KELOMPOK 2

“ANALISIS DATA UJI HIDUP”

Macam - Macam Tipe Pensensoran dan

Fungsi Hazard

Nidaa Hazimah S ( 4112316026 )

Dona Ayu Rezaldi ( 4112317006 )
Elang Arief Rahmana ( 4112317010 )
“

2
PENGERTIAN
Analisis uji data hidup merupakan salah satu teknik statistika yang berguna

“
untuk melakukan pengujian tentang tahan hidup atau keandalan suatu
komponen. Keandalan dapat diartikan sebagai probabilitas tidak terjadinya
suatu kegagalan atau kerusakan suatu alat untuk melakukan fungsinya secara
wajar selama periode operasi yang ditentukan. Data waktu hidup yang diperoleh
dari percobaan uji hidup dapat berbentuk data lengkap, data tersensor tipe I dan
data tersensor tipe II. Berbentuk data lengkap apabila semua benda dalam
percobaan diuji sampai semuanya gagal, berbentuk data tersensor tipe I bila
data uji hidup dihasilkan setelah percobaan berjalan selama waktu yang
ditentukan, serta berbentuk data tersensor tipe II apabila observasi diakhiri
setelah sejumlah kematian atau kegagalan tertentu telah terjadi.

3
TUJUAN

1. Untuk mengidentifiksi model statistika yang sesuai bagi distribusi

tahan hidup atau proses kegagalan, yaitu suatu proses yang
mengakibatkan tidak berfungsinya unit dengan wajar.
2. Untuk menduga parameter – parameter yang tidak diketahui dari
model distribusi data.
3. Untuk menghitung batas keyakinan tahan hidup.

4
Penyensoran
Menurut Adisantoso (2010), analisis survival adalah analisis mengenai
data yang diperoleh dari catatan waktu yang dicapai suatu obyek sampai
terjadinya peristiwa gagal (failure event).

Menurut Lawless (1982: 31), data dikatakan tersensor jika lamanya hidup
seseorang yang ingin diketahui atau diobservasi hanya terjadi pada
waktu yang telah ditentukan (interval pengamatan), sedang info yang
ingin diketahui tidak terjadi pada interval tersebut, dengan demikian tidak
diperoleh informasi apapun yang diinginkan selama interval pengamatan.

5
Penyebab terjadinya data tersensor antara lain:
1. Loss to follow up, terjadi bila obyek pindah, meninggal
atau menolak untuk berpartisipasi.
2. Drop out, terjadi bila perlakuan dihentikan karena
alasan tertentu.
3. Termination, terjadi bila masa penelitian berakhir
sementara obyek yang diobservasi belum mencapai
failure time.

6
Sedangkan menurut Kleinbaum (2005), ada tiga alasan
umum terjadinya penyensoran, yaitu:
1. Objek tidak mengalami peristiwa sebelum masa
penelitian berakhir.
2. Objek hilang selama masa follow up ketika masa
penelitian
3. Objek ditarik dari penelitian karena kematian (jika
kematian bukan peristiwa yang diobservasi) atau
disebabkan alasan lain.

7
Menurut Johnson sebagaimana dikutip oleh Lawless
(1982: 31), tipe-tipe penyensoran ada tiga yaitu sebagai
berikut.

1. Penyensoran Tipe I
2. Penyesoran Tipe II
3. Penyensoran Maju ( Progresive Cencoring )

8
1. Penyensoran Tipe I
Pada penyensoran sebelah kanan tipe I, penelitian diakhiri apabila waktu
pengamatan yang ditentukan tercapai. Jika waktu pengamatan sama untuk
semua unit maka dikatakan penyensoran tunggal.

2. Penyensoran Tipe II
Pada penyensoran tipe II, pengamatan diakhiri setelah sejumlah kegagalan yang
telah ditetapkan diperoleh, atau dapat dikatakan banyaknya kegagalan adalah
tetap dan waktu pengamatan adalah acak.

3. Penyensoran Maju (Progresive Cencoring)

Pada penyensoran maju, suatu jumlah yang ditentukan dari unit-unit bertahan
dikeluarkan dari penelitian berdasarkan kejadian dari tiap kegagalan terurut.

9
Menurut Latan (2014: 306), terdapat tiga tipe penyensoran, yakni sebagai berikut.
1. Type I Cencoring
Gambar di bawah menunjukkan bahwa setiap observasi dalam sensor tipe I ini mempunyai
waktu sensoring yang tetap. Di dalam sensor tipe I, diasumsikan tidak terjadi kecelakaan sehigga
semua sensoring observasi sama dari awal sampai berakhirnya studi.

10
2. Type II Cencoring
Gambar di bawah menunjukkan bahwa pada sensor tipe II peneliti menetapkan target
yang harus dipenuhi di dalam desain studi. Sensor tipe II diasumsikan tidak ada
kecelakaan dan sensoring observasi sama dengan atau lebih besar dari uncensored
observasi.

11
3. Type III Cencoring
Gambar dibawah ini menjelaskan bahwa sensor tipe III disebut juga sebagai sensor acak (random
censoring), dimana waktu yang dimasukkan tidak secara simultan dan menyebabkan waktu sensor
berbeda. Didalam studi epidemiologi, periode dari studi adalah tetap dan pasien yang dimasukkan ke
dalam studi berbeda waktu selama periode studi tersebut. Beberapa mungkin akan ada yang meninggal
sebelum berakhirnya studi, sehingga waktu survival diketahui, lainnya mungkin masih tetap hidup sampai
berakhirnya studi. Untuk pasien yang tetap hidup, waktu survival akan dimasukkan pada saat studi
tersebut berakhir. Sensor tipe I dan II observasi sering disebut juga dengan singly censored data dan
sensor tipe III disebut dengan progressively censored data.

12
FUNGSI HAZARD
Menurut Lawless (1982) fungsi hazard adalah suatu fungsi yang menunjukkan
tingkat kegagalan atau resiko dalam interval (t, t + ∆t) dan diketahui bahwa
individu tersebut telah bertahan hidup selama waktu t.

Fungsi hazard dinyatakan dengan:

𝑃(𝑡 ≤ 𝑇 < (𝑡 + ∆𝑡)|𝑇 ≥ 𝑡)
ℎ 𝑡 = lim
∆𝑡→0 ∆𝑡

Fungsi hazard dapat pula dinyatakan oleh dua buah fungsi yaitu fungsi
survivor dan fungsi densitas peluang.
𝑓(𝑡) 𝑓(𝑡)
ℎ 𝑡 = =
𝑆(𝑡) 1 − 𝐹(𝑡)

13
Kegunaan fungsi hazard :
1. Mengestimasi waktu terjadinya kerusakan (atau waktu antar kerusakan)
2. Mengestimasi waktu jumlah kru yang akan berperan dalam memperbaiki sistem
3. Mengestimasi ketersediaan sistem
4. Mengestimasi biaya garansi
5. Mengkaji kerusakan terhadap waktu

Fungsi hazard adalah fungsi terhadap waktu :

14
MACAM FUNGSI HAZARD
1. Hazard Konstan
2. Hazard Linier Positif
3. Model Weibull
4. Model Normal
5. Model LogNormal
6. Model Gamma
7. Model Beta

15
1. Hazard Konstan

Fungsi Hazard konstant, ℎ 𝑡 , ditulis sebagai ℎ 𝑡 = 𝜆 maka

𝑡

𝑓 𝑡 = 𝑓 𝑡 exp − න ℎ 𝜁 𝑑𝜁
0
𝑓 𝑡 = 𝜆𝑒 −𝜆𝑡
𝑡

𝐹 𝑡 = න 𝜆𝑒 −𝜆𝜁 = 1 − 𝑒 −𝜆𝑡
0
𝑅 𝑡 = 1 − 𝐹 𝑡 = 1 − 1 − 𝑒 −𝜆𝑡 = 𝑒 −𝜆𝑡
Contoh dari penggunaan fungsi hazard konstan yaitu pada laju
kerusakan kosntant.
16
2. Hazard Linier Positif

Laju kerusakan linier positif dinyatakan, ℎ 𝑡 = 𝜆𝑡 dimana 𝜆 konstan. P.d.f, f(t),

adalah distribusi Rayleigh, dengan:

𝜆𝑡 2
−
𝑓 𝑡 = 𝜆𝑡𝑒 2
𝜆𝑡 2
− 2
𝐹 𝑡 = 1− 𝑒
𝜆𝑡 2
− 2
𝑅 𝑡 = 𝑒
𝜋 2 𝜋
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 = ; 𝑉𝑎𝑟𝑖𝑎𝑛𝑠 = 1 −
2𝜆 𝜆 4

Contoh dari penggunaan fungsi hazard linear positif yaitu pada Rolling
resistance.
17
3. Model Weibull

Bentuk non-linier dari fungsi hazard digunakan ketika secara jelas tidak dapat
direpresentasikan secara linier terhadap waktu dengan fungsi hazard yang terkenal
𝛾
dengan model weibull: ℎ 𝑡 = 𝑡 𝛾−1 untuk 𝛾 dan 𝜃 bernilai positif. 𝑓(𝑡) diberikan,
𝜃
𝛾 𝛾−1 𝑡 𝛾
𝑓 𝑡 = 𝑡 𝑒 𝜃 ,𝑡 > 0
𝜃
dimana :
𝜃 = parameter skala
𝛾 = parameter bentuk
jika 𝛾 = 1 maka 𝑓 𝑡 adalah density eksponensial,
jika 𝛾 = 2 maka 𝑓 𝑡 adalah distribusi Rayleigh,
jika 𝛾 = 3,43938 maka akan mendekati distribusi normal.

Contoh model weibull yaitu digunakan untuk menentukan batas lelah (fatigue limit) dari
baja batangan.

18
4. Model Normal

Distribusi normal merupa-kan salah satu distribusi yang penting dan

banyak digunakan. Karena distribusi normal merupakan hukum
peluang untuk distribusi peluang terutama. Distribusi peluang
dengan peubah acak kontinu. Contoh model normal yaitu digunakan
untuk menentukan waktu kerusakan

19
5. Model Lognormal

Distribusi lognormal dalam bentuk sederhana adalah fungsi densitas

dari sebuah peubah acak yang logaritmanya mengikuti hukum distribusi
normal. Contoh model lognormal yaitu digunakan untuk menentukan
waktu kerusakan suatu komponen berdistribusi lognormal

20
6. Model Gamma

digunakan untuk menggambarkan waktu kerusakan dari suatu

komponen yang mempunyai kerusakan i tahap, 1 < i ≤ n. Atau
kerusakan suatu sistem yang terjadi ketika n sub keruskan yang
independen terjadi.
Dua parameter distribusi gamma: parameter bentuk(γ) dan paramater
skala (θ).
Jika 0 < γ < 1, laju kerusakan turun monoton dari tak hingga ke1/θ.
Jika γ > 1, laju kerusakan naik monoton dari 1/θ ke tak hingga.
Jika γ = 1, laju kerusakan konstan dan sama dengan 1/θ.

Contoh model gamma yaitu digunakan untuk menentukan laju

kerusakan untuk sistem mesin
21
7. Model Beta

Digunakan untuk interval waktu kerusakan terbatas, misal(0,1) atau

semua interval ditransformasi ke dalam interval (0,1).
Γ(α + β) α−1
t (1 − t)β−1 , 0 < 𝑡 < 1
𝑓 𝑡 = ൞Γ α Γ(β)
0 𝑙𝑎𝑖𝑛𝑛𝑦𝑎.
𝛼, 𝛽 > 0.
1 1 Γ 𝛼 Γ(𝛽)
Karena ‫׬‬0 𝑓 𝑡 𝑑𝑡 = 1, maka ‫׬‬0 𝑡 𝛼−1 (1 − 𝑡)𝛽−1 𝑑𝑡 = .
Γ(𝛼+𝛽)

22