mereka yang mendasari
variabel tanpa membutuhkan spesifikasi distribusi probabilitas bersama mereka. hal ini mungkin
untuk mendekati masalah kehandalan dengan metode ini, yang tidak memerlukan derivatif
membatasi fungsi negara. Metode ini menguntungkan karena sulit atau tidak mungkin
untuk mengevaluasi derivatif ketika, misalnya, negara membatasi bunga diberikan sebagai fungsi
implisit atau dalam bentuk grafik atau sebagai solusi elemen hingga. Jika Z = g
X1 , X 2 ,..., X i ,..., X m menunjukkan variabel acak Z yang merupakan fungsi dari m acak
zk g P1 K1kV 1 , P2 K2 kV 2 ..., Pm KmkV m , (7.2)
m
k 1 ¦ 2i 2 1 Kik . (7.3)
i 1
56
2m
E ª¬ Z r º¼ ¦S
k 1
z ,
r
k k (7.4)
Sk 2 m , (7.5)
§ m1 m ·
Sk 2 m ¨ ¦ ¦ KikK jk Uij ¸ , (7.6)
© i 1 j i 1 ¹
2
E >Z @ ¦S z
k k 0.5 z1 z2 , (7.7)
k 1
2
Var > Z @ E ª¬ Z 2 º¼ E 2 > Z @ ¦S z 0.25 z1 z2
2 2
k k
k 1
=0.5 z z 0.25 z z
2
2
1
2
2 1 2
(7.8)
=0.25 z 2 z z z .
2
1 1 2
2
2
Dalam kasus satu dimensi, wawasan dari metode ini adalah diberikan oleh analogi yang
dapat dibentuk antara fungsi kepadatan probabilitas dan beban vertikal didistribusikan pada
hanya didukung balok kaku horisontal. Nilai yang diharapkan adalah analog dari pusat
pembebanan, dan deviasi standar memberikan informasi mengenai tendensi sentral
dan terserak dari memvariasikan. Rosenblueth (1975) menyarankan bahwa informasi ini dapat
diekstraksi dari analogi balok dengan balok kaku panjang b, seperti ditunjukkan pada Gambar.
7.1, dengan reaksi

S 1 bertindak di x1 , S 2 bertindak di x2 , dan
b
S1 S 2 ³ fx x dx
0
1
Gambar 18.Beam analogy dengan Point Estimate
57
7.4 Soal 16 : Daya dukung tanah
Daya dukung tanah.

Di rekayasa pondasi, bantalan kapasitas tanah tergantung pada
௑
ܻ ൌ ‫݊ܽݐ‬ସ ቀͶͷ ൅ ଶ ቁ
yang merupakan fungsi dari sudut gesekan X. Salah satu keinginan untuk mengevaluasi
bagaimana mean dan standar deviasi dari Y dipengaruhi oleh variabilitas dalam sudut gesekan.
Penerapan Persamaan. (7.2) hasil
ఓ ఙ
‫ݕ‬ଵ ൌ ‫݊ܽݐ‬ସ ቀͶͷ ൅ െ ቁ
ଶ ଶ
ఓ ఙ
‫ݕ‬ଶ ൌ ‫݊ܽݐ‬ସ ቀͶͷ ൅ ൅ ቁ
ଶ ଶ
di mana μ dan σ menyatakan mean dan deviasi standar dari X, masing-masing. titik ini estimasi
yang digunakan dalam Pers. (7.7) dan (7.8) untuk memperoleh
ߤ௬ ൌ ͲǤͷሾ‫݊ܽݐ‬ସ ሺͶͷ ൅ ɊȀʹሻ െ ߪȀʹ ൅ ‫݊ܽݐ‬ସ ሺͶͷ ൅ ߤȀʹ ൅ ߪȀʹሿ,
ߪ௬ଶ ൌ ͲǤʹͷሾ‫ ଼݊ܽݐ‬ሺͶͷ ൅ ɊȀʹሻ െ ߪȀʹ ൅ ‫ ଼݊ܽݐ‬ሺͶͷ ൅ ߤȀʹ ൅ ߪȀʹሿ
െ‫݊ܽݐ‬ସ ሺͶͷ ൅ ɊȀʹሻ െ ߪȀʹ ൅ ‫݊ܽݐ‬ସ ሺͶͷ ൅ ߤȀʹ ൅ ߪȀʹሿ.
Sebagai contoh, jika μ = 25ι dan koefisien variasi adalah V = 0,2 (yaitu, σ = 5 ͼ), nilai dari μY =
6,580 dan σY²= 5,863 diperoleh, sehingga koefisien variasi diperkiraka
Gambar 19.Perbandingan Point Estimate dan simulasi dg koefisien variasi dari bearing kap faktor Y dari tnh
58
4
E >Z @ ¦S z
k k 0.25U z1 z4 0.25U z2 z3
k 1
=0.25U z1 z4 z2 z3
var > Z @ 0.25U ª¬ z12 z42 z22 z32 º¼ E 2 > Z @
=0.25 z12 z42 z22 z32 E 2 > Z @

4
E >Z @ ¦S z
k k 0.25 z1 z2 z3 z4
k 1
Var > Z @ 0.25 z12 z22 z32 z42 0.625 z1 z2 z3 z4 .

2
7.5 Soal 17 : Run of sungai stasiun pembangkit listrik
Kami mempertimbangkan lagi irigasi bendungan yang terletak di Balcad, Somalia, di

sepanjang Sungai Wabe Shabelle, di mana tenaga air yang stasiun diinstal untuk memenuhi
permintaan energi lokal. menduga bahwa permintaan sistem adalah memvariasikan yang normal
X3 independen dari kapasitas sistem Z = 7.5XΌX΍, dimana XΌ dan X΍ variates normal terlepas.
Mean, koefisien variasi, dan standar deviasi dari variates ini
μΌ = 22 m³/s, VΌ = 0.20. ߪΌ = 4.4 m³/s
μ΍ = 5.2 m, V΍ = o.15, ߪ΍= 0,78 m;
μΎ= 600 k,W ܸଷ=0.10, ߪଷ = 60 kW.
Menggunakan estimasi titik untuk mengevaluasi mean dan varians dari Z, satu menghitung
zΌ = 7.5(22 - 4.4)( 5.2 - 0,78) =583.44,
z΍ = 7.5(22 + 4.4)( 5.2 - 0,78) =875.16.
zΎ =7.5(22 - 4.4)( 5.2 +0,78) =789.36,
vΏ =7.5(22 + 4.4)( 5.2 - 0,78) =1184.04,
yang digunakan dalam Pers. (9.1.44) dan (9.1.45) untuk memperoleh
z= 0.25(583.44+875.16+789.36,+ 1184.04 = 858.00,
dan
ߪ௭ଶ ൌ ͲǤʹͷሺͷͺ͵ǤͶͶଶ ൅ ͺ͹ͷǤͳ͸ଶ ൅ ͹ͺͻǤ͵͸ଶ ൅ ͳͳͺͶǤͲͶଶ ሻ െ ͺͷͺଶ ൌ Ͷ͸ǡ͸͹ʹǤͺ
59
Sejak X3 ̱ N (600 kW, 60² kW²), dengan asumsi Z ̱ N (858 kW, 216.0² kW²)
memberikan keamanan marjin S = Z- ܺ͵ sebagai S ̱ N (258 kW, 224.22² kW²). Dari
Persamaan. (9.1.13) indeks keandalan β diperkirakan sebagai
ఓೞ ଶହ଼
ߚൌ ఙೞ
ൌ ଶଶସǤଶଶ ൌ ͳǤͳͷ.
Nilai ini dapat dibandingkan dengan β = 1.23 ditemukan dalam Contoh 11 dengan
menggunakan analisis pendekatan.
7.6 KOMENTAR
Pada bagian ini kita telah membahas beberapa konsep dasar dan kriteria dalam analisis
risiko dan kehandalan. Ini termasuk faktor keamanan, margin keamanan, indeks reliabilitas, dan
kinerja fungsi. Sebagai solusi alternatif kami telah memperkenalkan secondmoment orde
pertama (FOSM) metode untuk desain resistensi faktor, Taylor pendekatan deret, dan
metode titik estimasi.
60
Chapter
Bab 8.APENDIKS CONTOH-CONTOH SOAL
Pada suatu pekerjaan disain maupun evaluasi struktur, faktor keamanan (safety factor)
atau keandalan (reliability) merupakan besaran yang sering dipakai untuk mengkuantifikasi
tingkat keamanan. Safety Factor memberikan gambaran tingkat keamanan dengan pendekatan
deterministik, dimana ditentukan dengan sebuah rasio kapasitas dibandingkan dengan beban,
atau singkatnya rasio dari Supply/Demand. Reliability memberikan gambaran tingkat keamanan
dengan pendekatan probabilistik, dimana besaran yang diberikan berupa sebuah probabilitas
keamanan struktur. Keamanan itu sendiri dinyatakan dengan sebuah performance function yang
berupa selisih dari Supply dan Demand. Dengan demikian, reliability memberikan informasi
tingkat keamanan yang lebih komprehensif, tetapi memang memerlukan perhitungan yang lebih
kompleks jika dibandingkan safety factor. Buku ini ditulis dengan tujuan untuk mengenalkan
konsep perhitungan reliability dalam struktur.
Empat buah persoalan diulas dalam buku ini, yang diambil dari buku referensi (Ang &
Tang, vol.2). Empat persoalan tersebut berdasarkan sebuah contoh permasalahan lentur pada
struktur. Besaran keamanan dinyatakan dengan sebuah performance function g=YZ-M, dimana
Y, Z, dan M masing-masing adalah mutu material (tegangan), modulus penampang, dan momen
akibat beban yang ditinjau. Persoalan ini dipelajari dengan peninjauan yang mencakup variasi
jenis distribusi random variabel Y, Z, dan M serta korelasi diantaranya. Empat buah variasi yang
dibahas adalah persoalan Uncorrelated Normal, Uncorrelated non-Normal, Correlated Normal,
dan Correlated non-Normal.
Persoalan akan dibahas dengan 2 metode, yaitu advanced method eksak (Ang&Tang
vol.2), serta matrix method (Nowak). Setiap cara ini diulas dengan 2 alat bantu software, yaitu
Matlab untuk alat bantu simulasinya, serta Mathcad untuk contoh perhituangan detailnya. Hasil
61
menunjukkan bahwa kedua cara konvergen pada nilai reliability yang sama. Dalam ke-4 kasus,
matrix method menunjukkan laju konvergensi yang lebih baik.
Selain bermanfaat sebagai alat bantu belajar problem reliability struktur pada ke-4 kasus
yang disajikan, alat bantu yang ada tetap dapat dipakai untuk evaluasi problem reliability yang
lain. Alat bantuk yang ada cukup dimodifikasi atau diprogram ulang pada bagian definisi
performance function dan definisi ekivalensi fungsi-fungsi distribusi non-normalnya.
8.1 UNCORRELATED NORMAL (Soal 6.7 Ang & Tang Vol.2)

8.1.1 Deskripsi Soal
Referensi : “Probability Concepts in Engineering Planning and Design”, Volume II.

Decision, Risk, and Reliability. Alfredo H-S.ANG, Wilson H.TANG.
Contoh Soal 6.7, halaman 361-363.
The fully plastic flexural capacity of a steel beam section may be given as YZ, where
Y= The yield strength of steel
Z= Section modulus of the section.
Then, if the applied bending moment at the pertinent section is M, the performance
function may be defined as
g(X)=YZ-M
Assume that the variables are uncorrelated (lihat Contoh Soal 6.9 for the effects of
correlations). Suppose a beam with ܻത = 40 ksi and ܼҧ = 50 in3 is subjected to ‫ܯ‬
ഥ = 1000 in-kips;
and the corresponding c.o.v.’s are
ΩY = 0.125 ; ΩZ = 0.05 ; ΩM = 0.20
Determine the reliability of the beam.
Untuk membahas persoalan di atas, bab ini akan dibagi menjadi beberapa bagian. Mula-
mula akan dibahas penyelesaian dengan cara Advanced Method eksak dengan referensi
Ang&Tang. Penjelasan dimulai dengan penyajian diagram alir/flowchart penyelesaiannya untuk
62
memperjelas metode. Flowchart ini diteruskan dengan contoh penyelesaiannya menggunakan
alat bantu software Mathcad, yang akan menyajikan secara lengkap langkah demi langkah
sebagaimana terlihat pada flowchart.
Setelah penyesaian problem dipahami dengan baik dengan membaca flowchart dan sajian
dalam Mathcad, sebuah alat bantu simulasi ditulis dalam software Matlab. Alat bantu ini bersifat
Graphical User Interface (GUI) yang akan sangat mudah dioperasikan. Program akan tampil
dalam 1 buah window yang berisi komponen input data, serta tombol “Run” untuk menganalisa,
dengan output langsung di window berupa beta index, risk, dan reliability, serta sebuah output
file (yang namanya dapat ditentukan pengguna) yang akan berisi table detail iterasi proses
perhitungan yang ada. Hal ini sangat berguna untuk melihat konvergensi dari proses yang
dipelajari, sekaligus kontrol terhadap proses perhitungan besaran-besaran penting pada setiap
iterasinya. Pembahasan cara ke-2, yakni metode Matrix dengan referensi Nowak, dilakukan
dengan kronologis yang sama.
63
8.1.2 Flowchart Cara Eksak (Ang-Tang vol.2)
START
data ܺ݅ & ݃ሺܺሻ

ܻǡ ܼҧǡ ‫ܯ‬
ഥ ഥ ǡ πܻ ǡ πܼ ǡ π‫ܯ‬
݃ሺܺሻ ൌ ܻܼ െ ‫ܯ‬
ߪܺ ݅ ൌ πܺ ݅ ܺത݅
߲݃ሺܺሻ
߲ܺ݅Ԣ
߲݃ሺܺሻ
Tentukan trial Failure Point,

‫ כ ݔ‬ൌ ܺത݅
2
߲݃ ሺܺሻ
Hitung ൬ ൰ dengan substitusi ܺ݅
߲ܺ݅Ԣ
߲݃ሺܺሻ
൬ ൰
߲ܺ݅Ԣ ‫כ‬
ߙܺ‫ כ‬Ԣ ൌ
݅
߲݃ሺܺሻ ʹ
ඨσ ൬ ൰
߲ܺ݅Ԣ ‫כ‬
Update Failure Point dalam β

‫כ‬
‫݌ݑ݅ݔ‬ ሺߚሻ ൌ ܺത݅ െ ߙܺ‫ כ‬Ԣ ߪܺ ݅ ߚ
݅
Tentukan ݃ሺܺሻ dalam fungsi β

‫כ‬
݃ሺߚሻ ൌsubstitusi ܺ݅ dengan ‫݌ݑ݅ݔ‬ ሺߚሻ pada
Gambar 1.1. Flowchart Kasus 1 cara Ang &
64
1
Tentukan β pada ݃ሺߚሻ ൌ Ͳ
‫כ‬
Hitung ‫ݔ‬௜௨௣ dengan mensubstitusikan
2
TIDAK Cek Konvergen

‫ݔ‬௜‫כ‬
‫כ‬
‫כ‬ ‫ݔ‬௜௨௣ ؆ ‫ݔ‬௜‫? כ‬
YA
Reliability, ‫ ܵ݌‬ൌ ߔሺߚሻ

Risk, ‫ ܨ݌‬ൌ ͳ െ ‫ܵ݌‬
FINISH
Gambar 1.2. Flowchart Kasus 1 cara Ang & Tang
8.1.3 Penyelesaian (Mathcad) Cara Eksak (Ang-Tang vol.2)
Example 6.7 buku Ang & Tang Vol.2 Uncorrelated Normals

Input parameter
Ybar : 40 Zbar : 50 Mbar : 1000
:Y : 0.125 :Z : 0.05 : M : 0.2
V Y : Ybar :Y 5
V Z : Z bar : Z 2.5
V M : M bar : M 200
Initial assumption of failure point
65
ystar : Ybar Zstar : Zbar m star : M bar
Interation Number 1
dgdY ' : V Y zstar 250
dgdZ ' : V Z y star 100
dgdM ' : V M 200
dgdY '
DY ' : 0.745
dgdY '2 dgdZ '2 dgdM '2
dgdZ '
DZ ' : 0.298
dgdY ' dgdZ '2 dgdM '2
2
dgdM '
DM ' : 0.596
Given (Ybar DY ' V Y E ) (Zbar D Z ' V Z E ) ( M bar D M ' V M E )

E :=1 E ;=Find(E )=3.059
Updated failure point for the next interation
ystar : Ybar DY ' V Y E 28.6
Z star : Zbar D Z ' V Z E 47.27
mstar : M bar D M ' V M E 1364.797
Interation number 2
dgdY ' : V Y z star 238.6
dgdZ ' : V Z ystar 71.5
dgdM ' : V M 200
dgdY '
DY ' : 0.747
dgdZ '
DZ ' : 0.224
2
dgdM '
DM ' : 0.626
Given (Ybar DY ' V Y E ) (Zbar D Z ' V Z E ) (M bar D M ' V M E )

E :=1 E :=Find(E )=3.049
Update failure point for next interation
66
zstar : Z bar D Z ' V Z E 48.294
Interation number 3
dgdY ' : V Y zstar 241.469
dgdZ ' : V Z ystar 71.531
dgdM ' : V M 200
dgdY '
DY ' : 0.751
dgdZ '
DZ ' : 0.222
2
dgdM '
DM ' : 0.622
Given (Ybar DY ' V Y E ) ( Zbar D Z ' V Z E ) ( M bar D M ' V M E )

E :=1 E :=Find(E ) 3.049
Update failure point for next interation
zstar : Z bar D Z ' V Z E 48.305
Probability of Safe (pS)& Probability of Failure (pF)
0.5x
2
E
e
f x : pS : ³ f x dx p F : 1 pS
23 10
pS 99.8852 % pF 0.1148 %
8.1.4 Penyelesaian (MATLAB) Cara Eksak (Ang-Tang vol.2)
Berikut ini adalah contoh pemrograman dalam m-file dilakukan di bawah fungsi
pushbutton 1 (tombol Run pada cara pertama) seperti berikut ini.
% --- Executes on button press in pushbutton1.

function pushbutton1_Callback(hObject, eventdata, handles)
67
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
clear;clc;
tagku=guidata(gcbo);
Ybar=str2num(get(tagku.edit1,'string'));
covY=str2num(get(tagku.edit2,'string'));
Zbar=str2num(get(tagku.edit3,'string'));
covZ=str2num(get(tagku.edit4,'string'));
Mbar=str2num(get(tagku.edit5,'string'));
covM=str2num(get(tagku.edit6,'string'));
niter=str2num(get(tagku.edit7,'string'));
SigY=covY*Ybar;SigZ=covZ*Zbar;SigM=covM*Mbar;
n=1;ystar=Ybar;zstar=Zbar;mstar=Mbar;
syms Y Z M;
gX=Y*Z-M;
%Creates output Table
nameout=get(tagku.edit10,'string');
fout = fopen(nameout,'w');
fprintf(fout,'Table E6.7 Summary of Iteration for Example 6.7 - Ang & Tang\n');
fprintf(fout,'-----------------------------------------------------------------------------------------\n');
fprintf(fout,'Ite- Variable Assumed (delg/delXi`)* alphaxi* New xi*\n');
fprintf(fout,'ration Xi Failure \n');
fprintf(fout,'No. Point xi* \n');
fprintf(fout,'-----------------------------------------------------------------------------------------\n');
while n<(niter+1)
delgYprime=SigY*zstar;
delgZprime=SigZ*ystar;
delgMprime=-SigM;
alphaYprime=delgYprime/sqrt(delgYprime^2+delgZprime^2+delgMprime^2);
alphaZprime=delgZprime/sqrt(delgYprime^2+delgZprime^2+delgMprime^2);
68
alphaMprime=delgMprime/sqrt(delgYprime^2+delgZprime^2+delgMprime^2);
syms bet;
ystarup=Ybar-alphaYprime*SigY*bet;
zstarup=Zbar-alphaZprime*SigZ*bet;
mstarup=Mbar-alphaMprime*SigM*bet;
gXX=subs(gX,{Y,Z,M},{ystarup,zstarup,mstarup});
gXX=[char(gXX),'=0'];
beta=solve(gXX,'bet');
beta=min(str2num(char(beta(1))),str2num(char(beta(2))));
fprintf(fout,' Y %7.2f %7.2f %7.3f %7.2f (+) %7.3f beta\n',...
ystar,delgYprime,alphaYprime,Ybar,-alphaYprime*SigY);
fprintf(fout,'%2d Z %7.2f %7.2f %7.3f %7.2f (+) %7.3f beta\n',...
n,zstar,delgZprime,alphaZprime,Zbar,-alphaZprime*SigZ);
fprintf(fout,' M %7.2f %7.2f %7.3f %7.2f (+) %7.3f beta\n',...
mstar,delgMprime,alphaMprime,Mbar,-alphaMprime*SigM);
fprintf(fout,' beta = %10.7f \n\n',beta);
ystarup=subs(ystarup,beta);
zstarup=subs(zstarup,beta);
mstarup=subs(mstarup,beta);
ystar=ystarup;
zstar=zstarup;
mstar=mstarup;
n=n+1;
end
set(tagku.edit8,'string',num2str(beta));
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
pS=int(fx,x,-100,beta);
pS=char(pS);
pS=str2num(pS);pS=100*pS;
pF=100-pS;
69
set(tagku.edit9,'string',num2str(pF));
set(tagku.edit15,'string',num2str(pS));
fprintf(fout,'-----------------------------------------------------------------------------------------\n');
fprintf(fout,'RISK from last iteration (pF %s) = %10.8f\n',char(37),pF);
fprintf(fout,'RELIABILITY from last iteration (pS %s) = %10.8f',char(37),pS);
fclose(fout);
Berikut ini adalah contoh dari program yang telah dijalankan.
Gambar 1.3. Window GUI alat bantu Matlab – Uncorrelated Normal (Ang & Tang)
Dalam menggunakan program ini, pengguna cukup mengubah besaran input, jumlah iterasi
yang diinginkan (default=1), default output file (default ex67a.txt untuk cara Ang & Tang dan
ex67b.txt untuk cara Nowak). Kemudian pengguna cukup menekan tombol “Run” untuk analisa
70
baik cara pertama maupun kedua (catatan : program Matlab ini sengaja menggabungkan 2 sub-
routine untuk ke-2 cara, agar pengguna dapat membandingkan hasil ke-2 dengan lebih mudah).
Contoh hasil untuk 3 iterasi dapat dilihat pada Gambar 1.3 dan Tabel 1.1.
Tabel 1.1. Output Hasil Program Matlab – Uncorrelated Normal (Ang & Tang)
Selanjutnya persoalan akan dibahas ulang dengan menggunakan metode ke-2 (cara Matrix
dengan referensi Nowak).
71
8.1.5 Flowchart Cara Matrik
START

ഥ ǡ ܼҧǡ ‫ܯ‬
ܻ ഥ ǡ πܻ ǡ πܼ ǡ π‫ܯ‬
ߪܺ ݅ ൌ πܺ ݅ ܺത݅ ; ߤܺ ݅ ൌ ܺത݅
Tentukan trial Design Point, ‫כ݅ݔ‬

‫ כ݅ݔ‬ൌ ߤܺ ݅ untuk ݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ
‫ כ݊ݔ‬hitung dari ݃ሺ‫ כ݅ݔ‬ሻ ൌ Ͳ
2
‫ כ݅ݔ‬െ ߤܺ ݅
‫ כ݅ݖ‬ൌ
ߪܺ ݅
‫ͳܩ‬
‫ܩ‬
ሼ‫ܩ‬ሽ ൌ ൞ ʹ ൢ
‫ڭ‬
‫݊ܩ‬
߲݃ሺܺሻ ߲݃ሺܺሻ
‫ ݅ܩ‬ൌ െ ൌെ ߪ
߲ܼ݅ ߲ܺ݅ ܺ ݅
ሺ‫ ݅ܩ‬ሻ‫ = כ‬substitusi ܺ݅ dengan ‫כ݅ݔ‬
‫כͳݖ‬
‫כݖ‬
ሼ‫ כ ݖ‬ሽ ൌ ൞ ʹ ൢ
‫ڭ‬
‫כ݊ݖ‬
Gambar 1.4. Flowchart Kasus 1 cara Nowak - Matrix

72
1
ሼ‫ܩ‬ሽ் ሼ‫ כ ݖ‬ሽ
ߚൌ
ඥሼ‫ܩ‬ሽ் ሼ‫ܩ‬ሽ
ሼ‫ܩ‬ሽ
ሼߙሽ ൌ
Update Design Point

‫כ‬
‫ݖ‬௜௨௣ ൌ ߙ௜ ߚ untuk ݅ ൌ ͳ ՜ ሺ݊ െ
ͳሻ
‫כ‬ ‫כ‬
‫ݔ‬௜௨௣ ൌ ߤ௑೔ ൅ ‫ݖ‬௜௨௣ ߪ௑೔ untuk ݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ
2 ‫כ‬
‫ݔ‬௡௨௣ ‫כ‬
ൌ hitung dari ݃ሺ‫ݔ‬௜௨௣ )=0
‫ݔ‬௜‫ כ‬ൌ ‫ݔ‬௜௨௣

‫כ‬
TIDAK
݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ Cek Konvergen
‫כ‬
‫ݔ‬௡ hitung dari ݃ሺ‫ݔ‬௜‫ כ‬ሻ ൌ
௜ ‫ݔ‬௜௨௣ ؆ ‫ݔ‬௜‫? כ‬
Ͳ
YA

FINISH
Gambar 1.5. Flowchart Kasus 1 cara Nowak – Matrix (lanjutan 1)
73
8.1.6 Penyelesaian (Mathcad) Cara Matriks (Nowak)
Berikut ini adalah contoh penyelesaiannya menggunakan program Mathcad (3 iterasi).

Contoh Soal 6.7 buku Ang & Tang Vol.2 ,Uncorrelated Normals – cara Matrix (Norwak)
Input parameter
Ybar : 40 Zbar : 50 Mbar : 1000 g Y , Z , M : Y Z M
:Y : 0.125 :Z : 0.05 :M : 0.2
V Y : Ybar :Y 5 PY : Ybar 40
V Z : Zbar :Z 2.5 P Z : Zbar 50
V M : M bar :M 200 PM : M bar 1000
ystar : PY zstar : PZ
Given g ystar , zstar , M 0 M:=PM mstar : Find M 2000
Interation number 1
ystar PY zstar PZ mstar PM
z1star : 0 z 2 star : 0 z3star : 5
VY VZ VM
d
G1 Y , Z , M : g Y , Z , M V Y o 5 Z
§ z1star · §0· dY
¨ ¸ ¨ ¸ d
zstar : ¨ z2 star ¸ ¨0¸ G 2 Y , Z , M : g Y , Z , M V Z o 2.5 Z
¨z ¸ ¨5¸ dZ
© 3 star ¹ © ¹ d
G 3 Y , Z , M : g Y , Z , M V M o 200
dM
§ G1 ystar , zstar , mstar · § 250`·
¨ ¸ ¨ ¸
Gstar : ¨ G2 ystar , zstar , mstar ¸ ¨ 100 ¸
¨G y , z ,m ¸ ¨ 200 ¸
© 3 star star star ¹ © ¹
§ 0.745 ·
Gstar T zstar Gstar ¨ ¸
E: 2.981 D := ¨ 0.298 ¸
Gstar T Gstar Gstar T Gstar ¨ 0.596 ¸
© ¹
z1starup : D 0 E 2.222 z2 starup : D1 E 0.889
ystarup : PY z1starup V Y 28.889 zstarup : PZ z2 starup V Z 47.778
74
Given g ystarup , zstarup , M 0 M:=P M m starup : Find M 1380.247
ystar : ystarup 28.889 z star : zstarup 47.778 m star : mstarup 1380.247
Interation number 2
ystar PY zstar PZ mstar P M
z1star : 2.222 z 2 star : 0.889 z 3star : 1.901
VY VZ VM
d
G1 (Y , Z , M ) : g Y , Z , M V Y o 5 Z
dY
§ z1star · § 2.222 ·
¨ ¸ ¨ ¸ G2 (Y , Z , M ) :
d
g Y , Z , M V Z o 2.5 Y
zstar : ¨ z2 star ¸ ¨ 0.889 ¸ dZ
¨z ¸ ¨ 1.901 ¸
© 3star ¹ © ¹ d
G3 (Y , Z , M ) : g Y , Z , M V M o 200
dM
§ G1 ystar , zstar , mstar · § 238.889 ·
¨ ¸ ¨ ¸
Gstar : ¨ G2 ystar , zstar , mstar ¸ ¨ 72.222 ¸
¨G y , z ,m ¸ ¨ 200 ¸
§ 0.747 ·
E: 3.05 D := ¨ 0.226 ¸
© ¹
z1starup : D 0 E 2.278 z 2 starup : D1 E 0.689
ystarup : PY z1starup V Y 28.611 z starup : PZ z2 starup V Z 48.278
Given g ystarup , zstarup , M 0 M:=PM m starup : Find M 1381.273
Interation number 3
z1star : 2.278 z 2 star : 0.689 z3star : 1.906
VY VZ VM
d
G1 Y , Z , M : g Y , Z , M V Y o 5 Z
dY
§ z1star · § 2.278 ·
¨ ¸ ¨ ¸ G2 Y , Z , M :
d
g Y , Z , M V Z o 2.5 Y
zstar : ¨ z2 star ¸ ¨ 0.689 ¸ dZ
¨z ¸ ¨ 1.906 ¸
© 3star ¹ © ¹ d
G3 Y , Z , M : g Y , Z , M V M o 200
dM
75
¨ ¸ ¨ ¸
¨G y , z ,m ¸ ¨ 200 ¸
§ 0.751 ·
E: 3.049 D := ¨ 0.222 ¸
© ¹
Probability of safe (pS) & probability of failure (pF)

0.5x
2
E
e
23 10
pS 99.8852 % pF 0.1148 %
8.1.7 Penyelesaian (MATLAB) Cara Matriks (Nowak)
pushbutton 2 (tombol Run pada cara kedua) seperti berikut ini.

clear;clc;
76
n=1;
ystar=Ybar;zstar=Zbar;
mstar=ystar*zstar;
syms Y Z M;
gX=Y*Z-M;
fprintf(fout,'Table E6.7 Summary of Iteration for Example 6.7 - Nowak (Matrix)\n');
fprintf(fout,'------------------------------------------------------------------------------------------\n');
fprintf(fout,'Ite- Variable Assumed Assumed Gi beta alpha New
xi*\n');
fprintf(fout,'ration Xi Failure Failure \n');
fprintf(fout,'No. Point xi* Point xi`* \n');
fprintf(fout,'------------------------------------------------------------------------------------------\n');
while n<(niter+1)
ypstar=(ystar-Ybar)/SigY;
zpstar=(zstar-Zbar)/SigZ;
mpstar=(mstar-Mbar)/SigM;
G1=-
diff(gX,Y)*SigY;G1=subs(G1,{'Y','Z','M'},{ystar,zstar,mstar});G1=char(G1);G1=str2num(G1);
G2=-
diff(gX,Z)*SigZ;G2=subs(G2,{'Y','Z','M'},{ystar,zstar,mstar});G2=char(G2);G2=str2num(G2);
G3=-diff(gX,M)*SigM;G3=subs(G3,{'Y','Z','M'},{ystar,zstar,mstar});
G=[G1;G2;G3];
xprime=[ypstar;zpstar;mpstar];
77
beta=(transpose(G)*xprime)/sqrt(transpose(G)*G);
alpha=G/sqrt(transpose(G)*G);
ypstar_up=alpha(1)*beta;
zpstar_up=alpha(2)*beta;
ystar_up=Ybar+ypstar_up*SigY;
zstar_up=Zbar+zpstar_up*SigZ;
mstar_up=ystar_up*zstar_up;
fprintf(fout,' Y %7.2f %7.2f %7.2f %7.3f %7.2f\n',...
ystar,ypstar,G1,alpha(1),ystar_up);
fprintf(fout,'%2d Z %7.2f %7.2f %7.2f %10.5f %7.3f %7.2f\n',...
n,zstar,zpstar,G2,beta,alpha(2),zstar_up);
fprintf(fout,' M %7.2f %7.2f %7.2f %7.3f %7.2f\n\n',...
mstar,mpstar,G3,alpha(3),mstar_up);
ystar=ystar_up;
zstar=zstar_up;
mstar=mstar_up;
n=n+1;
end
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
pS=char(pS);
pF=100-pS;
fprintf(fout,'------------------------------------------------------------------------------------------\n');
fclose(fout)
78
Tabel 1.2. Output Hasil Program Matlab – Uncorrelated Normal (Nowak)
8.2 UNCORRELATED NON-NORMAL.Contoh Soal 6.8 Ang & Tang Vol.2


Example 6.8, halaman 363-365.
Suppose the random variables in Example 6.7 are nonnormal, with the following
distribution :
Y = Lognormal
Z = Lognormal
Z = Type I asymptotic extreme
Assume that the variables are uncorrelated (see Example 6.10 for the effect of
correlations).
79
Using the same statistics of the design variables as in Example 6.7, namely, ܻത = 40 ksi, π௒
= 0.125; ܼҧ = 50 in3, π௓ = 0.05; ‫ܯ‬
ഥ = 1000 in-kips, πெ = 0.20, determine the reliability of the
beam.
80
START

ܻ ഥ ǡ πܻ ǡ πܼ ǡ π‫ܯ‬
ߪܺ ݅ ൌ πܺ ݅ ܺത݅
Equivalensi menjadi Distribusi Normal
Case Lognormal
ߞܺ ݅ ൌ πܺ ݅
ͳ
ߣܺ ݅ ൌ ݈݊ሺܺത݅ ሻ െ ߞܺ ݅ ʹ
ʹ
ߪܺܰ݅ ሺ‫ כ݅ݔ‬ሻ ൌ ‫݅ ܺߞ כ݅ݔ‬
ߤܺܰ݅ ሺ‫ כ݅ݔ‬ሻ ൌ ‫ כ݅ݔ‬൫ͳ െ ݈݊ሺ‫ כ݅ݔ‬ሻ ൅ ߣܺ ݅ ൯
Case Type I Asymthotic Extreme

ߨ ͳ
ߙܺ ݅ ൌ
ξ͸ ߪܺ ݅
ͲǤͷ͹͹
‫݅ ܺݑ‬ ൌ ܺത݅ െ
ߙܺ ݅
‫ ݅ ܺܨ‬ሺ‫ ݅ݔ‬ሻ ൌ ݁‫ ݌ݔ‬൬െ݁‫ ݌ݔ‬ቀെߙܺ ݅ ൫‫ ݅ݔ‬െ ‫ ݅ ܺݑ‬൯ቁ൰
݂ܺ ݅ ሺ‫ ݅ݔ‬ሻ ൌ ߙܺ ݅ ݁‫ ݌ݔ‬൬െߙܺ ݅ ൫‫ ݅ݔ‬െ ‫ ݅ ܺݑ‬൯ െ ݁‫ ݌ݔ‬ቀെߙܺ ݅ ൫‫ ݅ݔ‬െ ‫ ݅ ܺݑ‬൯ቁ൰
ߪܺܰ݅ ሺ‫ כ݅ݔ‬ሻ ൌ ‫ ׎‬ቄߔെͳ ቀ‫ ݅ ܺܨ‬ሺ‫ כ݅ݔ‬ሻቁቅ Ȁ݂ܺ ݅ ሺ‫ ݅ݔ‬ሻ

ߤܺܰ݅ ሺ‫ כ݅ݔ‬ሻ ൌ ‫ כ݅ݔ‬െ ߪܺܰ݅ ሺ‫ כ݅ݔ‬ሻߔെͳ ቀ‫ ݅ ܺܨ‬ሺ‫ כ݅ݔ‬ሻቁ
Tentukan trial Failure Point, ‫ כ݅ݔ‬ൌ ܺത݅
81
1
Hitung ߪ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ & ߤ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ dengan substitusi
‫כ‬
߲݃ሺܺሻ ߲݃ሺܺሻ ே
ൌ ߪ
߲ܺ௜ᇱ ߲ܺ௜ ௑೔
డ௚ሺ௑ሻ
Hitung ൬ డ௑೔ᇲ
൰ dengan substitusi ܺ௜ dengan
‫כ‬
‫ݔ‬௜‫כ‬
ே
߲݃ሺܺሻ
൬ ൰
߲ܺ௜ᇱ ‫כ‬
ߙ௑‫ כ‬ᇲ ൌ
೔
߲݃ሺܺሻ ଶ
ඨσ ൬ ൰
߲ܺ௜ᇱ ‫כ‬
Update Failure Point dalam fungsi β

‫כ‬
‫ݔ‬௜௨௣ ሺߚሻ ൌ ߤ௑ே೔ െ ߙ௑‫ כ‬ᇲ ߪ௑ே೔ ߚ
೔
Tentukan ݃ሺܺሻ dalam fungsi β

‫כ‬
݃ሺߚሻ ൌsubstitusi ܺ௜ dengan ‫ݔ‬௜௨௣ ሺߚሻ pada
݃ሺܺሻ
Gambar 2.2. Flowchart Kasus 2 cara Ang & Tang (lanjutan
82
2
‫כ‬
Hitung ‫ݔ‬௜௨௣ dengan mensubstitusikan
3
TIDAK Cek Konvergen

‫ݔ‬௜‫כ‬
‫כ‬
‫כ‬ ‫ݔ‬௜௨௣ ؆ ‫ݔ‬௜‫? כ‬
YA

FINISH
8.2.3 Penyelesain (Mathcad) Cara Eksak (Ang-Tang vol.2)
Example 6.8 buku Ang & Tang Vol.2 Uncorrelated non-normals
Ybar : 40 Zbar : 50 Mbar : 1000

:Y : 0.125 :Z : 0.05 :M : 0.2
V Y : Ybar :Y 5
V Z : Z bar :Z 2.5
V M : M bar :Z 200
Ekivalensi ke distribusi normal
] Y : :Y 0.125 ] Z : :Z 0.05
1 1
OY : 1n Ybar ] Y 2 3.681 OZ : 1n Zbar ] Z 2 3.911
2 2
83
V YN ystar : ystar ] Y V ZN zstar : zstar ] Z
PYN ystar : ystar 1 1n ystar OY PZN zstar : zstar 1 1n zstar OZ
3 1 0.577
DM : 6.413 x 103 u M : M bar 910.023
6 VM DM
D
mstar u ª D m u e D M mstar uM º
FM mstar : e e f M mstar : D M e ¬« »¼
M M M star M
ystar : Ybar z star : Zbar m star : M bar
Interation number 1
V YN ystar 5 V ZN zstar 2.5

PYN ystar 39.688 PZN zstar 49.937
FM mstar 0.57031 f M mstar 2.054 x 103
e
0.5 x
2
I FM
N x : Given ³ N x dx FM mstar
23 10
)FM : 0 )FM:=Find )FM 0.17716
N )FM
V MN : 191.219 P MN : mstar V MN )FM 966.125
f M mstar
dgdY ' : V YN ystar zstar 250

dgdZ ' : V ZN zstar ystar 100
dgdM ' : V MN 191.219
dgdY'
α Y' 0.757
2 2 2
dgdY' dgdZ' dgdM'
dgdZ'
α Z' 0.303
2 2 2
dgdY' dgdZ' dgdM'
dgdM'
α M' 0.579
2 2 2
dgdY' dgdZ' dgdM'
84
Given
P y D
YN star Y' V YN ystar E P ZN zstar D Z ' V ZN zsatr E P MN D M ' V MN E
E : 1 E :=Find E 3.167
Updated failure point for next interation
ystar : PYN ystar DY ' V YN ystar E 27.699

zstar : PZN zstar D Z ' V ZN zstar E 47.54
mstar : PMN D M ' V MN E 1316.807
Interation number 2
V YN ystar 3.462 V ZN zstar 2.377

0.5x 2
)FM
e
N x : Given ³ N x dx=FM mstar
23 10
)FM : 0 ) FM:=Find )FM 1.46845
N )FM
V MN : 309.389 PMN : mstar V MN )FM 862.485
f M mstar
dgdY ' : V YN ystar zstar 164.601

dgdZ ' : V ZN zstar ystar 65.84
dgdM ' : V MN 309.389
dgdY'
α Y' 0.462
2 2 2
dgdY' dgdZ' dgdM'
dgdZ'
α Z' 0.185
2 2 2
dgdY' dgdZ' dgdM'
dgdM'
α M' 0.868
2 2 2
dgdY' dgdZ' dgdM'
Given
P y D
YN star Y' V YN ystar E PZN zstar D Z ' V ZN zstar E PMN D M ' V MN E
85
E : 1 E :=Find E 2.801

zstar : P ZN zstar D Z ' V ZN zstar E 48.65
mstar : P MN D M ' V MN E 1614.421
Interation number 3

e
0.5x
2
)FM
N x : Given ³ N x dx=FM mstar
23 10
)FM : 0 )FM:=Find )FM 2.2952

N )FM
f M mstar
dgdY ' : V YN ystar zstar 201.803

dgdZ ' : V ZN zstar ystar 80.721
dgdM ' : V MN 413.482
dgdY '
DY ' : 0.432
dgdZ '
DZ ' : 0.173
2
dgdM '
DM ' : 0.885
Given
P y D
YN star Y' V YN ystar E PZN zstar D Z ' V ZN zstar E PMN D M ' V MN E
E : 1 E :=Find E 2.741
86
zstar : P ZN zstar D Z ' V ZN zstar E 48.769
mstar : P MN D M ' V MN E 1668.505
0.5x
2
E
e
23 10
pS 99.6935 % pF 0.3065 %
8.2.4 Penyelesain dengan program bantu (MATLAB) Cara Eksak (Ang-Tang vol.2)

clear;clc;
sitaY=covY;sitaZ=covZ;
lambdaY=log(Ybar)-0.5*(sitaY)^2;
lambdaZ=log(Zbar)-0.5*(sitaZ)^2;
87
SigM=covM*Mbar;
alfa=pi/sqrt(6)/SigM;u=Mbar-0.577/alfa;
syms Y Z M;
gX=Y*Z-M;
fprintf(fout,'Table E6.8 Iterative Calculation for Example 6.8 - Ang & Tang\n');
fprintf(fout,'-----------------------------------------------------------------------------------------------
---------------------\n');
fprintf(fout,'Ite- Variable Assumed SigNXi muiNXi (delg/delXi`)*
alphaxi* New xi*\n');
fprintf(fout,'ration Xi Failure \n');
fprintf(fout,'No. Point xi* \n');
fprintf(fout,'-----------------------------------------------------------------------------------------------
---------------------\n');
while n<(niter+1)
%followings are already transformed to normal distributions
SigYN=ystar*sitaY;miuYN=ystar*(1-log(ystar)+lambdaY);
SigZN=zstar*sitaZ;miuZN=zstar*(1-log(zstar)+lambdaZ);
FM=exp(-exp(-alfa*(mstar-u)));
fM=alfa*exp(-alfa*(mstar-u)-exp(-alfa*(mstar-u)));
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
atas='7186705221432913/36028797018963968*pi^(1/2)*2^(1/2)*erf(1/2*2^(1/2)*x)';
bawah='7186705221432913/36028797018963968*pi^(1/2)*2^(1/2)*erf(1/2*2^(1/2)*(-
100))';
pers=[atas,'-',bawah,'=',num2str(FM)];
i=solve(pers,x);i=char(i);i=str2num(i);
phi=subs(fx,x,i);
88
SigMN=phi/fM;miuMN=mstar-SigMN*i;
delgYprime=SigYN*zstar;
delgZprime=SigZN*ystar;
delgMprime=-SigMN;
alphaYprime=delgYprime/sqrt(delgYprime^2+delgZprime^2+delgMprime^2);
alphaZprime=delgZprime/sqrt(delgYprime^2+delgZprime^2+delgMprime^2);
alphaMprime=delgMprime/sqrt(delgYprime^2+delgZprime^2+delgMprime^2);
syms bet;
ystarup=miuYN-alphaYprime*SigYN*bet;
zstarup=miuZN-alphaZprime*SigZN*bet;
mstarup=miuMN-alphaMprime*SigMN*bet;
gXX=subs(gX,{Y,Z,M},{ystarup,zstarup,mstarup});
fprintf(fout,' Y %7.2f %7.3f %7.3f %8.3f %7.3f %7.2f (+)
%7.3f beta\n',...
ystar,SigYN,miuYN,delgYprime,alphaYprime,miuYN,-
alphaYprime*SigYN);
fprintf(fout,'%2d Z %7.2f %7.3f %7.3f %8.3f %7.3f %7.2f
(+) %7.3f beta\n',...
n,zstar,SigZN,miuZN,delgZprime,alphaZprime,miuZN,-alphaZprime*SigZN);
fprintf(fout,' M %7.2f %7.3f %7.3f %8.3f %7.3f %7.2f (+)
%7.3f beta\n',...
mstar,SigMN,miuMN,delgMprime,alphaMprime,miuMN,-
alphaMprime*SigMN);
ystarup=subs(ystarup,beta);
zstarup=subs(zstarup,beta);
mstarup=subs(mstarup,beta);
ystar=ystarup;
89
zstar=zstarup;
mstar=mstarup;
n=n+1;
end
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
pS=char(pS);
pF=100-pS;
fprintf(fout,'-----------------------------------------------------------------------------------------\n');
fclose(fout);
Selanjutnya persoalan akan dibahas ulang dengan menggunakan metode ke-2 (cara Matrix
dengan referensi Nowak).
90
Gambar 2.4. Window GUI alat bantu Matlab – Uncorrelated non-Normal (Ang & Tang)
Tabel 2.1. Output Hasil Program Matlab – Uncorrelated Normal (Ang & Tang)
91
8.2.5 Flowchart Cara Matriks (Nowak)
START
data ܺ௜ & ݃ሺܺሻ

ܻ ഥ ǡ π௒ ǡ π௓ ǡ πெ
ߪ௑೔ ൌ π௑೔ ܺത௜ ; ߤ௑೔ ൌ ܺത௜
Ekivalensi menjadi Distribusi Normal

Case Lognormal
ߞ௑೔ ൌ π௑೔
ͳ
ߣ௑೔ ൌ ݈݊ሺܺത௜ ሻ െ ߞ௑೔ ଶ
ʹ
ߪ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ ൌ ‫ݔ‬௜‫ߞ כ‬௑೔
ߤ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ ൌ ‫ݔ‬௜‫ כ‬൫ͳ െ ݈݊ሺ‫ݔ‬௜‫ כ‬ሻ ൅ ߣ௑೔ ൯

ߨ ͳ ͲǤͷ͹͹
ߙ௑೔ ൌ Ǣ‫ݑ‬௑೔ ൌ ܺത௜ െ
ξ͸ ߪ௑೔ ߙ௑೔
‫ܨ‬௑೔ ሺ‫ݔ‬௜ ሻ ൌ ݁‫ ݌ݔ‬൬െ݁‫ ݌ݔ‬ቀെߙ௑೔ ൫‫ݔ‬௜ െ ‫ݑ‬௑೔ ൯ቁ൰
݂௑೔ ሺ‫ݔ‬௜ ሻ ൌ ߙ௑೔ ݁‫ ݌ݔ‬൬െߙ௑೔ ൫‫ݔ‬௜ െ ‫ݑ‬௑೔ ൯ െ ݁‫ ݌ݔ‬ቀെߙ௑೔ ൫‫ݔ‬௜ െ ‫ݑ‬௑೔ ൯ቁ൰
ߪ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ ൌ ‫ ׎‬ቄߔିଵ ቀ‫ܨ‬௑೔ ሺ‫ݔ‬௜‫ כ‬ሻቁቅ Ȁ݂௑೔ ሺ‫ݔ‬௜ ሻ

ߤ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ ൌ ‫ݔ‬௜‫ כ‬െ ߪ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻߔିଵ ቀ‫ܨ‬௑೔ ሺ‫ݔ‬௜‫ כ‬ሻቁ
Tentukan trial Design Point, ‫ݔ‬௜‫כ‬

‫ݔ‬௜‫ כ‬ൌ ߤ௑೔ untuk ݅ ൌ ͳ ՜ ሺ݊ െ
ͳሻ
1
92
1
3
Dengan substitusi nilai ‫ݔ‬௜‫ כ‬hitung

ߪ௑ே೔ dan ߤ௑ே೔
‫ݔ‬௜‫ כ‬െ ߤ௑ே೔

‫ݖ‬௜‫כ‬ ൌ
ߪ௑ே೔
‫ܩ‬ଵ
‫ܩ‬ଶ
ሼ‫ܩ‬ሽ ൌ ൞ ൢ
‫ڭ‬
‫ܩ‬௡
‫ܩ‬௜ ൌ െ ൌെ ߪ
߲ܼ௜ ߲ܺ௜ ௑೔
ሺ‫ܩ‬௜ ሻ‫ = כ‬substitusi ܺ௜ dengan ‫ݔ‬௜‫כ‬
‫ݖ‬ଵ‫כ‬
‫כݖ‬
ሼ‫ כ ݖ‬ሽ ൌ ൞ ଶ ൢ
‫ڭ‬
‫ݖ‬௡‫כ‬
ߚൌ
ሼ‫ܩ‬ሽ
ሼߙሽ ൌ
2
93
2
Update Design Point

‫כ‬
‫כ‬ ‫כ‬
‫ݔ‬௜௨௣ ൌ ߤ௑ே೔ ൅ ‫ݖ‬௜௨௣ ߪ௑ே೔ untuk ݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ
3 ‫כ‬
‫ݔ‬௡௨௣ ‫כ‬
‫ݔ‬௜‫ כ‬ൌ ‫ݔ‬௜௨௣

‫כ‬
TIDAK Cek Konvergen
݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ ‫כ‬
‫ݔ‬௜௨௣ ؆ ‫ݔ‬௜‫? כ‬
௜
YA

FINISH
Gambar 2.7. Flowchart Kasus 2 cara Nowak – Matrix (lanjutan
Example 6.8 buku Ang & Tang Vol.2 Uncorrelated non-Normals-cara Matrix (Norwak)
Input parameter

:Y : 0.125 :Z : 0.05 :M : 0.2
V Y : Ybar :Y 5 PY : YBar 40
V Z : Zbar :Z 2.5 PZ : Zbar 50
V M : M bar :M 200 PM : M bar 1000
94
] Y : :Y 0.125 ] Z : :Z 0.05
1 1
2 2
3 1 0.577
DM : 6.413 x 103 P M : M bar 910.023
6 MV DM
D M mstar uM ª D m u e D M mstar uM º
M star M
ystar : PY 40 zstar : PZ 50
Interation number 1

FM msatr 0.99908 f M mstar 5.908 x 106
e
0.5x
2
)FM
23 10
)FM : 0 )FM:=Find )FM 3.11464
N )FM
f M mstar
ystar PYN ystar zstar PZN zstar
z1star : 0.063 z 2 star : 0.025
V YN ystar V ZN zstar
§ z1star · § 0.063 ·
mstar PMN ¨ ¸ ¨ ¸
z3star : 3.115 z star : ¨ z2 star ¸ ¨ 0.025 ¸
V MN ¨z ¸ ¨ 3.115 ¸
© 3star ¹ © ¹
95
d
G1 Y , Z , M : g Y , Z , M V YN ystar o 5.0 Z
dY
d
G2 Y , Z , M : g Y , Z , M V ZN z star o 2.5 Y
dZ
d
G3 Y , Z , M : g Y , Z , M V MN o 528.85464382630153
dM
§ G1 ystar , zstar , mstar · § 250 ·

¨ ¸ ¨ ¸
¨ ¸ ¨ 528.855 ¸
© G3 ystar , zstar , mstar ¹ © ¹
§ 0.421 ·
E: 2.745 D := ¨ 0.169 ¸
© ¹
z1starup : D0 E 1.156 z2 starup : D1 E 0.463
ystarup : PYN ystar z1starup V YN ystar 33.906

zstarup : P ZN zstar z2 starup V ZN zstar 48.781
Given g ystarup , zstarup , M 0 M:=PM mstarup : Find M 1653.95
ystar : ystarup 33.906 z star : zstarup 48.781 mstar : mstarup 1653.95
Interation number 2

e
0.5x
2
)FM
N (x):= Given ³ N x dx=FM mstar
23 10
)FM : 0 )FM:=Find )FM 2.38934
N )FM
f M mstar
96
z1star : 1.26 z 2 star : 0.469
§ z1star · § 1.26 ·
mstar PYN ystar ¨ ¸ ¨ ¸
z3star :
V MN
2.389 z star : ¨ z2 star ¸ ¨ 0.469 ¸
¨z ¸ ¨ 2.389 ¸
© 3star ¹ © ¹
d
dY
d
dZ
d
G3 Y , Z , M : g Y , Z , M V MN o 426.30194176926722
dM

¨ ¸ ¨ ¸
¨ ¸ ¨ 426.302 ¸
§ 0.43 ·
E: 2.74 D := ¨ 0.172 ¸
© ¹
z1starup : D0 E 1.178 z 2 starup : D1 E 0.471

Interation number 3

97
0.5x
2
)FM
e
N (x):= Given ³ N x dx=FM mstar
23 10
)FM : 0 )FM:=Find )FM 2.42841
N )FM
f M mstar

z1star : 1.178 z 2 star : 0.471
§ z1star · § 1.178 ·
mstar PYN ¨ ¸ ¨ ¸
z3star :
V MN
2.428 z star : ¨ z2 star ¸ ¨ 0.471 ¸
¨z ¸ ¨ 2.428 ¸
© 3star ¹ © ¹
d
dY
d
dZ
d
G3 Y , Z , M : g Y , Z , M V MN o 431.66409070833816
dM

¨ ¸ ¨ ¸
¨ ¸ ¨ 431.664 ¸
§ 0.429 ·
E: 2.74 D := ¨ 0.172 ¸
© ¹

98
Probability of Safe (pS) & Probability of Failure (pF)
0.5x
2
E
e
23 10
pS 99.6928 % pF 0.3072 %

clear;clc;
lambdaY=log(Ybar)-0.5*(sitaY)^2;
lambdaZ=log(Zbar)-0.5*(sitaZ)^2;
SigM=covM*Mbar;
n=1;
mstar=ystar*zstar;
99
syms Y Z M;
gX=Y*Z-M;
fprintf(fout,'---------------------------------------------------------------------------------------------
\n');
fprintf(fout,'Ite- Variable Assumed Assumed Gi beta alpha New
xi*\n');
fprintf(fout,'---------------------------------------------------------------------------------------------
\n');
while n<(niter+1)
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
atas='7186705221432913/36028797018963968*pi^(1/2)*2^(1/2)*erf(1/2*2^(1/2)*x)';
bawah='7186705221432913/36028797018963968*pi^(1/2)*2^(1/2)*erf(1/2*2^(1/2)*(-
100))';
phi=subs(fx,x,i);
ypstar=(ystar-miuYN)/SigYN;
zpstar=(zstar-miuZN)/SigZN;
100
mpstar=(mstar-miuMN)/SigMN;
G1=-
diff(gX,Y)*SigYN;G1=subs(G1,{'Y','Z','M'},{ystar,zstar,mstar});G1=char(G1);G1=str2num(G1)
;
G2=-
diff(gX,Z)*SigZN;G2=subs(G2,{'Y','Z','M'},{ystar,zstar,mstar});G2=char(G2);G2=str2num(G2)
;
G3=-diff(gX,M)*SigMN;G3=subs(G3,{'Y','Z','M'},{ystar,zstar,mstar});
G=[G1;G2;G3];
beta=(transpose(G)*xprime)/sqrt(transpose(G)*G);
alpha=G/sqrt(transpose(G)*G);
ystar_up=miuYN+ypstar_up*SigYN;
zstar_up=miuZN+zpstar_up*SigZN;
ystar=ystar_up;
zstar=zstar_up;
mstar=mstar_up;
n=n+1;
end
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
101
pS=char(pS);
pF=100-pS;
fprintf(fout,'-----------------------------------------------------------------------------------------\n');
fclose(fout);
Tabel 2.2. Output Hasil Program Matlab – Uncorrelated non-Normal (Nowak)
102
8.3 CORRELATED NORMAL, Contoh Soal 6.9 Ang & Tang Vol.2
Referensi : “Tabel 2.1. Output Hasil Program Matlab – Uncorrelated Normal (Ang &
Tang)”, Volume II. Decision, Risk, and Reliability. Alfredo H-S.ANG, Wilson H.TANG.
Example 6.9, halaman 365-368.
Consider the problem of Example 6.7 again. However, assume that the design random
variables Y and Z are now partially correlated with ߩ௒ǡ௓ = 0.40. Again, the statistics of the
design variables are : ܻത = 40 ksi, π௒ = 0.125; ܼҧ = 50 in3, π௓ = 0.05; ‫ܯ‬
ഥ = 1000 in-kips, πெ =
0.20, determine the reliability of the beam.
103
START

ഥ ҧ
ܻǡ ܼǡ ‫ܯ‬ഥ ǡ π௒ ǡ π௓ ǡ πெ ǡ ɏଢ଼ǡ୞
ߪ௑೔ ൌ π௑೔ ܺത௜
Transformasi koordinat menjadi uncorrelated variable ܻ௜

ͳ ɏଡ଼భǡଡ଼మ ɏଡ଼భ ǡଡ଼య
ሾ‫ ܥ‬ᇱ ሿ ൌ ቎ɏଡ଼మ ǡଡ଼భ ͳ ɏଡ଼మ ǡଡ଼య ቏
ɏଡ଼య ǡଡ଼భ ɏଡ଼యǡଡ଼మ ͳ
Cari eigenvalues ሾߣሿ dan eigenvectors ሾܶሿ dari ሾ‫ ܥ‬ᇱ ሿ

ߣଵ Ͳ Ͳ ܶଵଵ ܶଵଶ ܶଵଷ
ሾߣሿ ൌ ൥ Ͳ ߣଶ Ͳ ൩ ሾܶሿ ൌ ൥ܶଶଵ ܶଶଶ ܶଶଷ ൩
Ͳ Ͳ ߣଷ ܶଷଵ ܶଷଶ ܶଷଷ
Tentukan matrix standar deviasi ሾߪ௑ ሿ dan meanሼߤ௑ ሽ

ߪ௑భ Ͳ Ͳ ܺതଵ
ሾߪ௑ ሿ ൌ ቎ Ͳ ߪ௑మ Ͳ ቏ ሼߤ௑ ሽ ൌ ቐܺതଶ ቑ
Ͳ Ͳ ߪ௑య ܺതଷ
Tentukan matrix uncorrelated variable ሼܻሽ
ܻଵ
ሼܻሽ ൌ ൝ܻଶ ൡ
ܻଷ
Definisikan correlated basic variable ܺ௜ dalam ܻ௜
ሼܺሽ ൌ ሾߪ௑ ሿሾܶሿሼܻሽ ൅ ሼߤ௑ ሽ
Tentukan ݃ dalam fungsi ܻ௜

݃ሺܻሻ ൌsubstitusi ሼܺሽ dengan ሾߪ௑ ሿሾܶሿሼܻሽ ൅ ሼߤ௑ ሽ
1
Gambar 3.1. Flowchart Kasus 3 cara Ang &
104
1
߲݃ሺܻሻ
߲ܻ௜
Tentukan trial Failure Point ‫ݔ‬௜‫ כ‬ൌ
Transformasi ‫ݔ‬௜‫ כ‬menjadi ‫ݕ‬௜‫כ‬

‫כ‬ ‫ݔ‬௜‫ כ‬െ ܺത௜
‫ݔ‬௜ᇱ ൌ
ߪ௑೔
‫כ‬
‫ݕ‬ଵ‫כ‬ ‫ݔ‬ଵᇱ
ቐ‫ݕ‬ଶ‫ כ‬ቑ ൌ ሾܶሿ் ቐ‫ݔ‬ଶᇱ ‫ כ‬ቑ
‫ݕ‬ଷ‫כ‬ ‫ݔ‬ଷᇱ
‫כ‬
డ௚ሺ௒ሻ
Hitung డ௒೔
pada‫ݕ‬௜‫כ‬
డ௚ሺ௒ሻ
ቀ ቁ = substitusi ܻ௜ dengan
డ௒೔ ‫כ‬
߲݃ሺܻሻ
൬ ൰
߲ܻ௜ ‫ כ‬ඥߣ௜
ߙ௒‫ כ‬೔ ൌ
߲݃ሺܻሻ ଶ
ඨσ ൬ ൰ ߣ
߲ܻ௜ ‫ כ‬௜

‫כ‬
‫ݕ‬௜௨௣ ሺߚሻ ൌ ߙ௒‫ כ‬೔ ඥߣ௜ ߚ
105
2
Tentukan ݃ሺܻሻ dalam fungsi β

‫כ‬
݃ሺߚሻ ൌsubstitusi ܻ௜ dengan ‫ݕ‬௜௨௣ ሺߚሻ pada ݃ሺܻሻ
‫כ‬
Hitung ‫ݕ‬௜௨௣ dengan mensubstitusikan
‫כ‬ ‫כ‬
Transformasi ‫ݕ‬௜௨௣ menjadi ‫ݔ‬௜௨௣
‫כ‬ ‫כ‬
3 ‫ݔ‬௜௨௣ =substitusi ܻ௜ dengan ‫ݕ‬௜௨௣
TIDAK Cek Konvergen

‫ݔ‬௜‫כ‬
‫כ‬
‫כ‬ ‫ݔ‬௜௨௣ ؆ ‫ݔ‬௜‫? כ‬
YA

FINISH
106
8.3.3 Penyelesaian (Mathcad) Cara Eksak (Ang-Tang vol.2)
Example 6.9 buku Ang & Tang Vol.2 Conrrelated Normals
Input parameter
Ybar : 40 Zbar : 50 Mbar : 1000

:Y : 0.125 :Z : 0.05 :M : 0.2 UYZ : 0.4
V Y : Ybar :Y 5
V Z : Z bar :Z 2.5
V M : M bar :M 200
Transformasi menjadi un corellated fariables Y

§ 1 UYZ 0 · § 1 0.4 0 ·
¨ ¸ ¨ ¸
C : ¨ UYZ 1 0¸ ¨ 0.4 1 0 ¸
¨ 0 0 1 ¸¹ ¨ 0 0 1 ¸¹
© ©
§ eigenvals C 0 0 0 · §1.4 0 0 ·
¨ ¸ ¨ ¸
O: ¨ 0 eigenvals C 1 0 ¸ ¨ 0 0.6 0 ¸
¨ 0 0 eigenvals C 2 ¸¹ ¨ 0 0 1 ¸¹
© ©
§ 0.707 0.707 0 · §VY 0 0 · §5 0 0 ·

¨ ¸
T : eigenvals C ¨ 0.707 0.707 0 ¸ V X : ¨¨ 0 VZ ¸ ¨
0 ¸ ¨ 0 2.5 0 ¸
¸
¨ 0 0 1 ¸¹ ¨ 0 0 V M ¸¹ ¨© 0 0 200 ¸¹
© ©
§ Ybar · § 40 ·
¨ ¸
P X : ¨ Zbar ¸ ¨¨ 50 ¸¸
¨ M ¸ ¨1000 ¸
© bar ¹ © ¹
ª § Y1 · º § 3.5355339059327373 Y 1 3.5355339059327373 Y 2 ·
« ¨ ¸ » ¨ ¸
X Y1, Y 2, Y 3 : «V X T ¨ Y 2 ¸ P X » o ¨1.76776695296636865 Y 1 1.76776695296636865 Y 2 ¸
«¬ Ÿ 3 ¸ »¼ ¨© 200 Y 3 1000 ¸
© ¹ ¹

ystar : Ybar z star : Z bar m star : M bar
107
ª § Y1 · º § 3.5355339059327373 Y1 3.5355339059327373 Y2
X( Y1 Y2 Y3 ) σ X T Y2 μ X o ¨ 1.76776695296636865 Y1 1.76776695296636865 Y2
« ¨ ¸ »
« ¨ ¸ » ¨
¬ © Y3 ¹ ¼ © 200 Y3 1000
initial assumption of failure point
ystar Ybar zstar Zbar mstar M bar
Interation number 1
g Y 1, Y 2, Y 3 : X Y 1, Y 2, Y 30 X Y 1, Y 2, Y 3 1 X Y 1, Y 2, Y 3 2
ystar Ybar zstar zbar mstar M bar
y pstar : 0 z pstar : 0 m pstar : 0
VY VZ VM
§ y pstar · §0·
¨ ¸ ¨ ¸
Ystar : T ¨ z pstar ¸
T
¨0¸
¨ ¸ ¨0¸
© m pstar ¹ © ¹
d
dgdY 1Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 12.49999999999997723 Y 1 247.4873734152916
dY 1
d
dgdY 2 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 12.49999999999997723 Y 2 106.066017177982
dY 2
d
dgdY 3 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 200
dY 3
dgdY 1star : dgdY 1Ystar0 , Ystar1 , Ystar2 o 247.487373415291611
dgdY 2star : dgdY 2 Ystar0 , Ystar1 , Ystar2 o 106.066017177982119
dgdY 3star : dgdY 3 Ystar0 , Ystar1 , Ystar2 o 200
dgdY1star O0,0
DY 1 : 0.804
dgdY1star 2 O0,0 dgdY 2star 2 O1,1 dgdY 3star 2 O2,2
dgdY 2star O1,1
DY 2 : 0.226
dgdY1star 2 O0,0 dgdY 2star 2O1,1 dgdY 3star 2O2,2
dgdY 3star O2,2
DY 3 : 0.549
108
Ystar1up E : DY 1 O0,0 E o 0.95186014511011890951
Ystar 2up E : DY 2 O1,1E o 0.17483145522430754964
Ystar 3up E : DY 3 O2,2 E o 0.54944225579475614 E
g E : g Ystar1up E , Ystar 2up E , Ystar 3up E

g E simplify o 5.4716981132075463268 E 2 364.00549446402590198 E 10
given
g E 0
E : 1 E :=Find E 2.871
Ystar1up E 2.733 Ystar2up E 0.502 Ystar3up E 1.578
§ 28.563 ·
¨ ¸
X Ystar1up E , Ystar 2up E , Ystar 3up E ¨ 46.056 ¸
¨1315.503 ¸
© ¹

ystar : X Ystar1up E , Ystar 2up E , Ystar 3up E 0 28.563
zstar : X Ystar1up E , Ystar 2up E , Ystar 3up E 1 46.056
mstar : X Ystar1up E , Ystar 2up E , Ystar 3up E 2 1315.503
Interation Number 2
g Y1, Y 2, Y 3 : X Y1, Y 2, Y 30 X Y1, Y 2, Y 31 X Y1, Y 2, Y 32

y pstar : 2.287 z pstar : 1.578 m pstar : 1.578
VY VZ VM
§ y pstar · § 2.733 ·
¨ ¸ ¨ ¸
Ystar : T T ¨ z pstar ¸ ¨ 0.502 ¸
¨ ¸ ¨ 1.578 ¸
© m pstar ¹ © ¹
109
d
dgdY 1Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 12.499999999999997723 Y 1 247.487373415291611
dY 1
d
dgdY 2 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 12.499999999999997723 Y 2 106.066017177982119
dY 2
d
dgdY 3 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 200
dY 3
dgdY1star : dgdY1Ystar0 , Ystar1 , Ystar2 o 213.32600892141262472
dgdY 1star O0,0

DY 1 : 0.757
dgdY 1star 2 O0,0 dgdY 2star 2 O1,1 dgdY 3star 2 O2,2
dgdY 2star O1,1
DY 2 : 0.261
dgdY 3star O2,2
DY 3 : 0.6
Ystar1up E : DY 1 O0,0 E o 0.89527531687981384783 E

Ystar 2up E : DY 2 O1,1E o 0.20205638407052862504 E
Ystar 3up E : DY 3 O2,2 E o 0.59953530507894759 E
given
g E 0
E : 1 E :=Find E 2.863
§ 28.893 ·
¨ ¸
¨1343.282 ¸
© ¹
110
Interation Number 3

y pstar : 2.221 z pstar : 1.403 m pstar : 1.716
VY VZ VM
§ y pstar · § 2.563 ·
¨ ¸ ¨ ¸
Ystar : T ¨ z pstar ¸
T
¨ 0.578 ¸
¨ ¸ ¨ 1.716 ¸
© m pstar ¹ © ¹
d
dgdY 1Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 12.499999999999997723 Y 1 247.487373415291611
dY 1
d
dgdY 2 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 12.499999999999997723 Y 2 106.066017177982119
dY 2
d
dgdY 3 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 200
dY 3
dgdY1star : dgdY 1Ystar0 , Ystar1 , Ystar2 o 215.44886568690295184

dgdY1star O0,0
DY 1 : 0.759
dgdY 2star O1,1
DY 2 : 0.261
dgdY 3star O2,2
DY 3 : 0.596
Ystar1up E : DY 1 O0,0 E o 0.89853488810101449072 E

Ystar 2up E : DY 2 O1,1E o 0.20250314746020538605 E
Ystar 3up E : DY 3 O2,2 E o 0.59578929070860531 E
111
given
g E 0
E : 1 E :=Find E 2.863
§ 28.856 ·
¨ ¸
¨1341.133 ¸
© ¹


0.5x
2
E
e
23 10
pS 99.7901 % pF 0.2099 %

clear;clc;
112
corYZ=str2num(get(tagku.edit10,'string'));
Cprime=[1 corYZ 0;corYZ 1 0;0 0 1];
[T,lmd]=polyeig(Cprime);SigmaX=[SigY 0 0;0 SigZ 0;0 0
SigM];miuX=[Ybar;Zbar;Mbar];
syms Y1 Y2 Y3 bet;
X=SigmaX*T*[Y1;Y2;Y3]+miuX;
gX=simplify(X(1)*X(2)-X(3));
dgdY1=diff(gX,Y1);
dgdY2=diff(gX,Y2);
dgdY3=diff(gX,Y3);
n=1;
ystar=Ybar;zstar=Zbar;mstar=Mbar;
fprintf(fout,'Table E6.9 Summary of Iteration for Example 6.9 - Ang & Tang\n');
fprintf(fout,'--------------------------------------------------------------------------------\n');
fprintf(fout,'Ite- Transformed Assumed (delg/delYi)* alphayi* New yi*\n');
fprintf(fout,'ration Variable Failure \n');
fprintf(fout,'No. Yi Point yi* \n');
fprintf(fout,'--------------------------------------------------------------------------------\n');
while n<(niter+1)
113
Ystar=transpose(T)*[ypstar;zpstar;mpstar];
y1star=Ystar(1);y2star=Ystar(2);y3star=Ystar(3);
delgY1=subs(dgdY1,y1star);
alphaY1=delgY1*sqrt(lmd(1))/sqrt(delgY1^2*lmd(1)+delgY2^2*lmd(2)+delgY3^2*lmd(3));
y1starup=-alphaY1*sqrt(lmd(1))*bet;
gXX=subs(gX,{Y1,Y2,Y3},{y1starup,y2starup,y3starup});
fprintf(fout,' Y1 %7.4f %8.3f %7.4f %8.4f beta\n',...
y1star,delgY1,alphaY1,-alphaY1*sqrt(lmd(1)));
fprintf(fout,'%2d Y2 %7.4f %8.3f %7.4f %8.4f beta\n',...
n,y2star,delgY2,alphaY2,-alphaY2*sqrt(lmd(2)));
fprintf(fout,' Y3 %7.4f %8.3f %7.4f %8.4f beta\n',...
y3star,delgY3,alphaY3,-alphaY3*sqrt(lmd(3)));
y1starup=subs(y1starup,beta);
ystarup=subs(X(1),{Y1,Y2,Y3},{y1starup,y2starup,y3starup});
zstarup=subs(X(2),{Y1,Y2,Y3},{y1starup,y2starup,y3starup});
114
mstarup=subs(X(3),{Y1,Y2,Y3},{y1starup,y2starup,y3starup});
ystarup=char(ystarup);ystarup=str2num(ystarup);
zstarup=char(zstarup);zstarup=str2num(zstarup);
mstarup=char(mstarup);mstarup=str2num(mstarup);
ystar=ystarup;
zstar=zstarup;
mstar=mstarup;
n=n+1;
end
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
pS=char(pS);
pF=100-pS;
fprintf(fout,'-----------------------------------------------------------------------------------------\n');
fclose(fout);
Contoh hasil untuk 3 iterasi dapat dilihat pada Gambar 3.4 dan Tabel 3.1. Selanjutnya persoalan
akan dibahas ulang dengan menggunakan metode ke-2 (cara Matrix dengan referensi Nowak).
115
Gambar 3.4. Window GUI alat bantu Matlab – Correlated Normal (Ang & Tang)
Tabel 3.1. Output Hasil Program Matlab – Correlated Normal (Ang & Tang)
116
START

ܻ ഥ ǡ π௒ ǡ π௓ ǡ πெ ǡ ߩ௒ǡ௓
ߪ௑೔ ൌ π௑೔ ܺത௜ ; ߤ௑೔ ൌ ܺത௜
ͳ ߩ௑భ ǡ௑మ ߩ௑భ ǡ௑య

ሾߩሿ ൌ ቎ߩ௑మ ǡ௑భ ͳ ߩ௑మ ǡ௑య ቏
ߩ௑య ǡ௑భ ߩ௑య ǡ௑మ ͳ

‫ݔ‬௜‫ כ‬ൌ ߤ௑೔ untuk ݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ
‫ݔ‬௡‫ כ‬hitung dari ݃ሺ‫ݔ‬௜‫ כ‬ሻ ൌ Ͳ
2
‫ݔ‬௜‫ כ‬െ ߤ௑೔
‫ݖ‬௜‫ כ‬ൌ
ߪ௑೔
‫ܩ‬ଵ
‫ܩ‬
ሼ‫ܩ‬ሽ ൌ ൞ ଶ ൢ
‫ڭ‬
‫ܩ‬௡
߲݃ሺܺሻ ߲݃ሺܺሻ
߲ܼ௜ ߲ܺ௜ ௑೔
1
117
1
‫ݖ‬ଵ‫כ‬
‫כݖ‬
‫ڭ‬
‫ݖ‬௡‫כ‬
ߚൌ
ඥሼ‫ܩ‬ሽ் ሾߩሿሼ‫ܩ‬ሽ
ሾߩሿሼ‫ܩ‬ሽ
ሼߙሽ ൌ
Update Design Point

‫כ‬
‫כ‬ ‫כ‬
‫ݔ‬௜௨௣ ൌ ߤ௑೔ ൅ ‫ݖ‬௜௨௣ ߪ௑೔ untuk ݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ
2 ‫כ‬
‫ݔ‬௡௨௣ ‫כ‬
‫ݔ‬௜‫ כ‬ൌ ‫ݔ‬௜௨௣

‫כ‬
TIDAK Cek Konvergen
݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ ‫כ‬
‫ݔ‬௜௨௣ ؆ ‫ݔ‬௜‫? כ‬
௜
YA

FINISH
Gambar 3.6. Flowchart Kasus 3 cara Nowak – Matrix (lanjutan
118
Contoh Soal 6.9 buku Ang & Tang vol. 2 Correlated normals-cara matrix (nowak)
Input parameter

:Y : 0.125 :Z : 0.05 :M : 0.2 UYZ : 0.4
V Z : Zbar : Z 2.5 P Z : Zbar 50
V M : M bar : M 200 PM : M bar 1000
§ 1 UYZ 0· § 1 0.4 0 ·
U : ¨¨ UYZ 1 0¸
¸ ¨
¨ 0.4 1 0 ¸
¸
¨ 0 0 1 ¸¹ ¨ 0 0 1 ¸¹
© ©
ystar : PY z star : PZ
Interation number 1

z1star : 0 z 2 star : 0 z 3star : 5
VY VZ VM
d
G1 Y , Z , M : g Y , Z , M V Y o 5 Z
§ z1star · §0· dy
¨ ¸ ¨ ¸
zstar : ¨ z2 star ¸ ¨0¸ d
G 2 Y , Z , M : g Y , Z , M V Z o 2.5 Y
¨z ¸ ¨5¸ dZ
© 3star ¹ © ¹
d
G 3 Y , Z , M : g Y , Z , M V M o 200
dM

¨ ¸ ¨ ¸
Gstar : ¨ G2 ystar , z star , mstar ¸ ¨ 100 ¸
¨ ¸ ¨ 200 ¸
119
§ 0.797 ·
Gstar T zstar U Gstar ¨ ¸
E: 2.747 D := ¨ 0.549 ¸
Gstar T U Gstar Gstar T U Gstar ¨ 0.549 ¸
© ¹

ystar : ystarup 29.057 zstar : zstarup 46.226 mstar : mstarup 1343.183
Interation number 2

VY VZ VM
d
G1 Y , Z , M : g Y , Z , M V Y o 5 Z
§ z1star · § 2.189 · dy
¨ ¸ ¨ ¸
zstar : ¨ z2 star ¸ ¨ 1.509 ¸ G 2 Y , Z , M :
d
g Y , Z , M V Z o 2.5 Y
¨z ¸ ¨ 1.716 ¸ dZ
© 3star ¹ © ¹
d
G 3 Y , Z , M : g Y , Z , M V M o 200
dM

¨ ¸ ¨ ¸
¨ ¸ ¨ 200 ¸
§ 0.777 ·
E: 2.863 D:= ¨ 0.493 ¸
© ¹
z1starup : D 0 E 2.225 z2 starup : D1 E 1.412

ystarup : PY z1starup V Y 28.877 zstarup : PZ z2 starup V Z 46.471
120
Interation number 3

VY VZ VM
d
G1 Y , Z , M : g Y , Z , M V Y o 5 Z
§ z1star · § 2.225 · dy
¨ ¸ ¨ ¸
zstar : ¨ z2 star ¸ ¨ 1.412 ¸ G 2 Y , Z , M :
d
g Y , Z , M V Z o 2.5 Y
¨z ¸ ¨ 1.71 ¸ dZ
© 3star ¹ © ¹
d
G 3 Y , Z , M : g Y , Z , M V M o 200
dM

¨ ¸ ¨ ¸
¨ ¸ ¨ 200 ¸
§ 0.778 ·
E: 2.863 D:= ¨ 0.492 ¸
© ¹

ystar : ystarup 28.857 zstar : zstarup 46.478 mstar : mstarup 1341.234
Probability of Safe (pS)& Probability of Failure (pF)
0.5x
2
E
e
23 10
pS 99.7901 % PF 0.2099 %
121

clear;clc;
rho=[1 corYZ 0;corYZ 1 0;0 0 1];
syms Y Z M;
gX=Y*Z-M;
n=1;
mstar=ystar*zstar;
122
fprintf(fout,'------------------------------------------------------------------------------------------\n');
fprintf(fout,'Ite- Variable Assumed Assumed Gi beta alpha New xi*\n');
fprintf(fout,'------------------------------------------------------------------------------------------\n');
while n<(niter+1)
G1=-
diff(gX,Y)*SigY;G1=subs(G1,{'Y','Z','M'},{ystar,zstar,mstar});G1=char(G1);G1=str2num(G1);
G2=-
diff(gX,Z)*SigZ;G2=subs(G2,{'Y','Z','M'},{ystar,zstar,mstar});G2=char(G2);G2=str2num(G2);
G3=-diff(gX,M)*SigM;G3=subs(G3,{'Y','Z','M'},{ystar,zstar,mstar});
G=[G1;G2;G3];
beta=(transpose(G)*xprime)/sqrt(transpose(G)*rho*G);
alpha=rho*G/sqrt(transpose(G)*rho*G);
ystar_up=Ybar+ypstar_up*SigY;
zstar_up=Zbar+zpstar_up*SigZ;
ystar=ystar_up;
zstar=zstar_up;
123
mstar=mstar_up;
n=n+1;
end
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
pS=char(pS);
pF=100-pS;
fprintf(fout,'-----------------------------------------------------------------------------------------\n');
fclose(fout);
Tabel 3.2. Output Hasil Program Matlab – Uncorrelated non-Normal (Nowak)
124
8.4 CORRELATED NON-NORMAL, Contoh Soal.6.10 Ang & Tang Vol.2

Contoh Soal 6.10, halaman 368-372.
Consider the same problem of Example 6.9, except that the variables are now distributed as
follows :
Y = Lognormal
Z = Lognormal
M = Type I asymptotic extreme
Determine the reliability of the beam.
125
START

ഥ ҧ
ܻǡ ܼǡ ‫ܯ‬ഥ ǡ π௒ ǡ π௓ ǡ πெ ǡ ɏଢ଼ǡ୞
ߪ௑೔ ൌ π௑೔ ܺത௜
Equivalensi menjadi Distribusi Normal

Case Lognormal
ߞ௑೔ ൌ π௑೔
ͳ
ߣ௑೔ ൌ ݈݊ሺܺത௜ ሻ െ ߞ௑೔ ଶ
ʹ
ߪ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ ൌ ‫ݔ‬௜‫ߞ כ‬௑೔
ߤ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ ൌ ‫ݔ‬௜‫ כ‬൫ͳ െ ݈݊ሺ‫ݔ‬௜‫ כ‬ሻ ൅ ߣ௑೔ ൯

ߨ ͳ
ߙ௑೔ ൌ
ξ͸ ߪ௑೔
ͲǤͷ͹͹
‫ݑ‬௑೔ ൌ ܺത௜ െ
ߙ௑೔
‫ܨ‬௑೔ ሺ‫ݔ‬௜ ሻ ൌ ݁‫ ݌ݔ‬൬െ݁‫ ݌ݔ‬ቀെߙ௑೔ ൫‫ݔ‬௜ െ ‫ݑ‬௑೔ ൯ቁ൰
݂௑೔ ሺ‫ݔ‬௜ ሻ ൌ ߙ௑೔ ݁‫ ݌ݔ‬൬െߙ௑೔ ൫‫ݔ‬௜ െ ‫ݑ‬௑೔ ൯ െ ݁‫ ݌ݔ‬ቀെߙ௑೔ ൫‫ݔ‬௜ െ ‫ݑ‬௑೔ ൯ቁ൰
ߪ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ ൌ ‫ ׎‬ቄߔ ିଵ ቀ‫ܨ‬௑೔ ሺ‫ݔ‬௜‫ כ‬ሻቁቅ Ȁ݂௑೔ ሺ‫ݔ‬௜ ሻ

ߤ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ ൌ ‫ݔ‬௜‫ כ‬െ ߪ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻߔିଵ ቀ‫ܨ‬௑೔ ሺ‫ݔ‬௜‫ כ‬ሻቁ
Tentukan trial Failure Point, ‫ݔ‬௜‫ כ‬ൌ ܺത௜
126
1
Hitung ߪ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ & ߤ௑ே೔ ሺ‫ݔ‬௜‫ כ‬ሻ dengan substitusi ‫ݔ‬௜‫כ‬
Transformasi koordinat menjadi uncorrelated variable ܻ௜

ͳ ɏଡ଼భ ǡଡ଼మ ɏଡ଼భ ǡଡ଼య
ሾ‫ ܥ‬ᇱ ሿ ɏ
ൌ ቎ ଡ଼మ ǡଡ଼భ ͳ ɏଡ଼మ ǡଡ଼య ቏
ɏଡ଼య ǡଡ଼భ ɏଡ଼య ǡଡ଼మ ͳ
Cari eigenvalues ሾߣሿ dan eigenvectors ሾܶሿ dari ሾ‫ ܥ‬ᇱ ሿ

ߣଵ Ͳ Ͳ ܶଵଵ ܶଵଶ ܶଵଷ
ሾߣሿ ൌ ൥ Ͳ ߣଶ Ͳ ൩ ሾܶሿ ൌ ൥ܶଶଵ ܶଶଶ ܶଶଷ ൩
Ͳ Ͳ ߣଷ ܶଷଵ ܶଷଶ ܶଷଷ
Tentukan matrix standar deviasi ሾߪ௑ே ሿ dan meanሼߤ௑ே ሽ

ߪ௑ேభ Ͳ Ͳ ߤ௑ேభ
ሾߪ௑ே ሿ ൌ ൦ Ͳ ߪ௑ேమ Ͳ ൪ ሼߤ௑ே ሽ ൌ ൞ߤ௑ேమ ൢ
Ͳ Ͳ ߪ௑ேయ ߤ௑ேయ
Tentukan matrix uncorrelated variable ሼܻሽ

ܻଵ
ሼܻሽ ൌ ൝ܻଶ ൡ
ܻଷ
Definisikan correlated basic variable ܺ௜ dalam ܻ௜
ሼܺሽ ൌ ሾߪ௑ே ሿሾܶሿሼܻሽ ൅ ሼߤ௑ே ሽ
Tentukan ݃ dalam fungsi ܻ௜

݃ሺܻሻ ൌsubstitusi ሼܺሽ dengan ሾߪ௑ே ሿሾܶሿሼܻሽ ൅ ሼߤ௑ே ሽ
߲݃ሺܻሻ
߲ܻ௜
2
Gambar 4.2. Flowchart Kasus 4 cara Ang & Tang (lanjutan 1)
127
2
Transformasi ‫ݔ‬௜‫ כ‬menjadi ‫ݕ‬௜‫כ‬

ᇱ‫כ‬
‫ݔ‬௜‫ כ‬െ ߤ௑ே೔
‫ݔ‬௜ ൌ
ߪ௑ே೔
‫כ‬
‫ݕ‬ଵ‫כ‬ ‫ݔ‬ଵᇱ
‫כ‬
ቐ‫ݕ‬ଶ‫ כ‬ቑ ൌ ሾܶሿ் ቐ‫ݔ‬ଶᇱ ቑ
‫כ‬ ‫כ‬
‫ݕ‬ଷ ‫ݔ‬ଷᇱ
డ௚ሺ௒ሻ
Hitung డ௒೔
pada‫ݕ‬௜‫כ‬
డ௚ሺ௒ሻ
ቀ డ௒೔ ‫כ‬
ቁ = substitusi ܻ௜ dengan ‫ݕ‬௜‫כ‬
߲݃ሺܻሻ
൬ ൰
߲ܻ௜ ‫ כ‬ඥߣ௜
ߙ௒‫ כ‬೔ ൌ
߲݃ሺܻሻ ଶ
ඨσ ൬ ൰ ߣ
߲ܻ௜ ‫ כ‬௜

‫כ‬
‫ݕ‬௜௨௣ ሺߚሻ ൌ ߙ௒‫ כ‬೔ ඥߣ௜ ߚ
Tentukan ݃ሺܻሻ dalam fungsi β

‫כ‬
݃ሺߚሻ ൌsubstitusi ܻ௜ dengan ‫ݕ‬௜௨௣ ሺߚሻ pada ݃ሺܻሻ
128
3
‫כ‬
Hitung ‫ݕ‬௜௨௣ dengan mensubstitusikan β
‫כ‬ ‫כ‬
Transformasi ‫ݕ‬௜௨௣ menjadi ‫ݔ‬௜௨௣
‫כ‬ ‫כ‬
‫ݔ‬௜௨௣ =substitusi ܻ௜ dengan ‫ݕ‬௜௨௣ padaሾܺሿ
4
TIDAK Cek Konvergen

‫ݔ‬௜‫כ‬ ‫כ‬
‫כ‬ ‫ݔ‬௜௨௣ ؆ ‫ݔ‬௜‫? כ‬
YA

FINISH
8.5 Penyelesaian (Mathcad) Cara Eksak (Ang-Tang vol.2)

Example 6.10 buku Ang & Tang Vol.2 Correlated non-Normals
Ybar : 40 Zbar : 50 Mbar : 1000

:Y : 0.125 :Z : 0.05 :M : 0.2 UYZ : 0.4
V Y : Ybar :Y 5
V Z : Z bar : Z 2.5
V M : M bar : M 200
129
] Y : :Y 0.125 ] Z : :Z 0.05
1 1
2 2

3 1 0.557
DM : 6.413 x 103 u M : M bar 910.023
6 VM DM
D
M M M star M

ystar : Ybar z star : Zbar m star : M bar
Interation number 1
0.5 x
2
I FM
e
23 10
)FM : 0 )FM:=Find )FM 0.17716
N )FM
f M mstar
Transformasi menjadi un-correlated variables Y

§ 1 UYZ 0· § 1 0.4 0 ·
¨ ¸ ¨ ¸
C : ¨ UYZ 1 0¸ ¨ 0.4 1 0 ¸
¨ 0 0 1 ¸¹ ¨ 0 0 1 ¸¹
© ©
§ eigenvals C 0 0 0 · §1.4 0 0 ·
¨ ¸ ¨ ¸
O: ¨ 0 eigenvals C 1 0 ¸ ¨ 0 0.6 0 ¸
¨ 0 0 eigenvals C 2 ¸¹ ¨ 0 0 1 ¸¹
© ©
130
§ 0.707 0.707 0 · § PYN ystar · § 39.688 ·
¨ ¸ ¨ ¸ ¨ ¸
T : eigenvecs C ¨ 0.707 0.707 0 ¸ P XN : ¨ P ZN z star ¸ ¨ 49.937 ¸
¨ 0 0 1 ¸¹ ¨ P ¸ ¨ 966.125 ¸
© © MN ¹ © ¹
§ V YN ystar 0 0 · §5 0 0 ·
¨ ¸ ¨ ¸
V XN : ¨ 0 V ZN zstar 0 ¸ ¨ 0 2.5 0 ¸
¨ 0 0 V MN ¸¹ ¨ 0 0 191.219 ¸
© © ¹
§ Y1 ·
¨ ¸
X Y 1, Y 2, Y 3 : V XN T ¨ Y 2 ¸ P XN
Ÿ 3 ¸
© ¹
§ 3.5355339059327373 Y1 3.5355339059327373 Y 2 39.6875 ·

¨ ¸
X Y 1, Y 2, Y 3 simplify o ¨1.76776695296636865 Y1 1.76776695296636865 Y 2 49.93749999999 ¸
¨ 191.21858624663304 Y 3 966.12454773282775 ¸
© ¹

y pstar : 0.063 z pstar : 0.025
§ y pstar · § 0.062 ·
mstar P MN ¨ ¸ ¨ ¸
m pstar : 0.177 Ystar : T T ¨ z pstar ¸ ¨ 0.027 ¸
V MN ¨ ¸ ¨ 0.177 ¸
© m pstar ¹ © ¹
d
dgdY 1Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 12.49999999999997723 Y 1 246.713975373368
dY 1
d
dgdY 2 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 12.49999999999997723 Y 2 106.39747348166
dY 2
d
dgdY 3 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 191.21858624663304
dY 3

131
dgdY1star O0,0
DY 1 : 0.815
dgdY 2star O1,1
DY 2 : 0.229
dgdY 3star O2,2
DY 3 : 0.532
Ystar1up E : DY 1 O0,0 E o 0.96444529836710685484 E

Ystar 2up E : DY 2 O1,1E o 0.17714301398579517615 E
Ystar 3up E : DY 3 O2,2 E o 0.53226342107593971 E

g E simplify o 5.6173442883652873442 E 2 358.56836161225681195 E 1015.7699835171
Given
g E 0
E : 1 E :=Find E 2.971
§ 27.696 ·
¨ ¸
¨1268.524 ¸
© ¹

Interation number 2
132
0.5 x
2
I FM
e
23 10
)FM : 0 )FM:=Find )FM 1.30769
N )FM
f M mstar

§ 1 UYZ 0· § 1 0.4 0 ·
¨ ¸ ¨ ¸
C : ¨ UYZ 1 0¸ ¨ 0.4 1 0 ¸
¨ 0 0 1 ¸¹ ¨ 0 0 1 ¸¹
© ©
§ eigenvals C 0 0 0 · §1.4 0 0 ·
¨ ¸ ¨ ¸
O: ¨ 0 eigenvals C 1 0 ¸ ¨ 0 0.6 0 ¸
¨ 0 0 eigenvals C 2 ¸¹ ¨ 0 0 1 ¸¹
© ©
§ 0.707 0.707 0 · § PYN ystar · § 37.66 ·

¨ ¸ ¨ ¸ ¨ ¸
¨ 0 0 1 ¸¹ ¨ P ¸ ¨ 887.408 ¸
© © MN ¹ © ¹
§ V YN ystar 0 0 · § 3.462 0 0 ·
¨ ¸ ¨ ¸
V XN : ¨ 0 V ZN zstar 0 ¸ ¨ 0 2.29 0 ¸
¨ 0 0 V MN ¸¹ ¨ 0 0 291.443 ¸¹
© ©
§ Y1 ·
¨ ¸
X Y 1, Y 2, Y 3 : V XN T ¨ Y 2 ¸ P XN
Ÿ 3 ¸
© ¹
§ 2.4479678222835432762 Y 1 2.4479678222835432762 Y 2 37.6602920114 ·

¨ ¸
X Y1, Y 2, Y 3 simplify o ¨ 1.6193579718601131969 Y 1 1.6193579718601131969 Y 2 49.7613963389 ¸
¨ 291.44250282672522 Y 3 887.40814361451362 ¸
© ¹

y pstar : 2.878 z pstar : 1.729
§ y pstar · § -3.258 ·
m pstar : 1.308 Ystar : T T ¨ z pstar ¸ ¨ 0.813 ¸
V MN ¨ ¸ ¨ 1.308 ¸
© m pstar ¹ © ¹
133
d
dgdY 1Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 7.9282724157437933119 Y 1 182.799791120985
dY 1
d
dgdY 2 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 7.9282724157437933119 Y 2 60.828802938355
dY 2
d
dgdY 3 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 291.44250282672522
dY 3
dgdY1star : dgdY 1Ystar0 , Ystar1 , Ystar2 o 156.97178527146724705

dgdY1star O0,0
DY 1 : 0.531
dgdY 2star O1,1
DY 2 : 0.149
dgdY 3star O2,2
DY 3 : 0.834
Ystar1up E : DY 1 O0,0 E o 0.62878508544722256295 E

Ystar 2up E : DY 2 O1,1E o 0.11549113814336740705 E
Ystar 3up E : DY 3 O2,2 E o 0.83388370321244076 E
Given
g E 0
E : 1 E :=Find E 2.734
§ 32.679 ·
¨ ¸
¨1551.878 ¸
© ¹
134
Interation number 3
e
0.5 x
2
I FM
23 10
)FM : 0 )FM:=Find )FM 2.14002
N )FM
f M mstar

§ 1 UYZ 0· § 1 0.4 0 ·
¨ ¸ ¨ ¸
C : ¨ UYZ 1 0¸ ¨ 0.4 1 0 ¸
¨ 0 0 1 ¸¹ ¨ 0 0 1 ¸¹
© ©
§ eigenvals C 0 0 0 · §1.4 0 0 ·
¨ ¸ ¨ ¸
O: ¨ 0 eigenvals C 1 0 ¸ ¨ 0 0.6 0 ¸
¨ 0 0 eigenvals C 2 ¸¹ ¨ 0 0 1 ¸¹
© ©
§ 0.707 0.707 0 · § PYN ystar · § 39.03 ·

¨ ¸ ¨ ¸ ¨ ¸
¨ 0 0 1 ¸¹ ¨ P ¸ ¨ 711.493 ¸
© © MN ¹ © ¹
§ V YN ystar 0 0 · § 4.085 0 0 ·
¨ ¸ ¨ ¸
V XN : ¨ 0 V ZN zstar 0 ¸ ¨ 0 2.374 0 ¸
¨ 0 0 V MN ¸¹ ¨ 0 0 392.699 ¸¹
© ©
§ Y1 ·
¨ ¸
X Y 1, Y 2, Y 3 : V XN T ¨ Y 2 ¸ P XN
Ÿ 3 ¸
© ¹
135
§ 2.8884279233986422278 Y 1 2.8884279233986422278 Y 2 39.0296173412 ·
¨ ¸
X Y 1, Y 2, Y 3 simplify o ¨ 1.6789819702579000042 Y 1 1.6789819702579000042 Y 2 49.8764937462 ¸
¨ 392.69897319749879 Y 3 711.49318014201856 ¸
© ¹

y pstar : 1.555 z pstar : 1.006
§ y pstar · § -1.81 ·
m pstar : 2.14 Ystar : T ¨ z pstar ¸
T
¨ 0.388 ¸
V MN ¨ ¸ ¨ 2.14 ¸
© m pstar ¹ © ¹
d
dgdY 1Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 9.6992368115515739931 Y 1 209.594681079541
dY 1
d
dgdY 2 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 9.6992368115515739931 Y 2 78.534633435529
dY 2
d
dgdY 3 Y 1, Y 2, Y 3 : g Y 1, Y 2, Y 3 o 392.6989731974s9879
dY 3

dgdY1star O0,0
DY 1 : 0.496
dgdY 2star O1,1
DY 2 : 0.139
dgdY 3star O2,2
DY 3 : 0.857
Ystar1up E : DY 1 O0,0 E o 0.58680964238665313241 E

Ystar 2up E : DY 2 O1,1E o 0.1077813628873444594 E
Ystar 3up E : DY 3 O2,2 E o 0.85713331400513282 E
Given
136
g E 0
E : 1 E :=Find E 2.663
§ 33.686 ·
¨ ¸
¨1607.984 ¸
© ¹

0.5x
2
E
e
2.3 10
pS 99.6132 % pS 0.3868 %

clear;clc;
137
Cprime=[1 corYZ 0;corYZ 1 0;0 0 1];
[T,lmd]=polyeig(Cprime);
lambdaY=log(Ybar)-0.5*sitaY^2;
lambdaZ=log(Zbar)-0.5*sitaZ^2;
SigM=covM*Mbar;
%SigY=covY*Ybar;SigZ=covZ*Zbar;SigM=covM*Mbar;
fprintf(fout,'Table E6.10 Summary of Iterative Calculation for Example 6.10 - Ang &
Tang\n');
fprintf(fout,'------------------------------------------------------------------------------------------\n');
fprintf(fout,'Ite- Basic Assumed SigNXi miuNXi Assumed
(delg/delYi)* alphayi* New yi*\n');
fprintf(fout,'ration Variable Failure Failure \n');
fprintf(fout,'No. Xi Point xi* Point yi* \n');
fprintf(fout,'------------------------------------------------------------------------------------------\n');
while n<(niter+1)
138
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
atas='7186705221432913/36028797018963968*pi^(1/2)*2^(1/2)*erf(1/2*2^(1/2)*x)';
bawah='7186705221432913/36028797018963968*pi^(1/2)*2^(1/2)*erf(1/2*2^(1/2)*(-100))';
phi=subs(fx,x,i);
SigmaX=[SigYN 0 0;0 SigZN 0;0 0 SigMN];miuX=[miuYN;miuZN;miuMN];
syms Y1 Y2 Y3 bet;
X=SigmaX*T*[Y1;Y2;Y3]+miuX;
gX=simplify(X(1)*X(2)-X(3));
dgdY1=diff(gX,Y1);
dgdY2=diff(gX,Y2);
dgdY3=diff(gX,Y3);
Ystar=transpose(T)*[ypstar;zpstar;mpstar];
y1star=Ystar(1);y2star=Ystar(2);y3star=Ystar(3);
139
gXX=subs(gX,{Y1,Y2,Y3},{y1starup,y2starup,y3starup});
fprintf(fout,' Y %7.2f %7.4f %7.3f %8.4f %8.3f %7.4f
%8.4f beta\n',...
ystar,SigYN,miuYN,y1star,delgY1,alphaY1,-alphaY1*sqrt(lmd(1)));
fprintf(fout,'%2d Z %7.2f %7.4f %7.3f %8.4f %8.3f %7.4f
%8.4f beta\n',...
n,zstar,SigZN,miuZN,y2star,delgY2,alphaY2,-alphaY2*sqrt(lmd(2)));
fprintf(fout,' M %7.2f %7.4f %7.3f %8.4f %8.3f %7.4f
%8.4f beta\n',...
mstar,SigMN,miuMN,y3star,delgY3,alphaY3,-alphaY3*sqrt(lmd(3)));
ystarup=subs(X(1),{Y1,Y2,Y3},{y1starup,y2starup,y3starup});
zstarup=subs(X(2),{Y1,Y2,Y3},{y1starup,y2starup,y3starup});
mstarup=subs(X(3),{Y1,Y2,Y3},{y1starup,y2starup,y3starup});
ystarup=char(ystarup);ystarup=str2num(ystarup);
zstarup=char(zstarup);zstarup=str2num(zstarup);
mstarup=char(mstarup);mstarup=str2num(mstarup);
ystar=ystarup;
zstar=zstarup;
mstar=mstarup;
n=n+1;
end
syms x;
140
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
pS=char(pS);
pF=100-pS;
fprintf(fout,'-----------------------------------------------------------------------------------------\n');
fclose(fout);
Gambar 4.5. Window GUI alat bantu Matlab – Correlated non-Normal (Ang & Tang)
141
Tabel 4.1. Output Hasil Program Matlab – Correlated non-Normal (Ang & Tang)
142
START

ܻ ഥ ǡ πܻ ǡ πܼ ǡ π‫ ܯ‬ǡ ߩܻǡܼ

ߪܺ ݅ ൌ πܺ ݅ ܺത݅ ; ߤܺ ݅ ൌ ܺത݅
ͳ ߩܺͳ ǡܺʹ ߩܺͳ ǡܺ͵

ሾߩሿ ൌ ቎ߩܺʹ ǡܺͳ ͳ ߩܺʹ ǡܺ͵ ቏
ߩܺ͵ ǡܺͳ ߩܺ͵ ǡܺʹ ͳ
Ekivalensi menjadi Distribusi Normal

Case Lognormal
ߞܺ ݅ ൌ πܺ ݅
ͳ
ߣܺ ݅ ൌ ݈݊ሺܺത݅ ሻ െ ߞܺ ݅ ʹ
ʹ
ߪܺܰ݅ ሺ‫ כ݅ݔ‬ሻ ൌ ‫݅ ܺߞ כ݅ݔ‬
ߤܺܰ݅ ሺ‫ כ݅ݔ‬ሻ ൌ ‫ כ݅ݔ‬൫ͳ െ ݈݊ሺ‫ כ݅ݔ‬ሻ ൅ ߣܺ ݅ ൯

ߨ ͳ ͲǤͷ͹͹
ߙܺ ݅ ൌ ; ‫ ݅ ܺݑ‬ൌ ܺത݅ െ ߙ
ξ͸ ߪܺ ݅ ܺ݅
‫ ݅ ܺܨ‬ሺ‫ ݅ݔ‬ሻ ൌ ݁‫ ݌ݔ‬൬െ݁‫ ݌ݔ‬ቀെߙܺ ݅ ൫‫ ݅ݔ‬െ ‫ ݅ ܺݑ‬൯ቁ൰
݂ܺ ݅ ሺ‫ ݅ݔ‬ሻ ൌ ߙܺ ݅ ݁‫ ݌ݔ‬൬െߙܺ ݅ ൫‫ ݅ݔ‬െ ‫ ݅ ܺݑ‬൯ െ ݁‫ ݌ݔ‬ቀെߙܺ ݅ ൫‫ ݅ݔ‬െ ‫ ݅ ܺݑ‬൯ቁ൰
ߪܺܰ݅ ሺ‫ כ݅ݔ‬ሻ ൌ ‫ ׎‬ቄߔെͳ ቀ‫ ݅ ܺܨ‬ሺ‫ כ݅ݔ‬ሻቁቅ Ȁ݂ܺ ݅ ሺ‫ ݅ݔ‬ሻ

ߤܺܰ݅ ሺ‫ כ݅ݔ‬ሻ ൌ ‫ כ݅ݔ‬െ ߪܺܰ݅ ሺ‫ כ݅ݔ‬ሻߔെͳ ቀ‫ ݅ ܺܨ‬ሺ‫ כ݅ݔ‬ሻቁ
143
1

‫ݔ‬௜‫ כ‬ൌ ߤ௑೔ untuk ݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ
‫ݔ‬௡‫ כ‬hitung dari ݃ሺ‫ݔ‬௜‫ כ‬ሻ ൌ Ͳ
3
Dengan substitusi nilai ‫ݔ‬௜‫ כ‬hitung

ߪ௑ே೔ dan ߤ௑ே೔
‫ݔ‬௜‫ כ‬െ ߤ௑ே೔

‫ݖ‬௜‫כ‬ ൌ
ߪ௑ே೔
‫ܩ‬ଵ
‫ܩ‬
ሼ‫ܩ‬ሽ ൌ ൞ ଶ ൢ
‫ڭ‬
‫ܩ‬௡
߲ܼ௜ ߲ܺ௜ ௑೔
‫ݖ‬ଵ‫כ‬
‫כݖ‬
‫ڭ‬
‫ݖ‬௡‫כ‬
ߚൌ
2
144
2
ሾߩሿሼ‫ܩ‬ሽ
ሼߙሽ ൌ
Update Design Point

‫כ‬
‫ݖ‬௜௨௣ ൌ ߙ௜ ߚ untuk ݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ
‫כ‬ ‫כ‬
‫ݔ‬௜௨௣ ൌ ߤ௑ே೔ ൅ ‫ݖ‬௜௨௣ ߪ௑ே೔ untuk ݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ
3 ‫כ‬
‫ݔ‬௡௨௣ ‫כ‬
‫ݔ‬௜‫ כ‬ൌ ‫ݔ‬௜௨௣

‫כ‬
TIDAK Cek Konvergen
݅ ൌ ͳ ՜ ሺ݊ െ ͳሻ
‫כ‬
‫ݔ‬௡ hitung dari ݃ሺ‫ݔ‬௜‫ כ‬ሻ ൌ Ͳ
௜ ‫ݔ‬௜௨௣ ؆ ‫ݔ‬௜‫? כ‬
YA

FINISH
Example 6.7 buku Ang & Tang Vol.2 Uncorrelated Normals – cara Matrix (Norwak)
Input parameter

:Y : 0.125 :Z : 0.05 :M : 0.2 UYZ : 0.4
145
V Z : Zbar :Z 2.5 P Z : Zbar 50
V M : M bar :M 200 PM : M bar 1000
§ 1 UYZ 0· § 1 0.4 0 ·
U : ¨¨ UYZ 1 0¸
¸ ¨
¨ 0.4 1 0 ¸
¸
¨ 0 0 1 ¸¹ ¨ 0 0 1 ¸¹
© ©
] Y : :Y 0.125 ] Z : :Z 0.05
1 1
2 2

3 1 0.577
DM : 6.413 x 103 u M : M bar 910.023
6 VM DM
D
FM mstar : e e f M mstar : D M e «¬ »¼
M M M star M
ystar : PY =40 zstar : PZ 50

Interation number 1

e
0.5 x
2
I FM
23 10
)FM : 0 )FM:=Find )FM 3.11464
146
N )FM
f M mstar

z1star : 0.063 z 2 star : 0.025
§ z1star · § 0.063 ·
z3star : 3.115 z star : ¨ z2 star ¸ ¨ 0.025 ¸
V MN ¨z ¸ ¨ 3.115 ¸
© 3star ¹ © ¹
d
dY
d
dZ
d
G3 Y , Z , M : g Y , Z , M V MN o 528.85464382630153
dM

¨ ¸ ¨ ¸
¨ ¸ ¨ 528.855 ¸
§ 0.475 ·
E: 2.67 D := ¨ 0.328 ¸
Gstar T U Gstar Gstar T U .Gstar ¨ 0.867 ¸
© ¹


Interation number 2

147
0.5 x
2
I FM
e
23 10
)FM : 0 )FM:=Find )FM 2.24046
N )FM
f M mstar

z1star : 1.394 z 2 star : 0.896
§ z1star · § 1.394 ·
z3star :
V MN
2.24 z star : ¨ z2 star ¸ ¨ 0.896 ¸
¨z ¸ ¨ 2.24 ¸
© 3star ¹ © ¹
d
dY
d
G2 Y , Z , M : g Y , Z , M V ZN ystar o 2.3874498428160116 Y
dZ
d
G3 Y , Z , M : g Y , Z , M V MN o 406.09902289104133
dM
§ G1 ystar , z star , mstar · § 198.999 ·

¨ ¸ ¨ ¸
Gstar : ¨ G2 ystar , z star , mstar ¸ ¨ 79.6 ¸
¨ ¸ ¨ 406.099 ¸
© G3 ystar , z star , mstar ¹ © ¹
§ 0.488 ·
E: 2.662 D := ¨ 0.337 ¸
© ¹


148
Interation number 3

0.5 x
2
I FM
e
23 10
)FM : 0 )FM:=Find )FM 2.28636
N )FM
f M mstar

z1star : 1.3 z 2 star : 0.896
§ z1star · § 1.3 ·
z3star :
V MN
2.286 z star : ¨ z2 star ¸ ¨ 0.896 ¸
¨z ¸ ¨ 2.286 ¸
© 3 star ¹ © ¹
d
dY
d
G2 Y , Z , M : g Y , Z , M V ZN ystar o 2.3874332661429321 Y
dZ
d
G3 Y , Z , M : g Y , Z , M V MN o 412.2864158844136
dM

¨ ¸ ¨ ¸
Gstar : ¨ G2 ystar , z star , mstar ¸ ¨ 80.539 ¸
¨ ¸ ¨ 412.286 ¸
© G3 ystar , z star , mstar ¹ © ¹
§ 0.487 ·
E: 2.662 D := ¨ 0.336 ¸
© ¹
149


0.5x
2
E
e
23 10
pS 99.6118 % pF 0.3882 %
clear;clc;
rho=[1 corYZ 0;corYZ 1 0;0 0 1];
syms Y Z M;
gX=Y*Z-M;
lambdaY=log(Ybar)-0.5*sitaY^2;
lambdaZ=log(Zbar)-0.5*sitaZ^2;
150
SigM=covM*Mbar;
n=1;
mstar=ystar*zstar;
fprintf(fout,'Table E6.10 Summary of Iterative Calculation for Example 6.10 - Nowak
(Matrix)\n');
fprintf(fout,'------------------------------------------------------------------------------------------\n');
fprintf(fout,'Ite- Variable Assumed Assumed Gi beta alpha New xi*\n');
fprintf(fout,'------------------------------------------------------------------------------------------\n');
while n<(niter+1)
syms x;
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
atas='7186705221432913/36028797018963968*pi^(1/2)*2^(1/2)*erf(1/2*2^(1/2)*x)';
bawah='7186705221432913/36028797018963968*pi^(1/2)*2^(1/2)*erf(1/2*2^(1/2)*(-
100))';
phi=subs(fx,x,i);
151
G1=-
diff(gX,Y)*SigYN;G1=subs(G1,{'Y','Z','M'},{ystar,zstar,mstar});G1=char(G1);G1=str2num(G1)
;
G2=-
diff(gX,Z)*SigZN;G2=subs(G2,{'Y','Z','M'},{ystar,zstar,mstar});G2=char(G2);G2=str2num(G2)
;
G3=-diff(gX,M)*SigMN;G3=subs(G3,{'Y','Z','M'},{ystar,zstar,mstar});
G=[G1;G2;G3];
beta=(transpose(G)*xprime)/sqrt(transpose(G)*rho*G);
alpha=rho*G/sqrt(transpose(G)*rho*G);
ystar_up=miuYN+ypstar_up*SigYN;
zstar_up=miuZN+zpstar_up*SigZN;
ystar=ystar_up;
zstar=zstar_up;
mstar=mstar_up;
n=n+1;
end
syms x;
152
fx=1/(sqrt(2*pi))*exp(-0.5*x^2);
pS=char(pS);
pF=100-pS;
fprintf(fout,'-----------------------------------------------------------------------------------------\n');
fclose(fout);
Tabel 4.2. Output Hasil Program Matlab – Uncorrelated Normal (Nowak)
153
8.6 SIMULASI MONTE CARLO, Contoh Soal 6.7 Ang & Tang Vol.2
8.6.1 Simulasi Monte Carlo untuk Contoh Soal 6.7
Sebagai pembanding alternatif, cara pendekatan simulasi Monte Carlo dilakukan untuk
menyelesaikan persoalan Example 6.7 seperti pada Bab I. Cara ini mempunyai keunggulan dapat
menyelesaikan persoalan-persoalan dengan performance function yang rumit, tetapi sifatnya
berupa pendekatan. Keakuratan simulasi Monte Carlo dapat ditingkatkan dengan menggunakan
simulasi random variable dengan populasi yang besar.
Pada kasus example 6.7, didapatkan beta indeks sekitar 3.05, yang mempunyai Risk =
0.1148%. Secara kasar, Risk tersebut sangat kecil kemungkinannya untuk terjadi, sehingga
diperlukan jumlah populasi yang sangat besar untuk dapat mensimulasikan problem dengan baik.
Untuk penjelasan metode simulasi Monte Carlo ini, kasus example 6.7 akan dikerjakan dengan
beberapa kasus modifikasi :
Kasus A : ܻത ൌ ͶͲǢܼҧ ൌ ͶͶǤ͸Ǣ‫ܯ‬

ഥ ൌ ͳͷͲͲ (beta index sekitar 1.28)
Kasus B : ܻത ൌ ͶͲǢܼҧ ൌ Ͷ͹Ǣ‫ܯ‬

Kasus C : ܻത ൌ ͶͲǢܼҧ ൌ ͷͶǢ‫ܯ‬

Pemilihan input tersebut sengaja disesuaikan untuk mensimulasikan kasus dengan Risk
sekitar 10% (untuk kasus A), Risk sekitar 5% (untuk kasus B) dan Risk sekitar 0.13% (untuk
kasus C). Untuk ke-3 kasus ini, digunakan beberapa percobaan jumlah populasi yang masing-
masing disimulasikan sebanyak 20 kali. Gambar-gambar berikut ini adalah hasil analisanya yang
disajikan secara grafis. Simulasi dilakukan dengan software Microsoft Excell dengan fasilitaa
macro dalah bahasa Visual Basic yang dapat dilihat pada Lampiran.
154
Gambar 5.1. Simulasi Monte Carlo kasus A
Gambar 5.2. Simulasi Monte Carlo kasus B
155
Gambar 5.3. Simulasi Monte Carlo kasus C
Berikut adalah Tabel hubungan jumlah simulasi dengan durasi simulasi serta standar
deviasi untuk berbagai beta index (risk) untuk ke-3 kasus yang dikerjakan. Tabel tersebut berlaku
untuk spesifikasi komputer AMD Athlon(tm) 64 X2 Dual Core Processor 4800+999MHz,
2GB of RAM.
Tabel 5.1. Ringkasan Data Statistik Hasil Simulasi Kasus A,B, Dan C.
Kasus N_simulasi t(menit- ߚҧ Standar

(ribu) detik) Deviasi
Kasus A 1 1” 1.277 3.165×10-2

Untuk 2 2” 1.276 1.555×10-2
kisaran 5 5” 1.277 1.022×10-2
10 9” 1.275 6.945×10-3
Risk=10% 50 45” 1.275 1.596×10-3
100 1’47” 1.276 1.699×10-3
200 3’28” 1.275 1.802×10-3
Kasus B 1 1” 1.676 6.579×10-2
156
Untuk 2 2” 1.671 4.185×10-2
kisaran 5 5” 1.661 2.484×10-2
10 9” 1.651 1.909×10-2
Risk=5% 50 50” 1.654 1.068×10-2
100 1’52” 1.658 4.769×10-3
500 9’22” 1.658 1.960×10-3
Kasus C 10 13” 3.084 9.128×10-2
Untuk 20 26” 3.080 5.656×10-2
kisaran 50 1’01” 3.103 3.762×10-2
100 1’48” 3.089 2.640×10-2
Risk=0.13 200 4’01” 3.083 1.693×10-2
% 500 10’55” 3.085 9.259×10-3
1000 21’33” 3.083 7.425×10-3
Pada ke-3 kasus, dapat dilihat, bahwa simulasi Monte Carlo merupakan cara pendekatan.
Dari masing-masing populasi, setiap percobaan simulasi akan menghasilkan beta indeks yang
berbeda. Akan tetapi dengan bertambahnya populasi, beta indeks yang hasil simulasi mempunyai
deviasi yang semakin kecil. Untuk kasus A, terlihat bahwa jumlah simulasi sekitar 50 ribu sudah
menunjukkan hasil yang baik. Penambahan jumlah simulasi setelah itu, sudah tidak
menunjukkan peningkatan akurasi yang signifikan. Sedangkan pada kasus B, dan C, penggunaan
jumlah simulasi 500 ribu dan 1 juta masih terus menunjukkan perbaikan standar deviasi dari
hasil-hasilnya. Tentunya untuk mendapatkan hasil dengan standar deviasi yang sudah konvergen,
diperlukan jumlah simulasi yang lebih besar lagi.
Pada pengkajian lebih lanjut, dapat pula dilihat hubungan antara Safety Factor (non-
probabilistic approach) dengan Beta Index (probabilistic approach) dengan menggunakan
metode simulasi maupun advanced method (cara iterasi seperti yang dijelaskan pada bab-bab
sebelumnya). Pada ketiga kasus tersebut, hubungan itu dapat dilihat pada Gambar 5.4. Dari
Gambar 5.4 dapat dilihat bahwa hasil dari Simulasi Monte Carlo memiliki harga beta index yang
lebih besar dengan factor berkisar 1.7 hingga 1.9 kali lipat.
157
Hubungan SF dan Beta Index
3.5
3 3.083
2.5
Beta Index
2
1.658 1.593
1.5 Simulasi
1.275 Advanced Method
1 0.972
0.741
0.5
0
1.100 1.200 1.300 1.400 1.500
Safety Factor
Gambar 5.4. Hubungan Safety Factor dan Beta Index
Terlepas dari perbedaan cara advanced method dan simulasi, jika safety factor
dibandingkan dengan beta index, didapatkan Tabel dan Gambar berikut ini.
Tabel Perbandingan Safety Index dan Beta Index kasus ex.6.7

Ybar=40 dan Mbar =1000 Ybar=40 dan Zbar =50
Zbar SF Beta Mbar SF Beta
25 1 0 2000 1 0
30 1.2 0.78 1666.667 1.2 0.78
40 1.6 2.066 1250 1.6 2.066
50 2 3.049 1000 2 3.049
60 2.4 3.804 833.3333 2.4 3.804
70 2.8 4.39 714.2857 2.8 4.39
80 3.2 4.85 625 3.2 4.85
90 3.6 5.22 555.5556 3.6 5.22
100 4 5.52 500 4 5.52
158
Safety Factor vs Beta Index
6
5
4
Beta Index
3
Zbar_variabel
2
1 Mbar_variabel
0
0 1 2 3 4 5
Safety Factor
Gambar 5.5. Hubungan antara Safety Factor dan Beta Index
Dapat dilihat bahwa hubungan hubungan 2 variabel tersebut adalah berbanding lurus
tetapi tidak linier. Perubahan variable modulus penampang (Z) maupun momen (M), tidak
mempengaruhi hubungan antara ke-2 variabel. Lebih lanjut dapat diamati bahwa batas bawah
dari nilai-nilai safety factor dan beta index, berturut-turut adalah 1.0, dan 0.0 dimana merupakan
batas antara aman (safe) dan gagal (fail).
159
DISKUSI DAN KESIMPULAN
Dari 4 kasus yang dibahas masing-masing dengan dua cara seperti yang dijelaskan pada
bab-bab sebelumnya, beberapa poin yang dapat didiskusikan dan disimpulkan adalah sebagai
berikut :
1. Terdapat kesalahan minor pada referensi Ang & Tang yang berupa kesalahan substitusi
minor pada nilai besaran yang ada. Namun kesalahan hanya bersifat redaksional/tulisan saja,
karena pada perhitungan langkah selanjutnya, hasil menyatakan bahwa nilai yang benar
terpakai dalam perhitungan.
2. Kedua metode dalam ke-4 kasus yang ditinjau mampu menghasikan penyelesaian yang
identik.
3. Kecepatan konvergensi pada cara matrix (referensi Nowak) tampak lebih cepat
dibandingkan cara eksak (referensi Ang & Tang).
4. Dengan flowchart dan alat bantu Matlab yang sudah dibuat cukup general, problem
assessment pada kenyataannya dapat disimulasikan juga. Modifikasi programming alat
bantu cukup dengan mengubah fungsi performance (g(X)) saja.
5. Untuk menyelesaikan persoalan-persoalan dengan fungsi performance g(X) yang rumit,
terdapat metode alternatif yaitu cara simulasi. Cara simulasi yang sering dikenal adalah
metode Monte Carlo.
6. Pada Metode Simulasi Monte Carlo, semakin besar beta index, untuk mendapatkan hasil
simulasi dengan standar deviasi tertentu, akan memerlukan jumlah populasi yang semakin
besar pula.
7. Terdapat perbedaan hasil antara advanced method dan metode simulasi Monte Carlo,
dimana hasil dari Simulasi Monte Carlo mempunyai kecenderungan hasil lebih besar
sebanyak 1.7 hingga 1.9 kali lipat.
160
DAFTAR REFERENSI
Andrey S.Nowak and Kevin R.Collins. (2000). Reliability of Structures. Mexico,Milan,New Delhi:
Mc Graw Hill.
Nathabandu T,Kottegoda ,Renzo Rosso. (2010). Applied Statistics for Civil and Environmental
Engineers. United Kingdom: John-Wiley and Son.
R.Ranganathan. (1990). Reliability Analysis and Design of Structures. New DElhi,New York:
McGraw-Hill.
Seung-Kyum Choi,Ramaru V.Gandi,Robert A.Canfied. (2007). Reliability-based Structural Design.

London: Springer.
Tang, A. a. (1989). Reliability Engineering Planning and Design. Bandung: Wile and Son.
Daftar Indeks
A K
acak, 5, 7, 11, 12, 16, 17, 28, 33, 42, 43, 52 keamanan, 2
kinerja, 2
B
R
beta, 59, 65, 66, 73, 74, 76, 85, 86, 97, 98, 99, 100, 111,
112, 121, 122, 124, 139, 140, 151, 152, 153, 154, 156, rekayasa, 2
157, 158, 159, 160 Risiko, 2
D S
deviasi, 5, 12, 17, 19, 21, 22, 26, 29, 31, 36, 38, 43, 51, 53, simulasi, 1, 42, 52, 59, 76, 100, 124, 154, 156, 157, 158,
54, 55, 156, 157, 160 160
F V
failure, 3, 35, 62, 63, 70, 72, 80, 81, 82, 83, 92, 104, 106, variabel, 5, 7, 11, 12, 16, 17, 28, 34, 36, 37, 39, 42, 43, 44,
107, 109, 117, 129, 131, 134, 136, 146 50, 52, 57, 159
variabilitas, 3, 10, 19, 23, 42, 54
variates, 12, 17, 18, 19, 21, 22, 26, 27, 28, 29, 36, 37, 39,
43, 49, 55
161
View publication stats

Analisa Resikodan Keandalan

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisa Resikodan Keandalan

Diunggah oleh

Hak Cipta:

Format Tersedia

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Analisa Resiko dan Keandalan Edisi Ke 2

Book · November 2017

Genetic Algorithm and SAP2000 View project

The user has requested enhancement of the downloaded file.

Penulis : Priyo Suprobo

Hak cipta dilindungi undang-undang

Diterbitkan pertama kali oleh

Sanksi Pelanggaran Pasal 22

1. Barangsiapa dengan sengaja dan tanpa hak melakukan perbuatan

2. Barangsiapa dengan sengaja menyiarkan, memamerkan, mengedarkan

Dilarang keras menerjemahkan, memfotokopi, atau memperbanyak sebagian atau

Dicetak oleh Percetakan ITS Press

Surabaya, Agustus 2017

Bab 1.ANALISA RISIKO DAN KEANDALAN

Bab 2.Pengukuran keandalan (Measures of Reliability)

Analisis Faktor Keamanan dan Reliability untuk mengevaluasi probabilitas kegagalan

2.1 Structural Reliability Assessment ( Penilaian Keandalan Struktur)

Probabilitas kegagalan adalah

Gambar 2.Balok diatas dua tumpuan dengan P terpusat

Menggunakan Persamaan 2.19,

Menggunakan Persamaan 3.6, indeks keamanan dihitung sebagai

Bab 3.Faktor Kemanan(Factors of Safety)

Gambar 3.Nilai Nominal Kapasitas dan Beban X dan Y

Ketidakcukupan sistem untuk memenuhi permintaan, yang diukur dengan probabilitas

Gambar 5.CDF dan PDF berhubungan dengan Faktore Keamanan Z=X/Y

Probabilitas yang sesuai nonfailure adalah

3.1 Soal 1 : Faktor Keamanan Struktural

Faktor keamanan struktural untuk beban lognormally didistribusikan independen

V ln2 Z V ln2 X  V ln2 Y ln 1  VX2  ln 1  VY2

Dalam hal median, MX dan mY, maka

independen dan terdistribusi lognormally,

ªln 1  0.252  ln 1  0.152 º

dan menentukan nilai nominal untuk permintaan lebih besar dari

Gambar 7.Batasan dari Kapasitas X dan beban Y

3.2 Soal 2 : Stasiun Pemompaan

VX VY V , sebagaimana batas-batas sigma,

menghasilkan ] / z* 5 / 3 . Oleh karena itu, untuk meningkatkan keandalan sistem untuk

Bab 4.Keamanan Margin (Safety Margin)

Gambar 8.PDF dari Safety Margin(Keamanan Margin) S

4.1 Soal 3 : Struktural Margin of Safety

X Y yang variates normal terlepas, dengan mean dan deviasi standar

dari Eq. (4.3)

0.25, PY 24.0 N / mm2 ,VY 0.15,

VX 39.1 x 0.25=9.775 N/mm2 ,V Y 24.0 x 0.15 =3.6 N/mm 2 ,

Probabilitas yang dibutuhkan kegagalan adalah

masing-masing, di mana U XY menunjukkan koefisien korelasi antara X kapasitas dan permintaan

4.2 Soal 4 : Pasokan Irigasi

Pasokan air irigasi. Selama musim pertumbuhan permintaan yang diharapkan,

Resiko kegagalan yang diperlukan

Bab 5.Indeks Keandalan (Reliability index)

5.1 Soal 5 : Indeks Keandalan

Indeks keaandalan struktur untuk margin keamanan distribusi normal.

Gambar 10.Hubungan antara Beta Index dan Resiko

demikian,indeks keandalan maksimum jika

Untuk biasanya didistribusikan X dan Y, Persamaan. (4.5) memberikan probabilitas

Seperti telah dibahas dalam persamaan (4.6)

5.2 Soal 6 : Pasokan air irigasi

5.3 Soal 7 : Pasokan Irigasi

5.4 Soal 8 : Indeks Keandalan Struktur

Gambar 12.Korelasi Koef. antara Kapasitas X dan Beban Y

Pers. (5.6) dan

5.5 Soal 9 : Polusi Termal di Sungai

V ln2 Z V ln2 X V ln2 Y ln 1 VX2 ln 1 VY2

ªln 1 0.252 ln 1 0.152 º

ߤ௑ ‫ כ‬ൌ ͳ െ ͳǤʹ͸ ൈ Ȱିଵ ሾͳ െ ሺͳ ൅ ͲǤʹͷ ൈ ͳሻ ൈ ሺെͲǤʹͷ ൈ ͳሻሿ ൌ ͵ǤͶͶǢ

var > Z @ 0.25U ª¬ z12 z42 z22 z32 º¼ E 2 > Z @

=0.25 z12 z42 z22 z32 E 2 > Z @

Var > Z @ 0.25 z12 z22 z32 z42 0.625 z1 z2 z3 z4 .