IMPLEMENTASI PERAWATAN PREVENTIVE PADA MESIN

PRODUKSI UNTUK MENINGKATKAN KEHANDALAN MESIN

MENGGUNAKAN METODE RELIABILITY CENTERED
MAINTENANCE (RCM)

(STUDI KASUS : PT. XYZ)

TUGAS AKHIR

Diajukan Sebagai Salah Satu Syarat untuk Memperoleh

Gelar Sarjana Teknik Industri Fakultas Teknologi Industri

Disusun Oleh :

Nama : Muhammad Farhan Ikhra Lubis

No. Mahasiswa : 14 522 369

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS ISLAM INDONESIA

YOGYAKARTA

2021
 i

SURAT PERNYATAAN KEASLIAN

 ii

SURAT KETERANGAN PENELITIAN

 iii

LEMBAR PENGESAHAN PEMBIMBING

 iv

LEMBAR PENGESAHAN DOSEN PENGUJI

HALAMAN PERSEMBAHAN

Terima kasih dan puji syukur yang tiada henti terucap kepada Allah SWT atas karunia
dan ujian yang Engkau berikan.

Kupersembahkan Tugas Akhir ini kepada ayah dan ibu saya yang tiada henti
memberikan dukungan kepada saya dengan do’a dan segalanya yang kalian
pertaruhkan untuk masa depan saya

Kepada adik-adik saya yang selalu memberikan dan menjadi semangat saya dalam
pengerjaan tugas akhir ini

Semoga Allah SWT membalas banyak kebaikan untuk kalian serta kesalamatan dunia
dan akhirat.
 v

HALAMAN MOTTO

“...dan jangankah kamu berputus asa dari rahmat Allah, sesungguhnya tiada berputus
asa dari rahmat Allah, melainkan kaum kafir” (Q.S. Yusuf: 87)

“Boleh jadi kamu membenci sesuatu padahal ia amat baik bagimu, dan boleh jadi pula
kamu menyukai sesuatu padahal ia amat buruk bagimu, Allah mengetahui sedang kamu
tidak mengetahui” (Q.S. Ath-Thalaq: 2-3)

“ Tidak ada yang sempurna, Tapi jadilah lebih baik” (Ir. Hartomo, [Link]., Ph.D)

“Sedikit lebih beda lebih baik, daripada sedikit lebih baik” (Pandji Pragiwaksono)

“Setiap segala sesuatu itu memiliki kelebihan, maka janganlah meremehkan dan
merendahkannya” (Abu Bakar Ash-Siddiq)

“Kalau tidak bisa melakukan untuk dirimu, lakukan lah demi orang tua mu” (Dian
Janari, S.T., M.T.)
 vi

KATA PENGANTAR

Assalamualaikum Wr. Wb.

Puji Syukur saya panjatkan kepada Allah SWT, karena atas berkat dan rahmat-Nya,
saya dapat menyelesaikan skripsi ini dengan judul “IMPLEMENTASI PERAWATAN
PREVENTIVE PADA MESIN PRODUKSI UNTUK MENINGKATKAN
KEHANDALAN MESIN MENGGUNAKAN METODE RELIABILITY CENTERED
MAINTENANCE (RCM) (STUDI KASUS : PT. XYZ)”. Tak lupa sholawat serta
salam kepada junjungan kita Nabi Muhammad SAW yang telah mencerahkan serta
mencerdaskan kita hingga akhir zaman nanti.
Penulisan skripsi ini dilakukan dalam rangka memenuhi salah satu syarat untuk
mencapai gelar Sarjana Teknik Industri pada Fakultas Teknik Universitas Islam
Indonesia. Saya menyadari bahwa, tanpa bantuan dan bimbingan dari berbagai pihak,
dari masa perkuliahan sampai pada penyusunan skripsi ini, sangatlah sulit bagi saya
untuk menyelesaikan skripsi ini.
Oleh karena itu, saya mengucapkan terima kasih kepada :
1. Bapak Prof. Dr. Ir Hari Purnomo, M.T selaku Dekan Fakultas Teknologi Industri
Universitas Islam Indonesia.
2. Bapak Dr. Taufiq Immawan, S.T., M.M. selaku Ketua Program Studi Teknik
Industri Universitas Islam Indonesia.
3. Bapak Winda Nur Cahyo, S.T., M.T., Ph.D. selaku dosen pembimbing yang telah
memberikan arahan dan bimbingan dalam menyusun laporan Tugas Akhir ini.
Tanpa adanya beliau mungkin tulisan tugas akhir ini tidak akan bisa terwujud
4. Seluruh Dosen Fakultas Teknik khususnya Program Studi Teknik Industri yang
telah memberikan ilmu nya selama penulis mengikuti kuliah hingga dapat
menyelesaikan skripsi ini
5. Kedua orang tua, Bapak Ikhwan Lubis dan Ibu Herawati, kedua adik saya
Muhammad Farid Afif Lubis dan Muhammad Faiz Athallah yang selalu
memberikan dukungan baik moril dan materil serta doa yang tak ada hentinya demi
terselesainya skripsi ini.
6. Kepada Erin Juriani yang telah meluangkan waktu untuk memberikan bantuan dan
dukungan lebih dalam menyelesaikan skripsi ini.
 vii

7. Serta rekan-rekan Fakultas Teknik Industri khususnya angkatan 2014, yang telah
memberikan bantuan dan dukungan yang sangat besar dalam menyelesaikan skripsi
ini.
8. Penulis juga mengucapkan terima kasih kepada para penulis yang tulisannya telah
dikutip sebagai bahan rujukan.
Semoga Allah SWT memberikan balasan yang berlimpah rahmat, karunia dan
kelapangan hati atas segala kebaaikan yang telah mereka berikan kepada saya dan
semoga bisa menjadi amal sholeh bagi mereka semua.
Penulis menyadari bahwa penyusunan laporan Tugas Akhir ini masih jauh dari
sempurna, untuk itu penulis mohon kritik, saran dan masukan yang bersifat membangun
demi kesempurnaan penulisan dimasa yang akan datang. Akhir kata, semoga laporan
Tugas Akhir dapat bermamfaat bagi kita semua. Aamiin.

Wassalamualaikum Wr. Wb.

Yogyakarta, Agustus 2021

Muhammad Farhan Ikhra Lubis

 viii

ABSTRAK

Mesin adalah alat yang digunakan dalam melakukan aktifitas produksi dalam
memproduksi suatu produk. Sehingga mesin sangat penting untuk sebuah Industri.
Kemampuan dan kehandalan mesin sangat berpengaruh terhadap laju aktifitas produksi.
Dan untuk itu menjaga performa mesin sangat penting sehingga dapat mencegah
penurunan laju aktivitas produksi. Pada penelitian ini akan melakukan analisa kegiatan
maintenance dengan metode Reliability Centered Maintenance (RCM) sehingga dapat
memberikan estimasi waktu perawatan preventive dan menentukan batas waktu
beroperasinya mesin sehingga kehandalan mesin dapat terjaga. Hasil dari identifikasi
kerusakan mesin didapatkan mesin kritis yaitu mesin G-3-25 dengan total kerusakan 23
kali dan mesin G-3-30 dengan total kerusakan 13 kali. Komponen kritis pada mesin G-
3-25 adalah Overhung Impeller dengan menggunakan distribusi weibull mendapatkan
nilai MTTF 78,5242 hari dengan nilai kehandalan 37% dan nilai MTTR 47,578 hari
dengan nilai kehandalan 55%. Pada komponen kritis pada mesin G-3-30 adalah Pump
dengan distribusi lognormal mendapatkan nilai MTTF 344,86 hari dengan nilai
kehandalan 21% dan nilai MTTR 159,798 hari dengan nilai kehandalan 84%. Setelah
dilakukan penjadwalan ulang terhadap waktu perbaikan mendapatkan penurunan waktu
breakdown sebelum adanya kebijakan tindakan preventive yaitu dari 88 jam menjadi 56
jam setelah dilakukan tindakan preventive. Dengan usulan perawatran menggunakan
metode RCM dapat meningkatkan kehandalan komponen dan dapat mengurangi waktu
breakdown kerusakan mesin.

Kata Kunci : RCM, MTTF, MTTR, Kehandalan, Preventive.

 ix

DAFTAR ISI
SURAT PERNYATAAN KEASLIAN ............................................................................. i
SURAT KETERANGAN PENELITIAN ......................................................................... ii
LEMBAR PENGESAHAN PEMBIMBING................................................................... iii
LEMBAR PENGESAHAN DOSEN PENGUJI.............................................................. iv
HALAMAN PERSEMBAHAN ...................................................................................... iv
HALAMAN MOTTO ....................................................................................................... v
KATA PENGANTAR ..................................................................................................... vi
ABSTRAK ..................................................................................................................... viii
DAFTAR ISI.................................................................................................................... ix
DAFTAR TABEL........................................................................................................... xii
DAFTAR GAMBAR ..................................................................................................... xiii
BAB I ................................................................................................................................ 1
PENDAHULUAN ............................................................................................................ 1
1.1 Latar Belakang ................................................................................................... 1
1.2 Rumusan Masalah .............................................................................................. 3
1.3 Batasan Masalah................................................................................................. 3
1.4 Tujuan Penelitian ............................................................................................... 4
1.5 Manfaat Penelitian ............................................................................................. 4
1.6 Sistematika Penulisan......................................................................................... 5
BAB II............................................................................................................................... 7
KAJIAN LITERATUR ..................................................................................................... 7
2.1 Kajian Induktif ................................................................................................... 7
2.2 Kajian Deduktif .................................................................................................. 8
2.2.1 Teori Perawatan .......................................................................................... 8
2.2.2 Jenis-jenis Perawatan .................................................................................. 9
2.2.3 Kegiatan Perawatan .................................................................................. 10
2.2.4 Diagram Pareto ......................................................................................... 11
2.2.5 Keandalan (Reliability) ............................................................................. 11
2.2.6 Reliability Centered Maintenance (RCM) ................................................ 12
2.2.7 Fungsi Distribusi Kegagalan ..................................................................... 12
2.2.8 Uji Goodness of Fit ................................................................................... 17
2.2.9 Identifikai Distribusi Antar Waktu Kerusakan dan Perbaikan ................. 20
2.2.10 Mean Time to Failure ............................................................................... 20
2.2.11 Mean Time to Repair ................................................................................ 21
 x

2.2.12 Preventive Maintenace ............................................................................. 21

BAB III ........................................................................................................................... 23
METODE PENELITIAN ............................................................................................... 23
3.1 Objek Penelitian ............................................................................................... 23
3.2 Diagram Alir Penelitian ................................................................................... 23
3.3 Identifikasi Masalah ......................................................................................... 25
3.4 Kajian Literatur ................................................................................................ 25
3.5 Penentuan Metode Penelitian ........................................................................... 25
3.6 Pengumpulan Data ........................................................................................... 26
3.7 Pengolahan Data............................................................................................... 26
3.8 Hasil dan Pembahasan...................................................................................... 27
3.9 Kesimpulan dan Saran...................................................................................... 28
BAB IV ........................................................................................................................... 29
PENGUMPULAN DAN PENGOLAHAN DATA ........................................................ 29
4.1 Pengumpulan Data ........................................................................................... 29
4.1.1 Identifikasi Mesin Krisis .......................................................................... 29
4.1.2 Data Komponen Kritis .............................................................................. 33
4.2 Pengolahan Data............................................................................................... 35
4.2.1 Penentuan Jenis Distribusi Time to Failure .............................................. 35
4.2.2 Uji Kecocokan Goodness of Fit Data Kerusakan Komponen .................. 42
4.2.3 Penentuan Nilai Tengah dari Distribusi Data Antar Waktu Antar
Kerusakan (Mean Time to Failure) ........................................................................ 45
4.2.4 Penentuan Jenis Distribusi Time to Repair ............................................... 46
4.2.5 Uji Kecocokan Goodness of Fit Data Perbaikan Komponen ................... 53
4.2.6 Penentuan Nilai Tengah dari Distribusi Data Antar Waktu Antar
Perbaikan (Mean Time to Repair) ........................................................................... 55
4.2.7 Perbaikan Reliability ................................................................................. 56
BAB V ............................................................................................................................ 60
PEMBAHASAN ............................................................................................................. 60
5.1 Penentuan Mesin Kritis .................................................................................... 60
5.2 Penentuan Komponen Kritis ............................................................................ 60
5.3 Penentuan Jenis Distribusi Time to Filure ....................................................... 60
5.4 Penentuan Jenis Distribusi Time to Repair ...................................................... 61
5.5 Analisa Kecocokan Goodness of Fit ................................................................ 62
5.6 Analisa Perhitungan Parameter dan Rata-Rata Waktu Antar Kerusakan (Mean
Time to Failure) .......................................................................................................... 63
 xi

5.7 Analisa Perhitungan Parameter dan Rata-Rata Waktu Antar Kerusakan (Mean
Time to Repair) ........................................................................................................... 64
5.8 Perbaikan Reliability ........................................................................................ 64
5.9 Opportunity Loss .............................................................................................. 66
BAB VI ........................................................................................................................... 68
PENUTUP ...................................................................................................................... 68
6.1 Kesimpulan ...................................................................................................... 68
6.2 Saran ................................................................................................................. 69
DAFTAR PUSTAKA ..................................................................................................... 70
LAMPIRAN.................................................................................................................... 72
 xii

DAFTAR TABEL
Tabel 4.1 Jumlah Frekuensi Downtime Mesin............................................................... 29
Tabel 4.2 Downtime Kumulatif ...................................................................................... 32
Tabel 4.3 Jumlah Frekuensi Downtime Komponen Kritis .............................................. 33
Tabel 4.4 Perhitungan Time to Failure Distribusi Normal ............................................. 36
Tabel 4.5 Perhitungan Time to Failure Distribusi Lognormal ....................................... 37
Tabel 4.6 Perhitungan Time to FailreDistribusi Eksponensial ....................................... 37
Tabel 4.7 Perhitungan Time to Failure Distribusi Weibull ............................................ 38
Tabel 4.8 Nilai Fungsi Index of Fit (r) ............................................................................ 39
Tabel 4.9 Perhitungan Time to Failure Distribusi Normal ............................................. 39
Tabel 4.10 Perhitungan Time to Failure Distribusi Lognormal ..................................... 40
Tabel 4.11 Perhitungan Time to Failure Distribusi Eksponensial .................................. 41
Tabel 4.12 Perhitungan Time to Failure Distribusi Weibull .......................................... 41
Tabel 4.13 Nilai Fungsi Index of Fit (r) .......................................................................... 42
Tabel 4.14 Perhitungan Uji Mann’s Test ........................................................................ 43
Tabel 4.15 Perhitungan Uji Kolmogorov-Smirnov Test.................................................. 44
Tabel 4.16 Perhitungan Time to Repair Distribusi Normal ............................................ 46
Tabel 4.17 Perhitungan Time to Repair Lognormal ....................................................... 47
Tabel 4.18 Perhitungan Time to Repair Ekponensial ..................................................... 48
Tabel 4.19 Perhitungan Time to Repair Distribusi Weibull ............................................ 49
Tabel 4.20 Nilai Fungsi Index of Fit (r) .......................................................................... 49
Tabel 4.21 Perhitungan Time to Repair Distribusi Normal ............................................ 50
Tabel 4.22 Perhitungan Time to Repair Distribusi Lognormal ...................................... 51
Tabel 4.23 Perhitungan Time to Repair Ekponensial ..................................................... 51
Tabel 4.24 Perhitungan Time to Repair Weibull............................................................. 52
Tabel 4.25 Nilai Fungsi Index of Fit (r) .......................................................................... 52
Tabel 4.26 Perhitungan Uji Kolmogorov-Smirnov Test.................................................. 53
Tabel 4.27 Perhitungan Uji Barlett Test ......................................................................... 54
Tabel 4.28 Reliabilitas Komponen Overhung Impeller .................................................. 56
Tabel 4.29 Reliabilitas Komponen Pump ....................................................................... 58
Tabel 5.1 Nilai Fungsi Index of Fit (r) Data Waktu Kerusakan Overhung Imepller ...... 61
Tabel 5.2 Nilai Fungsi Index of Fit (r) Data Kerusakan Pump ....................................... 61
Tabel 5.3 Nilai Fungsi Index of Fit (r) Data Waktu Perbaikan Overhung Impeller ....... 62
Tabel 5.4 Nilai Fungsi Index of Fit (r) Data Waktu Perbaikan Pump ............................ 62
Tabel 5.5 Tabel Parameter TTF dan Hasil MTTF Komponen Overhung Impeller ........ 63
Tabel 5.6 Tabel Parameter TTF dan Hasil MTTF Komponen Pump ............................. 63
Tabel 5.7 Tabel Parameter TTR dan Hasil MTTR Komponen Overhung Impeller ....... 64
Tabel 5.8 Tabel Paremeter TTR dan Hasil MTTR Komponen Pump ............................ 64
Tabel 5.9 Waktu Breakdown Sebelum tindakan preventive maintenacne ..................... 66
Tabel 5.10 Waktu Breakdown Sesudah tindakan preventive maintenacne .................... 67
 xiii

DAFTAR GAMBAR

Gambar 1.1 Jumlah breakdown mesin untuk setiap maintenance area ........................... 2
Gambar 2.1 Tree diagram hubungan antar perawatan .................................................... 10
Gambar 2.2 Kurva Distribusi Normal............................................................................. 13
Gambar 2.3 Kurva Distribusi Lognormal ....................................................................... 14
Gambar 2.4 Kurva Distribusi Weibull ............................................................................ 15
Gambar 2.5 Kurva Distribusi Eksponensial ................................................................... 17
Gambar 3.1 Diagram Alir Penelitian .............................................................................. 24
Gambar 3.2 Tahap Pemgolahan Data ............................................................................. 27
Gambar 4.1 Downtime Mesin Kritis ............................................................................... 32
Gambar 4.2 Downtime Diagram Pareto Komponen ....................................................... 35
Gambar 5.1 Simulasi Preventive Maintenance Komponen Overhung Impeller ............ 65
Gambar 5.2 Simulasi Preventive Maintenance Komponen Pump ................................. 66
 1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Mesin menjadi salah satu hal penting dalam meningkatkan aktivitas produksi
perusahaan. Mesin adalah alat yang digunakan dalam melakukan aktifitas produksi
dalam memproduksi suatu produk. Sehingga mesin sangat penting untuk sebuah
Industri. Kemampuan dan kehandalan mesin sangat berpengaruh terhadap laju aktifitas
produksi. Dan untuk itu menjaga performa mesin sangat penting sehingga dapat
mencegah penurunan laju aktivitas produksi. Dengan begitu dibutuhkan kegiatan
Maintenace yang tepat dalam memelihara performa dan kehandalan mesin.

Dalam menjaga aktifitas produksi perusahaan dapat melakukan dengan beberapa

cara, salah satunya dengan melakukan tindakan perawatan mesin. Menurut Corder
(1992), perawatan adalah suatu kombinasi dari sebagai tindakan yang dilakukan utuk
menjaga suatu barang dalam atau memperbaikinya sampai suatu kondisi yang bisa
diterima. Selain itu, perawatan juga digunakan untuk melakukan perbaikan atau
pergantian pada mesin sehingga mesin dapat terpelihara dengan baik (Assauri, 1999).

Kegiatan perawatan berperan penting untuk mendukung kelancaran proses

operasional perusahaan yang dilakukan tiap waktunya. Selain itu, dengan adanya sistem
perawatan mesin akan meminimalkan biaya serta kerugian lain yang dapat ditimbulkan.
Keputusan perawatan yang baik merupakan keputusan yang diambil untuk mnghasilkan
biaya perawatan serendah mungkin namun dapat meningkatkan keandalan dari mesin
(Kalagnanam dan Henrion, 1988).

Salah satu metode yang digunakan untuk melakukan penerapan preventive

maintenace untuk menjaga kehandalan mesin adalah menggunakan metode Reliability
Centered Maintenace (RCM). Dimana metode RCM dapat menentukan apa yang harus
digunakan untuk menentukan dan memastikan tindakan yang harus dilakukan oleh
 2

perusahaan dalam melakukan tidakan pencegahan. Dengan begitu perusahaan dapat

memastikan mesin dapat bekerja sesuai dengan fungsi nya.

Kehandalan mesin tentunya sangat berpengaruh terutama untuk PT. XYZ dalam
melakukan produksi untuk memenuhi kebutuhan minyak dan gas . Dengan mesin yang
bekerja secara terus menerus perlu adanya pengukuruan Reliability mesin untuk
menjaga laju kestabilan produksi. Penelitian ini menggunakan data unplanned
maintenance dari PT. XYZ sehingga tidak adanya standar waktu untuk melakukan
tindakan perawatan pada mesin yang digunakan. Hal itu dapat menyebabkan kerugian
terhambatnya pada laju produksi yang dapat ditekan apabila perusahaan dapat
menerapkan penjadwalan untuk melakukan perawatan berkala. Dari data yang di
dapatkan ditemukan beberapa mesin mengalami penurunan kehandalan sebelum ada
nya tindakan preventive maintenance. Sehingga perlu adanya usulan untuk penjadwalan
tindakan preventive maintenance untuk meningkatkan kehandalan mesin dan
mengurangi jumlah breakdown mesin. Sehingga perusahaan dapat menghemat waktu
breakdown dan dapat meningkatkan jumlah produksi.

Jumlah Breakdown Maintenance

Area
Maintenance Area I Maintenance Area II
Maintenanace Area III Maintenance Area IV
1855

1405

348 348

Gambar 1.1 Jumlah breakdown mesin untuk setiap maintenance area

Dapat dilihat pada Gambar 1.1 merupakan jumlah kerusakan mesin untuk setiap
maintenance area. Diagram tersebut menjelaskan bahwa mesin pada MA III memiliki
jumlah breakdown terbanyak dengan nilai 1885 kali dalam 5 tahun terakhir. Dengan
estimasi waktu breakdown 8 jam untuk setiap mesin nya maka perusahaan memerlukan
 3

waktu 15.080 jam dalam lima tahun atau 3.016 jam dalam satu tahun nya untuk
melakukan perbaikan. Hal tersebut diakibatkan karena tidak ada nya standar
penjadwalan. Sehingga perlu ada nya analisa penjadwalan yang lebih lanjut agar dapat
menggurangi waktu breakdown mesin sehingga dapat menjaga laju produksi tetap
optimal.

Pada penelitian ini akan berfokus pada MA III dan akan membuat rancangan
usulan preventive maintenace terhadap mesin dengan menggunakan metode Reliability
Centered Maintenance (RCM). RCM merupakan landasan dasar untuk melakukan
perawatan fisik suatu mesin yang dipakai untuk mengembangkan perawatan yang
terjadwal (Ben-Daya,2000). Hal ini didasarkan pada prinsip bahwa keandalan dari
mesin / peralatan yang akan dicapai adalah fungsi dari perencanaan dan kualitas
pembentukan perawatan pencegahan yang efektif dan jaminan terlaksananya desain
keandalan dari mesin (Moubray, 1997). Dengan metode ini akan diketahui task yang
dibutuhkan dalam interval perawatan berdasarkan prioritas. Sehingga penelitian ini
diharapkan dapat memberikan rancangan penjadwalan perawatan mesin untuk
perusahaan.

1.2 Rumusan Masalah

Berdasarkan deskripsi latar belakang diatas maka akan dirumuskan permasalahan nya
sebagai berikut :

1. Mesin dan komponen apa saja yang dominan mengalami kerusakan pada MA
III?
2. Berapa estimasi waktu preventive maitenance yang disarankan agar mesin dapat
bekerja dengan optimal?
3. Berapakan selisih waktu breakdown perbaikan mesin?

1.3 Batasan Masalah

 4

Penilitian ini memerlukan ruang lingkup dan fokus kajian yang terarah. Oleh sebab itu,
penilitian ini perlu adanya pembatasan agar kajian dapat terfokus dan menghasilkan
yang baik. Dan batasan masalah sebagai berikut :

1. Penelitian ini menggunakan data kerusakan mesin pada MA III dalam periode
Januari tahun 2019 sampai dengan Desember 2020.
2. Pemilihan komponen kritis terfokus berdasarkan diagram pareto.
3. Penelitian ini menggunakan dua komponen dengan nilai downtime terbesar.
4. Penelitian tidak menghitung biaya sebelum dan sesudah dilakukan perawatan
pencegahan.
5. Mesin yang paling kritis terpilih adalah mesin G-3-25 dan mesin G-3-30.

1.4 Tujuan Penelitian

Ada pun tujuan dari penelitian yang ingin dicapai dalam penelitian ini adalah sebagai
berikut :

1. Mengetahui mesin dan komponen yang dominan mengalami kerusakan.

2. Memberikan usulan waktu preventive maintenance pada komponen kritis.
3. Mengetahui selisih waktu breakdown sebelum dan sesudah adanya tindakan
preventive maintenance.

1.5 Manfaat Penelitian

Penelitain ini juga diharapkan dapat memberikan manfaat yaitu sebagai berikut :

1. Untuk mahasiswa, penelitian ini digunakan sebagaipengimplementasian

keilmuan yang didapat dibangku perkuliahan pada realita pekerjaan industri.
2. Sebagai bahan pertimbangan bagi perusahaan dalam meningkatkan sistem
manajemen perawatan pada perusahaan.
3. Penelitan ini diharapkan dapat menjadi contoh untuk penelitian-penelitan
kedepannya.
 5

1.6 Sistematika Penulisan

Sistematika penulisan pada penelitian ini ditulis berdasarkan kaidah penulisan yang
sudah ditentukan sebagai berikut:

BAB I PENDAHULUAN

Memuat latar belakang, rumusan permasalahan, batasan permasalahan,

tujuan penelitian, manfaat penelitian dan sistematika penulisan laporan
TA.

BAB II KAJIAN LITERATUR

Memuat kajian literatur deduktif dan induktif yang dapat membuktikan

bahwa topik TA yang diakngkat memnuhi syarat dan kriteria yang telah
dijelaskan diatas.

BAB III METODE PENELITIAN

Memuat obyek penelitian, data yang digunakan dan tahapan yang telah
dilakukan dalam penelitian secara ringkas dan jelas. Metode ini dapat
meliputi metode pengumpulan data, alat bantu analisis data, dan metode
pengolahan data.

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Menguraikan proses pengolahan data dengan prosedur tertentu, termasuk

menampilkan data berupa tabel dan grafik yang diperoleh dari hasil
penelitian. Pada bab ini akan menjadi acuan pembahasan pada BAB V.

BAB V PEMBAHASAN
 6

Membahas hasil dari pengolahan data yang telah dilakukan pada bab
sebelumnya.

BAB VI PENUTUP

Berisikan tentang kesimpulan terhadap analisis yang dibuat dan

berisirekomendasi atau saran-saran dari hasil penelitian pada BAB IV.
Sehingga dapat memberikan rekomendasi untuk dikaji pada penelitian
berikutnya.

DAFTAR PUSTAKA

LAMPIRAN
 7

BAB II

KAJIAN LITERATUR

2.1 Kajian Induktif

Beberapa penelitian terdauhulu mengenai Peventive maintenance menggunakan

metode Realibility Centered Maintenance (RCM), antara lain Sayuti, Muhammad Dan
Siddiq Rifa‟I (2013), melakukan penelitian pada PT. Z yang bergerak dalam bidang
produksi air minum dalam kemasan dimana perusahaan tersebut memproduksi berbagai
jenis air minum dalam kemasan. Dalam menyelesaikan penelitian ini, peniliti
menggunakan dua metode yaitu RCM II dan Failure Mode and Effects Analysis. Saat
menggunakan metode RCM II di dapat hasil kegagalan potensial pada mesin Ultra
filtration dengan interval perawatan 194.5 jam, mesin Copper dengan interval
perawatan 146.5 jam, dan chain conveyor dengan interval perawatan 127.49 jam. Lalu
dengan menggunakan metode FMEA dengan menentukan nilai RPN tertinggi ialah pada
saat penutupan botol yang telah terisi air dengan nilai RPN 120. Peneliti pun menyaran
kan kepada perusahaan untuk mendata secara lengkap seluruh kerusakan yang terjadi
mesin di Bottling Line sehingga penliti dapat melakukan penjadwalan tentang
keandalan, perawatan, dan penggantian komponen. Peneliti juga meminta kepada
perusahaan agar dapat melakukan perawatan secara intensif untuk mencegah terjadi nya
kerusakan mesin yang dapat mempengaruhi biaya perawatan dan perbaikan komponen.

Berikutnya penelitian yang dilakukan oleh Ansory Puput (2019) yang

melakukan pada pada perusahaan PT. Aneka Gas Industri yang memproduksi berbagai
gas industri. Penelitian ini menggunakan RCM II dan melakukan perbandingan biaya
sebelum dan sesudah melakukan preventive maintenance pada mesin IQF. Peneltian ini
menggunakan data perbaikan selama tiga tahun terakhir. Dengan menggunakan metode
RCM II peneliti memberikan penjadwalan perawatan pencegahan pada komponen Gear
Box Lifter dapat melakukan perawatan setiap 4 hari sekali, Sprocket dilakukan
perawatan setiap 5 hari sekali, Scraper dilakukan perawatan setiap 2 hari sekali,
Wiremesh Belt dilakukan perawatan setiap 5 hari sekali.
 8

Sedangkan penelitian yang dilakukan oleh Afiva, Atmaji, dan Drs, Judi
Alhilman yang melakukan penelitian pada studi kasus PT. XYZ yang bergerak pada
produksi Spare Part dan aksesoris otomotif pada sepeda motor. Permasalahan pada
perusahaan ini adalah terjadinyya kerusakan pada mesin CNC Milling dengan jumlah
kerusakan 32 kali selama tahun 2017 dan 2018. Pada penelitian ini peneliti mencoba
untuk melakukan perbaikan pada penjadwalan preventive maintenance pada
perusahaan tersebut sehingga tindakan pencegahan lebih optimal. Dengan menggunakan
metode RCM peneliti menentukan jadwal perawatan yaitu 2 schedule on-condition, 2
schedule restoration, 2 schedule discard task. Dengan interval pemeliharaan yang
berbeda sesuai dengan jenis kegagalan yang terjadi yaitu bearing spindle selama 0,47
bulan sekali untuk schedule on-condition task. Dan untuk komponen selang selama 0,72
bulan sekali untuk schedule restoration dan schedule discard task.

2.2 Kajian Deduktif

2.2.1 Teori Perawatan

Perawatan adalah kegiatan untuk memelihara atau menjaga fasilitas dan peralatan
pabrik dengan melakukan perbaikan dengan melakukan penyesuaikan atau penggantian
yang diperlukan agar supaya terdapat suatu keadaan opersai produksi yang memuaskan
sesuai dengan apa yang direncanakan (Assauri, 2008). Perawaratan merupakan kegiatan
untuk menjaga segala sesuatu dapat beroperasi yaitu fasilitas produktif dapat beroperasi
secara efektif (Handoko, 1984). Sedangkan menurut Anthony Corder (1988) perawatan
merupakan suatu kombinasi dari setiap tindakan yang dilakukan untuk menjaga suatu
barang dalam, atau untuk memperbaiki sampai suatu kondisi yang bisa diterima.

Dari beberapa definisi tersebut maka dapat disimpulkan bahwa perawatan

adalah kegiatan untuk mencegah dan memperbaiki fasilitas pabrik dari kerusakan
sehingga dapat menjaga kelancaran proses produksi. Sedangkan dalam penerapannya,
perusahaan lebih sering melakukan peratan korektif/perbaikan, sedangkan perawatan
pencegahan kurang mendapat perhatian yang lebih oleh perusahaan.
 9

2.2.2 Jenis-jenis Perawatan

Menurut Corder (1988) perawatan dibagi menjadi dua aktifitas yaitu terencana dan tidak
terencana. Perawatan tidak terencana adalah perawatan yang dilakukan saat darurat
yaitu yang dilakukan tidakan utnuk mencegah akibat yang serius, misalkan kerusakan
mesin atau komponen sehingga memerlukan pergantian.

Perawatan terencana adalah perawatan yang dilakukan dalam jangka waktu

tertentu sesuai dengan kebijakan perusahaan. Perawatan terencana sendiri dibagi
menjadi dua, yaitu :

a. Perawatan Pencegahan
Perawatan terencana dilakukan berdasarkan aktifitas yang terjadi pada mesin
yaitu “lihat, dengar, dan rasakan” serta melakukan pengecekan dan pergantian
komponen pada selang waktu tertentu yang perlu diganti pada saat pemeriksaan.
Perawatan penccegahan sangat penting dalam menjaga keawetan mesin yang
masuk dalam critical unit. Yang termasuk dalam golongan critical unit adalah
kerusakan yang akan berakibat fatal pada kesehatan dan keselamatan kerja,
kerusakan yang mengakibatkan menurunnya kualitas produk, kerusakan yang
mengakibatkan kemacetan pada seluruh proses produksi.

b. Perawatan Korektif
Perawatan korektif meliputi perbaikan minor, terutama untuk rencana jangka
pendek yang mungkin akan terjadi saat pemeriksaan, dan juga overhaul
terencana tahunan.
 10

Gambar 2.1 Tree diagram hubungan antar perawatan

2.2.3 Kegiatan Perawatan

1. Inspeksi (Inspection)
Yaitu kegiatan pengecekan atau pemeriksaan secara rutin berkala yang sesuai
dengan rencana yang telah ditetapkan oleh perusahaan dimana kegiatan tersebut
dilakukan meliputi bangunan, peralatan pabrik, dan mesin serta membuat
laporan-laporan dari hasil pengecekan dan pemeriksaan tersebut.
2. Kegiatan Teknik (Engineering)
Kegiatan yang dilakukan untuk melakukan percobaan pada peralatan yang dibeli
dan melakukan kegiatan pengembangan peralatan atau komponen peralatan
yang perlu diganti serta melakukan penelitian terhadap pengembangan tersebut.
3. Kegiatan Produksi (Production)
Kegiatan yang dilakukan sesuai dengan usulan dalam kegiatan teknik dan
inspeksi. Dan melakukan kegiatan service dan pelumasan
4. Kegiatan Administrasi (Clerical Work)
Kegiatan yang melakukan pencatatan-pencatatan mengenai biaya-biaya yang
terjadi dalam melakukan kegiatan pemeliharaan dan biaya yang berhubungan
dengan kegiatan pemeliharaan, komponen atau spare part, progress report
tentang apa yang telah dilakukan, lama nya waktu yang dibutuhkan dalam
melakukan inspeksi dan perbaikan, serta pencatatan untuk komponen-komponen
yang tersedia dibagian maintenance.
 11

5. Pemeliharaan Bangunan (House Keeping)

Kegiatan dalam menjaga bangunan gedung tetap terpelihara dan terjamin
kebersihannya. Sehingga meciptakan lingkungan yang aman untuk para pekerja.

2.2.4 Diagram Pareto

Diagram pareto adalah grafik batang yang menunjukan masalah berdasarkan urutan
banyaknya kejadian (Gaspersz, 2002). Dimana grafik pertama akan menunjukan
masalah yang paling banyak terjadi dan batang yang paling tinggi adalah masalah yang
paling kritis. Sedangkan batang yang paling kiri adalah masalah yang cukup ringan.

Diagram pareto berfungsi sebagai:

1. Menentukan frekuensi relatif dan urutan pentingnya masalah-masalah atau

penyebab yang ada.
2. Memfokuskan perhatian pada isu-isu kritis dan penting dengan memberikan
ranking pada masalah-masalah dari masalah itu dalam bentuk yang signifikan.

2.2.5 Keandalan (Reliability)

Keandalan (Reliability) adalah peluang dari sebuah mesin atau komponen yang telah
digunakan atau yang sedang beroperasi melaksanakan fungsinya dengan baik dalam
kurun waktu tertentu. Sehingga keandalan kegunakan untuk memperhitungkan suatu
komponen agar tidak terjadi kegagalan dalam melaksanakan fungsinya dalam waktu
tertentu. Nilai keandalan dapat dihitung dengan menggunakan persamaan berikut :

( ) ( ) ∫ ( )

Dimana :

F(t) = Cumulative Distribution Function (CFD)

R(t) = Reliability Function

f(t) = Probability Desentity Function (PDF)

 12

2.2.6 Reliability Centered Maintenance (RCM)

Reliability Centered Maintenace (RCM) adalah sistematis proses yang digunakan untuk
menentukan apa yang apa yang harus dilaksanakan untuk memastikan setiap fasilitas
dapat terus menjalankan fungsinya dalam operasionalnya (Dhillon, 2002). RCM
merupakan serangkaian proses yang digunakan untuk menentukan kegiatan perawatan
yang tepat dengan tujuan sehingga aset fisik dapat terjaga sesuai fungsi operasionalnya.
Sehingga RCM lebih berfokus dalam jenis perawatan preventive maintenance pada
penerapannya.

Beberapa tujuan dalam penerapan RCM menurut Moubray (1997), yaitu :

a. Untuk mengembangkan desain yang sifat mampu dipeliharanya

(maintentability) baik.
b. Untuk memperoleh informasi yang penting dalam melakukan improvement pada
desai lawal yang kurang baik.
c. Untuk mengembangkan sisteem pemeliharaan yang dapat mengembalikan
kepada reliability dan safety seperti awal mula peralatan dan deteriorasi yang
terjadi setelah sekian lama dioperasikan.
d. Untuk mewujudkan semua tujuan di atas dengan biaya minimum.

Berikut ini adalah langkah-langkah pada metode RCM pada penelitian ini:
a. Pemilihan sistem dan pengumpulan informasi
b. Batasan sistem
c. Menentukan mesin dan komponen kritis
d. Menentukan distribusi kegagalan setiap komponen
e. Menentukan nilai mean time to failure dan mean time to repair
f. Menentukan tingkat kehandalan komponen
g. Menghitung selisih breakdown sebelum dan sesudah tindakan preventive
maintenance.

2.2.7 Fungsi Distribusi Kegagalan

1. Fungsi Distribusi Normal

 13

Distribusi Normal sangat bermanfaat untuk penggunaan dalam pemodelan

kelelahan atau wearout dari suatu komponen. Karena distribusi ini dapat digunakan
untuk menganalisa probabilitas lognormal. Bentuk distribusi normal menyerupai
lonceng sehingga memiliki nilai yang simetris terhadap nilai rataan dengan dua
parameter pembentuk yaitu μ (nilai tengah) dan σ ( standar deviasi).

Gambar 2.2 Kurva Distribusi Normal

Fungsi-fungsi distribusi Normal adalah sebagai berikut:

a. Fungsi kepadatan probabilitas (probability density function)

( )
( ) 6 7
√
Untuk - <t< dimana t = waktu
b. Funsi kumulatif kerusakan (cumulative density function)

( ) ( )

c. Fungsi keandalan ( reliability function)

( ) ( )

( ) ( )

d. Fungsi laju kerusakan

 14

( ) ( )
( )
( ) . /

2. Fungsi Distribusi Lognormal

Distribusi Lognormal memiliki dua parameter yaitu s (shape) dan parameter tmed
(location) yang merupakan nilai tengah dari waktu kerusakan. Distribusi ini hanya
mendefinisikan nilai-nilai positif dari t dan oleh karena itu distribusi normal lebih
tepat dari pada distribusi normal sebagai distribusi kegagalan. Distribusi ini
memiliki banyak bentuk dan juga distribusi ini memiliki kemiripan dengan
distribusi weibull sehingga data yang dihasilkan memiliki kecocokan dengan
distribusi weibull (Ebelling, 1997).

Gambar 2.3 Kurva Distribusi Lognormal

Fungsi-fungsi distribusi Lognormal adalah sebagai berikut:

a. Fungsi kepadatan probabilitas (probability density function)

( ) * [ ]
√
b. Funsi kumulatif kerusakan (cumulative density function)
( )
( ) ( )
 15

c. Fungsi keandalan ( reliability function)

( )
( ) ( )

d. Fungsi laju kerusakan

( ) ( )
( )
( ) ( )
( )

3. Fungsi Distribusi Weibull

Distribusi Weibull banyak digunakan dalam analisa keandalan terutama dalam
menghitung umur komponen karena distribusi ini dapat mecakup peningkatan laju
kerusakan atau penurunan laju kerusakan. Sehingga distribusi weibull dapat
digunakan untuk menghitung umur pakai (lifetime) suatu komponen. Terdapat dua
parameter yang digunakan distribusi weibull yaitu β (beta) sebagai parameter
bentuk dan parameter θ (teta) sebagai parameter skala.

Gambar 2.4 Kurva Distribusi Weibull

Fungsi-fungsi distribusi Weibull adalah sebagai berikut ini :

a. Fungsi kepadatan probabilitas (probability density function)
 16

( ) ( ) [ ]

Untuk t > 0
b. Funsi kumulatif kerusakan (cumulative density function)

( ) 6( ) 7

c. Fungsi keandalan ( reliability function)

( ) ( )

( ) 6( ) 7

d. Fungsi laju kerusakan

( )
( ) ( )
( )

4. Fungsi Distribusi Eksponensial

Distribusi Eksponensial digunakan untuk mencari selisih maupun selang waktu
dalam peluang tertentu. Distribusi eksponensial memiliki laju kerusakan yang
bersifat konstan terhadap waktu yaitu probabilitas kerusakan tidak tergantung
didalam komponen. Adapun parameter yang digunakan dalam distribusi
eksponensial adalah λ yang diartikan sebagai rata-rata kerusakan yang terjadi.
 17

Gambar 2.5 Kurva Distribusi Eksponensial

Fungsi-fungsi distribusi Eksponensial adalah sebagai berikut :

a. Fungsi kepadatan probabilitas (probability density function)

( )
Untuk t 0;λ ; dengan t = waktu
b. Funsi kumulatif kerusakan (cumulative density function)
( ) ( )
c. Fungsi keandalan ( reliability function)
( ) ( )
d. Fungsi laju kerusakan
( )
( )
( )
e. Mean time to failure

2.2.8 Uji Goodness of Fit

 18

Uji goodness of Fit digunakan untuk mempertimbangkan agar distribusi yang di terpilih
memiliki kesusaian dengan harapan. Karena distribusi yang telah terpilih harus sesuai
dengan nilai-nilai teoritis yang telah ada. pengujian goodness of Fit digunakan karena
memiliki probabilitas yang lebih besar dalam menolak suatu distribusi yang tidak
sesuai. Ada pun uji yang digunakan dalam pengujian goodness of Fit adalah sebagai
berikut :

1. Kolmogorov-Smirnov Test untuk Pengujian Distribusi Normal dan Lognormal

H0 : data time to faillure berdistribusi normal atau lognormal
H1 : data time to failure tidak berdistribusi normal atau lognormal

( )

{ ( ) ( )}

{( ) ( )}

∑ ( )
√

Keterangan :
ti = time to failure ke-i
ti = ln (ti) (lognormal)
tbar = rata-rata time to failure
s = standard deviasi
n = banyaknya data

jika Dn < Dcrit maka H0 diterima. Nilai Dcrit dapat dilihat pada tabel
critical values for Kolmogorov-Smirnov Test fot Normality.

2. Mann Test’s untuk Pengujian Distribusi Weibull

H0 : data time to faillure berdistribusi Weibull
H1 : data time to failure tidak berdistribusi Weibull

∑,( ) -
∑,( ) -
 19

0 1

[ ]

[ ( )]

Keterangan :
ti = data antar waktu kerusakan ke- i

n = jumlah data antar waktu kerusakan komponen

M1 = nilai pendekatan Mann untuk data ke-i

M = nilai perhitungan Weibill
M0,05;k2;k1 = nilai distribusi Weibull
r = banyaknya data

Bila Mhitung < Fcrit maka H0 diterima. Nilai Fcrit diperoleh dari tabel
distribusi F dengan α = 0,05.
3. Barlett Test untuk Pengujian Distribusi Ekponensial

H0 : Data time to failure berdistribusi ekponensial

H1 : data time to failure tidak berdistribusi eksponensial

,( . / ∑ ) (. / ∑ )-
( ) ( )

Keterangan : ti = waktu kerusakan ke-i

r = jumlah kerusakan

Data waktu kerusakan berdistribusi eksponensial apabila

. / . /
 20

2.2.9 Identifikai Distribusi Antar Waktu Kerusakan dan Perbaikan

1. Nilai Tengah Kerusakan

( )

Keterangan :
i = data waktu ke-t
n = jumlah kerusakan

2. Index of Fit
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

2.2.10 Mean Time to Failure

Mean Time to Failure adalah selang waktu rata-rata kerusakan dari distribusi kerusakan
dan digunakan untuk melakukan prediksi jika terjadinya kerusakan pada suatu mesin
atau suatu komponen.

Fungsi-fungsi MTTF untuk setiap distribusi adalah sebagai berikut :

a. Distribusi Normal

b. Distribusi Lognormal

c. Distribusi Weibull
 21

( )

Nilai . / didapat dari (x) = tabel fungsi gamma.

d. Distribusi Eksponensial
e.

2.2.11 Mean Time to Repair

Mean Time to Repair adalah selang waktu rata-rata Perbaikan dari distribusi perbaikan
dan digunakan untuk melakukan prediksi jika terjadinya perbaikan pada suatu mesin
atau suatu komponen.

Fungsi-fungsi MTTR untuk setiap distribusi adalah sebagai berikut :

a. Distribusi Normal

b. Distribusi Lognormal

c. Distribusi Weibull

( )

Nilai . / didapat dari (x) = tabel fungsi gamma

d. Distribusi Eksponensial
e.

2.2.12 Preventive Maintenace

 22

Salah satu cara untuk melakukan peningkatan kehandalan adalah dengan menggunakan
Preventice Maintenance, yaitu merupakan suatu strategi perawatan yang mengacu pada
periode perawatan yang tetap maupun dalam kondisi tertentu dari sebuah komponen.
Strategi ini dinilai dapat memberikan hasil yang signifikan karena dapat mengurangi
kelelahan pada komponen sehingga meningkatkan kehandalan pada mesin. Adapun
fungsi dari strategi ini adalah :

( ) ( ) ( )

Keterangan :

Untuk nT < t < (n+1)T

Diama n = 1,2,3,...dst.

t = Waktu

n = Jumlah perawatan

T = Interval waktu pencegahan penggantian kerusakan

R(t) = Probabilitas keandalan sistem tanpa perlakukan preventive

maintenance

R(T)n = Probabilitas keandalan mesin sampai perawatan ke – n

R(t-nT) = Probabilitas keandalan sistem antara waktu t-T setelah mesin

dikembalikan kekondisi awal pada saat T

Rm(t) = Probabilitas kehandalan sistem dengan preventive maintenace

 23

BAB III

METODE PENELITIAN

3.1 Objek Penelitian

Penelitian ini menggunakan data perawatan mesin PT. XYZ pada Maintenance Area III
dari tahun 2019-2020.

3.2 Diagram Alir Penelitian

Langkah –langkah penelitian dapat dilihat pada gambar 3.1 dibawah ini:
 24

Mulai

Kajian Literatur Identifikasi Masalah

Penentuan Metode Penelitian:

Preventive Maintenance

Penentuan Tujuan Penelitian

Pengumpulan Data:
- Data unplanned maintenace
- Data kerusakan komponen dari
masing-masing mesin
- Data waktu kerusakan mesin dan
komponen

Pengolahan Data:
- Menentukan mesin dan komponen kritis
- Menghitung Index oof Fit untuk menentukan distribusi setiap komponen
- Menentukan nilai MTTF dan MTTR
- Menentukan tingkat kehandalan komponen
- Menghitung selisih breakdown sebelum dan sesudah tindakan preventive
maintenance

Hasil dan Pembahasan:

Melakukan pembahasan analisa pada
setiap perhitungan yang dilakukan pada
penelitian ini

Kesimpulan dan Saran:

Menjawab rumusan permasalahan

Selesai

Gambar 3.1 Diagram Alir Penelitian

 25

3.3 Identifikasi Masalah

Proses identifikasi masalah adalah tahapan awal dalam penulisan penelitian ini guna
untuk mengetahui permaslaah yang terjadi dilapangan dan dilakukan perbaikan untuk
menyelesaikan msalah tersebut. Dari data yang diperoleh ditemukan masalah tentang
preventive maintenance sehingga penelitian ini dapat berfokus pada masalah tersebut.
Tujuan dari penelitian ini adalah identifikasi mesin dan komponen yang dominan
mengalami kerusakan.

Data yang digunakan adalah data Maintenance Area III, dimana mesin tersebut
bertugas membantu proses produksi. Dari data tersebut kemudia diolah untuk
menetukan waktu estimasi untuk melakukan tindakan preventive maintenance sehingga
kehandalan pada komponen dapat terjaga dan tidak mengganggu proses produksi.

3.4 Kajian Literatur

Proses selanjutnya adalah kajian literatur yaitu mencari referesensi-referensi dari buku-
buku atau dari penelitian-penelitian sebelumnya sehingga dapat menambah pengetahuan
penulis dan dapat menjadi dasar dalam melakukan penelitian ini. Pengetahuan yang
didapatkan berupa konsep penelitian, teori yang akan digunakan, model penulisan, dan
infomasi lainnya yang dapat mendukung penelitian ini.

3.5 Penentuan Metode Penelitian

Untuk menentukan metode penelitian dapat didasarkan pada tujuan dan rumusan msalah
yaitu preventive maintenance sehingga metode yang sesuai dengan topik tersebut adalah
metode Reliability Centered Maintenance. Perawatan ini dimaksudkan untuk menjaga
keadaan peralatan sebelum peralatan itu menjadi rusak. Pada dasarnya yang dilakukan
tipe perawatan ini yaitu mencegah timbulnya kerusakan yang tidak terduga dan
menentukan keadaan yang dapat menyebabkan fasilitas produksi mengalami kerusakan
pada waktu digunakan dalam proses produksi. Dengan demikian semua fasilitas –
 26

fasilitas produksi yang mendapatkan perawatan preventif akan terjamin kelancaran

kerjanya dan selalu diusahakan dalam kondisi yang siap digunakan untuk setiap proses
produksi setiap saat.

3.6 Pengumpulan Data

Sumber data yang digunakan dalam penenlitian ini berasal dari 1 jenis data yaitu data
sekunder. Data sekunder diperoleh dari media atau data tertulis yang disimpan oleh
perusahaan. Data sekunder diperoleh didapatkan berdasarkan jadwal perawatan yang
telah dilakukan dari tahun 2014 hingga [Link] data mesin dan komponen. Selain
itu data yang digunakan adalah data waktu antar kegagalan mesin. Dengan data
didapatkan akan dilakukan penelitian berdasarkan permsalahan yang ada untuk
mengetahui profil dari mesin.

3.7 Pengolahan Data

Data yang didapatkan kemudian diolah menggunakan metode yang telah ditentukan
sehingga dapat menjawab tujuan masalah. Ada pun tahap pengolah data adalah sebagai
berikut :
 27

Mulai

Menentukan mesin dan komponen kritis

menggunakan pareto

Menghitung Index oof Fit untuk menentukan

distribusi setiap komponen

Menentukan nilai MTTF dan MTTR

komponen

Menentukan tingkat kehandalan komponen

Menghitung selisih breakdown sebelum

dan sesudah tindakan preventive
maintenance

Selesai

Gambar 3.2 Tahap Pemgolahan Data

3.8 Hasil dan Pembahasan

Setelah melakukan pengolahan data, selanjutnya adalah melakukan analisa pembahasan

dari hasil pengolahan data tersebut. Dari hasil tersebut didapatkan tingkat kehandalan
mesin dan selisih breakdown sebelum dan sesudah tindakan preventive maintenance.
 28

3.9 Kesimpulan dan Saran

Langkah terakhir adalah membuat kesimpulan dari seluruh proses penelitian yaitu
tingkat kehandalan komponen sebelum dan sesudah dilakukan tindakan preventive
maintenace. Dan memberikan saran kepada pemilik data dan untuk penelitian
selanjutnya.
 29

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

4.1.1 Identifikasi Mesin Krisis

Mesin krisis merupakan mesin yang paling sering terjadi kerusakan yang dapat
mempengaruhi proses laju produksi. Mesin tersebut didapatkan dari hasil perhitungan
downtime dari jadwal perbaikan mesin yang dicatat oleh pabrik. Data jumlah frekuensi
Downtime kerusakan mesin-mesin produksi yang diambil dari Januari 2019 hingga
desember 2020. Untuk menghitung jumlah downtime setiap mesin yaitu dengan
menggunakan rumus (waktu selesai kerusakan – waktu mulai kerusakan)×24. Sehingga
dapat diketahui waktu downtime dengan satuan waktu „jam‟. Hasil perhitungan untuk
setiap mesin dapat dilihat pada tabel 4.1 dibawah ini.

Tabel 4.1 Jumlah Frekuensi Downtime Mesin

Tanggal Kerusakan
No Mesin Downtime (Jam)
Mulai Selesai
1 G-3-25 10/01/2019 24/09/2019 6168
31/01/2019 16/04/2019 1800
31/01/2019 16/04/2019 1800
31/01/2019 21/03/2019 1176
07/02/2019 12/11/2019 6672
07/02/2019 24/09/2019 5496
07/02/2019 29/11/2019 7080
21/03/2019 24/09/2019 4488
11/07/2019 07/01/2020 4320
02/08/2019 07/01/2020 3792
08/08/2019 06/01/2020 3624
08/08/2019 28/02/2020 4896
08/08/2019 07/01/2020 3648
29/08/2019 07/01/2020 3144
 30

Tanggal Kerusakan
No Mesin Downtime (Jam)
Mulai Selesai
29/08/2019 07/01/2020 3144
19/09/2019 28/02/2020 3888
09/01/2020 28/02/2020 1200
30/01/2020 28/02/2020 696
06/02/2020 28/02/2020 528
06/02/2020 28/02/2020 528
06/02/2020 28/02/2020 528
27/02/2020 28/02/2020 24
27/02/2020 28/02/2020 24
2 G-3-26 11/10/2019 30/01/2020 2664
23/10/2019 28/01/2020 2328
23/10/2019 28/01/2020 2328
23/10/2019 28/01/2020 2328
23/10/2019 28/01/2020 2328
3 G-3-30 07/02/2019 24/09/2019 5496
08/08/2019 28/02/2020 4896
06/02/2020 28/02/2020 528
07/02/2020 10/02/2020 72
07/02/2019 24/09/2019 5496
07/02/2019 29/11/2019 7080
08/08/2019 28/02/2020 4896
08/08/2019 07/01/2020 3648
06/02/2020 28/02/2020 528
06/02/2020 28/02/2020 528
07/02/2019 24/09/2019 5496
08/08/2019 28/02/2020 4896
06/02/2020 28/02/2020 528
4 G-3-33 29/08/2019 07/01/2020 3144
21/02/2020 24/02/2020 72
07/02/2019 29/11/2019 7080
08/08/2019 07/01/2020 3648
07/02/2019 02/12/2019 7152
08/08/2019 07/01/2020 3648
 31

Tanggal Kerusakan
No Mesin Downtime (Jam)
Mulai Selesai
5 G-2-14 23/04/2019 28/06/2019 1584
03/10/2019 09/10/2019 144
29/10/2019 06/12/2019 912
28/02/2020 05/03/2020 144
6 G-2-16 28/02/2020 04/03/2020 120
17/06/2019 04/07/2019 408
15/07/2019 17/07/2019 48
11/02/2020 24/02/2020 312
28/02/2020 05/03/2020 144
17/06/2019 15/07/2019 672
7 G-2-05 25/01/2019 24/07/2019 4320
15/07/2019 17/07/2019 48
07/10/2019 28/10/2019 504
23/05/2019 24/05/2019 24
29/10/2019 01/02/2020 2280
15/07/2019 17/07/2019 48
01/08/2019 13/08/2019 288
18/02/2020 24/02/2020 144
8 G-2-07 28/01/2019 12/02/2019 360
28/02/2020 05/03/2020 144
17/01/2019 30/01/2019 312
28/01/2019 12/02/2019 360
28/02/2020 05/03/2020 144

Untuk menentukan mesin yang paling banyak mengalami kerusakan dapat

diketahui menggunakan perhitungan pada masing-masing mesin dengan presentase
downtime kerusakan mesin dengan memilih nilai yang paling tinggi. Dengan
menggunakan rumus sebagai berikut :

Setelah dilakukan perhitungan maka didapat hasil sebagai berikut ini :

 32

Tabel 4.2 Downtime Kumulatif

NO Mesin Downtime (Jam) % Downtime % Downtime Kumulatif

1 G-3-25 68664 42% 42%

2 G-3-30 44088 27% 69%
3 G-3-33 24744 15% 84%
4 G-3-26 11976 7% 92%
5 G-2-05 7656 5% 96%
6 G-2-14 2784 2% 98%
7 G-2-07 1320 1% 99%
8 G-2-16 1794 1% 100%
Total 163026 100%

Dari data diatas selanjutnya adalah membuat Diagram pareto untuk menentukan
dan mengidentifikasi prioritas mesin yang akan diselesaikan. Hasil pengelompokan tiap
mesin dapat dilihat pada Gambar 4.1 dibawah ini.

Diagram Pareto Downtime Mesin

80000 120%

70000
100%
60000
80%
50000

40000 60%

30000
40%
20000
20%
10000

0 0%
G-3-25 G-3-30 G-3-33 G-3-26 G-2-05 G-2-14 G-2-07 G-2-16
Downtime (Jam) % Downtime Kumulatif

Gambar 4.1 Downtime Mesin Kritis

 33

Berdasarkan Gambar 4.1 diatas hasil diagram pareto tersebut didapatkan bahwa
mesin G-3-25 dan mesin G-3-30 adalah mesin yang paling sering mengalami kerusakan
yaitu 68.664 jam untuk mesin G-3-25 dan 44.088 untuk mesin G-3-30. Sehingga
penelitian ini akan berfokus pada kedua mesin tersebut.

4.1.2 Data Komponen Kritis

Dari kedua mesin tersebut didapat data komponen kritis, dimana komponen tersebut
adalah komponen yang paling sering mengalami kerusakan/pergantian sehingga dapat
menyebabkan terhambatnya laju produksi. Data jumlah frekuensi komponen kritis
diambil dari data perbaikan dari januari 2019 hingga desember 2020. Berikut ini adalah
tabel data kerusakan komponen dari kedua mesin tersebut.

Tabel 4.3 Jumlah Frekuensi Downtime Komponen Kritis

Tanggal Kerusakan
` Komponen Downtime (Jam)
Mulai Selesai
07/02/2019 12/11/2019 6672
07/02/2019 24/09/2019 5496
07/02/2019 29/11/2019 7080
21/03/2019 24/09/2019 4488
1 OVERHUNG IMPELLER 11/07/2019 07/01/2020 4320
08/08/2019 28/02/2020 4896
08/08/2019 07/01/2020 3648
19/09/2019 28/02/2020 3888
09/01/2020 28/02/2020 1200
31/01/2019 16/04/2019 1800
2 TURBIN 31/01/2019 16/04/2019 1800
31/01/2019 21/03/2019 1176
10/01/2019 24/09/2019 6168
3 PUMP 08/08/2019 06/01/2020 3624
06/02/2020 28/02/2020 528
 34

Tanggal Kerusakan
` Komponen Downtime (Jam)
Mulai Selesai
06/02/2020 28/02/2020 528
4 CENT 06/02/2020 28/02/2020 528
27/02/2020 28/02/2020 24
5 STG
27/02/2020 28/02/2020 24
07/02/2020 10/02/2020 72
6 K-8-02B
07/02/2019 29/11/2019 7080
7 ROTARY SCREW 07/02/2019 24/09/2019 5496
07/02/2019 24/09/2019 5496
8 KT-8-02A
08/08/2019 28/02/2020 4896
07/02/2019 24/09/2019 5496
9 MTG
08/08/2019 28/02/2020 4896
08/08/2019 07/01/2020 3648
10 STEAM 06/02/2020 28/02/2020 528
06/02/2020 28/02/2020 528

Dari data diatas selanjutnya adalah membuat Diagram pareto untuk menentukan
dan mengidentifikasi prioritas komponen yang akan diselesaikan. Hasil pengelompokan
tiap komponen dapat dilihat pada Gambar 4.2 dibawah ini
 35

Diagram Pareto Komponen

45000 120%
40000
100%
35000
30000 80%
25000
60%
20000
15000 40%
10000
20%
5000
0 0%

Series1 Series2

Gambar 4.2 Downtime Diagram Pareto Komponen

Dari diagram pareto diatas didapatkan komponen overhung impeller dan pump
menjadi komponen yang paling kritis. Sehingga perlu ada nya analisa lebih lanjut untuk
menentukan penjadwalan untuk tindakan preventive maintenance.

4.2 Pengolahan Data

4.2.1 Penentuan Jenis Distribusi Time to Failure

Penentuan jenis distribusi kegagalan ini menggunakan nilai index of fit atau nilai „r‟
paling besar. Berikut ini merupakan hasil perhitungan distribusi kegagalan komponen
Overhung Impeller dan Pump :

1. Penentuan Distribusi Kegagalan Overhung Impeller

a. Distribusi Normal

Xi = ti = 1200
 36

Yi = zi = ϕ-1[F(ti)]
Yi = zi = ϕ-1 [0,083333333] = -1,38299
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ) ( ( ))
0,9822
√(( ) ( ) (( ) ( )

Tabel 4.4 Perhitungan Time to Failure Distribusi Normal

i Ti (jam) Xi=ti Xi2 F(ti) Yi Yi2 [Link]
1 1200 1200 1440000 0,083333333 -1,38299 1,912672756 -1659,592953
2 1800 1800 3240000 0,202380952 -0,83315 0,6941337 -1499,664359
3 2640 2640 6969600 0,321428571 -0,46371 0,215024879 -1224,188464
4 3648 3648 13307904 0,44047619 -0,14976 0,02242866 -546,3318214
5 4896 4896 23970816 0,55952381 0,149162,67 0,02242866 733,2348129
6 5496 5496 30206016 0,678571429 0,463708 0,215024879 2548,537802
7 6072 6072 36869184 0,797619048 0,833147 0,6941337 5058,867771
8 6672 6672 44515584 0,916666667 1,382994 1,912672756 9227,336816
Total 32424 1,61E+08 4 -2,9E-15 5,68851999 12638,19961

Hasil dari perhitungan distribusi normal untuk komponen overhung

impeller didapatkan nilai r sebesar 0,9822

b. Distribusi Lognormal

Xi =ln ti = 7,090077
Yi = zi = ϕ-1[F(ti)]
Yi = zi = ϕ-1 [0,083333333] = -1,38299

∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -
 37

( ) ( ) ( )
0,9605
√(( ) ( ) (( ) ( )

Tabel 4.5 Perhitungan Time to Failure Distribusi Lognormal

i Ti (jam) Xi=LN ti Xi2 F(ti) Yi Yi2 [Link]
1 1200 7,090077 50,26919 0,083333333 -1,38299 1,912672756 -9,805534625
2 1800 7,495542 56,18315 0,202380952 -0,83315 0,6941337 -6,24488728
3 2640 7,878534 62,0713 0,321428571 -0,46371 0,215024879 -3,653337377
4 3648 8,201934 67,27173 0,44047619 -0,14976 0,02242866 -1,228338194
5 4896 8,496174 72,18497 0,55952381 0,149162,67 0,02242866 1,27240409
6 5496 8,611776 74,16268 0,678571429 0,463708 0,215024879 3,993347208
7 6072 8,711443 75,88924 0,797619048 0,833147 0,6941337 7,2579117
8 6672 8,805675 77,53991 0,916666667 1,382994 1,912672756 12,17819673
Total 65,29116 535,5722 4 -2,9E-15 5,68851999 3,769162,67255

Hasil dari perhitungan distribusi lognormal untuk komponen overhung

impeller didapatkan nilai r sebesar 0,9605

c. Distribusi Eksponensial
i-0,3=1-0,3=0,7
n+0,4=8+0,4=8,4

[ ] [ ]
( )

∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ) ( ) ( )
0,9155
√(( ) ( ) (( ) ( )

Tabel 4.6 Perhitungan Time to FailreDistribusi Eksponensial

i Ti (jam) Xi=ti Xi2 F(ti) Yi Yi2 [Link]
1 1200 1200 1440000 0,083333333 0,087011 0,00757098 104,4136524
2 1800 1800 3240000 0,202380952 0,226124 0,051132145 407,023523
 38

i Ti (jam) Xi=ti Xi2 F(ti) Yi Yi2 [Link]

3 2640 2640 6969600 0,321428571 0,387766 0,150362107 1023,701002
4 3648 3648 13307904 0,44047619 0,580669 0,337176716 2118,281231
5 4896 4896 23970816 0,55952381 0,819899 0,672234184 4014,224947
6 5496 5496 30206016 0,678571429 1,13498 1,288179448 6237,849711
7 6072 6072 36869184 0,797619048 1,597603 2,552336799 9700,648177
8 6672 6672 44515584 0,916666667 2,484907 6,174761058 16579,29717
Total 32424 1,61E+08 4 7,318959 11,23375344 40185,43941

Hasil dari perhitungan distribusi eksponensial untuk komponen overhung

impeller didapatkan nilai r sebesar 0,9155

d. Distribusi Weibull
i-0,3=1-0,3=0,7
n+0,4=8+0,4=8,4
7,090077

[ ] [ ]
( )

∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -
( ( )) ( ) ( )
0,9858
√(( ) ( ) (( ) ( )

Tabel 4.7 Perhitungan Time to Failure Distribusi Weibull

i Ti (jam) F(ti) Xi=ln ti Yi [Link] Xi2 Yi2
1 1200 0,083333 7,090077 -2,4417164 -17,312 50,26918954 5,961978973
2 1800 0,202381 7,495542 -1,48667096 -11,1434 56,18314903 2,210190555
3 2640 0,321429 7,878534 -0,94735442 -7,46376 62,07130108 0,897480404
4 3648 0,440476 8,201934 -0,54357405 -4,45836 67,2717271 0,29547275
5 4896 0,559524 8,496174 -0,19857426 -1,68712 72,18496965 0,039431735
6 5496 0,678571 8,611776 0,12661497 1,09038 74,16268301 0,016031351
7 6072 0,797619 8,711443 0,468504666 4,081352 75,8892447 0,219496622
8 6672 0,916667 8,805675 0,910235093 8,015234 77,53991122 0,828527925
 39

i Ti (jam) F(ti) Xi=ln ti Yi [Link] Xi2 Yi2

Total 4 65,29116 -4,11253537 -28,8776 535,5721753 10,46861031

Hasil dari perhitungan distribusi weibull untuk komponen overhung

impeller didapatkan nilai r sebesar 0,9858 . Berikut ini adalah tabel perhitungan
Index of Fit (r) untuk data kerusakan komponen Overhung Impeller :

Tabel 4.8 Nilai Fungsi Index of Fit (r)

Index Of
Distribusi
Fit
Normal 0,9822
Lognormal 0,9605
exponensial 0,9155
Weibull 0,9858

Berdasarkan tabel 4.8 diketahui bahwa nilai „r‟ tertinggi dan yang akan
digunakan yaitu distribusi Weibull.

1. Penentuan Distribusi Kegagalan Pump.

a. Distribusi Normal

Xi = ti = 1200
Yi = zi = ϕ-1[F(ti)]
Yi = zi = ϕ-1 [0,083333333] = -1,38299
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ) ( ( ))
0,9783
√(( ) ( ) (( ) ( )

Tabel 4.9 Perhitungan Time to Failure Distribusi Normal

i Ti (jam) Xi=ti Xi2 F(ti) Yi Yi2 [Link]
 40

1 528 1200 1440000 0,083333 -1,38299 1,912672756 -1659,592953

2 744 1800 3240000 0,202381 -0,83315 0,6941337 -1499,664359
3 1128 2640 6969600 0,321429 -0,46371 0,215024879 -1224,188464
Total 5640 11649600 0,607143 -2,67985 2,821831335 -4383,445775

Hasil dari perhitungan distribusi normal untuk komponen pump

didapatkan nilai r sebesar 0,9783

b. Distribusi Lognormal

Xi =ln ti = 6,269096
Yi = zi = ϕ-1[F(ti)]
Yi = zi = ϕ-1 [0,083333333] = -1,38299
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ) ( ( ))
0,9858
√(( ) ( ) (( ) ( )

Tabel 4.10 Perhitungan Time to Failure Distribusi Lognormal

i Ti (jam) Xi=LN ti Xi2 F(ti) Yi Yi2 [Link]
1 528 6,269096 39,30157 0,083333 -1,38299 1,912672756 -8,670123343
2 744 6,612041 43,71909 0,202381 -0,83315 0,6941337 -5,508801267
3 1128 7,028201 49,39562 0,321429 -0,46371 0,215024879 -3,259031483
Total 19,90934 132,4163 0,607143 -2,67985 2,821831335 -17,43795609

Hasil dari perhitungan distribusi lognormal untuk komponen pump

didapatkan nilai r sebesar 0,9858

c. Distribusi Ekponensial
i-0,3=1-0,3=0,7
n+0,4=3+0,4=3,4
 41

[ ] [ ]
( )
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ) ( ) ( )
0,8997
√(( ) ( ) (( ) ( )

Tabel 4.11 Perhitungan Time to Failure Distribusi Eksponensial

i Ti (jam) Xi=ti Xi2 F(ti) Yi Yi2 [Link]
1 528 1200 1440000 0,205882 0,230524 0,053141157 276,6283903
2 744 1800 3240000 0,202381 0,226124 0,051132145 407,023523
3 1128 2640 6969600 0,321429 0,387766 0,150362107 1023,701002
Total 5640 11649600 0,729692 0,844413 0,254635409 1707,352915

Hasil dari perhitungan distribusi eksponensial untuk komponen pump

didapatkan nilai r sebesar 0,8997

d. Distribusi Weibull
i-0,3=1-0,3=0,7
n+0,4=3+0,4=3,4

[ ] [ ]
( )
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ( )) ( ) ( )
0,8891
√(( ) ( ) (( ) ( )

Tabel 4.12 Perhitungan Time to Failure Distribusi Weibull

i Ti (jam) Ft(i) Xi Yi [Link] Xi2 Yi2
 42

1 528 0,205882 6,269096 -1,4674 -9,19928 39,30156821 2,153267988

2 744 0,5 6,612041 -0,36651 -2,4234 43,71908665 -2,423398471
3 1128 0,794118 7,028201 0,45771 3,216877 49,39561537 3,216877053
Total 1,5 19,90934 -1,3162,67 -8,4058 132,4162702 2,94674657

Hasil dari perhitungan distribusi weibull untuk komponen pump

didapatkan nilai r sebesar 0,8891. Berikut ini adalah tabel hasil perhitungan
Index of Fit (r) untuk data kerusakan komponen Pump :

Tabel 4.13 Nilai Fungsi Index of Fit (r)

Distribusi Index Of Fit
Normal 0,9783
Lognormal 0,9858
Exponensial 0,8997
Weibull 0,8891

Berdasarkan tabel 4.13 diketahui bahwa nilai „r‟ tertinggi dan yang akan
digunakan yaitu distribusi Lognorma.

4.2.2 Uji Kecocokan Goodness of Fit Data Kerusakan Komponen

1. Uji kecocokan Goodness of Fit data kerusakan komponen Overhung Impeller

Pengujian ini dilakukan untuk menentukan hipotesis terhadap pola distribusi yang
telah terpilih. Pada komponen overhung Impeller distribusi yang terpilih adalah
distribusi Weibull sehingga menggunakan uji Mann’s Test.
Hipotesis untuk uji Mann’s Tests adalah:
H0 : Data time to failure berdistribusi Weibull
H1 : data time to failure tidak berdistribusi Weibull
H0 diterima apabila M<Fcrit, k1, k2
n=8

k1 = 0 1 0 1
 43

k2 = 0 1 0 1

Mi = Zi+1 - Zi

Zi = 0 . /1

Zi = 0 . /1 -2,7723

Mi = Zi+1 - Zi
Mi = -1,6061– -2,7723= 1,1662

Tabel 4.14 Perhitungan Uji Mann’s Test

No Ti (jam) ln (ti) 1-((i-0,5)/(n+0,25)) Zi Mi ln (ti+1)-ln t (ln t-1 - ln t)/Mi
1 1200 7,0900768 0,939393939 -2,7723 1,1662 0,405465108 0,347688638
2 1800 7,4955419 0,818181818 -1,6061 0,5872 0,382992252 0,652179571
3 2640 7,8785342 0,696969697 -1,0188 0,4248 0,323400155 0,7613162,6732
4 3648 8,2019344 0,575757576 -0,5941 0,3564 0,294239473 0,825573741
5 4896 8,4961738 0,454545455 -0,2377 0,3317 0,11560201 0,348487714
6 5496 8,6117758 0,333333333 0,0940 0,3446 0,099667485 0,289232928
7 6072 8,7114433 0,212121212 0,4386 0,4360 0,094231625 0,216151823
8 6672 8,8056749 0,090909091 0,8746

∑,( )
M=
∑6 7

M=

Jadi, keputusan M<Fcrit = 3,50046 maka H0 diterima.

Uji distribusi Weibull menggunakan dua parameter yaitu

( ) dan (shape parameter). Hasil dari perhitungan nya
adalah sebagai berikut :

1. (scale parameter)
∑ ∑

. /
 44

2. ( )
∑ (∑ )(∑ )
∑ (∑ )
( ) ( )( )
( )

2. Uji kecocokan Goodness of Fit data kerusakan komponen Pump

Pengujian ini dilakukan untuk menentukan hipotesis terhadap pola distribusi yang
telah terpilih. Pada komponen Pump distribusi yang terpilih adalah distribusil
Lognormal sehingga menggunakan uji Kolgomorov-Smirnov Test.
Hipotesis untuk uji Kolgomorov-Smirnov Test adalah:
H0 : Data time to failure berdistribusi Lognormal
H1 : Data time to failure tidak berdistribusi Lognormal
H0 diterima apabila Dn < Dtabel
Dn = max(D1, D2)
Dnmax = 0,2736

{ ( ) ( )}

1 =2 . / . /3 = 0,00

*( ) ( )+

∑ ( )
√

Tabel 4.15 Perhitungan Uji Kolmogorov-Smirnov Test

no Ti (jam) (ti-tbar)2 ln(ti) [ln (ti) - xbar ln (ti) ]2 zti fti D1 D2
1 528 16842816 6,269 4,314678 -4,21758 1,23E-05 1,23E-05 0,111099
2 744 15116544 6,612 3,007573 -3,52126 0,000215 -0,1109 0,222007
3 1128 12278016 7,028 1,737322 -2,6162,677 0,003722 -0,2185 0,329611
 45

total 2400 44237376 19,909 9,059572

Dn max 1,23E-05 0,146103
rata-rata 800 14745792 6,636 3,019857

Kesimpulan hasil dari perhitungan Kolmogorov-Smirnov Test adalah n

= 3, α = 0,05, Dtabel = 0,2953. Keputusan yang diambil yaitu Dhit < Dtabel =
0,2736 < 0,2953 sehingga H0 diterima yang berarti data time to failure
terdistribusi Lognormal.

4.2.3 Penentuan Nilai Tengah dari Distribusi Data Antar Waktu Antar
Kerusakan (Mean Time to Failure)

1. Perhitungan Nilai Mean time to Failure Pada Komponen Overhung Impeller

Distibusi yang terpilih untuk data kerusakan Overhung Impeller adalah distribusi
Weibull. Dan berikut ini adalah perhitungan nilai MTTF untuk data kerusakan
overhung impeller :

( )

( )
( )

2. Perhitungan Nilai Mean Time to Failure pada Komponen Pump

Distribusi yang terpilih untuk data kerusakan Pump adalah distribusi

Lognormal. Dan berikut ini adalah perhitungan nilai MTTF untuk data
kerusakan Pump.

4 5
 46

4.2.4 Penentuan Jenis Distribusi Time to Repair

Untuk penentuan jenis distribusi perbaikan akan menngunakan tabel Least Square
Curve Fitting,dimana pemilihan distribusi akan menggunakan nilai „r‟ atau nilai index
of fit paling besar. Dan dibawah ini merupakan penentuan distribusi perbaikan
komponen Overhung Impeller dan Pump.

1. Penentuan Distribusi Perbaikan Overhung Impeller

a. Distribusi Normal

Xi = ti = 1200
Yi = zi = ϕ-1[F(ti)]
Yi = zi = ϕ-1 [0,074468085] = -1,4433
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ( )) ( ( ))
0,9692
√(( ) ( ) (( ) ( )

Tabel 4.16 Perhitungan Time to Repair Distribusi Normal

i Ti (jam) Xi=ti Xi2 F(ti) Yi Yi2 [Link]
1 1200 1200 1440000 0,074468085 -1,4433 2,083112938 -1731,959188
2 3648 3648 13307904 0,180851064 -0,91213 0,831974759 -3327,437487
3 3888 3888 15116544 0,287234043 -0,56148 0,31526354 -2183,047222
4 4320 4320 18662400 0,393617021 -0,2699 0,072848216 -1165,985658
5 4488 4488 20142144 0,5 0 0 0
6 4896 4896 23970816 0,606382979 0,269904 0,072848216 1321,450412
7 5496 5496 30206016 0,712765957 0,561483 0,31526354 3085,912431
8 6672 6672 44515584 0,819148936 0,912127 0,831974759 6085,708035
9 7080 7080 50126400 0,925531915 1,443299 2,083112938 10218,55921
Total 41688 2,17E+08 4,5 0 6,606398907 12303,20054
 47

Hasil dari perhitungan distribusi normal untuk komponen overhung

impeller didapatkan nilai r sebesar 0,9692

b. Distribusi Lognormal

Xi =ln ti = 7,090077
Yi = zi = ϕ-1[F(ti)]
Yi = zi = ϕ-1 [0,074468085] = -1,4433
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ( )) ( ( ))
0,8796
√(( ) ( ) (( ) ( )

Tabel 4.17 Perhitungan Time to Repair Lognormal

i Ti (jam) Xi=LN ti Xi2 F(ti) Yi Yi2 [Link]
1 1200 7,090077 50,26919 0,074468085 -1,4433 2,083112938 -10,2331031
2 3648 8,201934 67,27173 0,180851064 -0,91213 0,831974759 -7,481201706
3 3888 8,26565 68,32097 0,287234043 -0,56148 0,31526354 -4,641024854
4 4320 8,371011 70,07382 0,393617021 -0,2699 0,072848216 -2,259369999
5 4488 8,409162 70,71401 0,5 0 0 0
6 4896 8,496174 72,18497 0,606382979 0,269904 0,072848216 2,293152042
7 5496 8,611776 74,16268 0,712765957 0,561483 0,31526354 4,83536865
8 6672 8,805675 77,53991 0,819148936 0,912127 0,831974759 8,031889502
9 7080 8,865029 78,58874 0,925531915 1,443299 2,083112938 12,79489063
Total 75,11649 629,126 4,5 0 6,606398907 3,340601164

Hasil dari perhitungan distribusi loognormal untuk komponen overhung

impeller didapatkan nilai r sebesar 0,8796

c. Distribusi Ekponensial
i - 0,3=1-0,3=0,7
n+0,4=9+0,4=9,4
 48

[ ] [ ]
( )
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ) ( ) ( )
0,8938
√(( ) ( ) (( ) ( )

Tabel 4.18 Perhitungan Time to Repair Ekponensial

i Ti (jam) Xi=ti Xi2 F(ti) Yi Yi2 [Link]
1 1200 1200 1440000 0,074468085 0,077387 0,005988696 92,86399634
2 3648 3648 13307904 0,180851064 0,199489 0,039796005 727,7371868
3 3888 3888 15116544 0,287234043 0,338602 0,114651425 1316,485209
4 4320 4320 18662400 0,393617021 0,500244 0,250243574 2161,051982
5 4488 4488 20142144 0,5 0,693147 0,480453014 3110,844546
6 4896 4896 23970816 0,606382979 0,932377 0,869326627 4564,917154
7 5496 5496 30206016 0,712765957 1,247458 1,556151253 6856,028708
8 6672 6672 44515584 0,819148936 1,710081 2,924378525 11409,66336
9 7080 7080 50126400 0,925531915 2,597385 6,746406933 18389,4832
Total 41688 2,17E+08 4,5 8,29617 12,98739605 48629,07534

Hasil dari perhitungan distribusi eksponensial untuk komponen overhung

impeller didapatkan nilai r sebesar 0,8938

d. Distribusi Weibull
i - 0,3=1 - 0,3 = 0,7
n + 0,4=9 + 0,4 = 9,4

[ ] [ ]
( )
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -
 49

( ( )) ( ) ( )
0,9280
√(( ) ( ) (( ) ( )

Tabel 4.19 Perhitungan Time to Repair Distribusi Weibull

Dti
i F(ti) Xi=ln dti Yi [Link] Xi2 Yi2
(jam)
1 1200 0,074468 7,090077 -2,55894082 -18,1431 50,26918954 6,54817811
2 3648 0,180851 8,201934 -1,61199438 -13,2215 67,2717271 2,598525866
3 3888 0,287234 8,26565 -1,08292942 -8,95112 68,32097266 1,172736132
4 4320 0,393617 8,371011 -0,69266027 -5,79827 70,07381983 0,47977825
5 4488 0,5 8,409162 -0,36651292 -3,08207 70,71401306 0,134331721
6 4896 0,606383 8,496174 -0,07001818 -0,59489 72,18496965 0,004902545
7 5496 0,712766 8,611776 0,221107814 1,904131 74,16268301 0,048888665
0,2878162,6
8 6672 0,819149 8,805675 0,536540994 4,724606 77,53991122
738
9 7080 0,925532 8,865029 0,954505028 8,461715 78,58874248 0,911079849
Total 4,5 75,11649 -4,67090215 -34,7004 629,1260286 12,18629738

Hasil dari perhitungan distribusi weibull untuk komponen overhung

impeller didapatkan nilai r sebesar 0,9280. Berikut ini adalah tabel hasil
perhitungan Index of Fit (r) untuk data perbaikan komponen Overhung Impeller
:

Tabel 4.20 Nilai Fungsi Index of Fit (r)

Distribusi Index Of Fit
Normal 0,9692
Lognormal 0,8796
Exponensial 0,8938
Weibull 0,9280

Berdasarkan tabel 4.20 diketahui bahwa nilai „r‟ tertinggi dan yang akan
digunakan yaitu distribusi Normal.

2. Penentuan Distribusi Perbaikan Pump

 50

a. Distribusi Normal

Xi = ti = 528
Yi = zi = ϕ-1[F(ti)]
Yi = zi = ϕ-1 [0,159091] = -0,9982
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ( )) ( ( ))
0,9398
√(( ) ( ) (( ) ( )

Tabel 4.21 Perhitungan Time to Repair Distribusi Normal

i Ti (jam) Xi=ti Xi2 F(ti) Yi Yi2 [Link]
1 528 528 278784 0,159091 -0,9982 0,99640558 -527,0502189
2 528 528 278784 0,386364 -0,28881 0,083410844 -152,4913395
3 3624 3624 13133376 0,613636 0,288809 0,083410844 1046,645103
4 6168 6168 38044224 0,840909 0,998201 0,99640558 6156,90483
Total 10848 51735168 2 0 2,159632847 6524,008374

Hasil dari perhitungan distribusi normal untuk komponen pump

didapatkan nilai r sebesar 0,9398.

b. Distribusi Lognormal

Xi =ln ti = 6,269096
Yi = zi = ϕ-1[F(ti)]
Yi = zi = ϕ-1 [0,159091] = -0,9982
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ( )) ( ( ))
0,9209
√(( ) ( ) (( ) ( )
 51

Tabel 4.22 Perhitungan Time to Repair Distribusi Lognormal

i Ti (jam) Xi=LN ti Xi2 F(ti) Yi Yi2 [Link]
1 528 6,269096 39,30157 0,159091 -0,9982 0,99640558 -6,257819259
2 528 6,269096 39,30157 0,386364 -0,28881 0,083410844 -1,810573655
3 3624 8,195334 67,16349 0,613636 0,288809 0,083410844 2,366889031
4 6168 8,72713 76,1628 0,840909 0,998201 0,99640558 8,711431311
Total 29,46066 221,9294 2 0 2,159632847 3,009927429

Hasil dari perhitungan distribusi lognormal untuk komponen pump

didapatkan nilai r sebesar 0,9209.

c. Distribusi Ekponensial
i - 0,3 = 1 - 0,3 = 0,7
n + 0,4 = 9 + 0,4 = 9,4

[ ] [ ]
( )
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ) ( ) ( )
0,9741
√(( ) ( ) (( ) ( )

Tabel 4.23 Perhitungan Time to Repair Ekponensial

i Ti (jam) Xi=ti Xi2 F(ti) Yi Yi2 [Link]
1 528 528 278784 0,159091 0,173272 0,030023089 91,48746883
2 528 528 278784 0,386364 0,488353 0,238488426 257,8502615
3 3624 3624 13133376 0,613636 0,950976 0,904355904 3446,338074
4 6168 6168 38044224 0,840909 1,838279 3,379271464 11338,50786
Total 10848 51735168 2 3,45088 4,552138884 15134,18367

Hasil dari perhitungan distribusi eksponensial untuk komponen pump

didapatkan nilai r sebesar 0,9741.

d. Distribusi Weibull
 52

i - 0,3=1 - 0,3 = 0,7

n + 0,4=9 + 0,4 = 9,4

[ ] [ ]
( )
∑ (∑ )(∑ )

√, (∑ ) (∑ ) -, (∑ ) (∑ ) -

( ( )) ( ) ( )
0,9001
√(( ) ( ) (( ) ( )

Tabel 4.24 Perhitungan Time to Repair Weibull

i Dti (jam) F(ti) Xi=ti Yi [Link] Xi2 Yi2
1 528 0,159091 6,269096 -1,75289 -10,9891 39,30156821 3,072638334
2 528 0,386364 6,269096 -0,71672 -4,49317 39,30156821 0,513683615
3 3624 0,613636 8,195334 -0,05027 -0,41195 67,16349392 0,002526686
4 6168 0,840909 8,72713 0,60883 5,313339 76,16279656 0,370674056
Total 2 29,46066 -1,91105 -10,5808 221,9294269 3,959522691

Hasil dari perhitungan distribusi weibull untuk komponen pump

didapatkan nilai r sebesar 0,9001. Berikut ini adalah tabel hasil perhitungan
Index of Fit (r) untuk data perbaikan komponen Pump :

Tabel 4.25 Nilai Fungsi Index of Fit (r)

Distribusi Index Of Fit
Normal 0,9398
Lognormal 0,9209
Exponensial 0,9741
Weibull 0,9001

Berdasarkan tabel 4.25 diketahui bahwa nilai „r‟ tertinggi dan yang akan
digunakan yaitu distribusi Eksponensial.
 53

4.2.5 Uji Kecocokan Goodness of Fit Data Perbaikan Komponen

1. Uji kecocokan Goodness of Fit data perbaikan komponen Overhung Impeller

Pengujian ini dilakukan untuk menentukan hipotesis terhadap pola distribusi yang
telah terpilih. Pada komponen Overhung Impeller distribusi yang terpilih adalah
distribusi Eksponensial sehingga menggunakan uji Kolmogorov-Smirnov.
Hipotesis untuk uji Kolmogorov-Smirnov adalah:
H0 : Data time to failure berdistribusi Normal
H1 : Data time to failure tidak berdistribusi Normal
α : 0,05
H0 diterima apabila Dn < Dtabel
Dn = max(D1, D2)
Dnmax = 0,2736

{ ( ) ( )}

1 =2 . / . /3 = 0,005376

*( ) ( )+

∑ ( )
√

Tabel 4.26 Perhitungan Uji Kolmogorov-Smirnov Test

no Ti (jam) (ti-tbar)^2 ln(ti) [ln (ti) - xbar ln (ti) ]2 zti fti D1 D2
1 1200 11778624 7,090 1,578037532 -2,55063 0,0053763 0,005376 0,1057
2 3648 968256 8,202 0,020834649 -0,29308 0,3847314 0,273620 -0,1625
3 3888 553536 8,266 0,006500602 -0,16371 0,4349810 0,212758 -0,1016
4 4320 97344 8,371 0,000611781 0,050221 0,5200269 0,186693 -0,0755
5 4488 20736 8,409 0,003954646 0,127686 0,5508012 0,106356 0,0047
6 4896 69696 8,496 0,022469215 0,304357 0,6195720 0,064016 0,0470
7 5496 746496 8,612 0,07048991 0,53908 0,7050840 0,038417 0,0726
 54

no Ti (jam) (ti-tbar)^2 ln(ti) [ln (ti) - xbar ln (ti) ]2 zti fti D1 D2

8 6672 4161600 8,806 0,211046954 0,932779 0,8245330 0,046755 0,0643
9 7080 5992704 8,865 0,269104376 1,053295 0,8538969 -0,034991 0,1461
total 41688 24388992 75,116 2,183049665
Dn max 0,273620 0,1461
rata-rata 4632 2709888 8,346 0,242561074

Tabel kolmogorov-smirnov dengan n = 9, α = 0,05, Dtabel = 0,2953. Dari hasil

perhitungan tersebut didapat Dhit < Dtabel ; 0,2736 < 0,2953 maka keputusan H0
diterima yaitu data time to repair berdistribusi Normal.

2. Uji kecocokan Goodness of Fit data perbaikan komponen Pump

Pengujian ini dilakukan untuk menentukan hipotesis terhadap pola distribusi yang
telah terpilih. Pada komponen Pump distribusi yang terpilih adalah distribusi
Eksponensial sehingga menggunakan uji Barllet Test.
Hipotesis untuk uji Barlett Test adalah:
H0 : Data time to failure berdistribusi Eksponensial
H1 : Data time to failure tidak berdistribusi Eksponensial

6. . /∑ / 4. / ∑ 57

( ) 6. . / / 4. / 57

( )
X2α/2; r-1 = X20,975; 3 = 0,4844
X21-α/2; r-1 = X2 0,02516; 3 = 11,1432

Jadi, keputusan X2 0,4844< 0,3577 < X2 11,1432 sehingga H0 diterima.

Tabel 4.27 Perhitungan Uji Barlett Test

no Ti (jam) ln(ti)
1 528 6,269096284
2 528 6,269096284
3 3624 8,195333667
 55

no Ti (jam) ln(ti)
4 6168 8,7159,7989915
jumlah 10848 29,46065615

4.2.6 Penentuan Nilai Tengah dari Distribusi Data Antar Waktu Antar
Perbaikan (Mean Time to Repair)

1. Perhitungan Nilai Mean time to Repair Pada Komponen Overhung Impeller

Distibusi yang terpilih untuk data perbaikan Overhung Impeller adalah distribusi
Normal. Dan berikut ini adalah perhitungan nilai MTTR untuk data perbaikan
overhung impeller :

4 5

2. Perhitungan Nilai Mean Time to Repair pada Komponen Pump

Distribusi yang terpilih untuk data perbaikan Pump adalah distribusi

Ekponensial. Dan berikut ini adalah perhitungan nilai MTTR untuk data
Perbaikan Pump.

∑
 56

4.2.7 Perbaikan Reliability

1. Reliabilitas Komponen Overhung Impeller

Analisis reliabilitas untuk komponen overhung impeller dengan distribusi

terpilih weibull didapatkan nilai MTTF sebesar 78,5242, parameter scale
79,3984, parameter shape 1,03536 dan nilai MTTR 47,578. Dari hasil data
tersebut akan digunakan untuk menghitung hasil nilai reliabilitas komponen.

. /
( )

Hasil reliabilitas MTTF pada hari ke 78,5242 tersebut menunjukan

kehandalan mesin sudah mencapai 0,3720 atau 37% saat tidak dilakukan PM.
Sehingga perlu adanya tidakan PM untuk mencegah penurunan kehandalan
mesin yang lebih parah lagi. Dari nilai MTTR yang telah didapatkan
menunjukan harus adanya tidakan PM dapat dilakukan pada hari ke 47,578
sehingga mendapatkan hasil 0,5516 atau 55% pada saat melakukan tindakan
PM.

. /
( )

Dengan menggunakan nilai MTTR tersebut dapat dikatahui bahwa

tindakan PM harus dilakukan pada hari ke 47,578 sehingga kehandalan
komponen dapat terjaga. Sehingga dapat ditentukan nilai dari peluang
kehandalan komponen yang dilakukan tindakan PM Rm(t) adalah pada saat t =
56 dengan perhitungan sebagai berikut.

( ) ( ) ( )

Hasil peluang kehandalan komponen setelah dilakukan tindakan

prevcntive maintenance pada saat t = 56 adalah sebesar 0,50277 atau 50%.
Berikut adalah tabel perhitungan sampadengan t = 91.

Tabel 4.28 Reliabilitas Komponen Overhung Impeller

 57

t-nT
T (hari) R(t) n t R(T)^n R(t-nT) Rm(t)
(hari)
7 0,922278512 0 0 7 1 0,922279 0,922279
14 0,847189297 0 0 14 1 0,847189 0,847189
21 0,776981524 0 0 21 1 0,776982 0,776982
28 0,711847475 0 0 28 1 0,711847 0,711847
35 0,651661447 0 0 35 1 0,651661 0,651661
42 0,596187698 0 0 42 1 0,596188 0,596188
49 0,545148165 1 47 0 0,545148 1 0,545148
56 0,498251478 1 47 7 0,545148 0,922279 0,502778
63 0,455207215 1 47 14 0,545148 0,847189 0,461844
70 0,415733377 1 47 21 0,545148 0,776982 0,42357
77 0,379560382 1 47 28 0,545148 0,711847 0,388062
84 0,346433113 1 47 35 0,545148 0,651661 0,355252
91 0,316111824 1 47 42 0,545148 0,596188 0,325011

2. Reliabilitas Komponen Pump

Analisis reliabilitas untuk komponen pump dengan distribusi terpilih lognormal
didapatkan nilai MTTF sebesar 344,86, parameter loc 162,67, parameter scale
0,7377 dan nilai MTTR 159,798. Dari hasil data tersebut akan digunakan untuk
menghitung hasil nilai reliabilitas komponen.

( ) ( )

( )

Hasil reliabilitas MTTF pada hari ke 344,86 tersebut menunjukan

kehandalan mesin sudah mencapai 0,2146 atau 21% saat tidak dilakukan PM.
Sehingga perlu adanya tidakan PM untuk mencegah penurunan kehandalan
mesin yang lebih parah lagi. Dari nilai MTTR yang telah didapatkan
menunjukan harus adanya tidakan PM dapat dilakukan pada hari ke 159,798
sehingga mendapatkan hasil 0,8446 atau 84% pada saat melakukan tindakan
PM.
 58

( ) ( )

( )

Dengan menggunakan nilai MTTR tersebut dapat dikatuhi bahwa

tindakan PM harus dilakukan pada hari ke 159 sehingga kehandalan komponen
dapat [Link] dapat ditentukan nilai dari peluang keandlan komponen
yang dilakukan tindakan PM Rm(t) adalah pada saat t = 161 dengan perhitungan
sebagai berikut.

( ) ( ) ( )

Hasil peluang kehandalan komponen setelah dilakukan tindakan

prevcntive maintenance pada saat t = 161 adalah sebesar 0,52958 atau 52%.
Berikut adalah tabel perhitungan sampai dengan t = 301.

Tabel 4.29 Reliabilitas Komponen Pump

T (hari) F(t) R(t) n t t-nT (hari) R(T)^n R(t-nT) Rm(t)
7 0,098208 0,999989976 0 0 7 1 0,99999 0,99999
14 0,163764 0,999557507 0 0 14 1 0,999558 0,999558
21 0,220861 0,997240877 0 0 21 1 0,997241 0,997241
28 0,273078 0,99146373 0 0 28 1 0,991464 0,991464
35 0,321942 0,981358718 0 0 35 1 0,981359 0,981359
42 0,36829 0,966784746 0 0 42 1 0,966785 0,966785
49 0,412645 0,948083269 0 0 49 1 0,948083 0,948083
56 0,455362 0,925846308 0 0 56 1 0,925846 0,925846
63 0,496698 0,900756394 0 0 63 1 0,900756 0,900756
70 0,536843 0,873491191 0 0 70 1 0,873491 0,873491
77 0,575947 0,844673171 0 0 77 1 0,844673 0,844673
84 0,614129 0,814847412 0 0 84 1 0,814847 0,814847
91 0,651483 0,784475778 0 0 91 1 0,784476 0,784476
98 0,688091 0,753939941 0 0 98 1 0,75394 0,75394
105 0,724019 0,723548733 0 0 105 1 0,723549 0,723549
 59

T (hari) F(t) R(t) n t t-nT (hari) R(T)^n R(t-nT) Rm(t)

112 0,759323 0,693547188 0 0 112 1 0,693547 0,693547
119 0,794053 0,664125799 0 0 119 1 0,664126 0,664126
126 0,828251 0,63542924 0 0 126 1 0,635429 0,635429
133 0,861953 0,607564212 0 0 133 1 0,607564 0,607564
140 0,895194 0,580606284 0 0 140 1 0,580606 0,580606
147 0,928001 0,554605743 0 0 147 1 0,554606 0,554606
154 0,960401 0,529592533 0 0 0 0,529593 1 0,529593
161 0,992416 0,505580383 1 161 7 0,529593 0,99999 0,529587
168 1,024069 0,482570213 1 161 14 0,529593 0,999558 0,529358
175 1,055377 0,460552956 1 161 21 0,529593 0,997241 0,528131
182 1,086358 0,43951185 1 161 28 0,529593 0,991464 0,525072
189 1,117029 0,419424323 1 161 35 0,529593 0,981359 0,51972
196 1,147402 0,400263506 1 161 42 0,529593 0,966785 0,512002
203 1,177493 0,381999466 1 161 49 0,529593 0,948083 0,502098
210 1,207312 0,364600189 1 161 56 0,529593 0,925846 0,490321
217 1,236872 0,34803237 1 161 63 0,529593 0,900756 0,477034
224 1,266183 0,332262037 1 161 70 0,529593 0,873491 0,462594
231 1,295254 0,317255042 1 161 77 0,529593 0,844673 0,447333
238 1,324095 0,302977449 1 161 84 0,529593 0,814847 0,431537
245 1,352715 0,289395826 1 161 91 0,529593 0,784476 0,415453
252 1,381121 0,27647747 1 161 98 0,529593 0,75394 0,399281
259 1,40932 0,264190577 1 161 105 0,529593 0,723549 0,383186
266 1,437321 0,252504359 1 161 112 0,529593 0,693547 0,367297
273 1,465128 0,241389129 1 161 119 0,529593 0,664126 0,351716
280 1,49275 0,230816352 1 161 126 0,529593 0,635429 0,336519
287 1,52019 0,220758674 1 161 133 0,529593 0,607564 0,321761
294 1,547456 0,211189937 1 161 140 0,529593 0,580606 0,307485
301 1,574552 0,202085171 1 161 147 0,529593 0,554606 0,293715
 60

BAB V

PEMBAHASAN

5.1 Penentuan Mesin Kritis

Dengan menggunakan data downtime kerusakan mesin dari januari 2019 sampai dengan
desember 2020. Untuk memfokuskan penentuan, maka selanjutnya adalah
menggunakan diagram pareto yang dapat dilihat pada gambar 4.1. Dari delapan
komulatif mesin yang di teliti, terpilih dua mesin yang paling kritis yaitu mesin G-3-25
dengan total waktu 68.664 jam waktu downtime dan mesin G-3-30 dengan total waktu
44.088 jam waktu downtime. Setelah menentukan mesin kritis, selanjutnya adalah
menentukan komponen kritis berdasarkan mesin kritis tersebut

5.2 Penentuan Komponen Kritis

Komponen pada mesin G-3-25 dan mesin G-3-30 yang sering mengalami kerusakan
adalah komponen Overhung Impeller dan komponen Pump dengan menggunakan
diagram pareto. Dengan total 41.688 jam waktu downtime pada komponen Overhung
Impeller dan 10,848 jam waktu downtime pada komponen Pump.

5.3 Penentuan Jenis Distribusi Time to Filure

Penentuan jenis distribusi ini mengguakan distribusi Normal, Lognormal, Eksponensial,

dan Weibull. Pengujian distribusi ini menggunakan data waktu anta kerusakan (time to
failure) dan waktu antar perbaikan (time to repair) untuk dua komponen yang memiliki
frekuensi paling tinggi.
 61

Tabel 5.1 Nilai Fungsi Index of Fit (r) Data Waktu Kerusakan Overhung Imepller
Index Of
Distribusi
Fit
Normal 0,9822
Lognormal 0,9605
exponensial 0,9155
Weibull 0,9858

Tabel 5.2 Nilai Fungsi Index of Fit (r) Data Kerusakan Pump
Distribusi Index Of Fit
Normal 0,9783
Lognormal 0,9858
Exponensial 0,8997
Weibull 0,8891

Untuk kompnen ovehung Impeller menggunakan jenis distribusi Weibull dengan

nilai „r‟ tertinggi yaitu 0,9822. Sedangkan untuk komponen pump jenis distribusi yang
digunakan adalah Lognormal dengan nilai „r‟ tertinggi yaitu 0,9858. Dan berikut ini
adalah nilai (r) data waktu perbaikan komponen overhung impeller dan pump.

5.4 Penentuan Jenis Distribusi Time to Repair

Dalam menentukan jenis distribusi ini akan menggunakan distribusi Normal,

Lognormal, Ekponensial, dan Weibull. Untuk menentukan jenis distribusi ini
menggunakan data waktu antar kerusakan (time to failure) dan waktu antar perbaikan
(time to repair) untuk kedua komponen yang paling kritis yaitu Overhung Impeller dan
Pump. Dalam penentuan jenis distribusi menggunakan metode least square curve fitting
berdasarkan nilai index of fit (r) tertinggi. Berikut ini adalah nilai (r) data waktu
kerusakan dari komponen overhung impeller dan pump.
 62

Tabel 5.3 Nilai Fungsi Index of Fit (r) Data Waktu Perbaikan Overhung Impeller
Distribusi Index Of Fit
Normal 0,9692
Lognormal 0,8796
Exponensial 0,8938
Weibull 0,9280

Tabel 5.4 Nilai Fungsi Index of Fit (r) Data Waktu Perbaikan Pump
Distribusi Index Of Fit
Normal 0,9398
Lognormal 0,9209
Exponensial 0,9741
Weibull 0,9001

Untuk komponen overhung impeller menggunakan jenis distribusi Normal

dengan nilai (r) tertinggi yaitu 0,9692. Sedangkan untuk komponen pump jenis
distribusi yang digunakan adalah Eksponensial dengan nilai (r) tertinggi yaitu 0,9741.

5.5 Analisa Kecocokan Goodness of Fit

Analisa kecocokan goodness of fit dilakukan untuk memastikan distribusi yang terpilih
apakah sudah sesuai dengan data waktu kerusakan atau perbaikan. Goodeness of fit juga
untuk mengetahui apakah ada perbedaan antara jenis distribusi yang terpilih dan uji
yang dilakukan.

Untuk data TTF untuk komponen overhung impeller menggunakan uji

Komogorov-Sminor karena distribusi yang digunakan adalah distribusi Normal. Dan
hasil dari uji adalah H0 diterima, sehingga data TTF yang digunakan adalah
berdistribusi Normal. Dan untuk Komponen pump menggunakan uji Kolmogorov-
Smirnov karena distribusi yang digunakan adalah distribusi Lognormal. Dan hasil dari
uji adalah H0 diterima, sehingga data TTF yang digunakan adalah berdistribusi
Lognormal.
 63

Untuk data TTR untuk komponen overhung impeller menggunakan uji

Kolmogorov-Smirnov karena distribusi yang digunakan adalah Normal. Dan hasil dari
uji adalah H0 diterima, sehingga data TTR yang digunakan adalah berdistribusi Normal.
Dan untuk komponen pump menggunakan uji Barlett Test karena distribusi yang
digunakan adalah Eksponensial. Dan hasil dari uji adalah H0 diterima, sehingga data
TTR yang digunakan adalah berdistribusi Eksonensial.

5.6 Analisa Perhitungan Parameter dan Rata-Rata Waktu Antar Kerusakan

(Mean Time to Failure)

Untuk menghitung Mean Time to Failure dibutuhkan parameter didapat kan dari
perhitungan distribusi yang dipilih. Oleh karena itu untuk menghitung MTTF untuk
setiap komponen berbeda-beda yaitu menggunakan distribusi dengan Iof masing-
masing yang memiliki nilai tertinggi. Untuk komponen overhung impeller
menggunakan distribusi weibull sehingga untuk menentukan MTTF menurut distribusi
weibull. Sedangkan untuk komponen pump menggunakan distribusi lognormal sehingga
untuk menentukan MTTF menurut distribusi lognormal. Berikut ini adalah tabel
parameter dan hasil MTTF untuk setiap komponen.

Tabel 5.5 Tabel Parameter TTF dan Hasil MTTF Komponen Overhung Impeller
Komponen MTTF
Overhung Impeller

Tabel 5.6 Tabel Parameter TTF dan Hasil MTTF Komponen Pump
Komponen s MTTF
Pump
 64

5.7 Analisa Perhitungan Parameter dan Rata-Rata Waktu Antar Kerusakan

(Mean Time to Repair)

Untuk menghitung Mean Time to Railure dibutuhkan parameter didapat kan dari
perhitungan distribusi yang dipilih. Oleh karena itu untuk menghitung MTTR untuk
setiap komponen berbeda-beda yaitu menggunakan distribusi dengan Iof masing-
masing yang memiliki nilai tertinggi. Untuk komponen overhung impeller
menggunakan distribusi weibull sehingga untuk menentukan MTTR menurut distribusi
normal. Sedangkan untuk komponen pump menggunakan distribusi eksponensial
sehingga untuk menentukan MTTR menurut distribusi lognormal. Berikut ini adalah
tabel parameter dan hasil MTTR untuk setiap komponen.

Tabel 5.7 Tabel Parameter TTR dan Hasil MTTR Komponen Overhung Impeller
Komponen s MTTR
Overhung Impeller

Tabel 5.8 Tabel Paremeter TTR dan Hasil MTTR Komponen Pump
Komponen MTTR
Pump

5.8 Perbaikan Reliability

1. Reliabilitas Komponen Overhung Impeller

Dari hasil perhitungan didapatkan nilai MTTF pada komponen overhung
impeller sebesar 78,5242 hari dengan nilai kehadalan sebesar 0,3720 atau
37% dimana nilai tersebut didapatkan sebelum adanya tidakan preventive
maintenance. lalu pada perhitungan MTTR didapatkan nilai 47,578 dengan
nilai kehandalan sebesar 0,5516 atau 55% dimana nilai tersebut adalah nilai
tindakan PM dimulai. Sehingga nilai kehandalan pada komponen meningkat
 65

karena ada nya tindakan PM tersebut. Berikut adalah gambar hasil dari
simulasi sebelum dan sesudah PM.

Overhung Impeller
1,2

0,8

0,6

0,4

0,2

0
7 14 21 28 35 42 49 56 63 70 77 84 91
R(t) R(t-nT) Rm(t)

Gambar 5.1 Simulasi Preventive Maintenance Komponen Overhung Impeller

2. Reliabilitas Komponen Pump

Dari hasil perhitungan didapatkan nilai MTTF pada komponen pump

sebesar 344,86 hari dengan nilai kehadalan sebesar 0,2146 atau 21% dimana
nilai tersebut didapatkan sebelum adanya tidakan preventive maintenance.
lalu pada perhitungan MTTR didapatkan nilai 159,798 hari dengan nilai
kehandalan sebesar 0,8446 atau 84 % dimana nilai tersebut adalah nilai
tindakan PM dimulai. Sehingga nilai kehandalan pada komponen meningkat
karena ada nya tindakan PM tersebut. Berikut adalah gambar hasil dari
simulasi sebelum dan sesudah PM.
 66

Pump
1,2

0,8

0,6

0,4

0,2

105
119
133
147
161
175
189
203
217
231
245
259
273
287
301
7
21
35
49
63
77
91

R(t) R(t-nT) Rm(t)

Gambar 5.2 Simulasi Preventive Maintenance Komponen Pump

5.9 Opportunity Loss

Opportunity loss didapatkan dengan melihat jumlah breakdown dalam satu tahun
dengan perbandingan waktu yang dihabiskan untuk melakukan breakdown tersebut.
Dengan estimasi waktu breakdown selama 8 jam setiap mesinnya. Pada tabel berikut ini
merupakan perbandingan jumlah dan waktu breakdown berdasarkan estimasi perawatan
sebelum dan sesudah dilakukannya tindakan preventive maintenance.

Tabel 5.9 Waktu Breakdown Sebelum tindakan preventive maintenacne

Jumlah Waktu
Komponen MTTF
Breakdown/tahun Breakdown (jam)
Overhung
78,5242 8 64
Impeller
Pump 344,86 3 24
Jumlah 88
 67

Tabel 5.10 Waktu Breakdown Sesudah tindakan preventive maintenacne

Interval
Jumlah Waktu
Komponen Baru
Breakdown/tahun Breakdown (jam)
(hari)
Overhung
56 5 40
Impeller
Pump 161 2 16
Jumlah 56

Berdasarkan kedua tabel tersebut dapat dilihat perbandingan waktu breakdown

yang terjadi dalam satu tahun. Dimana saat sebelum dilakukan tindakakan PM waktu
breakdown yang didapat adalah sebesar 88 jam dalam satu tahun. Sementara itu pada
saat setelah dilakukan estimasi PM didapatkan waktu breakdown turun menjadi 56 jam
dalam satu tahun. Dengan demikian perusahaan dapat menghemat waktu breakdown
sebesar 32 jam dalam satu tahun.
 68

BAB VI

PENUTUP

6.1 Kesimpulan

Berdasarkan uraian dan analisa yang telah dilakukan pada bab sebelumnya, maka dapat
ditarik beberapa kesimpulan sebagai berikut :

1. Pada penelitian ini menemukan dua mesin kritis yaitu mesin D-3-25 dan mesin
G-3-30. Dimana masing-masing mesin memiliki komponen kritis yaitu
Overhung Impeller pada mesin G-3-30 dan komponen Pump pada mesin G-3-30.
2. Nilai MTTF komponen overhung impeller adalah 78,5242 dengan nilai
kehandalan sebesar 0,3729 atau 37%. Dan untuk komponen Pump memiliki
nilai MTTF sebesar 344,86 dengan nilai kehandalan sebesar 0,2146 atau 21%
3. Setelah dilakukan analisa MTTR didapatkan nilai komponen overhung impeller
sebesar 47,478 dengan nilai kehandalan meningkat menjadi 0,5518 atau 55%.
Dan nilai MTTR komponen pump sebesar 159,798 dengan nilai kehandalan
meningkat menjadi 0,8446 atau 84%.
4. Usulan waktu perbaikan untuk kedua mesin agar mesin dapat bekerja secara
optimal adalah untuk mesin G-3-25 dilakukan pada hari ke-47 dan untuk mesin
G-3-30 pada hari ke-161 sehingga kehandalan mesin dapat meningkat dan
memperpanjang usia mesin.
5. Perbandingan waktu breakdown yang terjadi dalam satu tahun dimana saat
sebelum dilakukan tindakakan PM waktu breakdown yang didapat adalah
sebesar 88 jam dalam satu tahun. Sementara itu pada saat setelah dilakukan
estimasi PM didapatkan waktu breakdown turun menjadi 56 jam dalam satu
tahun. Dengan demikian perusahaan dapat menghemat waktu breakdown sebesar
32 jam dalam satu tahun.
 69

6.2 Saran

Saran yang dapat diberikan dari penelitian untuk perusahaan maupun penelitian
selanjutnya adalah sebagai berikut:

1. Lebih memperhatikan pola perawatan preventif secara administrasi maupun

preaktek dilapangan.
2. Mengembangkan pola perawatan yang melibatkan jajaran manajerial dan jajaran
operasional agar terbentuk sistem maintenance yang terintergrasi.
3. Perusahaan diharapkan dapat menerapkan kegiatan penggantiian komponen
sesuai dengan jadwal waktu pergantian dan pemeriksaan yang telah diusulkan
sehingga proses distribusi dapat berjalan dengan lancar dan hambatan-hambatan
kerusakan mesin dapat dikurangi.
4. Penyediaan suku cadang yang berkualitas.
5. Untuk penelitian selanjutnya dapat memperhatikan mesin dan komponen lain
agar pengintegrasian sistem perawatan bisa lebih baik.
 70

DAFTAR PUSTAKA

Afiva, W. H., Atmaji, F. T. D., & Alhilman, J. (2020). Penerapan Metode Reliability
Centered Maintenance (RCM) Pada Perencanaan Interval Preventive
Maintenance Dan Estimasi Biaya Pemeliharaan Menggunakan Analisis Fmea (
Studi Kasus : Pt. Xyz ). Jurnal PASTI, 13(3), 298.
[Link]

Amalia, S., Subekti, A., & Setiawan, P. A. (2017). Perencanaan kegiatan perawatan
dengan metode RCM II (Reliability Centered Maintenance) dan penentuan
persediaan suku cadang pada boiler perusahaan rokok. Proceeding 1st
Conference on Safety Engineering and Its Application.

Ansory, P. (2019). MANAJEMEN PERAWAAN MESIN IQF MENGGUNAKAN

METODE RELIABILITY CENTERED MAINTENACE (RCM) STUDI
KASUS DI PT ANEKA GAS INDUSTRI Tbk. JISO: Journal Of Industrial And
System Optimization, 62-67.

Astarini, L. A. A. D. (2016). Analisis Reliabilitas dan Availabilitas pada Mesin. Sains

Dan Seni Its, 4(1), 7–12.

Ben-Daya, M. (2000). You may need RCM to enchance TPM implementation. Journal
of Quality in Maintenance Engineering, 6(2), 82-85.

Corder, A. (1992). TEKNIK MANAJEMEN PEMELIHARAAN. Jakarta: Erlangga.

Jusolihun, N. (2019). Perancangan Sistem Perawatan Mesin Air Jet Loom (AJL)
dengan Menggunakan Reliability Centered Maintenance (RCM) (Studi Kasus: PT.
Primissima Yogyakarta).

Kalagnanam, J., & Henrion, M. (1988). Predictive Mainenance Using Dynamic

Probabilistic Networks

Marasabessy, S. A., Henaulu, A. K., & Rumbouw, J. (2020). Analisis Sistem Perawatan
Mesin Produksi pada CV Abadi Tiga Mandiri (Studi Kasus Mesin Cup Sealer).
KAIZEN : Management Systems & Industrial Engineering Journal, 3(2), 80.

Moubray, J. (1991). Reliability Centered Maintenance. Oxford: Butterworth-

Heinemann.
Moubray, J. (1997). Reliability Centered Maintenance. Oxford: Butterworth-
Heinemann.

Prawiro, Y. Y. (2017). Penentuan Interval Waktu Penggantian Komponen Kritis Pada

Mesin Volpack Menggunakan Metode Age Replacement. Jurnal Teknik Industri,
16(2), 92. [Link]
 71

Rambuna, O. (n.d.). Penerapan Metode Reliability Centered Maintenance ( Rcm ) Pada

Mesin Produksi Obat-Obatan [ Xyz ]. 117–123.

Sayuti, M., & dan Muhammad Siddiq Rifa, M. (2013). Evaluasi Manajemen Perawatan
Mesin Dengan Menggunakan Metode Reliability Centered Maintenance Pada PT.
Z. Malikussaleh Industrial Engineering Journal, 2(1), 9–13.

Tama, S. G., & Iskandar. (2017). PENENTUAN INTERVAL WAKTU OPTIMAL

PENGGANTIAN KOMPONEN WIRE SCREEN PADA MESIN WIRE PART
DENGAN METODE AGE REPLACEMENT DI PT . MOUNT DREAM
INDONESIA Sega Gavin Tama Iskandar Abstrak. Jurnal Teknik Mesin (JTM),
5(2), 175–182.

Vidiasari, D., Soemadi, K., & Mustofa, F. H. (2015). Interval Waktu Penggantian
Pencegahan Optimal Komponen Sistem Printing Unit U41 Menggunakan Metode
Age Replacement Di PT. Pikiran Rakyat. Jurnal Online Institut Teknologi
Nasional, 03(01), 152–163.
 72

LAMPIRAN

Lampiran 1 data kerusakan G-3-25

Overhung Impeller
No [Link] Required End Changed on Fucnional Log.
1 10/01/2019 24/01/2019 24/09/2019 G-3-25F
2 31/01/2019 14/02/2019 16/04/2019 G-3-25A
3 31/01/2019 14/02/2019 16/04/2019 G-3-25C
4 31/01/2019 14/02/2019 21/03/2019 G-3-25E
5 07/02/2019 21/02/2019 12/11/2019 G-3-25A
6 07/02/2019 21/02/2019 24/09/2019 G-3-25B
7 07/02/2019 21/02/2019 29/11/2019 G-3-25D
8 21/03/2019 04/04/2019 24/09/2019 G-3-25E
9 11/07/2019 25/07/2019 07/01/2020 G-3-25F
10 02/08/2019 16/08/2019 07/01/2020 G-3-25E
11 08/08/2019 22/08/2019 06/01/2020 G-3-25A
12 08/08/2019 22/08/2019 28/02/2020 G-3-25B
13 08/08/2019 22/08/2019 07/01/2020 G-3-25D
14 29/08/2019 12/09/2019 07/01/2020 G-3-25A
15 29/08/2019 12/09/2019 07/01/2020 G-3-25C
16 19/09/2019 03/10/2019 28/02/2020 G-3-25E
17 09/01/2020 23/01/2020 28/02/2020 G-3-25F
18 30/01/2020 13/02/2020 28/02/2020 G-3-25E
19 06/02/2020 20/02/2020 28/02/2020 G-3-25A
20 06/02/2020 20/02/2020 28/02/2020 G-3-25B
21 06/02/2020 20/02/2020 28/02/2020 G-3-25D
22 27/02/2020 12/03/2020 28/02/2020 G-3-25A
23 27/02/2020 12/03/2020 28/02/2020 G-3-25C
 73

Lampiran 2 data kerusakan G-3-30

Pump
No Notif Date Required End Changed On Fucntional Log
1 07/02/2019 21/02/2019 24/09/2019 G-3-30A
2 08/08/2019 22/08/2019 28/02/2020 G-3-30A
3 06/02/2020 20/02/2020 28/02/2020 G-3-30A
4 07/02/2020 21/02/2020 10/02/2020 G-3-30A
5 07/02/2019 21/02/2019 24/09/2019 G-3-30C
6 07/02/2019 21/02/2019 29/11/2019 G-3-30C
7 08/08/2019 22/08/2019 28/02/2020 G-3-30C
8 08/08/2019 22/08/2019 07/01/2020 G-3-30C
9 06/02/2020 20/02/2020 28/02/2020 G-3-30C
10 06/02/2020 20/02/2020 28/02/2020 G-3-30C
11 07/02/2019 21/02/2019 24/09/2019 G-3-30D
12 08/08/2019 22/08/2019 28/02/2020 G-3-30D
13 06/02/2020 20/02/2020 28/02/2020 G-3-30D