SIDANG TERTUTUP TUGAS AKHIR MENENTUKAN KEANDALAN KOMPONEN MESIN PRODUKSI PADA MODEL STRESS-STRENGTH YANG BERDISTRIBUSI GAMMA

Ukuran: px
Mulai penontonan dengan halaman:

Download "SIDANG TERTUTUP TUGAS AKHIR MENENTUKAN KEANDALAN KOMPONEN MESIN PRODUKSI PADA MODEL STRESS-STRENGTH YANG BERDISTRIBUSI GAMMA"

Transkripsi

1 SIDANG TERTUTUP TUGAS AKHIR HOME MENENTUKAN KEANDALAN KOMPONEN MESIN PRODUKSI PADA MODEL STRESS-STRENGTH YANG BERDISTRIBUSI GAMMA I V Oleh : Muh. Nurcahyo Utomo Dosen Pembimbing: Dra. Farida Agustini W., MS. JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 214

2 I V

3 I V Perindustrian Kesalahan pembuatan produk Keandalan TEORI KEANDALAN Komponen Distribusi Gamma Sebagai contoh PT Petrokimia Gresik, yang merupakan perusahaan milik negara dan produsen pupuk terlengkap di Indonesia [1]. Distribusi Eksponensial

4 I V Permasalahan yang dibahas pada tugas akhir ini adalah: 1. Bagaimana menentukan fungsi keandalan komponen pada Model Stress Strength? 2. Bagaimana menentukan fungsi keandalan komponen bila Stress dan Strength berdistribusi gamma? 3. Bagaimana analisa hasil dari studi kasus keandalan komponen pada mesin pupuk PT Petrokimia Gresik cabang Nganjuk?

5 I V Pada tugas akhir ini, batasan masalahnya sebagai berikut: 1. Model yang digunakan untuk mencari fungsi keandalan komponen adalah Model Stress Strength. 2. Stress berdistribusi gamma. 3. Strength berdistribusi gamma. 4. Stress sebagai tekanan beban dan Strength sebagai kekuatan komponen mesin. 5. Data yang dipakai adalah data dari tekanan beban dan kekuatan komponen mesin pupuk PT Petrokimia Gresik cabang Nganjuk.

6 I V Berdasarkan rumusan masalah, tujuan dari tugas akhir ini adalah sebagai berikut: 1. Menentukan fungsi keandalan komponen pada Model Stress Strength. 2. Menentukan fungsi keandalan komponen bila Stress dan Strength berdistribusi gamma. 3. Menganalisa hasil dari studi kasus keandalan komponen pada mesin pupuk PT Petrokimia Gresik cabang Nganjuk.

7 I V Manfaat dari tugas akhir ini adalah sebagai berikut: 1. Sebagai wawasan pemahaman mengenai keandalan komponen yang dicari pada Model Stress Strength dangan Stress dan Strength berdistribusi gamma. 2. Sebagai bahan pertimbangan untuk PT Petrokimia Gresik cabang Nganjuk mengenai kondisi mesin pupuk yang saat ini digunakan, agar dapat diantisipasi kegunaannya dan menghasilkan produk yang sesuai, sehingga dapat memberikan keuntungan untuk perusahaan.

8 PENDAHULUAN TINJAUAN PUSTAKA I METODOLOGI PENELITIAN V ANALISIS DAN PEMBAHASAN KESIMPULAN DAN SARAN I V

9 I V

10 I V Fungsi gamma didefinisikan sebagai berikut: Γ α = x α 1 e x dx untuk α >. Misalkan X suatu peubah acak kontinu berdistribusi gamma dengan parameter α dan λ, jika bentuk fungsi padatnya λ α x α 1 e λx, x > f x = Γ α, untuk x yang lain dengan α > dan λ > [3].

11 I V Distribusi eksponensial adalah distribusi khusus dari distribusi gamma dengan α = 1, peubah acak kontinu X mempunyai distribusi eksponensial dengan parameter β, jika fungsi padat peluangnya berbentuk [3]: 1 x f x = β e β, untuk x, untuk x yang lain dengan β >.

12 I V Andal dalam Kamus Besar Bahasa Indonesia memiliki dua arti. Pertama, andal berarti dapat dipercaya. Kedua, andal juga dapat berarti memberikan hasil yang sama pada percobaan yang berulang. Keandalan suatu produk selayak sebuah probabilitas yang bernilai -1. Terdapat tiga faktor yang menentukan keandalan suatu mesin, yaitu: fungsi mesin, keadaan tertentu (batasan mesin), dan masa pakai mesin tersebut [2].

13 Grafik laju kerusakan terhadap waktu bisa dilihat pada Gambar 1. I V Gambar 1: Kurva laju kerusakan terhadap waktu.

14 I V Keandalan suatu mesin dapat diketahui dan dinilai dari data yang didapat dari analisis keandalan. Dalam analisis keandalan, suatu mesin memiliki dua keadaan (state) yaitu, keadaan baik dan keadaan buruk. Model yang digunakan untuk menganalisis keandalan suatu mesin adalah Model Stress Strength. Analisis Stress Strength adalah salah satu model menganalisis suatu mesin dengan memfokuskan pada aspek Stress dan Strength. Analisis ini adalah analisis yang sering digunakan. Strength memiliki maksud yaitu kekuatan material penyusun mesin tersebut dan Stress adalah batasan-batasan yang dimiliki oleh mesin tersebut (apabila di luar batasan, kerja mesin akan menurun). Nilai keandalan pada Model Stress Strength dapat dihitung jika fungsi densitas (pdf) variable random stress dan strength diketahui. Misalkan fungsi densitas untuk strength (S) dinotasikan oleh f S (S) dan fungsi densitas untuk stress (s) dinotasikan dengan f s s [4].

15 Posisi distribusi variable stress dan variable strength disajikan dalam Gambar 2 [4]: I V Gambar 2: Kurva interferensi stress-strength. Daerah yang diarsir merupakan daerah dimana kerusakan terjadi (daerah kegagalan). Kerusakan terjadi apabila stress > strength. Bisa dikatakan, semakin kecil daerah kegagalan, maka semakin andal mesin tersebut.

16 R t = 1 F t = f x dx. t Dengan: Nilai R seperti probabilitas memiliki nilai dalam range R 1 [5]. R(t) : keandalan mesin saat t. R :1 menyatakan bahwa mesin bekerja dengan baik. R : menyatakan bahwa mesin bekerja dengan buruk. Kurva keandalan [5]: Fungsi keandalan adalah fungsi yang berhubungan dengan waktu (waktu pengoperasian mesin). Pada Gambar 3 disajikan kurva keandalan terhadap waktu. I V Gambar 3: Kurva keandalan terhadap waktu. Fungsi keandalan memiliki beberapa sifat: a. R(t) 1. b. Kurva tidak monoton naik. c. R = dan R = 1.

17 I V

18 MULAI Identifikasi masalah dan perumusan masalah Penetapan tujuan dan manfaat HOME Pengumpulan Data - Data yang digunakan adalah data dari tekanan beban dan kekuatan komponen mesin pupuk PT Petrokimia Gresik Cabang Nganjuk. Studi literatur I V Penentuan Fungsi Keandalan - Fungsi keandalan ditentukan dengan Model Stress-Strength. Dan dalam menentukan fungsi keandalan, Model Stress-Strength yang dipakai berdistribusi gamma. Studi kasus dan pengolahan data SELESAI Penulisan laporan Tugas akhir Penarikan Kesimpulan

19 I V

20 I V Keandalan pada model Stress-strength merupakan peluang bahwa Strength lebih besar dari Stress. Keandalan dapat dihitung jika fungsi kepadatan peluang (pdf) variabel random Stress dan Strength diketahui. Misalkan fungsi kepadatan peluang untuk Strength (S) dinotasikan oleh f S S dan fungsi kepadatan peluang untuk Stress (s) dinotasikan dengan f s s. Keandalan didefinisikan sebagai peluang bahwa Stress lebih kecil dari Strength. Jika ditulis dalam persamaan matematika menjadi [6]: R = P s < S = P S > s (1) dengan R adalah keandalan komponen. Persamaan (1) dapat ditulis sebagai berikut [6]: R = f s s f S S ds ds (2) s

21 I V Selanjutnya dapat ditentukan persamaan untuk ketidakandalan (unreability) yang menyatakan peluang bahwa komponen akan gagal yaitu: R = 1 R = P S s Dengan mensubstitusikan R dari persamaan (2) diperoleh: R = P S s = 1 f s s f S S ds s = 1 f s s 1 F s s ds = 1 f s s ds + F s s f s s ds = F s s f s s ds = F s s f s s ds ds

22 I V Misal didefinisikan variable baru y = S s, maka keandalan dapat didefinisikan sebagai: R = P y > dan diasumsikan bahwa S dan s variable acak yang lebih besar atau sama dengan. Fungsi densitas dari variable y adalah: f y y = f s y + s f s s ds = s y f s y + s f s f s s ds y + s f s s ds Karena itu peluang kegagalan komponen (ketidakandalan) menjadi: R = f y y dy = f s y + s f s s ds dy y Dan keandalan komponen dinyatakan dengan: R = f y y dy = f s y + s f s s ds dy (3)

23 I V Diketahui pdf Distribusi Gamma sebagai berikut: f x = λn x n 1 e λx ; n >, λ >, < x < (4) Γ n dengan λ sebagai parameter skala dan n sebagai parameter bentuk. Untuk kasus λ = 1, persamaan (4) menjadi: 1. Pdf Strength Berdistribusi Gamma f S S = 1 Γ m Sm 1 e S, < S <, m > 2. Pdf Stress Berdistribusi Gamma f s s = 1 Γ n sn 1 e s, < s <, n > dengan menggunakan persamaan (3), dimana y = S s diperoleh: f y y = f s = = = = 1 Γ m 1 Γ m Γ n 1 Γ m Γ n y + s f s s ds ; y > y + s m 1 e y+s 1 Γ n sn 1 e s ds 1 Γ m Γ n e y y + s m 1 e y+s s n 1 e s ds y + s m 1 e y 2s s n 1 ds y + s m 1 e 2s s n 1 ds

24 I V Misal v = s y. Maka dv = 1 y Karena itu: R = = f y y = 1 Γ m Γ n ym+n 1 e y f y y dy 1 Γ m Γ n ds. Sehingga diperoleh: y m+n 1 e 1+2v y dy Diketahui fungsi gamma sebagai berikut: Maka, Γ α t α = xα 1 e t(x) dx Sehingga didapatkan: y m+n 1 e 1+2v y dy R = Γ m + n Γ m Γ n = 1 + v m 1 e 2vy v n 1 dv Γ m + n 1 + 2v m+n 1 + v m 1 v n 1 dv 1 + 2v m+n 1 + v m 1 v n 1 dv

25 I V Dengan memisalkan: u = v 1+2v Sehingga didapatkan: Dan batas-batas integralnya menjadi: v Saat v = u = lim = v 1+2v v Saat v = u = lim u + 2uv = v u = v 2uv u = v(1 2u) v = u 1 2u du 1 2u + 2u du dv = 1 2u 2 du dv = 1 2u 2 = 1 v 1+2v 2 Maka fungsi keandalan menjadi: R = Γ m + n Γ m Γ n u m 1 u n 1 du Integral pada persamaan (5) merupakan fungsi Beta yang tidak lengkap, sehingga didapatkan fungsi keandalan, Γ m + n R = Γ m Γ n B 1 n, m 2 (5)

26 I V Untuk kasus λ 1, persamaan (4) menjadi: 1. Pdf Strength Berdistribusi Gamma f S S = λm Γ m Sm 1 e λs, < S <, m >, λ > 2. Pdf Stress Berdistribusi Gamma f s s = μn Γ n sn 1 e μs, < s <, n >, μ > dengan menggunakan persamaan (3), dimana y = S s diperoleh: f y y = f s = λ m Γ m = λm μ n Γ m Γ n = λm μ n Γ m Γ n = λm μ n Γ m Γ n y + s f s s ds ; y > y + s m 1 λ y+s e y + s m 1 λ y+s e y + s m 1 λ y+s μs e μ n Γ n sn 1 e μs ds s n 1 e μs ds s n 1 ds y + s m 1 e λy λs μs s n 1 ds

27 I V Misal v = s y. Maka dv = 1 y f y y = λm μ n Γ m Γ n ym+n 1 e λy Karena itu: R = f y y dy = λm μ n Γ m Γ n ds. Sehingga diperoleh: y m+n 1 e λ+vλ+vμ y dy Diketahui fungsi gamma sebagai berikut: Maka, Γ α t α = xα 1 e t(x) dx y m+n 1 e (λ+vλ+vμ)y dy Sehingga didapatkan: = R = λm μ n Γ m + n Γ m Γ n 1 + v m 1 vy λ+μ e Γ m + n λ + vλ + vμ m+n v n 1 dv 1 + v m 1 v n 1 dv 1 + v m 1 v n 1 dv λ + vλ + vμ m+n

28 I V Dengan r = μ λ, maka: R = rn Γ m + n Γ m Γ n 1 + v m 1 v n 1 dv r v m+n Dengan memisalkan: rv u = 1+ 1+r v Sehingga didapatkan: u r v = rv u + uv + uvr = rv u + v u + ur = rv u = rv v u + ur u = v r u + ur u v = r u + ur u v = r u 1 + r du r u 1 + r u 1 r du dv = r u 1 + r 2 r du u du ur du + u du + ur du dv = r u 1 + r 2 dv = r du r u 1 + r 2 Dan batas-batas integralnya menjadi: rv Saat v = u = lim = v 1+ 1+r v rv Saat v = u = lim v 1+ 1+r v = r 1+r

29 Maka fungsi keandalan menjadi: R = Γ m + n Γ m Γ n r 1+r 1 u m 1 u n 1 du (6) Integral pada persamaan (6) merupakan fungsi Beta yang tidak lengkap, sehingga didapatkan fungsi keandalan, Γ m + n R = n, m (7) Γ m Γ n B r 1+r I V

30 I V Untuk mengetahui tingkat keandalan komponen masingmasing mesin, akan dilakukan perhitungan menggunakan fungsi keandalan yang sudah didapatkan pada persamaan (34). Dengan kekuatan komponen sebagai (λ), tekanan beban sebagai (μ), dinamo sebagai (m), dan perputaran mesin sebagai (n)[7]. Perhitungan dilakukan dengan menggunakan software Matlab, dan hasil dari perhitungan menggunakan GUI Matlab bisa dilihat pada Tabel 4.1, Tabel 4.2, Tabel 4.3, dan Tabel 4.4. Mesin Tingkat Keandalan Penghalus 98,61% Pan Granulator 98,9% Pengering 95,88% Pendingin 9,71% Tabel 4.1: Hasil Perhitungan Tingkat Keandalan Mesin Pada Tanggal 1 November 213. Mesin Tingkat Keandalan Penghalus 97,11% Pan Granulator 97,69% Pengering 95,4% Pendingin 89,95% Tabel 4.2: Hasil Perhitungan Tingkat Keandalan Mesin Pada Tanggal 8 November 213.

31 I V Mesin Penghalus 96,64% Pan Granulator 96,14% Pengering 94,47% Pendingin 88,81% Tingkat Keandalan Tabel 4.3: Hasil Perhitungan Tingkat Keandalan Mesin Pada Tanggal 15 November 213. Mesin Tingkat Keandalan Penghalus 97,8% Pan Granulator 97,% Pengering 94,69% Pendingin 91,3% Tabel 4.4: Hasil Perhitungan Tingkat Keandalan Mesin Pada Tanggal 22 November 213.

32 Grafik laju masing-masing mesin pada bulan November 213 bisa dilihat pada Gambar 4.1, Gambar 4.2, Gambar 4.3, dan Gambar 4.4. HOME Gambar 4.1: Laju Mesin Penghalus Pada Bulan November 213. I V Gambar 4.2: Laju Mesin Pan Granulator Pada Bulan November 213.

33 Gambar 4.3: Laju Mesin Pengering Pada Bulan November 213. I V Gambar 4.4: Laju Mesin Pendingin Pada Bulan November 213.

34 I Prosentase tingkat keandalan masing-masing mesin berpengaruh dengan hasil produksi masing-masing mesin. Setiap mesin bekerja selama 8 jam/hari, 6 hari selama satu minggu dan libur pada saat hari libur. Hasil yang didapat menunjukkan bahwa masingmasing mesin bekerja dalam kondisi prima, dan laju kerusakan tergolong konstan. Hal ini disebabkan karena di PT Petrokimia Gresik Cabang Nganjuk selalu dilakukan perawatan rutin untuk masing-masing mesin, yaitu seminggu sekali setiap hari Jum at. V

35 I V

36 Kesimpulan HOME I V Berdasarkan keseluruhan hasil analisa yang telah dilakukan, dapat diperoleh kesimpulan sebagai berikut : 1. Dalam menentukan fungsi keandalan pada Model Stress Strength digunakan kurva interferensi dari Stress Strength tersebut. Dan didapatkan fungsi keandalan sebagai berikut: R = f s y + s f s s ds dy 2. Fungsi keandalan yang didapat bila Stress dan Strength berdistribusi Gamma adalah fungsi beta yang tidak lengkap. untuk kasus λ = 1, didapatkan: Γ m + n R = Γ m Γ n B 1 n, m 2 untuk kasus λ 1, didapatkan: Γ m + n R = B r n, m Γ m Γ n 1+r 3. Dari hasil perhitungan studi kasus pada mesin pupuk PT Petrokimia Gresik Cabang Nganjuk menggunakan fungsi keandalan dengan bantuan sofware Matlab, didapat hasil bahwa masing-masing mesin bekerja dalam kondisi prima, dan laju kerusakan tergolong konstan. Hal ini disebabkan karena di PT Petrokimia Gresik Cabang Nganjuk selalu dilakukan perawatan rutin untuk masing-masing mesin, yaitu seminggu sekali setiap hari Jum at.

37 I V [1] (diakses pada tanggal 28 Agustus 213 pukul 14.38). [2] Budiana Putri, Melati. (21). Teori Keandalan sebagai Aplikasi Distribusi Eksponensial. Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Hal 1-5. [3] Walpole, dkk. (27). Probability & Statistics for Engineers & Scientists. Pearson Education International, Hal [4] (diakses pada tanggal 28 Agustus 213 pukul 18.33). [5] Hines, William W, Montgomery, Douglas C. (199). Probabilita dan Statistik dalam Ilmu Rekayasa dan Manajemen. Universitas Indonesia, Hal [6] Dhillon, Balbir S. (1979). Stress-Strength Reliability Models. University of Ottawa, Hal 513 [7] ss+strength+reliability+component+of+gamma+distribution&source=bl&ots=fdld1iuw 2i&sig=izHdwwzx- UxZVHJOzJZJHNjFnY&hl=id&sa=X&ei=eOG3UtbkLYTnoASA14LQCg&redir_esc=y#v=on epage&q=stress%2strength%2reliability%2component%2of%2gamma%2distrib ution&f=false (diakses pada tanggal 23 Desember 213 pukul 14.38).

38 I V

Menentukan Keandalan Komponen Mesin Produksi Pada Model Stress Strength yang Berdistribusi Gamma

Menentukan Keandalan Komponen Mesin Produksi Pada Model Stress Strength yang Berdistribusi Gamma Menentukan Keandalan Komponen Produksi Pada Model Stress Strength yang Berdistribusi Gamma Muh Nurcahyo Utomo, Farida Agustini W. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut

Lebih terperinci

Menentukan Keandalan Komponen Mesin Produksi Pada Model Stress Strength yang Berdistribusi Gamma

Menentukan Keandalan Komponen Mesin Produksi Pada Model Stress Strength yang Berdistribusi Gamma JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Print) A-22 Menentukan Keandalan Komponen Produksi Pada Model Stress Strength yang Berdistribusi Gamma Muh Nurcahyo Utomo dan

Lebih terperinci

Teori Keandalan sebagai Aplikasi Distribusi Eksponensial

Teori Keandalan sebagai Aplikasi Distribusi Eksponensial Teori Keandalan sebagai Aplikasi Distribusi Eksponensial Melati Budiana Putri / 18209006 Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

Distribusi Probabilitas : Gamma & Eksponensial

Distribusi Probabilitas : Gamma & Eksponensial Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya

Lebih terperinci

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK

Lebih terperinci

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat

Lebih terperinci

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu (sebagaimana

Lebih terperinci

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013 3//203 STATISTIK INDUSTRI Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh:

Lebih terperinci

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL Dalam hal ini akan dibahas beberapa distribusi yang mempunyai bentuk fungsi densitas dan nama tertentu dari peubah acak kontinu, yaitu: distribusi seragam, distribusi

Lebih terperinci

STATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP

STATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP STATISTICS WEEK 5 Hanung N. Prasetyo Kompetensi 1. Mahasiswa memahamikonsep dasar distribusi peluang kontinu khusus seperti uniform dan eksponensial 2. Mahasiswamampumelakukanoperasi hitungyang berkaitan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini diberikan beberapa konsep dasar seperti teorema dan beberapa definisi sebagai landasan dalam penelitian ini. Konsep dasar ini berkaitan dengan masalah yang dibahas dalam

Lebih terperinci

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014 STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu

Lebih terperinci

Pengantar Statistika Matematik(a)

Pengantar Statistika Matematik(a) Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014

Lebih terperinci

RELIABILITAS & FUNGSI HAZARD. 05/09/2012 MK. Analisis Reliabilitas Darmanto, S.Si.

RELIABILITAS & FUNGSI HAZARD. 05/09/2012 MK. Analisis Reliabilitas Darmanto, S.Si. RELIABILITAS & FUNGSI HAZARD 1 RELIABILITAS Peluang bahwa suatu produk atau jasa akan beroperasi dengan baik dalam jangka waktu tertentu (durabilitas) pada kondisi pengoperasian sesuai dengan desain (suhu,

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Distribusi eksponensial tergenaralisir (Generalized Eponential Distribution) pertama kali diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil

Lebih terperinci

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi Bab 5 Peubah Acak Kontinu 5.1 Pendahuluan Definisi 5.1. Peubah acak adalah suatu fungsi dari ruang contoh S ke R (himpunan bilangan nyata) Peubah acak X bersifat diskret jika F (x) adalah fungsi tangga.

Lebih terperinci

ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK

ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK Adri Arisena 1, Anna Chadidjah 2, Achmad Zanbar Soleh 3 Departemen Statistika Universitas Padjadjaran 1 Departemen Statistika

Lebih terperinci

ANALISA KEANDALAN PADA PERALATAN UNIT PENGGILINGAN AKHIR SEMEN UNTUK MENENTUKAN JADWAL PERAWATAN MESIN (STUDI KASUS PT. SEMEN INDONESIA PERSERO TBK.

ANALISA KEANDALAN PADA PERALATAN UNIT PENGGILINGAN AKHIR SEMEN UNTUK MENENTUKAN JADWAL PERAWATAN MESIN (STUDI KASUS PT. SEMEN INDONESIA PERSERO TBK. ANALISA KEANDALAN PADA PERALATAN UNIT PENGGILINGAN AKHIR SEMEN UNTUK MENENTUKAN JADWAL PERAWATAN MESIN (STUDI KASUS PT. SEMEN INDONESIA PERSERO TBK.) I Gusti Ngr. Rai Usadha 1), Valeriana Lukitosari 2),

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN

Lebih terperinci

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan

Lebih terperinci

Arisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya

Arisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi

Lebih terperinci

BAB VI DISTRIBUSI PROBABILITAS MENERUS

BAB VI DISTRIBUSI PROBABILITAS MENERUS BAB VI DISTRIBUSI ROBABILITAS MENERUS 6. Distribusi Uniform (seragam) Menerus Distribusi seragam menerus merupakan distribusi yang paling sederhana. Karaketristik distribusi ini adalah fungsi kepadatannya

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia 2015 Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu. Ruang

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal

Lebih terperinci

ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION

ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

Lebih terperinci

Peubah Acak dan Distribusi Kontinu

Peubah Acak dan Distribusi Kontinu BAB 1 Peubah Acak dan Distribusi Kontinu 1.1 Fungsi distribusi Definisi: Misalkan X peubah acak. Fungsi distribusi (kumulatif) dari X adalah F X (x) = P (X x) Contoh: 1. Misalkan X Bin(3, 0.5), maka fungsi

Lebih terperinci

ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION

ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas

Lebih terperinci

Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) Periode III ISSN: X Yogyakarta, 3 November 2012

Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) Periode III ISSN: X Yogyakarta, 3 November 2012 PENENTUAN RELIABILITAS SISTEM DAN PELUANG SUKSES MESIN PADA JENIS SISTEM PRODUKSI FLOW SHOP Imam Sodikin 1 1 Teknik Industri Fakultas Teknologi Industri Institut Sains & Teknologi AKPRIND Yogyakarta Jl.

Lebih terperinci

EKSISTENSI TITIK TETAP DARI SUATU TRANSFORMASI LINIER PADA RUANG BANACH

EKSISTENSI TITIK TETAP DARI SUATU TRANSFORMASI LINIER PADA RUANG BANACH EKSISTENSI TITIK TETAP DARI SUATU TRANSFORMASI LINIER PADA RUANG BANACH Nur Aeni Prodi Matematika, Fakultas Sains dan Teknologi, UINAM nuraeniayatullah@gmailcom Info: Jurnal MSA Vol 3 No 1 Edisi: Januari

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Ruang Sampel dan Kejadian Percobaan adalah kegiatan

Lebih terperinci

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.

BAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut

Lebih terperinci

Dewi Widya Lestari

Dewi Widya Lestari Dewi Widya Lestari 2411 106 011 WHB merupakan komponen yang sangat vital bagi berlangsungnya operasional untuk memenuhi pasokan listrik pabrik I PT Petrokimia Gresik. Dari tahun 90-an hingga kini WHB beroperasi

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai

Lebih terperinci

TINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan

TINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan II. TINJAUAN PUSTAKA 2.1 Percobaan dan Ruang Sampel Menurut Walpole (1995), istilah percobaan digunakan untuk sembarang proses yang dapat membangkitkan data. Himpunan semua hasil suatu percobaan disebut

Lebih terperinci

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam

Lebih terperinci

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari. 6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin

Lebih terperinci

MA3081 STATISTIKA MATEMATIKA We love Statistics

MA3081 STATISTIKA MATEMATIKA We love Statistics Catatan Kuliah MA3081 STATISTIKA MATEMATIKA We love Statistics disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Daftar Isi 1 Peubah Acak

Lebih terperinci

III HASIL DAN PEMBAHASAN

III HASIL DAN PEMBAHASAN 7 III HASIL DAN PEMBAHASAN 3.1 Perumusan Model Pada bagian ini akan dirumuskan model pertumbuhan ekonomi yang mengoptimalkan utilitas dari konsumen dengan asumsi: 1. Terdapat tiga sektor dalam perekonomian:

Lebih terperinci

KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA

KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA Jurnal Matematika UNAND Vol. No. 4 Hal. 9 ISSN : 33 9 c Jurusan Matematika FMIPA UNAND KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA MARNISYAH ANAS Program Studi Magister Matematika, Fakultas

Lebih terperinci

Optimasi Preventive Maintenance pada Mesin Tuber. JurusanStatistika ITS

Optimasi Preventive Maintenance pada Mesin Tuber. JurusanStatistika ITS Optimasi Preventive Maintenance pada Mesin Tuber dan Bottomer dengan Metode Analisis Reliabilitas di PT Industri Kemasan Semen Gresik Oleh : Dosen Pembimbing : Drs. Haryono, MSIE Satria Hikmawan M.H (1309100070)

Lebih terperinci

6.6 Rantai Markov Kontinu pada State Berhingga

6.6 Rantai Markov Kontinu pada State Berhingga 6.6 Rantai Markov Kontinu pada State Berhingga Markov chain kontinu 0 adalah proses markov pada state 0, 1, 2,.... Diasumsikan bahwa probabilitas transisi adalah stasioner, pada persamaan, (6.53) Pada

Lebih terperinci

LOSS OF LOAD PROBABILITY (LOLP) INDEX UNTUK MENGANALISIS KEANDALAN PEMBANGKIT LISTRIK (Studi Kasus PT Indonesia Power UBP Suralaya)

LOSS OF LOAD PROBABILITY (LOLP) INDEX UNTUK MENGANALISIS KEANDALAN PEMBANGKIT LISTRIK (Studi Kasus PT Indonesia Power UBP Suralaya) BIAStatistics (2015) Vol. 9, No. 2, hal. 7-12 LOSS OF LOAD PROBABILITY (LOLP) INDEX UNTUK MENGANALISIS KEANDALAN PEMBANGKIT LISTRIK (Studi Kasus PT Indonesia Power UBP Suralaya) Yulius Indhra Kurniawan

Lebih terperinci

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi

Lebih terperinci

Oleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si

Oleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Oleh: Isna Kamalia Al Hamzany 1207 100 055 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh

Lebih terperinci

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat

Lebih terperinci

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam II. LANDASAN TEORI Pada bab ini akan diberikan konsep dasar yang akan digunakan dalam pembahasan hasil penelitian ini, antara lain : 2.1 Fungsi Gamma Fungsi gamma merupakan suatu fungsi khusus. Fungsi

Lebih terperinci

KALKULUS MULTIVARIABEL II

KALKULUS MULTIVARIABEL II Definisi KALKULUS MULTIVARIABEL II (Minggu ke-7) Andradi Jurusan Matematika FMIPA UGM Yogyakarta, Indonesia Definisi 1 Definisi 2 ontoh Soal Definisi Integral Garis Fungsi f K R 2 R di Sepanjang Kurva

Lebih terperinci

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk 5 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan beberapa tinjauan pustaka yang digunakan penulis pada penelitian ini, antara lain : 2.1 Distribusi Logistik Distribusi logistik merupakan distribusi

Lebih terperinci

ANALISA PERAWATAN BERBASIS RESIKO PADA SISTEM PELUMAS KM. LAMBELU

ANALISA PERAWATAN BERBASIS RESIKO PADA SISTEM PELUMAS KM. LAMBELU Jurnal Riset dan Teknologi Kelautan (JRTK) Volume 14, Nomor 1, Januari - Juni 2016 ANALISA PERAWATAN BERBASIS RESIKO PADA SISTEM PELUMAS KM. LAMBELU Zulkifli A. Yusuf Dosen Program Studi Teknik Sistem

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 4: Distribusi Eksponensial Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Distribusi Eksponensial Pendahuluan Distribusi eksponensial dapat dipandang sebagai

Lebih terperinci

Peubah Acak dan Distribusi

Peubah Acak dan Distribusi BAB 1 Peubah Acak dan Distribusi 1.1 ILUSTRASI (Ilustrasi 1) B dan G secara bersamaan menembak sasaran tertentu. Peluang tembakan B mengenai sasaran adalah 0.7 sedangkan peluang tembakan G (bebas dari

Lebih terperinci

Penentuan Momen ke-5 dari Distribusi Gamma

Penentuan Momen ke-5 dari Distribusi Gamma Jurnal Penelitian Sains Volume 6 Nomor (A) April 0 Penentuan Momen ke-5 dari Distribusi Gamma Robinson Sitepu, Putra B.J. Bangun, dan Heriyanto Jurusan Matematika Fakultas MIPA Universitas Sriwijaya, Indonesia

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Waktu dan tempat Waktu pada penelitian ini dilaksanakan pada bulan Agustus, September dan Oktober 2016 yang bertempat di Pabrik Kelapa Sawit 3.2 Rancangan penelitian Adapun

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Pengantar a Matematika II - Estimator Atina Ahdika, S.Si., M.Si. Prodi a FMIPA Universitas Islam Indonesia April 17, 2017 atinaahdika.com Dalam kondisi real, kita tidak mengetahui parameter dari populasi

Lebih terperinci

Konsep Dasar Statistik dan Probabilitas

Konsep Dasar Statistik dan Probabilitas Konsep Dasar Statistik dan Probabilitas Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII September 30, 2015 Ayundyah (UII) Konsep Dasar Statistik dan Probabilitas September

Lebih terperinci

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel

Lebih terperinci

Pengantar Proses Stokastik

Pengantar Proses Stokastik Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.

Lebih terperinci

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang BAB II LANDASAN TEORI 2.1 Konsep Dasar Peluang Pada dasarnya statistika berkaitan dengan penyajian dan penafsiran hasil yang berkemungkinan (hasil yang belum dapat ditentukan sebelumnya) yang muncul dalam

Lebih terperinci

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi

Lebih terperinci

DISTRIBUSI PROBABILITAS DAN TERMINOLOGI KEANDALAN

DISTRIBUSI PROBABILITAS DAN TERMINOLOGI KEANDALAN #7 DISTRIBUSI PROBABILITAS DAN TERMINOLOGI KEANDALAN 7.1. Pendahuluan Pada pembahasan terdahulu, keandalan hanya dievaluasi sebagai suatu sistem rekayasa (engineering) dengan tidak menggunakan distribusi

Lebih terperinci

MAKALAH DISTRIBUSI GAMMA DI SUSUN OLEH AWAN ARGA SAPUTRA DESSY ROFICA WULANDARI SUHENDRA PRADESA

MAKALAH DISTRIBUSI GAMMA DI SUSUN OLEH AWAN ARGA SAPUTRA DESSY ROFICA WULANDARI SUHENDRA PRADESA MAKALAH DISTRIBUSI GAMMA DI SUSUN OLEH AWAN ARGA SAPUTRA 12611006 DESSY ROFICA WULANDARI 12611018 SUHENDRA PRADESA - 12611089 SRI SISKA WIRDANIYATI 12611125 UNIB SEDYA PAMUJI - 12611150 JURUSAN STATISTIKA

Lebih terperinci

II. TINJAUAN PUSTAKA. Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi

II. TINJAUAN PUSTAKA. Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi II. TINJAUAN PUSTAKA 2.1 Distribusi Normal Umum Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi normal umum, jika dan hanya jika fungsi densitasnya berbentuk: ; Penulisan notasi

Lebih terperinci

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 4. Variabel Acak dan Distribusi Probabilitas Prima Kristalina April 2015 1 Outline 1. Definisi

Lebih terperinci

PROSES PERCABANGAN PADA DISTRIBUSI POISSON

PROSES PERCABANGAN PADA DISTRIBUSI POISSON PROSES PERCABANGAN PADA DISTRIBUSI POISSON Nur Alfiani Santoso, Respatiwulan, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak. Proses percabangan merupakan suatu proses stokastik

Lebih terperinci

LOSS OF LOAD PROBABILITY (LOLP) INDEX UNTUK MENGANALISIS KEANDALAN PEMBANGKIT LISTRIK (Studi Kasus PT Indonesia Power UBP Suralaya)

LOSS OF LOAD PROBABILITY (LOLP) INDEX UNTUK MENGANALISIS KEANDALAN PEMBANGKIT LISTRIK (Studi Kasus PT Indonesia Power UBP Suralaya) LOSS OF LOAD PROBABILITY (LOLP) INDEX UNTUK MENGANALISIS KEANDALAN PEMBANGKIT LISTRIK (Studi Kasus PT Indonesia Power UBP Suralaya) Yulius Indhra Kurniawan, Anindya Apriliyanti P Indonesia Power UBP Suralaya,

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Pengantar a Matematika II Atina Ahdika, S.Si., M.Si. Prodi a FMIPA Universitas Islam Indonesia March 20, 2017 atinaahdika.com t F Parameter adalah karakteristik dari populasi (misal θ) adalah karakteristik

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Bab 2: Sifat-Sifat Estimator Statistika FMIPA Universitas Islam Indonesia Statistik Cukup Dalam kondisi real, kita tidak mengetahui parameter dari populasi data yang akan kita teliti Informasi dalam sampel

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Dalam bab ini diuraikan dua subbab yaitu tinjauan pustaka dan landasan teori. Subbab tinjauan pustaka memuat hasil-hasil penelitian yang telah dilakukan. Subbab landasan teori memuat

Lebih terperinci

Persamaan Diferensial Biasa

Persamaan Diferensial Biasa Persamaan Diferensial Biasa Pendahuluan, Persamaan Diferensial Orde-1 Toni Bakhtiar Departemen Matematika IPB September 2012 Toni Bakhtiar (m@thipb) PDB September 2012 1 / 37 Pendahuluan Konsep Dasar Beberapa

Lebih terperinci

KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT

KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT QUEUES ANALYSIS M/M/ TYPE WITH SLOW AND FAST PHASE SERVICE SYSTEM Oleh: Erida Fahma Nurrahmi NRP. 1208 100 009 Dosen Pembimbing:

Lebih terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi

Lebih terperinci

BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi

BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi BAB III SURVIVAL ANALYSIS UNTUK MENGUJI RELIABILITAS PRODUK DAN PENENTUAN GARANSI PRODUK 3.1 Garansi Garansi dapat diartikan sebagai jaminan yang diberikan secara tertulis oleh pabrik atau supplier kepada

Lebih terperinci

Pengantar Statistika Matematik(a)

Pengantar Statistika Matematik(a) Catatan Kuliah Pengantar Statistika Matematik(a) Statistika Lebih Dari Sekadar Matematika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014

Lebih terperinci

16. INTEGRAL. A. Integral Tak Tentu 1. dx = x + c 2. a dx = a dx = ax + c. 3. x n dx = + c. cos ax + c. 4. sin ax dx = 1 a. 5.

16. INTEGRAL. A. Integral Tak Tentu 1. dx = x + c 2. a dx = a dx = ax + c. 3. x n dx = + c. cos ax + c. 4. sin ax dx = 1 a. 5. 6. INTEGRAL A. Integral Tak Tentu. dx = x + c. a dx = a dx = ax + c. x n dx = n+ x n+ + c. sin ax dx = a cos ax + c 5. cos ax dx = a sin ax + c 6. sec ax dx = a tan ax + c 7. [ f(x) ± g(x) ] dx = f(x)

Lebih terperinci

SISTEM MANAJEMEN PERAWATAN UNIT MMU PUMP DAN OIL SHIPPING PUMP

SISTEM MANAJEMEN PERAWATAN UNIT MMU PUMP DAN OIL SHIPPING PUMP Yogyakarta 15 September 2012 SISTEM MANAJEMEN PERAWATAN UNIT MMU PUMP DAN OIL SHIPPING PUMP Eko Nursubiyantoro dan Triwiyanto Program studi Teknik Industri Fakultas Teknologi Industri UPN Veteran Yogyakarta

Lebih terperinci

Probabilitas dan Proses Stokastik

Probabilitas dan Proses Stokastik Probabilitas dan Proses Stokastik Tim ProStok Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember Surabaya, 04 O U T L I N E. Capaian Pembelajaran. Pengantar dan Teori 3. 4. Ringkasan 5. Latihan

Lebih terperinci

PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU

PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU tnp PENERAPAN PROSES POISSON NON-HOMOGEN UNTUK MENENTUKAN DISTRIBUSI PROBABILITAS KEDATANGAN NASABAH DI BNI BANJARBARU Mida Yanti 1 Nur Salam 1 Dewi Anggraini 1 Abstract: Poisson process is a special event

Lebih terperinci

KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3

KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3 JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN

Lebih terperinci

LANDASAN TEORI. Dalam proses penelitian pendekatan distribusi generalized t(,,, ), ), melalui distribusi generalized beta 2

LANDASAN TEORI. Dalam proses penelitian pendekatan distribusi generalized t(,,, ), ), melalui distribusi generalized beta 2 5 II. LANDASAN TEORI Dalam proses penelitian pendekatan distribusi generalized t terhadap distribusi gamma dan melalui distribusi generalized beta 2 distribusi generalized diperlukan gamma beberapa konsep

Lebih terperinci

Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik

Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Empirik S 6 Jantini Trianasari Natangku 1), Adi Setiawan ), Lilik Linawati ) 1) Mahasiswa Program Studi Matematika FSM-UKSW Email : n4n4_00190@yahoo.co.id

Lebih terperinci

f (a) = laju perubahan y = f(x) pada x = a = turunan pertama y=f(x) pada x = a

f (a) = laju perubahan y = f(x) pada x = a = turunan pertama y=f(x) pada x = a LEMBAR AKTIVITAS SISWA DIFFERENSIAL (TURUNAN) Nama Siswa : y f(a h) f(a) x (a h) a Kelas : Kompetensi Dasar (KURIKULUM 2013): 3.21 Memahami konsep turunan dengan menggunakan konteks matematik atau konteks

Lebih terperinci

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)

Lebih terperinci

ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE ii (KONSUMEN) DALAM KOLABORASI RANTAI PASOK

ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE ii (KONSUMEN) DALAM KOLABORASI RANTAI PASOK ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE ii (KONSUMEN) DALAM KOLABORASI RANTAI PASOK OLEH AFRIANI SULASTINAH 1206100030 DOSEN PEMBIMBING Dra. LAKSMI PRITA WARDHANI, M.Si JURUSAN MATEMATIKA INSTITUT

Lebih terperinci

Kuliah PD. Gaya yang bekerj a pada suatu massa sama dengan laju perubahan momentum terhadap waktu.

Kuliah PD. Gaya yang bekerj a pada suatu massa sama dengan laju perubahan momentum terhadap waktu. Kuliah PD Pertemuan ke-1: Motivasi: 1. Mekanika A. Hukum Newton ke-: Gaya yang bekerj a pada suatu massa sama dengan laju perubahan momentum terhadap waktu. Misalkan F: gaya, m: massa benda, a: percepatan,

Lebih terperinci

Karakteristik Limit dari Proses Kelahiran dan Kematian

Karakteristik Limit dari Proses Kelahiran dan Kematian Karakteristik Limit dari Proses Kelahiran dan Kematian Disusun guna memenuhi tugas mata kuliah Pengantar Proses Stokastik Disusun oleh : Saidun Nariswari Setya Dewi Lisa Apriana Marvina Puspito Nita Eka

Lebih terperinci

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012 1 PEUBAH ACAK DAN DISTRIBUSINYA MA 2081 Statistika Dasar Utriweni Mukhaiyar 11 September 2012 2 Pemetaan (Fungsi) Suatu pemetaan / fungsi Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 3 Peubah

Lebih terperinci

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma

Lebih terperinci

Distribusi Weibull Power Series

Distribusi Weibull Power Series Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,

Lebih terperinci

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain

Lebih terperinci

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar Distribusi Uniform 2 Distribusi kontinu yang paling sederhana Notasi: X ~ U (a,b) f.k.p: f(x)

Lebih terperinci

Seminar TUGAS AKHIR. Fariz Mus abil Hakim LOGO.

Seminar TUGAS AKHIR. Fariz Mus abil Hakim LOGO. Seminar TUGAS AKHIR Fariz Mus abil Hakim 2207 100 010 LOGO www.themegallery.com Studi Keandalan Jaringan Distribusi 20 kv Wilayah Malang dengan Metode Monte Carlo Pembimbing: Prof. Ir. Ontoseno Penangsang,

Lebih terperinci

ANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI ( )

ANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI ( ) SEMINAR TUGAS AKHIR ANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI (1207 100 067) Dosen Pembimbing Dra. Laksmi Prita

Lebih terperinci

Fungsi Gamma dan Fungsi Beta. Ayundyah. Ayundyah Kesumawati. Prodi Statistika FMIPA-UII. March 31, 2015

Fungsi Gamma dan Fungsi Beta. Ayundyah. Ayundyah Kesumawati. Prodi Statistika FMIPA-UII. March 31, 2015 Fungsi Kesumawati Prodi Statistika FMIPA-UII March 31, 215 Gamma Fungsi Fungsi Gamma didefinisikan sebagai integral tak wajar berikut: Γ(α) := e x x α 1 dx (1) Integral ini konvergen bila α >. Dengan menerapkan

Lebih terperinci

BAB 9 DISTRIBUSI PELUANG KONTINU

BAB 9 DISTRIBUSI PELUANG KONTINU BAB 9 DISTRIBUSI PELUANG KONTINU A. Pengertian Distribusi Peluang Kontinu Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai pada skala kontinu. Ruang sampel kontinu adalah

Lebih terperinci

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters

Lebih terperinci

ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI

ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci