Chapter III Viii

BAB III
LANDASAN TEORI

3.1. Sistem Perawatan
Perawatan/maintenance adalah suatu kegiatan untuk menjamin bahwa aset
fisik dapat secara kontinyu memenuhi fungsi yang diharapkan. Maintenance hanya
dapat memberikan kemampuan bawaan (built-in capability) dari setiap komponen
yang di maintain-nya, bukan untuk meningkatkan kemampuannya. Perancangan
sistem perawatan yang baik, seharusnya sudah diikutsertakan sejak awal perancangan
sistem produksi dimulai. Ruang lingkup sistem maintenance cukup luas, tidak hanya
langsung pada peralatan produksi tetapi juga menyangkut sarana dan prasarana
lainnya yang ada kaitannya secara langsung maupun tidak langsung dengan sistem
produksi.
Dibentuknya bagian maintenance dalam suatu perusahaan industri dengan
tujuan bahwa mesin-mesin produksi, bangunan maupun peralatan lainnya selalu
dalam keadaan yang siap pakai atau optimal. Hal ini penting untuk menjamin
kelangsungan produksi sehingga dapat membayar kembali modal yang ditanamkan
(capital recovery). Pada akhirnya diharapkan mendapatkan keuntungan yang optimal.
Bagian maintenance merupakan satu kesatuan dengan bagian-bagian lainnya
dalam menjalankan fungsi masing-masing. Ketergantungan bagian produksi atau
operasi terhadap bagian maintenance dirasakan semakin besar dengan semakin
Universitas Sumatera Utara

rumitnya mesin-mesin atau peralatan-peralatan produksi yang dipakai dalam industri.
Untuk dapat memelihara peralatan dan mesin dengan baik dan benar maka prinsip
kerja dari peralatan kerja yang bersangkutan harus dapat dikuasai. Dengan dikuasai
prinsip kerja peralatan tersebut maka dapat didiagnosa kerusakan yang terjadi pada
alat dapat dilakukan secara cepat dan tepat.
Kelancaran proses produksi dipengaruhi oleh sistem perawatan yang
diterapkan. Setiap peralatan, mesin, atau fasilitas yang terlibat dalam proses produksi
pasti akan mengalami keausan sehingga suatu saat pasti akan mengalami kerusakan.
Seberapa cepat keausan ini terjadi atau seberapa sering frekuensi kerusakan muncul
akan menimbulkan permasalahan sehubungan dengan munculnya gangguan pada
suatu fasilitas ataupun pada keseluruhan proses produksi. Sistem perawatan yang
tidak dirancang dengan baik akan meningkatkan ketidaksesuaian produk dan biaya
produksi yang terlibat, atau bahkan mengubah lingkungan kerja menjadi tidak aman.
Beberapa akibat buruk ini secara langsung akan menurunkan efisiensi dari proses
produksi.
Terdapat tiga cara yang umum dipakai dalam perawatan (Nasution, 2006)
yaitu:
1. Inspeksi, kegiatan pemeriksaan yang dimaksudkan untuk menentukan kondisi
operasi sebuah komponen atau fasilitas baik secara visual atau dengan sebuah
pengukuran tertentu.

2. Perawatan Korektif (Repair), kegiatan perawatan yang dilakukan bila sebuah
komponen atau fasilitas mengalami kerusakan atau tidak mungkin diganti. Sering
pula disebut sebagai perawatan darurat (emergency maintenance).
3. Perawatan Preventif, kegiatan perawatan yang mencakup inspeksi dan reparasi.
Untuk beberapa komponen atau fasilitas dengan pola keausan dan kerusakan yang
dapat dideteksi. Kerusakan yang akan datang dapat diperkirakan sehingga dapat
diantisipasi. Biasanya komponen kritis layak mendapat perawatan preventif
secara kontinyu.

3.2. Keandalan (Reliability)
3.2.1 Definisi Keandalan (Reliability)
Perawatan komponen atau peralatan tidak bisa lepas dari pembahasan
mengenai keandalan (reliability). Selain keandalan merupakan salah satu ukuran
keberhasilan sistem perawatan juga keandalan digunakan untuk menetukan
penjadwalan perawatan sendiri. Akhir-akhir ini konsep keandalan digunakan juga
pada berbagai industri, misalnya dalam penetuan jumlah suku cadang dalam kegiatan
perawatan.
Ukuran keberhasilan suatu tindakan perawatan (maintenance) dapat
dinyatakan dengan tingkat reliability. Secara umum reliability dapat didefenisikan
sebagai probabilitas suatu sistem atau produk dapat beroperasi dengan baik tanpa

mengalami kerusakan pada suatu kondisi tertentu dan waktu yang telah ditentukan
6
.
Berdasarkan definisinya, reliability dibagi atas empat komponen pokok, yaitu
7
:
1. Probabilitas
Merupakan komponen pokok pertama, merupakan input numerik bagi pengkajian
reliability sutau sistem yang juga merupakan indeks kuantitatif untuk menilai
kelayakan suatu sistem. Menandakan bahwa reliability menyatakan kemungkinan
yang bernilai 0-1
2. Kemampuan yang diharapkan (Satisfactory Performance)
Komponen ini memberikan indikasi yang spesifik bahwa kriteria dalam
menentukan tingkat kepuasan harus digambarkan dengan jelas. Untuk setiap unit
terdapat suatu standar untuk menetukan apa yang dimaksud dengan kemampuan
yang diharapkan.
3. Tujuan yang Diinginkan
Tujuan yang diinginkan, dimana kegunaan peralatan harus spesifik. Hal ini
dikarenakan terdapat beberapa tingkatan dalam memprodksi suatu barang
konsumen.
4. Waktu (Time)
Waktu merupakan bagian yang dihubungkan dengan tingkat penampilan sistem,
sehingga dapat menentukan suatu jadwal dalam dalam fungsi reliability. Waktu

6
Sumber: A.K. Govil,Reliability Engineering,Mc.Graw Hill Publishing Co.,p.6
7
Sumber: Priyanta, Dwi,.,Keandalan dan Perawatan.,p.10 Jurnal Internet.

yang dipakai adalah MTBF (Mean Time Between Failure) dan MTTF (Mean Time
to Failure) untuk menentukan waktu kritik dalam pengukuran reliability.
5. Kondisi Pengoperasian (Specified Operating Condition)
Faktor-faktor lingkungan seperti: getaran (vibration), kelembaban (humidity),
lokasi geografis yang merupakan kondisi tempat berlangsungnya pengoperasiaan,
merupakan hal yang termasuk kedalam komponen ini. Faktor-faktornya tidak
hanya dialamatkan untuk kondisi selama periode waktu tertentu ketika sistem atau
produk sedang beroperasi, tetapi juga ketika sistem atau produk berada di dalam
gudang (storage) atau sedang bergerak (trasformed) dari satu lokasi ke lokasi yang
lain.

3.2.2. Manfaat Reliability (Keandalan)
Tujuan utama dari studi keandalan adalah untuk memberikan informasi
sebagai basis untuk mengambil keputusan. Selain itu teori reliability dapat digunakan
untuk memprediksi kapan suatu sparepart pada suatu mesin akan mengalami
kerusakan, sehingga dapat menentukan kapan harus dilakukan perawatan,
pergantian dan penyediaan komponen.

3.2.3. Metode Analisis
Dalam teori reliability ada dua metode analisis, yaitu:
1. Metode Analisis Kualitatif
Metode analisis yang dilakukan berdasarkan pada pengalaman masa lalu.

2. Metode analisis Kuantitatif
Metode analisis yang dilakukan dengan perhitungan. Perhitungan yang dilakukan
dapat secara statistik.

3.2.4. Konsep Reliability
Dalam teori reliability terdapat empat konsep yang dipakai dalam pengukuran
tingkat keandalan suatu sistem atau produk, yaitu:
1. Fungsi Kepadatan Probabilitas
8

Pada fungsi ini menunjukkan bahwa kerusakan terjadi secara terus-menerus
(continious) dan bersifat probabilistik dalam selang waktu (0,). Pengukuran
kerusakan dilakukan dengan menggunakan data variabel seperti tinggi, jarak,
jangka waktu. Untuk suatu variabel acak x kontinu didefenisikan berikut:
a. ( ) 0 x f
b. ( )dx x f

=1
c.
= < <
b
a
dx x) ( b) X P(a
Dimana fungsi f(x) dinyatakan fungsi kepadatan probabilitas.

8
A.K.S. Jardine,Maintenance, Replacement, and Reliability.,p.31. ;
Jurnet.,Penentuan keandalan pada model Sterss.,P.1-4.

2. Fungsi Distribusi Kumulatif
9

Fungsi ini menyatakan probabilitas kerusakan dalam percobaan acak, dimana
variabel acak tidak lebih dari t:
F(t) = P(Tt) = ( )
t
t f
0

3. Fungsi Keandalan
10

Bila variabel acak dinyatakan sebagai suatu waktu kegagalan atau umur komponen
maka fungsi keandalan (R(t)) didefenisikan:
R(t) = P(T>t)
T : Waktu operasi dari awal sampai terjadi kerusakan (waktu kerusakan) dan f(t)
menyatakan fungsi kepadatan probabilitas, maka f(t) dt adalah probabilitas
dari suatu komponen akan mengalami kerusakan pada interval (t
i
+ t ). F(t)
dinyatakan sebagai probabilitas kegagalan komponen sampai waktu ke t,
maka:
F(t)) = P(T<t) = ( )

0
t f
Maka fungsi keandalan adalah:
R(t) =1-P(T<t)
= 1- ( )
t
t f
0
dt

9
A.K.S. Jardine,Maintenance, Replacement, and Reliability.,p.17;
Jurnet.,Penentuan keandalan pada model Sterss.,P.1-4.
10
Sumber: C.O. Smith,Intoduction to Reliability Design.,p.8-12.

= 1-F(t)
R(t) = exp

t

4. Fungsi Laju Kerusakan
11

Fungsi laju kerusakan didefenisikan sebagai limit dari laju kerusakan dengan
panjang interval waktu mendekati nol, maka fungsi laju kerusakan adalah laju
kerusakan sesaat. Rata-rata kerusakan yang terjadi dalam interval waktu t
1
-t
2
dinyatakan
.
Keruskan rata-rata dinyatakan sebagai berikut:
=
1
2
1
) ( ) (
) (
1 2
t
t
t
dt t f t t
dt t f

=
1
2
2
2
1
) ( ) (
) ( ) (
1 2
t
t
t
t
t
dt t f t t
dt t f dt t f

) ( ) (
) ( ) (
1 1 2
2 1
t R t t
t R t R

=
Jika disubstitusi t
1
= t, dan t
2
= t + h maka akan diperoleh laju kerusakan
rata-rata ( ) adalah:
) (
) ( ) (
2 1
t hR
t R t R
=
Berdasarkan persamaan diatas maka fungsi laju kerusakan.

11
A.K.S. Jardine,Maintenance, Replacement, and Reliability.,p.19-22

h(t) =
) (
) ( ) (
lim
0
t hR
t t R t R
h
+
= ) (
) (
1
t R
dt
d
t R
;
dt
t dR
t f
) (
) ( =
=
) (
) (
t R
t f

3.2.5. Pola Distribusi Reliability
Dalam menentukan reliabilitas suatu komponen faktor-faktor yang dapat
saling berhubungan adalah faktor laju kerusakan dan waktu. Berdasarkan hubungan
terbentuk suatu kurva distribusi yang menyerupai distribusi Weibull, seperti pada
Gambar 1.

Gambar 1. Kurva Distribusi Weibull
Berdasarkan hal ini diasumsikan bahwa distribusi yang sesuai adalah weibull.
Distribusi Weibull merupakan distribusi empirik sederhana yang mewakili data yang

aktual. Distribusi ini biasa digunakan dalam menggambarkan karakteristik kerusakan
pada komponen. Fungsi-fungsi dari distribusi Weibull:
1. Fungsi Kepadatan Probabilitas

(
(
\
|
|
\
|
=

t t
t f exp ) (
1

2. Fungsi Distribusi Kumulatif

(
(
\
|
=

t
t F exp 1 ) (
0 , ; t
3. Fungsi Keandalan

(
(
\
|
=

t
t R exp ) (
) ( 1 ) ( t F t R =
4. Fungsi Laju Kerusakan

1
) (
) (
) (

|
\
|
= =

t
t R
t f
t h
5. MTTF (Mean Time To Failure)
MTTF adalah rata-rata waktu atau interval waktu kerusakan mesin atau
komponen dalam distribusi kegagalan.
|
|
\
|
+ =
1
1 MTTF


= Fungsi Gamma, (n) = (n-1)!, dapat diperoleh melalui nilai fungsi gamma.
Dimana, menurut Stirling
n
n
e
n
n 2 n!

= 3,142...
e = 2,718...

3.2.6. Uji Kecocokan Distribusi
Uji kecocokan distribusi dilakukan untuk menentukan apakah distribusi yang
diamati telah sesuai dengan distribusi yang diharapkan. Berdasarkan hubungan antara
laju kerusakan dan waktu maka distribusi yang terbentuk dalam konsep reliability
adalah distribusi Weibull. Untuk menentukan apakah distibusi yang dicapai telah
menunjukkan distribusi Weibull maka dilakukan uji distribusi.
Uji Mann adalah distribusi yang biasa digunakan untuk uji distribusi Weibull.
Tahapan uji ini adalah :
Ho = Distibusi Weibull dua parameter
H
1
= Hipotesa awal (Ho) salah
+ =
(
+
(
+
=
1
1
1
1 ) 2 / (
1
1
r
i
r
r i
Mi
Xi Xi
Mi
Xi Xi
S

Keterangan:
Xi = ln ti

r = Jumlah sparepart yang rusak
r/2 = bilangan bulat yang 2 / r
Mi = Tabel
S = Tabel distribusi Weibull dua parameter
Ho akan diterima bila nilai S tes < S tabel dan sebaliknya bila S test > S
tabel maka Ho ditolak.

3.2.7. Penaksiran Parameter untuk Distribusi Weibull
Parameter untuk distribusi weibull dapat ditulis dengan persamaan sebagai
berikut, yaitu:
\
|
=
t
t F exp 1 ) (
Untuk menaksir parameter dan dapat dilakukan dengan regresi linear.
Misalkan t
1
, t
2
, t
3
, ..., t
n
adalah sejumlah data waktu anatar kerusakan komponen yang
disusun menurut ukuran terkecil. Untuk setiap t
i
(dimna i = 1,2,3,...r), berlaku:
\
|
=
i
i
t
t F exp 1 ) (
Kemudian persamaan tersebut dapat diubah ke dalam persamaan sebagai
berikut
12
:

12
Sumber: K.C. Kapur dan L.R. Lambercon Reliability in Engineering Design

\
|
=
i
i
t
t F exp ) ( 1
{ }

\
|
=

i
i
t
t F exp ) ( 1
1

( ) { } [ ]
(
(
\
|
=

i
i
t
t F exp ln 1 ln
1

( ) { } [ ] [ ]

\
|
=

i
i
t
t F ln 1 ln ln
1

( ) { } [ ] [ ] [ ] ln ln 1 ln ln
1
=

i i
t t F
Persamaan garis lurus yang digunakan: Y
i
= ax + b
i i
t Y ln =
( ) { } [ ] [ ]
1
1 ln ln

=
i i
t F X
[ ]
i i i
X Y = ln
i i i
X Y = ln
ln + =
i i
X Y
ln
1
+ =
i i
X Y
ln = a
1
= b
Nilai F(t) didapat dengan menaksir fungsi distribusi kumulatif:

4 , 0
3 , 0
) (
+
=
n
j
t F
i

Fungsi ini diperoleh dari pendekatan dengan mengunakan metode harga
tengah atau median (50%). Metode ini banyak digunakan dalam menaksir fungsi
keandalan yang berdistribusi weibull. Selain itu metode ini cocok untuk penelitian
yang memiliki salah satu karakteristik sebagai berikut
13
:
1. Ukuran sampel penelitian kecil.
2. Data mengenai populasi penelitian yang kurang lengkap.
3. Distribusi waktu antar kerusakan sampel penelitian tidak simetris.

Selain itu dengan menggunakan metode least square maka untuk konstanta a
dan b dapat diperoleh dengan cara sebagai berikut:
( )
2
2
) (

=
i i
i i i i
X X n
Y X Y X n
b

n
X b Y
a
i i
=

Dengan diketahuinya nilai parameter a dan b maka parameter distribusi
weibull dua parameter dapat ditentukan dengan cara sebagai berikut
b
1
=
( ) a exp =

13
Sumber: K.C. Kapur dan L.R. Lambercon Reliability in Engineering Design

Parameter disebut dengan parameter bentuk atau kemiringan weibull
(weibull slope), sedangkan parameter disebut dengan parameter skala atau
karakteristik hidup.
Bentuk fungsi distribusi weibull bergantung pada parameter bentuknya (),
yaitu:
< 1 : Distribusi weibull akan menyerupai distribusi hyper-eksponensial
dangan laju kerusakan cenderung menurun.
= 1 : Distribusi weibull akan menyerupai distribusi eksponensial
dangan laju kerusakan cenderung konstan.
> 1 : Distribusi weibull akan menyerupai distribusi normal
dangan laju kerusakan cenderung meningkat.

3.3. Value Stream Mapping (VSM)
Value Stream adalah sekumpulan dari seluruh kegiatan yang di dalamnya
terdapat kegiatan yang memberikan nilai tambah juga yang tidak memberikan nilai
tambah yang dibutuhkan untuk membawa produk maupun satu grup produk dari
sumber yang sama untuk melewati aliran-aliran utama, mulai dari raw material
hingga sampai ke tangan konsumen.
Tujuan pemetaan ini adalah untuk mengidentifikasi seluruh jenis pemborosan
di sepanjang value stream dan untuk mengambil langkah dalam upaya mengeliminasi
pemborosan tersebut. Mengambil langkah ditinjau dari segi value stream berarti

bekerja dalam satu lingkup gambar yang besar (bukan proses-proses individual), dan
memperbaiki keseluruhan aliran dan bukan hanya mengoptimalkan aliran secara
sepotong-sepotong
14
. Hal ini memunculkan suatu bahasa yang umum digunakan
dalam proses produksi, dengan demikian akan mampu memfasilitasi keputusan yang
lebih matang dalam memperbaiki value stream.

3.4. Maintenance Value Stream Mapping (MVSM)
15

3.4.1. Pendahuluan
Salah satu metode yang sangat efektif di perusahaan lean untuk
mengeliminasi kegiatan-kegiatan non value added adalah dengan menggunakan
Value Stream Mapping (VSM). VSM merupakan tools yang digunakan dalam
memvisualisasikan suatu sistem yang merepresentasikan aliran material dan
informasi. Metode ini juga telah dijelaskan sebelumnya dapat menghasilkan suatu
gambaran umum sebuah proses yang mudah dipahami. Hal ini juga semakin
memudahkan untuk mengambil keputusan dalam mengeliminasi kegiatan-kegiatan
yang tidak memberikan nilai tambah (non value added activities). Hingga saat ini,
telah diidentifikasi dan di-review ada 7 jenis teknik di dalam VSM, yaitu big picture
mapping (Rother and Shook , 1999), supply chain response matrix (Hines, Rich dan
Jones, 1997), production variety funnel (New, 1974), quality filter mapping (Hines

14
Rother, M dan Shook, J, Learning to See, Value Stream Mapping to Create Value and Eliminate Muda,2003, The Lean
Enterprise Institute, Inc, pp. 3-6
15
Kannan, Soundararajan, et. al. Developing A Maintenance Value Stream Map.
(http://www.iienet.org/uploadedFiles/IIE/Community/Technical_Societies_and_Divisions/Lean/Lean_details_pages/Kannan4-
07.pdf)

dan Rich, 1997), demand amplification mapping (Hines dan Taylor, 2000), decision
point analysis (Hines, Rich dan Jones, 1997), dan physical structure mapping (Hines
dan Rich, 1997). Namun, tidak satu pun dari ketujuh teknik tersebut yang
berhubungan dengan kegiatan maintenance (perawatan) sehingga tidak dapat
digunakan untuk memetakan kegiatan perawatan tesebut. Jika diperhatikan lebih
lanjut, dalam setiap kegiatan perawatan tentu terdapat kegiatan yang memberikan
nilai tambah maupun yang tidak memberikan nilai tambah. Sehingga, keunikan dari
teknik ini adalah untuk mengembangkan VSM dalam kegiatan perawatan yang
disebut dengan Maintenance Value Stream Mapping (MVSM).

3.4.2. Variabel yang Digunakan Dalam MVSM
Konsep Mean Maintenace Lead Time (MMLT) dianalogikan sesuai dengan
konsep lead time dalam kegiatan manufaktur dalam pengukuran waktu untuk
kegiatan perawatan. MMLT didefinisikan sebagai rata-rata waktu yang dibutuhkan
untuk melakukan kegiatan perawatan mesin sehingga mesin tersebut dapat dipastikan
telah mampu dioperasikan dengan normal. MMLT membagi kegiatan perwatan ke
dalam beberapa level kegiatan. Dalam MVSM tidak dilakukan pengujian terhadap
dampak dari buruk atau kurangnya strategi perawatan di lantai produksi, melainkan
digunakan sebagai alat untuk mengukur waktu aktivitas perawatan. Secara matematis,
MMLT dirumuskan dengan persamaan:
MMLT = MTTO + MTTR + MTTY

dimana:
MTTO = Mean Time To Organize (Rata-rata waktu yang diperlukan untuk
mengkoordinasikan tugas-tugas untuk memulai kegiatan perawatan
mesin/peralatan setelah diketahui adanya kerusakan atau berdasarkan
jadwal yang telah dibuat)
MTTR = Mean Time To Repair (Rata-rata waktu yang dibutuhkan untuk
melakukan aktivitas perawatan mesin/peralatan)
MTTY = Mean Time To Yield (Rata-rata waktu yang dibutuhkan untuk memastikan
bahwa mesin/peralatan dapat digunakan kembali setelah kegiatan
perawatan mesin/peralatan dilakukan)
Berdasarkan definisi tersebut, komponen waktu yang memberikan nilai
tambah bagi kegiatan perawatan adalah MTTR karena hanya komponen waktu ini
merupakan waktu yang dibutuhkan untuk melakukan kegiatan perawatan atau
perbaikan terhadap mesin/peralatan. Untuk dua komponen waktu lainnya, yaitu
MTTO dan MTTY merupakan kegiatan yang tidak memberikan nilai tambah (non
value added time).
Oleh karena itu, value added time dan non value added time ditunjukkan
dengan persamaan:

Value added time = MTTR
Non value added time = MTTO + MTTR

Adapun efisiensi perawatan dihitung dengan menggunakan persentase dari
MMLT aktual dibandingkan dengan MMLT. Secara matematis:
100%
MMLT
MTTR
Perawatan %Efisiensi =

3.4.3. Framework yang Digunakan Dalam MVSM
Pada bagian ini akan dijelaskan framework (kerangka kerja) yang akan
digunakan dalam dalam mengembangkan MVSM, yaitu tujuh kategori kerangka kerja
yang merupakan simbol-simbol dari konsep VSM secara umum dan dikembangkan
menjadi beberapa simbol baru. Berikut ini adalah uraian terhadap tujuh kategori
kerangka kerja yang digunakan dalam MVSM:
1. Equipment breakdown
Simbol ini menggambarkan bahwa terjadi kerusakan atau perlunya dilakukan
perawatan pada satu mesin/peralatan yang dapat mempengaruhi proses produksi.
2. Proses
Pada kategori ini terdapat aktivitas-aktivitas yang merupakan tahapan yang
dilakukan sejak terhentinya mesin/peralatan sampai kondisi dimana
mesin/peralatan dapat berfungsi kembali dengan normal dalam proses produksi.
Aktivitas-aktivitas tersebut adalah komunikasikan masalah, identifikasi masalah,
identifikasi sumber daya, mengalokasikan sumber daya, mempersiapkan
pekerjaan yang akan dilakukan, melakukan perawatan/perbaikan, menjalankan
mesin/peralatan setelah diperbaiki, dan pekerjaan perawatan/perbaikan selesai.

3. Aliran fisik
Aliran fisik menggambarkan aktivitas transportasi antara kegiatan yang satu
dengan kegiatan yang lain yang dapat diamati secara fisik.
4. Aliran informasi
Aliran fisik dalam proses perawatan berhubungan dengan aliran informasi.
Terkadang aliran informasi merupakan penghambat dalam aktivitas perawatan
sehingga waktu yang dibutuhkan untuk proses selanjutnya jadi semakin lama.
5. Kotak data
Di setiap simbol proses terdapat kotak data yang berisi data mengenai simbol
tersebut.
6. Delay
Simbol ini mengindikasikan bahwa terdapat waktu mengganggur di antara dua
proses. Delay merupakan jenis kegiatan non value added yang dapat menambah
nilai MMLT. Ada 3 jenis delay yang digunakan dalam menggambarkan MVSM,
yaitu delay akibat operator yang menggunakan mesin/peralatan lambat dalam
merespon masalah kerusakan, delay akibat tidak tersedianya komponen, dan
delay akibat tidak tersedianya operator perawatan (tidak standby di tempat).
7. Timeline
Timeline menggambarkan dua jenis waktu, yaitu value added time dan non value
added time.

Untuk lebih jelasnya, 7 kategori framework tersebut dapat dilihat pada Tabel
1. berikut ini.
Tabel 1. Kategori Framework dalam MVSM
No.
Kategori
Framework
Sub-kategori Simbol
Nama
Simbol
Keterangan
Kategori
MMLT
1
Equipment
breakdown

Equipment
breakdown
Terjadi kerusakan atau
perlunya dilakukan
perawatan pada satu
mesin/peralatan yang dapat
mempengaruhi proses
produksi
MTTO,
MTTR,
MTTY
2 Proses
Communication
Komunikasikan
masalah

Komunikasikan
masalah
Operator pengguna
mesin/peralatan
mengkoordinasikan
masalah
kerusakan ke operator
perawatan atau perbaikan
MTTO
Identification

Identifikasi
masalah
Identifikasi hal-hal yang
menyebabkan terhentinya
mesin/peralatan yang
digunakan
MTTO

Identifikasi
sumber daya
Indetifikasi sumber daya
yang dibutuhkan dalam
melakukan proses
perawatan atau perbaikan,
seperti alat-alat (obeng,
tang, palu, dll), spare parts,
operator, dll
MTTO
Alokasi

Mengalokasikan
sumber daya
Mempersiapkan sumber
daya yang telah
diidentifikasi
MTTO
2 Proses
Work Order

Mempersiapkan
pekerjaan yang akan
dilakukan
Menyusun rencana kerja MTTO

Pekerjaan
perawatan/perbaikan
selesai
Rencana kerja telah disusun MTTO
Repair

Melakukan
perawatan/perbaikan
Pelaksanaan perawatan atau
perbaikan terhadap
mesin/peralatan
MTTR

Tabel 1. Kategori Framework dalam MVSM (lanjutan)
No.
Kategori
Framework
Sub-kategori Simbol
Nama
Simbol
Keterangan
Kategori
MMLT
Yield
Menjalankan mesin/
peralatan setelah
diperbaiki

Menjalankan
mesin/peralatan
setelah diperbaiki
Waktu yang dibutuhkan
untuk memastikan bahwa
mesin/peralatan dapat
digunakan kembali setelah
kegiatan perawatan
mesin/peralatan dilakukan
MTTY
3 Aliran fisik
Panah maju

Panah maju
Menunjukkan adanya aliran
fisik.
Dua proses di dalam MVSM
dihubungkan dengan panah
ini
MTTO,
MTTR,
MTTY
Panah turun

Panah turun
Menggambarkan aliran fisik
antara equipment
breakdown dengan aktivitas
pertama dalam MVSM
MTTO
4
Aliran
informasi
Manual

Panah lurus
Menggambarkan aliran
informasi seperti memo,
laporan, atau percakapan.
Frekuensi aliran juga
dicantumkan di simbol ini
MTTO,
MTTR,
MTTY
Elektronik

Panah berkelok
Menggambar aliran
informasi melalui internet,
intranet, Local Area
Network (LAN), Wide Area
Network (WAN).
Frekuensi aliran juga
dicantumkan di simbol ini
MTTO,
MTTR,
MTTY
5 Kotak data

Kotak data
Kotak data digunakan untuk
merekam informasi dari
setiap aktivitas
perawatan/perbaikan.
Data yang terdapat di dalam
kotak ini adalah data waktu
setiap aktivitas
MTTO,
MTTR,
MTTY
6 Delay
Delay akibat
operator yang
menggunakan
mesin/peralatan
lambat dalam
merespon
masalah
kerusakan

Delay 1
Delay dihitung sejak
terjadinya equipment
breakdown sampai operator
perawatan mendapatkan
informasi bahwa terjadi
kerusakan (delay terjadi
akibat lambatnya operator
yang mnenjalankan
mesin/peralatan dalam
merespon masalah
kerusakan)
MTTO

Tabel 1. Kategori Framework dalam MVSM (lanjutan)
No.
Kategori
Framework
Sub-kategori Simbol
Nama
Simbol
Keterangan
Kategori
MMLT

Delay akibat
tidak
tersedianya
komponen
Delay 2
Delay terjadi karena tidak
tersedianya komponen yang
dibutuhkan meskipun
informasi telah diterima
oleh operator perawatan
MTTO
Delay akibat
tidak
tersedianya
operator
perawatan
(tidak standby
di tempat)

Delay 3
Aktivitas perawatan
tertunda karena operator
perawatan yang tidak berada
di tempat pada waktu
operator pengguna
mesin/peralatan
menyampaikan kondisi
equipment breakdown
MTTO,
MTTY
7 Timeline

Timeline
Timeline digunakan untuk
mencatat informasi tentang
value added time (VA time)
dan non value added time
(NVA time). Pada bagian
atas dicatat NVA time dan
pada bagian bawah dicatat
untuk VA time
MTTO,
MTTR,
MTTY
sumber: Kannan, Soundararajan, et. al. Developing A Maintenance Value Stream Map.
(http://www.iienet.org/uploadedFiles/IIE/Community/Technical_Societies_and_Divisions/Lean/Lean_details_pages/Kannan4-
07.pdf)

3.4.4. Proses Pemetaan dengan MVSM
Langkah-langkah yang dilakukan dalam memetakan aktivitas perawatan
dengan menggunakan MVSM adalah sebagai berikut:
1. Menggambarkan simbol equipment breakdwon di sudut kiri atas lembar kerja
sebagai tanda awal bahwa telah terjadi breakdown pada mesin atau peralatan.
Tuliskan juga nama mesin atau peralatan yang mengalami breakdown di kotak
kecil bagian atas.
2. Menggambarkan simbol-simbol yang berhubungan dengan proses yang pertama
sekali (komunikasikan masalah) di bawah simbol equipment breakdown.

Tempatkan juga simbol pekerjaan perawatan/perbaikan selesai di sebelah paling
kanan kertas kerja dan sejajar dengan simbol komunikasikan masalah.
3. Mengidentifikasi simbol-simbol yang akan digambarkan di antara simbol
komunikasikan masalah dan simbol pekerjaan perawatan/perbaikan selesai.
Simbol-simbol tersebut adalah identifikasi masalah, identifikasi sumber daya,
mengalokasikan sumber daya, mempersiapkan pekerjaan yang akan dilakukan,
melakukan perawatan/perbaikan, menjalankan mesin/peralatan setelah diperbaiki.
Semua simbol tersebut disusun secara berurutan dari kiri ke kanan dengan
memberikan ruang untuk simbol panah maju dan delay (jika terdapat delay).
4. Menggambarkan simbol kotak data dan memasukkan data waktu untuk setiap
proses yang telah digambarkan pada langkah sebelumnya. Khusus untuk simbol
pekerjaan perawatan/perbaikan selesai, data waktu proses tidak ada karena proses
tersebut tidak memberikan pengaruh terhadap nilai MMLT (hanya sebagai
keadaan yang menunjukkan bahwa aliran proses pada aktivitas
perawatan/perbaikan telah selesai seluruhnya.
5. Menggambarkan simbol delay di antara setiap proses. Simbol delay disesuaikan
dengan keadaan yang ingin dipetakan. Data mengenai lamanya delay dituliskan di
bawah simbol delay. Jika terdapat dua atau lebih delay, cukup dengan
menggambarkan satu simbol segitiga dan menuliskan angka di dalam segitiga
tersebut sesuai jenis delay yang ingin digambarkan.

6. Menggambarkan simbol aliran fisik dan aliran informasi sesuai dengan keadaan
aktivitas yang ingin dipetakan.
7. Menggambarkan simbol timeline di bagian bawah gambar simbol proses dan
mencatatkan waktu setiap proses sesuai dengan kategori value added time atau
non value added time.
8. Melengkapi gambar dengan perhitungan total value added time, non value added
time, dan % efisiensi perawatan.
Berikut ini adalah contoh gambar MVSM suatu proses perawatan mesin yang
digambarkan secara lengkap sesuai dengan langkah-langkah yang telah dijelaskan.

Gambar 2. Maintenance Value Stream Mappping (MVSM)

3.5. Teknik-teknik dalam Analisis Sistem Perawatan
3.5.1.Diagram Pareto
Diagram Pareto pertama sekali diperkenalkan oleh seorang ahli yaitu Alfredo
Pareto (1848-1923). Diagram ini merupakan sustu gambar yang mengurutkan

klasifikasi data dari kiri ke kanan menurut urutan ranking yang tertinggi hingga
terendah. Hal ini dapat membantu dalam menemukan permasalahan yang paling
penting untuk segera diselesaikan (ranking tertinggi) sampai dengan masalah yang
tidak harus segera diselesaikan (ranking terendah). Diagram Pareto juga dapat
mengidentifikasi masalah yang paling penting yang mempengaruhi usaha perbaikan
kualitas dan memberi petunjuk dalam mengalokasikan sumber daya yang terbatas
untuk menyelesaikan masalah (Mitra, 1993).
Selain itu, Diagram Pareto juga dapat digunakan untuk membandingkan
kondisi proses, misalnya ketidaksesuaian proses sebelum dan setelah diambil
tindakan perbaikan terhadap proses. Penyusunan Diagram Pareto sangat sederhana.
Menurut Mitra (1993) dan Besterfield (1998), proses penyusunan Diagram Pareto
meliputi enam langkah, yaitu:
1. Menentukan metode atau arti dari pengklasifikasian data, misalnya berdasarkan
masalah, penyebab, jenis ketidaksesuaian, dan sebaginya.
2. Menentukan satuan yang digunakan untuk membuat urutan karakteristik-
karakteristik tersebut, misalnya rupiah, frekuensi, unit dan sebagianya.
3. Mengumpulkan data sesuai dengan interval waktu yang telah ditentukan.
4. Merangkum data dan membuat rangking kategori data tersebut dari yang terbesar
hingga yang terkecil.
5. Menghitung frekuensi kumulatif atau persentase kumulatif yang digunakan.

6. Menggambar diagram batang, menunjukkan tingkat kepentingan relatif masing-
masing maslah.
7. Mengidentifikasi beberapa hal yang penting untuk mendapat perhatian.

Gambar 3. Contoh Diagram Pareto

3.5.2. Lembar Pengecekan (Checksheet)
Tujuan dari pembuatan lembar pengecekan ini adalah menjamin bahwa data
dikumpulkan secara teliti dan akurat oleh pemakai untuk diadakan pengendalian

proses dan penyelesaian masalah. Data dalam lembar pengecekan tersebut nantinya
akan digunakan dan dianalisis secara cepat dan mudah.
Tabel 2. Contoh Lembar Pengecekan (Checksheet)
Kegagalan Komponen Jumlah Kegagalan Komponen Total
Bearing IIIII III 8
Belt IIII 4
Chain III 3
Gear Box IIII 4

3.5.3. Cause and Effect Diagram (Fishbone Diagram)
Diagram sebab akibat dikembangkan oleh Dr. Kaoru Ishikawa pada tahun
1943 sehingga sering disebut dengan diagram Ishikawa. Diagram ini menggambarkan
garis dengan simbol-simbol yang menujukkan hubungan antar akibat dan penyebab
suatu masalah. Diagram tersebut memang digunakan untuk mengetahui akibat dari
suatu masalah untuk selanjutnya diambil tindakan perbaikan. Dari akibat tersebut
kemudian dicari beberapa kemungkinan penyebabnya. Penyebab masalah ini pun
dapat dari berbagai sumber utama, misalnya metode kerja, bahan, mesin/peralatan,
operator, dan lingkungan kerja.
Selanjutnya dari sumber-sumber utama tersebut diturunkan menjadi beberapa
sumber yang lebih kecil dan mendetail, misalnya dari metode kerja dapat diturunkan
menjadi pelatihan, pengetahuan, kemampuan, karakteristik fisik, dan sebagianya.
Untuk mencari berbagai penyebab tersebut dapat digunakan teknik brainstorming
dari seluruh personil yang terlibat dalam proses yang sedang dianalisis.

Diagram sebab akibat mirip seperti tulang ikan, sehingga sering juga disebut
sebagai diagram tulang ikan (fishbone diagram). Manfaat diagram sebab akibat
tersebut antara lain:
1. Dapat menggunakan kondisi yang sesungguhnya untuk tujuan perbaikan kualitas
produk atau jasa, lebih efisien dalam penggunaan sumber daya, dan dapat
mengurangi biaya.
2. Dapat mengurangi dan menghilangkan kondisi yang menyebabkan
ketidaksesuaian produk/jasa dan keluhan pelanggan.
3. Dapat membuat suatu standarisasi operasi yang ada maupun yang direncanakan.
4. Dapat memberikan pendidikan dan pelatihan bagi karyawan dalam kegiatan
pembuatan keputusan dan melakukan tindakan perbaikan.

Gambar 4. Contoh Cause and Effect Diagram (Fishbone Diagram)


BAB IV
KERANGKA KONSEPTUAL

4.1. Kerangka Konseptual Penelitian
Gambar di bawah ini adalah kerangka konseptual yang digunakan dalam
melakukan penelitian ini.

Gambar 5. Kerangka Konseptual Penelitian

Keterangan:
1. Permasalahan dalam penelitian ini, yaitu penyusunan sistem perawatan mesin
yang terencana dan dapat terlaksana dengan baik sehingga sistem perawatan
mesin menjadi sistem perawatan yang preventif dan peningkatan produktivitas

yang ditunjukkan oleh berkurangnya jumlah produk yang menjadi low grade
akibat dari kegagalan mesin.
2. Untuk memecahkan masalah tersebut di atas, maka langkah pertama yang
dilakukan adalah menggunakan Cause and Effect Diagram (Fishbone Diagram)
untuk mengidentifikasi indikator-indikator yang berpengaruh terhadap
produktivitas. Produktivitas ditunjukkan dari jumlah produk dengan kualitas low
grade sebagai akibat dari tingginya kegagalan mesin.
3. Dengan menggunakan pendekatan Reliability Engineering, akan diperoleh nilai
Mean Time To Failure (MTTF) yang dapat digunakan untuk menyusun suatu
program perawatan usulan yang terencana dan dapat terlaksana.
4. Seluruh aktivitas perawatan usulan yang disusun berdasarkan pendekatan
Reliability Engineering tersebut selanjutnya dipetakan dengan menggunakan
pendekatan Maintenance Value Stream Mapping (MVSM), sehingga akan
diperoleh gambaran bahwa program aktivitas perawatan yang dirancang
memberikan nilai tambah yang sesuai untuk sistem perawatan. Adanya value
added ditunjukkan oleh nilai Mean Time To Repair (MTTR), sedangkan nilai non
value added ditunjukkan oleh Mean Time To Organize (MTTO) dan Mean Time
To Yield (MTTY).
5. Identifikasi indikator peningkatan produktivitas dengan Cause and Effect
Diagram (Fishbone Diagram) dilakukan kembali setelah perancangan dan
pemetaan aktivitas perawatan. Hal ini untuk menunujukkan bahwa faktor

maintenance sebagai salah satu indikator penting untuk mendukung terjadinya
peningkatan produktivitas karena telah menurunnya jumlah produk low grade
akibat dari kegagalan mesin.
6. Hasil akhir yang diharapkan dari kegiatan penelitian ini adalah:
a. Menyusun Standard Operating Procedure (SOP) untuk melakukan
perawatan komponen mesin/peralatan dalam rancangan sistem perawatan
mesin yang preventive.
b. Memetakan aktivitas perawatan mesin yang dapat menunjukkan bahwa setiap
aktivitas memberikan nilai tambah yang sesuai untuk sistem perawatan.
c. Mendapatkan jadwal perawatan mesin berdasarkan interval penggantian
komponen.

4.2. Definisi Operasional
Berikut ini adalah definisi operasional terhadap variabel-variabel yang
digunakan dalam penelitian agar hubungan antarvariabel yang terkandung dalam
kerangka konseptual dapat lebih dipahami.
1. Produk low grade
Produk rubber thread yang termasuk ke dalam kategori produk dengan standar
mutu B-grade dan wastage yang ditetapkan di PT. Industri Karet Nusantara.


2. Produktivitas
Produktivitas diukur dari jumlah produk dengan kualitas low grade sebagai akibat
dari tingginya kegagalan mesin.
3. Mean Time To Failure (MTTF)
4. Mean Time To Organize (MTTO)
MTTO adalah rata-rata waktu yang diperlukan untuk mengkoordinasikan tugas-
tugas untuk memulai kegiatan perawatan mesin/peralatan setelah diketahui
adanya kerusakan atau berdasarkan jadwal yang telah dibuat.
5. Mean Time To Repair (MTTR)
MTTR adalah rata-rata waktu yang dibutuhkan untuk melakukan aktivitas
perawatan mesin/peralatan.
6. Mean Time To Yield (MTTY)
MTTY adalah rata-rata waktu yang dibutuhkan untuk memastikan bahwa
mesin/peralatan dapat digunakan kembali setelah kegiatan perawatan
mesin/peralatan dilakukan.


BAB V
METODOLOGI PENELITIAN

5.1. Lokasi dan Objek Penelitian
Penelitian ini dilakukan di PT. Industri Karet Nusantara, di Jl. Medan
Tanjung Morawa Km. 9,5 Medan, 20148. Objek yang diteliti adalah proses produksi
rubber thread dan sistem perawatan aktual line I di lantai produksi PT. Industri Karet
Nusantara.

5.2. Waktu Pengamatan
Pengamatan dilakukan agar seluruh data yang diperlukan untuk mendukung
penelitian tesis ini diperoleh. Peneliti melakukan pengamatan di lantai produksi mulai
tanggal 18 Januari 2010 sampai dengan tanggal 5 Februari 2010.

5.3. Bentuk Penelitian
Penelitian ini dilakukan dengan melakukan pengamatan langsung terhadap
objek penelitian di lapangan. Objek penelitian diamati dan dipelajari sehingga dapat
digambarkan kondisi aktual yang sedang berlangsung. Kemudian dilakukan studi
untuk melakukan perbaikan-perbaikan dengan menggunakan ilmu-ilmu yang terkait.
Hasil penelitian ini dapat dijadikan sebagai bahan masukan bagi perusahaan di masa
mendatang. Berdasarkan sifatnya jenis penelitian ini adalah penelitian deskriptif.

5.4. Pengumpulan Data
Data yang dibutuhkan dalam tugas akhir diperoleh dari data primer dan data
sekunder, yaitu:
1. Data Primer
Data primer yaitu data yang diperoleh melalui pengamatan langsung, wawancara,
dan diskusi. Data primer yang dikumpulkan adalah
a. Data uraian proses di lantai produksi pada saat ini diperoleh dengan
melakukan pengamatan langsung
b. Data metode perawatan mesin aktual
c. Pernyataan pakar/ahli yang diperoleh dari wawancara secara langsung dengan
pakar teknisi mesin
2. Data Sekunder
Data sekunder yaitu data yang diperoleh dari catatan-catatan, laporan, buku dan
bagian/instansi yang terkait. Data sekunder merupakan data yang telah dimiliki
perusahaan, baik data umum perusahaan seperti sejarah perusahaan, struktur
organisasi dan sebagainya. Data sekunder yang dikumpulkan adalah:
a. Data interval kerusakan mesin/komponen mesin
b. Data historis mesin
c. Data jumlah produksi dan pencapaian setiap grade yang dihasilkan


5.5. Pengolahan Data
Sebelum kajian keterandalan dilakukan data kerusakan komponen perlu diuji
distribusinya untuk memenuhi syarat pemakaian reliability engineering. Data yang
ada diuji dengan menggunakan 5 pola distribusi, yaitu distribusi weibull, normal,
gamma, lognormal, dan eksponensial. Software yang digunakan dalam pengujian ini
adalah easy fit professional 5.0 (trial version 30 days).

5.6. Analisis
5.6.1. Analisis Current State Map Aktivitas Perawatan
Current State Map yang digambarkan dengan menggunakan pendekatan
Maintenace Value Stream Mapping (MVSM) merupakan gambaran terhadap aktivitas
perawatan yang dilakukan apabila terjadi kegagalan mesin. Dari Current State Map
yang digambarkan tidak dapat dihitung nilai Mean Time To Organize (MTTO), Mean
Time To Repair (MTTR), Mean Time To Yield (MTTY) yang merupakan parameter
dalam melakukan analisis terhadap aktivitas perawatan yang memberikan nilai
tambah (value added) maupun yang tidak memberikan nilai tambah (non value
added).
Dengan adanya analisis ini, maka pada tahap selanjutnya akan dilakukan
pendekatan untuk menyusun suatu rancangan program perawatan usulan yang dapat
digunakan sebagai pedoman untuk melakukan aktivitas perawatan yang lebih
memberikan nilai tambah yang sesuai untuk sistem perawatan.

5.6.2. Pengembangan Program Perawatan Usulan Berdasarkan Pendekatan
Reliability Engineering
Dengan penerapan pendekatan ini analisis dilakukan dengan menggunakan
langkah-langkah dan metode statistik. Interval data kerusakan menjadi input data
untuk dilakukan pengujian kecukupan data dan penentuan pola distribusi data. Dari
pola tersebut maka akan ditentukan formulasi Mean Time To Failure (MTTF) yang
sesuai untuk menentukan interval penggatian komponen sebelum terjadi kerusakan.
Analisis sistem perawatan mesin hasil perancangan dilakukan untuk
memperoleh sistem perawatan yang lebih baik dan representatif terhadap kondisi
existing dilantai pabrik. Analisis juga dilakukan terhadap dampak implementasi
sistem perawatan hasil perancangan terhadap kinerja lantai pabrik dan
membandingkan antara implementasi sistem perawatan mesin aktual dengan sistem
perawatan hasil perancangan sehingga dapat digambarkan apakah sistem perawatan
hasil perancangan lebih representatif.

5.6.3. Indikator Terjadinya Peningkatan Produktivitas
Penyebab tingginya produk dengan kualitas low grade yang telah
diidentifikasi dengan menggunakan Cause and Effect Diagram (Fishbone Diagram)
selanjutnya dianalisis kembali berdasarkan hasil pemetaan aktivitas perawatan dan
pengembangan program perawatan usulan sehingga akan diperoleh indikator-
indikator yang dapat menunjukkan adanya peningkatan produktivitas perusahaan.

Analisis terhadap indikator peningkatan produktivitas juga dilakukan dengan
menggunakan pendekatan Cause and Effect Diagram (Fishbone Diagram) sehingga
akan diperoleh gambaran perbedaan yang nyata antara kondisi aktual dengan kondisi
usulan yang dikembangkan.

5.7. Evaluasi
Evaluasi dilakukan terhadap program perawatan usulan dengan menyusun
nilai-nilai aktivitas perawatan berdasarkan analisis terhadap Current State Map.
Keluaran dari evaluasi ini adalah suatu Future State Map yang disusun untuk
menunjukkan bahwa setiap aktivitas memberikan nilai tambah yang sesuai untuk
sistem perawatan.


Identifikasi Masalah
1. Tidak terlaksananya jadwal perawatan yang telah ditetapkan.
2. Mesin diperbaiki ketika terjadi kerusakan (corrective maintenance)
3. Tidak adanya SOP dalam melakukan perawatan komponen mesin.
Pengumpulan Data
Kesimpulan dan Saran
Tools
Maintenance Value Stream
Mapping (MVSM)
Identifikasi penyebab tingginya
jumlah produk yang low grade
Tools: Cause and Effect
Diagram (Fishbone Diagram)
Mulai
Perumusan Masalah
Perawatan yang dilakasanakan di PT. Industri Karet
Nusantara masih bersifat corrective dan belum
berjalan dengan baik, sehingga dalam penelitian ini
perlu dikembangkan suatu kebijakan pemeliharaan
mesin pada PT. Industri Karet Nusantara (IKN).
Penetapan Tujuan
1. Mendapatkan Standard Operating Procedure (SOP) untuk
melakukan perawatan komponen mesin/peralatan dalam
rancangan sistem perawatan mesin yang preventive.
2. Memetakan aktivitas perawatan mesin yang dapat
menunjukkan bahwa setiap aktivitas memberikan nilai
tambah yang sesuai untuk sistem perawatan.
3. Mendapatkan jadwal perawatan mesin berdasarkan interval
penggantian komponen.
Data Pimer
1. Proses produksi
2. Metode perawatan mesin
aktual
3. Penyataan pakar/ahli
Data Sekunder
1. Interval kerusakan mesin (TTF)
2. Data historis mesin
3. Data jumlah produksi dan
grade yang dihasilkan
Pengolahan Data
1. Current State Map aktivitas perawatan aktual
Mean Time To Organize (MTTO)
Mean Time To Repair (MTTR)
Mean Time To Yield (MTTY)
2. Reliability Engineering
Pengujian Distribusi
Penentuan parameter Distribusi
Konsep keandalan
Mean Time To Failure (MTTF)
Analisis
1. Analisis Current State Map
2. Pengembangan program perawatan usulan
3. Indikator terjadinya peningkatan produktivitas
Evaluasi
1. Program perawatan usulan
2. Pembuatan Future State Map
Selesai
Tools
Pendekatan Reliability Engineering

Gambar 6. Blok Diagram Metodologi Penelitian

BAB VI
PENGUMPULAN DAN PENGOLAHAN DATA

6.1. Pengumpulan Data
6.1.1. Data Jumlah Produksi
Pada bagian ini akan diperlihatkan data pembebanan untuk lintasan I section
Ekstrusi PT. Industri Karet Nusantara untuk Tahun 2008 dan 2009.
Tabel 3. Pembebanan Produksi Lintasan I Section Ekstrusi Tahun 2008
Tahun 2008
Grade
Total
Persentase Low
Grade + Losses A B C T. Losses
Januari 78000 2201.94 877.2 0 81079.14 3.80
Februari 40500 2713.45 761.32 0 43974.77 7.90
Maret 70000 1578.08 2456.45 465 74499.53 6.04
April 81184.16 1412.41 2271.94 0 84868.51 4.34
Mei 110196.2 1291.3 31.9 114.36 111633.7 1.29
Juni 42000 1243.7 1224.8 0 44468.5 5.55
Juli 0 0 0 0 0 0.00
Agustus 83000 1275.94 1304.58 34.64 85615.16 3.05
September 91516.54 1884.62 221.86 135.32 93758.34 2.39
Oktober 0 0 0 0 0 0.00
November 105848 11133.02 4146.22 578.62 121705.9 13.03
Desember 50000 2287.43 299.48 333.22 52920.13 5.52
Sumber: Departemen Produksi PT. Industri Karet Nusantara


Tabel 4. Pembebanan Produksi Lintasan I Section Ekstrusi Tahun 2009
Tahun 2009
Grade
Total
Persentase Low Grade
+ Losses A B C T. Losses
Januari 0 0 0 0 0 0.00
Februari 56829.4 1889.98 0 0 58719.38 3.22
Maret 88845.58 2201.04 696.3 465 92207.92 3.65
April 0 0 0 0 0 0.00
Mei 110196.2 1291.3 31.9 114.36 111633.7 1.29
Juni 0 0 0 0 0 0.00
Juli 115542 1209.34 0 0 116751.3 1.04
Agustus 15174.32 294.76 0 0 15469.08 1.91
September 91314.74 1531.82 0 0 92846.56 1.65
Oktober 0 0 0 0 0 0.00
November 113741.2 1884.02 160.72 871.4 116657.3 2.50
Desember 0 0 0 0 0 0
Sumber: Departemen Produksi PT. Industri Karet Nusantara

6.1.2. Data Historis Mesin dan Interval Kerusakan
Pada bagian ini akan diperlihatkan data kerusakan/kegagalan fungsi mesin
dan komponen mesin yang terjadi pada section Ekstrusi. Untuk Lebih Lengkapnya
data kerusakan mesin/historis dapat dilihat di bagian lampiran (Lampiran-1).
Tabel 5. Frekunesi Kerusakan/Kegagalan Komponen
Section Ekstrusi Periode 2008-2009
Lintasan Produksi Tahun 2008 Tahun 2009 Total
Lintasan I 38 28 66
Lintasan II 29 14 43
Lintasan III 16 13 29
Lintasan IV 13 16 29
Sumber: Departemen Teknik PT. Industri Karet Nusantara (Rekapitulisasi Data L-1)

Berdasarkan jumlah kerusakan bearing yang dilihat di lampiran L-1, dapat
ditentukan persenatse kerusakan bearing sebesar:
% 9 , 37
% 100
66
25
% 100
int
=
=
=
Bearing Kerusakan Persentase
x Bearing Kerusakan Persentase
x
I asan L Kerusakan Total
Bearing Kerusakan Jumlah
Bearing Kerusakan Persentase

Dari data Lampiran-1 dapat diperlihatkan Histogram frekuensi kegagalan
ataupun kerusakan komponen mesin untuk setiap lintasan di section Ekstrusi PT.
Industri Karet Nusantara.
0
5
10
15
20
25
30
35
40
Lintasan I Lintasan II Lintasan III Lintasan IV
Frekuensi Kerusakan/Kegagalan Komponen
Section Ekstrusi Periode 2008

Gambar 7. Histogram Kerusakan/Kegagalan Komponen Mesin

0
5
10
15
20
25
30
Lintasan I Lintasan II Lintasan III Lintasan IV
Frekuensi Kerusakan/Kegagalan Komponen

Gambar 8. Histogram Kerusakan/Kegagalan Komponen Mesin

Pada tabel berikut akan diperlihatkan interval kerusakan komponen bearing
elektromotor di section Ekstrusi Lintasan I.
Tabel 6. Interval Kerusakan Komponen Bearing Elektromotor
Lintasan I Section Ekstrusi (Hari)
No. Water bath Drying Curing Talcum Ribboning
1 117 84 100 64 133
2 120 90 77 63 143
3 154 72 56 127 173
4 128 78 96 183 112
5 123 89 91 66 131
6 100 172
7 99 112
8 87 113
Sumber: Departemen Teknik PT. Industri Karet Nusantara (Rekapitulisasi Data L-1)


6.2. Pengolahan Data
6.2.1. Identifikasi Penyebab Tingginya Jumlah Produk Low Grade
Pada bagian ini akan dilakukan identifikasi pernyebab tingginya jumlah
produk low grade yang dihasilkan dari mesin lintasan I section ekstrusi dengan
menggunakan pendekatan Cause and Effect Diagram (Fishbone Diagram).
Identifikasi ini bertujuan untuk mencari penyebab masalah secara mendetail
berdasarkan hasil pengamatan, wawancara, maupun data historis yang dikumpulkan.
Akibat yang akan dicari penyebabnya adalah tingginya jumlah produk rubber
thread yang low grade, sedangkan faktor yang mungkin menjadi penyebab umum
timbulnya masalah tersebut adalah manusia, mesin, metode, material, dan peralatan.
Untuk mengidentifikasi lebih dalam penyebab masalah dari setiap faktor tersebut,
dilakukan dengan menggunakan pertanyaan Mengapa masalah ini terjadi? hingga
sampai beberapa level yang diyakini merupakan akar dari masalah yang ingin
dipecahkan. Hasil yang diperoleh adalah dengan pengamatan secara langsung,
wawancara dengan operator dan beberapa karyawan dengan level yang yang tinggi
sehingga diperoleh pendapat dari setiap pekerja. Berikut ini adalah uraian identifikasi
penyebab masalah dari setiap faktor yang menjadi penyebab umum timbulnya
masalah tingginya jumlah produk rubber thread yang low grade.


Tabel 7. Identifikasi Penyebab Tingginya Jumlah Produk Low Grade
No. Faktor Umum
Mengapa Terjadi?
Level 1 Level 2 Level 3
1 Manusia
Tanggung jawab
yang overload
Perbandingan jumlah operator
dengan jumlah mesin tidak
seimbang (3 : 4)
-
Konsentrasi kurang
Alat Pelindung Diri (APD)
kurang
-
Banyaknya jenis pekerjaan -
Kurang cekatan
Kurangnya pelatihan yang
rutin untuk memahami SOP
yang ada
-
2 Mesin/ peralatan
Kerusakan
Komponen
Bearing
Prosedur
Sistem perawatan
Prosedur kurang
Metode perawatan
bersifat corrective
Jadwal tidak jalan
Jam mesin Mesin tua Set up tinggi
Teknologi rendah - -
3 Metode
Tergantung pada
mesin
Operator hanya melakukan
control (adjustment) terhadap
proses
-
Semi otomatis Continuous -
Process control - -
4 Material
Sifat bahan
Alamiah -
Dipengaruhi lingkungan -
Campuran
Komposisi -
Prosedur -
Ukuran dalam batch Continuous process -
Spesifikasi Pengujian kurang akurat -
5 Lingkungan
Beredebu
Jarang dibersihkan
Sifat operasi
-
-
High temperature Sifat operasi
-
sumber: Pengamatan, wawancara, dan pengumpulan data interval kerusakan komponen.

Berdasarkan uraian dalam Tabel 7. berikut digambarkan Cause and Effect
Diagram (Fishbone Diagram) hasil identifikasi penyebab tingginya jumlah produk
rubber thread yang low grade di mesin lintasan I section ekstrusi.

G
a
m
b
a
r

9
.

C
a
u
s
e

a
n
d

E
f
f
e
c
t

D
i
a
g
r
a
m

T
i
n
g
g
i
n
y
a

J
u
m
l
a
h

P
r
o
d
u
k

R
u
b
b
e
r

T
h
r
e
a
d

y
a
n
g

L
o
w

G
r
a
d
e

Dengan adanya Cause and Effetct Diagram, dapat diketahui beberapa faktor
penyebab tingginya jumlah produk low grade yang dihasilkan secara menyeluruh dan
namun dengan tampilan yang lebih sederhana. Berdasarkan pengamatan dan
pengumpulan data yang dilakukan, bahwa faktor kerusakan mesin yang merupakan
kegagalan mesin dalam menjalankan fungsinya merupakan faktor yang kritis karena
proses produksi rubber thread di PT. Industri Karet Nusantara adalah continuous
process. Kerusakan mesin juga disebabkan oleh metode perawatan dengan jadwal
yang tidak terlaksana dengan baik karena belum adanya dasar yang dapat digunakan
untuk melaksanakan perawatan mesin-mesin.

6.2.2. Sistem Perawatan Sekarang (Existing)
Berikut akan dijelaskan aktivitas perawatan sekarang (existing), yang
dijelaskan melalui flowchart/aliran kegiatan perawatan ketika terjadi kerusakan
komponen mesin. Dari flowchart tersebut dapat dilihat bahwa kegiatan perawatan
belum berjalan dengan baik, seperti ketika terjadinya kerusakan, teknisi, peralatan
belum tentu tersedia, sehingga akan memperlama kegiatan perawatan (MTTO).
Prosedur perawatan juga belum tersedia sehingga ketika terjadi kerusakan kegiatan
penggantian komponen mesin masih bersifat coba-coba (trial and error). Belum
tersedianya prosedur ini mengakibatkan lamanya waktu penggantian komponen
(MTTR).

Gambar 10. Flowchart Sistem Perawatan Sekarang

Faktor yang menjadi penyebab umum timbulnya masalah tersebut adalah
manusia, mesin/peralatan, metode,material/sparepart dan lingkungan. Untuk
mengidentifikasi lebih dalam penyebab masalah dari setiap faktor tersebut, dilakukan
dengan menggunakan pertanyaan Mengapa masalah ini terjadi? hingga sampai
beberapa level yang diyakini merupakan akar dari masalah yang ingin dipecahkan
16
.
Hasil yang diperoleh adalah dengan pengamatan secara langsung, wawancara dengan
operator dan beberapa karyawan dengan level yang yang tinggi sehingga diperoleh
pendapat dari setiap pekerja. Berikut ini adalah uraian identifikasi penyebab masalah
dari setiap faktor yang menjadi penyebab umum timbulnya masalah kurang
efektifnya pelaksanaan perawatan sekarang (Existing).
Tabel 8. Identifikasi Penyebab Kurang Efektifnya Existing Maintenance
No.
Faktor
Umum
Mengapa Terjadi?
1.
Manusia/
operator
Kurang memahami cara
operasi mesin, fungsi dan
kegagalan fungsi mesin.

2.
Mesin dan
peralatan
Kerusakan mesin/
peralatan
High component failure
(bearing)
Belum tersedianya
metode
yang memadai

Identifikasi secara dini terhadap
kegagalan tidak ada.
Teknologi rendah - -
3. Metode Corrective maintenance
Prosedur kurang memadai -
Tindakan perawatan tiap
komponen belum diketahui pasti
-
4.
Material/
sparepart
Ketidaktersedian
material
Tidak dapat diprediksi kapan
terjadi kerusakan

4. Lingkungan
Beredebu
Jarang dibersihkan
Sifat operasi
-
-
High temperature Sifat operasi -
Sumber: Pengamatan, Wawancara, dan Pengumpulan Data Interval Kerusakan Komponen.

16
Dorothea Wahyuni, Pengendalian Kualitas Statistik (Hal. 19-21)

Dapat dilihat pada Tabel 8. bahwa faktor kerusakan mesin yang disebabkan
oleh prosedur yang kurang jelas terdapat hingga penyebab level 3. Dan setelah
melakukan pengumpulan data mengenai interval kerusakan komponen, ternyata
kerusakan bearing elektromotor merupakan kerusakan komponen mesin dengan level
yang tertinggi.
Berdasarkan uraian dalam Tabel 5.4. dapat digambarkan cause and effect
diagram (Fishbone Diagram) hasil identifikasi penyebab kurang efektifnya
pelaksanaan sistem perawatan sekarang (existing).

Gambar 11. Cause and Effect Diagram Kurang Efektifnya
Perawatan Sekrang (Existing)


6.2.3. Pembentukan Current State Map Aktivitas Perawatan Komponen
Bearing electromotor merupakan komponen mesin dengan tingkat kegagalan
yang paling tinggi. Oleh karena itu, dalam penelitian ini yang akan menjadi model
utama dalam memetakan aktivitas perawatan adalah komponen bearing electromotor.
Metode perawatan aktual dari PT. Industri Karet Nusantara tidak memiliki
data mengenai waktu rata-rata seperti MTTO, MTTR, dan MTTY sehingga dalam
Current State Map aktivitas perawatan komponen bearing electromotor hanya
digambarkan urutan aktivitas tanpa adanya nilai MTTO, MTTR, dan MTTY. Kondisi
ini selanjutnya akan dianalisis agar dapat menentukan berapa nilai setiap rata-rata
waktu tersebut berdasarkan pendekatan realibility engineering dan pengembangan
prosedur perawatan. Berikut ini adalah gambar Current State Map aktivitas
perawatan komponen bearing electromotor.

G
a
m
b
a
r

1
2
.

C
u
r
r
e
n
t

S
t
a
t
e

M
a
p

A
k
t
i
v
i
t
a
s

P
e
r
a
w
a
t
a
n

K
o
m
p
o
n
e
n

B
e
a
r
i
n
g

E
l
e
c
t
r
o
m
o
t
o
r

6.2.4. Reliability Engineering
Untuk dapat menggunakan konsep reliability engineering maka distribusi
interval kerusakan komponen perlu diuji distribusinya. Beberapa uji distribusi yang
digunakan adalah weibull, lognormal, normal, gamma dan eksponensial. Hasil
goodness of fit dengan menggunakan kolmogorov-smirnov pada Lampiran-2,
ternyata distribusi weibull mempunyai error terendah dibandingkan distribusi lain.

6.2.4.1.Pengujian Distribusi Weibull
Uji kecocokan distribusi dilakukan untuk menentukan apakah sebaran data
yang diamati telah sesuai dengan distribusi yang diharapkan. Pada penelitian ini uji
distribusi yang digunakan adalah uji Mann. Uji Mann berfungsi untuk menguji
distribusi weibull. Dasar dari test adalah distribusi kumulatif dari contoh hasil
pengamatan, diharapkan mendekati distribusi yang sebenarnya. Pengujian ini dapat
dilihat pada langkah-langkah yang ada di bab metodologi penelitian.
a. Pengujian Distribusi Weibull Komponen Bearing Elektromotor Water Bath
Pengujian kecocokan distribusi dengan tingkat kepercayaan 95 % dapat
dilakukan dengan perhitungan pada tabel sebagai berikut:


Tabel 9. Uji Distribusi Weibull 2 Parameter BearingElektromotor Water Bath
No
n
(event)
TTF
(Hari)
Xi
=ln(ti)
X(i+1)-Xi
Mi
(tabel)
X(i+1)-Xi/Mi
1 117 117 4.7622 0.0253 1.1157 0.0227
2 120 120 4.7875 0.0247 0.6454 0.0383
3 154 123 4.8122 0.0398 0.5324 0.0748
4 128 128 4.8520 0.1849 0.5832 0.3171
5 123 154 5.0370
Total 24.2508 0.2748 2.8767 0.4529

Dari Tabel 9. diperoleh:

i = (5/2)+1
= (5/2)+1 = 3,5 3
0,8654
0,4529
0,3919
3171 . 0 0784 . 0 0383 , 0 0227 . 0
3171 . 0 0748 , 0
=
=
+ + +
+
=
tes
tes
tes
S
S
S

Diketahui : S = 0,95 (dari tabel terlampir)
Maka Stes < S
Kesimpulan :
+ =
(
+
(
+
=
1
1
1
1 ) 2 / (
1
1
r
i
r
r i
tes
Mi
Xi Xi
Mi
Xi Xi
S

H
0
= dapat diterima, bearing eletromotor water bath berdistribusi weibull dua
parameter.

b. Pengujian Distribusi Weibull Komponen Bearing Elektromotor Drying
Tabel 10. Uji Distribusi Weibull 2 Parameter Bearing Elektromotor Drying
No
n
(event)
TTF
(Hari)
Xi
=ln(ti)
X(i+1)-Xi
Mi
(tabel)
X(i+1)-Xi/Mi
1 84 72 4.2767 0.0800 1.1157 0.0717
2 90 78 4.3567 0.0741 0.6454 0.1148
3 72 84 4.4308 0.0578 0.5324 0.1086
4 78 89 4.4886 0.0112 0.5832 0.0192
5 89 90 4.4998
Total 22.0526 0.2231 2.8767 0.3143


i = (5/2)+1
= (5/2)+1 = 3,5 3
0192 , 0 0186 . 0 1148 , 0 0717 , 0
0192 . 0 0186 , 0
+ + +
+
=
tes
S
+ =
(
+
(
+
=
1
1
1
1 ) 2 / (
1
1
r
i
r
r i
tes
Mi
Xi Xi
Mi
Xi Xi
S

0,4064
0,3143
0,1278
=
=
tes
tes
S
S

Maka Stes < S
Kesimpulan :
H
0
= dapat diterima, bearing eletromotor drying berdistribusi weibull dua
parameter.

c. Pengujian Distribusi Weibull Komponen Bearing Elektromotor Curing
Tabel 11. Uji Distribusi Weibull 2 Parameter BearingElektromotor Curing
No
n
(event)
TTF
(Hari)
Xi
=ln(ti)
X(i+1)-Xi
Mi
(tabel)
X(i+1)-Xi/Mi
1 100 56 4.0254 0.3185 1.0683 0.2981
2 77 77 4.3438 0.1221 0.5773 0.2115
3 56 87 4.4659 0.0450 0.4229 0.1063
4 96 91 4.5109 0.0535 0.3569 0.1499
5 91 96 4.5643 0.0308 0.3340 0.0921
6 100 99 4.5951 0.0101 0.3499 0.0287
7 99 100 4.6052 0.0000 0.4493 0.0000
8 87 100 4.6052
Total 35.7157 0.5798 3.5586 0.8866



i = (8/2)+1
= (8/2)+1 = 5
0,1363
0.8866
0.1209
0000 . 0 0287 . 0 0921 . 0 1499 . 0 1063 . 0 2115 . 0 2981 . 0
0000 . 0 0287 . 0 0921 , 0
=
=
+ + + + + +
+ +
=
tes
tes
tes
S
S
S

Maka Stes < S
Kesimpulan :
H
0
= dapat diterima, bearing eletromotor curing berdistribusi weibull dua
parameter.

d. Pengujian Distribusi Weibull Komponen Bearing Elektromotor Talcum

+ =
(
+
(
+
=
1
1
1
1 ) 2 / (
1
1
r
i
r
r i
tes
Mi
Xi Xi
Mi
Xi Xi
S

Tabel 12. Uji Distribusi Weibull 2 Parameter BearingElektromotor Talcum
No
n
(event)
TTF
(Hari)
Xi
=ln(ti)
X(i+1)-Xi
Mi
(tabel)
X(i+1)-Xi/Mi
1 64 63 4.1431 0.0157 1.0683 0.0147
2 63 64 4.1589 0.0308 0.5773 0.0533
3 127 66 4.1897 0.5288 0.4229 1.2505
4 183 112 4.7185 0.0089 0.3569 0.0249
5 66 113 4.7274 0.1168 0.3340 0.3497
6 172 127 4.8442 0.3033 0.3499 0.8668
7 112 172 5.1475 0.0620 0.4493 0.1380
8 113 183 5.2095
Total 37.1387 1.0664 3.5586 2.6980


i = (8/2)+1
= (8/2)+1 = 5
5020 . 0
2.6980
1.3545
1380 . 0 8668 . 0 3497 , 0 0249 . 0 2505 . 1 0533 . 0 0147 . 0
1380 . 0 8668 . 0 3497 , 0
=
=
+ + + + + +
+ +
=
tes
tes
tes
S
S
S

+ =
(
+
(
+
=
1
1
1
1 ) 2 / (
1
1
r
i
r
r i
tes
Mi
Xi Xi
Mi
Xi Xi
S

Maka Stes < S
Kesimpulan :
H
0
= dapat diterima, bearing eletromotor talcum berdistribusi weibull dua
parameter.

e. Pengujian Distribusi Weibull Komponen Bearing Elektromotor Ribboning
Tabel 13. Uji Distribusi Weibull 2 Parameter BearingElektromotor Ribboning
No
n
(event)
TTF
(Hari)
Xi
=ln(ti)
X(i+1)-Xi
Mi
(tabel)
X(i+1)-Xi/Mi
1 133 112 4.7185 0.1567 1.1157 0.1404
2 143 131 4.8752 0.0152 0.6454 0.0235
3 173 133 4.8903 0.0725 0.5324 0.1362
4 112 143 4.9628 0.1904 0.5832 0.3266
5 131 173 5.1533
Total 24.6002 0.4348 2.8767 0.6266


i = (5/2)+1
= (5/2)+1 = 3.5 3
+ =
(
+
(
+
=
1
1
1
1 ) 2 / (
1
1
r
i
r
r i
tes
Mi
Xi Xi
Mi
Xi Xi
S

0,7384
0.6266
0.4627
3266 . 0 1362 . 0 0235 . 0 1404 . 0
3266 . 0 1362 , 0
=
=
+ + +
+
=
tes
tes
tes
S
S
S

Maka Stes < S
Kesimpulan :
H
0
= dapat diterima, bearing eletromotor ribboning berdistribusi weibull dua
parameter.

6.2.4.2. Penentuan Parameter Distribusi Weibull
Distribusi Weibull adalah distribusi yang digunakan dalam menggambarkan
bentuk dari laju kerusakan dari suatu komponen. Distribusi ini sesuai digunakan
dalam menentukan tingkat keandalan (reliability) yang mempunyai konsep laju
kerusakan dalam penerapannya. Penentuan waktu kerusakan dan parameter distribusi
Weibull untuk menentukan nilai keandalan komponen kritis mesin pada lintasan I
section Ekstrusi yakni komponen bearing.

Dalam distribusi Weibull dua parameter terdapat parameter skala dan .
Untuk menaksir nilai parameter dan dilakukan perhitungan dengan cara regresi
linier Y = a + bt seperti yang dijelaskan pada metodologi penelitian.


a. Perhitungan parameter komponen Bearing elektromotor Water bath
Berikut akan disajikan perhitungan untuk menetukan parameter-parameter
untuk distribusi weibull komponen bearing elektromotor Water Bath.
Tabel 14. Menentukan Parameter Weibull Bearing Elektromotor Water bath
No. TTF Rank F(ti) R(ti) Xi Xi
2
Yi Yi.Xi

1 117 117 0.1667 0.8333 -1.7020 2.8967 4.7622 -8.1051
2 120 120 0.3333 0.6667 -0.9027 0.8149 4.7875 -4.3218
3 154 123 0.5000 0.5000 -0.3665 0.1343 4.8122 -1.7637
4 128 128 0.6667 0.3333 0.0940 0.0088 4.8520 0.4563
5 123 154 0.8333 0.1667 0.5832 0.3401 5.0370 2.9375
Total 2.5000 2.5000 -2.2940 4.1949 24.2508 -10.7968

Penentuan nilai keandalan dan parameter-parameter fungsi distribusi Weibull
berdasarkan interval waktu kerusakan (TTF) untuk komponen bearing Elektromotor
water bath dapat dilihat pada Tabel 14.
Nilai konstanta dan dapat dihitung dengan rumus sebagai berikut:
( )
2
2
) (

=
i i
i i i i
X X n
Y X Y X n
b

2
) 2940 . 2 ( 1949 . 4 5
) 2508 . 24 ( ) 2940 , 2 ( ) 7968 . 10 ( 5

= b

1048 , 0 = b


8983 . 4
5
2.2940) - 0,1048x ( ) 2508 . 24 (
=
=

a
a
n
X b Y
a
i i

0555 . 134
) 8983 , 4 ( exp
) ( exp
=
=
= a

5409 . 9
1048 , 0
1
1
=
=
=
b

b. Perhitungan parameter komponen Bearing elektromotor Drying
untuk distribusi weibull komponen bearing elektromotor Drying.
Tabel 15. Menentukan Parameter Weibull Bearing Elektromotor Drying
2
Yi Yi.Xi

1 84 72 0.1667 0.8333 -1.7020 2.8967 4.2767 -7.2788
2 90 78 0.3333 0.6667 -0.9027 0.8149 4.3567 -3.9329
3 72 84 0.5000 0.5000 -0.3665 0.1343 4.4308 -1.6240
4 78 89 0.6667 0.3333 0.0940 0.0088 4.4886 0.4221
5 89 90 0.8333 0.1667 0.5832 0.3401 4.4998 2.6243
Total 2.5000 2.5000 -2.2940 4.1949 22.0526 -9.7892


drying dapat dilihat pada Tabel 15.
( )
2
2
) (

=
i i
i i i i
X X n
Y X Y X n
b

2
) 2940 . 2 ( 1949 . 4 5
) 0526 . 22 ( ) 2940 , 2 ( ) 7892 . 9 ( 5

= b

1045 , 0 = b

4585 . 4
5
2.2940) - 0,1045x ( ) 0526 . 22 (
=
=

a
a
n
X b Y
a
i i

3554 . 85
) 4585 , 4 ( exp
) ( exp
=
=
= a

5693 . 9
1045 , 0
1
1
=
=
=
b


c. Perhitungan parameter komponen Bearing elektromotor Curing
Berikut akan disajikan perhitungan untuk menentukan parameter-parameter
untuk distribusi weibull komponen bearing elektromotor Curimg.
Tabel 16. Menentukan Parameter Weibull Bearing Elektromotor Curing
2
Yi Yi.Xi

1 100 56 0.1111 0.8889 -2.1389 4.5749 4.0254 -8.6099
2 77 77 0.2222 0.7778 -1.3811 1.9073 4.3438 -5.9990
3 56 87 0.3333 0.6667 -0.9027 0.8149 4.4659 -4.0315
4 96 91 0.4444 0.5556 -0.5314 0.2824 4.5109 -2.3970
5 91 96 0.5556 0.4444 -0.2096 0.0439 4.5643 -0.9566
6 100 99 0.6667 0.3333 0.0940 0.0088 4.5951 0.4322
7 99 100 0.7778 0.2222 0.4082 0.1666 4.6052 1.8797
8 87 100 0.8889 0.1111 0.7872 0.6197 4.6052 3.6252
Total 4.0000 4.0000 -3.8742 8.4186 35.7157 -16.0569

curing dapat dilihat pada Tabel 16.
( )
2
2
) (

=
i i
i i i i
X X n
Y X Y X n
b

2
) 8742 . 3 ( 4186 . 8 8
) 7157 . 35 ( ) 8742 . 3 ( ) 0569 . 16 ( 8

= b

1895 , 0 = b


5562 . 4
8
3.8742) - 0,1895x ( ) 7157 . 35 (
=
=

a
a
n
X b Y
a
i i

2222 . 95
) 5562 , 4 ( exp
) ( exp
=
=
= a

2784 . 5
1895 , 0
1
1
=
=
=
b

d. Perhitungan parameter komponen Bearing elektromotor Talcum
untuk distribusi weibull komponen bearing elektromotor talcum.


Tabel 17. Menentukan Parameter Weibull Bearing Elektromotor Talcum
2
Yi Yi.Xi

1 64 63 0.1111 0.8889 -2.1389 4.5749 4.1431 -8.8618
2 63 64 0.2222 0.7778 -1.3811 1.9073 4.1589 -5.7436
3 127 66 0.3333 0.6667 -0.9027 0.8149 4.1897 -3.7821
4 183 112 0.4444 0.5556 -0.5314 0.2824 4.7185 -2.5074
5 66 113 0.5556 0.4444 -0.2096 0.0439 4.7274 -0.9907
6 172 127 0.6667 0.3333 0.0940 0.0088 4.8442 0.4556
7 112 172 0.7778 0.2222 0.4082 0.1666 5.1475 2.1011
8 113 183 0.8889 0.1111 0.7872 0.6197 5.2095 4.1009
Total 4.0000 4.0000 -3.8742 8.4186 37.1387 -15.2280

talcum dapat dilihat pada Tabel 17.
( )
2
2
) (

=
i i
i i i i
X X n
Y X Y X n
b

2
) 8742 . 3 ( 4186 . 8 8
) 1387 . 37 ( ) 8742 . 3 ( ) 2280 . 15 ( 8

= b

4215 , 0 = b


8465 . 4
8
3.8742) - 0,4215x ( ) 1387 . 37 (
=
=

a
a
n
X b Y
a
i i

2877 . 127
) 8465 , 4 ( exp
) ( exp
=
=
= a

3726 . 2
4215 . 0
1
1
=
=
=
b

e. Perhitungan parameter komponen Bearing elektromotor Ribboning
untuk distribusi weibull komponen bearing elektromotor ribboning.
Tabel 18. Menentukan Parameter Weibull Bearing Elektromotor Ribboning
2
Yi Yi.Xi

1 133 112 0.1667 0.8333 -1.7020 2.8967 4.7185 -8.0308
2 143 131 0.3333 0.6667 -0.9027 0.8149 4.8752 -4.4009
3 173 133 0.5000 0.5000 -0.3665 0.1343 4.8903 -1.7924
4 112 143 0.6667 0.3333 0.0940 0.0088 4.9628 0.4667
5 131 173 0.8333 0.1667 0.5832 0.3401 5.1533 3.0054
Total 2.5000 2.5000 -2.2940 4.1949 24.6002 -10.7520

ribboning dapat dilihat pada Tabel 18.
( )
2
2
) (

=
i i
i i i i
X X n
Y X Y X n
b

2
) 2940 . 2 ( 1949 . 4 5
) 6002 . 24 ( ) 2940 , 2 ( ) 7520 . 10 ( 5

= b

1701 , 0 = b

9981 . 4
5
2.2940) - 0,1701x ( ) 6002 . 24 (
=
=

a
a
n
X b Y
a
i i

1258 . 148
) 9981 , 4 ( exp
) ( exp
=
=
= a

8801 . 5
1701 , 0
1
1
=
=
=
b


6.2.4.3.Penentuan Konsep Keandalan
Penentuan konsep keandalan didasari dari distribusi Weibull, dimana
parameter distibusi ini yang digunakan untuk menentukan nilai dari konsep
keandalan. Berikut akan ditampilkan kurva untuk PDF (Probability Density
Function), CDF (Cumulative Distribution Function), Keandalan (reliability) dan Laju
Kegagalan (failure rate). Kurva diplot dengan menggunakan bantuan software
StatAssist 5.0.
Tabel 19. Konsep Keandalan dengan Distribusi Weibull Dua Parameter
Konsep Keandalan Parameter Weibul Bearing
Fungsi Kepadatan Probablitas (PDF)
(
(
\
|
|
\
|
=

t t
t f exp ) (
1

Fungsi Distribusi Kumulatif (CDF)

(
(
\
|
=

t
t F exp 1 ) (
Fungsi Keandalan
(
(
\
|
=

t
t R exp ) (
Fungsi Laju Kegagalan
1
) (
) (
) (

|
\
|
= =

t
t R
t f
t h

Water bath
= 134.0555
= 9.5409

Drying
= 85.3554
= 9.5693

Curing
= 95.2222
= 5.2784
Talcum
= 127.2877
= 2.3726

Ribboning
= 148.1258
= 5.8801


6.2.4.4. Perhitungan Mean Time To Failure (MTTF) Komponen Bearing
|
|
\
|
+ =
1
1 MTTF

= Fungsi Gamma, (n) = (n-1)!
Dimana, menurut Stirling
n
n
e
n
n 2 n!

= 3,142...
e = 2,718...
a. MTTF Komponen Bearing Elektromotor Water bath

( )
7416 . 76
5768 , 0 0555 . 134
1048 , 0 1 0555 . 134
5409 . 9
1
1 0555 . 134
1
1
=
=
+ =
|
\
|
+ =
|
|
\
|
+ =
x
MTTF


b. MTTF Komponen Bearing Elektromotor Drying

( )
1913 . 49
5763 , 0 3554 . 85
1045 , 0 1 3554 . 85
5693 . 9
1
1 3554 . 85
1
1
=
=
+ =
|
\
|
+ =
|
|
\
|
+ =
x
MTTF

c. MTTF Komponen Bearing Elektromotor Curing

( )
7074 . 62
6585 , 0 2222 . 95
1895 , 0 1 2222 . 95
2784 . 5
1
1 2222 . 95
1
1
=
=
+ =
|
\
|
+ =
|
|
\
|
+ =
x
MTTF


d. MTTF Komponen Bearing Elektromotor Talcum

( )
4013 . 94
7416 , 0 2877 . 127
4215 , 0 1 2877 . 127
3726 . 2
1
1 2877 . 127
1
1
=
=
+ =
|
\
|
+ =
|
|
\
|
+ =
x
MTTF

e. MTTF Komponen Bearing Elektromotor Ribboning
( )
5481 . 95
6450 , 0 1258 . 148
1701 , 0 1 1258 . 148
8801 , 5
1
1 1258 . 148
1
1
=
=
+ =
|
\
|
+ =
|
|
\
|
+ =
x
MTTF

Pada tabel 20. berikut dapat dilihat nilai MTTF (Mean Time To Failure) dari
setiap komponen bearing elektromotor di section Ekstrusi.


Tabel 20. Nilai MTTF (Mean Time To Failure)
Bearing Mesin MTTF (Hari)
Bearing Water bath 134.0555 9.5409 76.7416
Bearing Drying 85.3554 9.5693 49.1913
Bearing Curing 95.2222 5.2784 62.7074
Bearing Talcum 127.2877 2.3726 94.4013
Bearing Ribboning 148.1258 5.8801 95.5481


BAB VII
ANALISIS DAN EVALUASI

7.1. Analisis
7.1.1. Analisis Current State Map
Berdasarkan hasil dari pembentukan current state map dapat dilihat bahwa
waktu untuk ketiga tahapan (MTTO, MTTR, dan MTTY) belum dapat ditentukan. Ini
diakibatkan oleh belum adanya suatu kondisi atau prosedur yang jelas ketika
terjadinya kerusakan komponen.
Aktivitas perawatan yang dipetakan pada current state map merupakan urutan
aktivitas aktual yang dilakukan jika terjadi kerusakan pada bearing electromotor.
Dengan adanya pemetaan ini, maka dapat diidentifikasi beberapa faktor yang dapat
menyebabkan bertambahnya nilai non value added time, yaitu:
1. Delay akibat operator yang menggunakan mesin/peralatan lambat dalam
merespon masalah kerusakan.
Delay ini dihitung sejak terjadinya equipment breakdown sampai operator
perawatan mendapatkan informasi bahwa terjadi kerusakan (delay terjadi akibat
lambatnya operator yang mnenjalankan mesin/peralatan dalam merespon masalah
kerusakan). Kemungkinan terjadinya delay sub-kategori 1 ini adalah operator
yang menggunakan mesin/peralatan belum memahami apa yang harus segera
dilakukan jika terjadi kerusakan pada mesin sehingga terjadi waktu menunggu,

misalnya menunggu sampai ada operator lain yang lebih paham untuk melakukan
tindak lanjut. Pemahaman terhadap prosedur yang harus dilakukan merupakan
syarat mutlak bagi seluruh operator meskipun proses adjustment di PT. Industri
Karet Nusantara harus dilakukan oleh supervisor terkait.
2. Delay akibat tidak tersedianya komponen.
Tersedianya komponen ataupun sumber daya seperti peralatan yang digunakan
untuk memperbaiki mesin yang rusak merupakan salah satu faktor yang dapat
mempengaruhi waktu dalam aktivitas perawatan. Jika komponen dan sumber
daya lainnya telah tersedia, maka proses perbaikan akan dapat segera dilakukan
jika informasi yang dibutuhkan telah mencukupi.
Kondisi aktual yang diidentifikasi dari aktivitas perawatan mesin di PT. Industri
Karet Nusantara adalah penyediaan komponen-komponen dan sumber daya yang
dibutuhkan untuk melakukan perbaikan mesin belum terlaksana dengan baik
karena penyediaan komponen dilakukan apabila kerusakan telah terjadi (bersifat
korektif). Hal ini dapat terlihat dari turunnya produktivitas yang ditunjukkan oleh
meningkatnya jumlah produk dengan kualitas low grade apabila terjadi kerusakan
mesin. Proses produksi rubber thread bersifat continuous sehingga jika terjadi
kerusakan pada salah satu mesin, maka akan mempengaruhi seluruh proses yang
akan mengakibatkan turrunnya kualitas produk yang dihasilkan. Untuk
meningkatkan produktivitas tersebut maka sistem perawatan mesin harus dibuat
dengan sistem perawatan preventif agar tidak terjadi lagi kerusakan mesin di saat

berlangsungunya proses produksi karena proses penggantian komponen dilakukan
berdasarkan interval penggantian komponen.
3. Delay akibat tidak tersedianya operator perawatan (tidak standby di tempat).
Operator di bagian teknik khususnya yang menangani masalah perawatan dan
perbaikan mesin harus standbye di lantai produksi agar pada saat dibutuhkan
dapat segera melakukan tugasnya. Sistem ini akan semakin baik dilaksanakan jika
prosedur perawatan mesin dilakukan secara preventif, artinya operator bagian
teknik tidak hanya menunggu laporan bahwa telah terjadi kerusakan atau
gangguan pada mesin. Dengan melakukan perawatan mesin berdasarkan interval
waktu penggantian, penyediaan komponen dan sumber daya, serta standbye untuk
melaksanakan tugasnya maka jumlah produk dengan kualitas low grade yang
diakibatkan oleh kerusakan mesin dapat dikurangi.
4. Prosedur perawatan dan perbaikan yang belum jelas.
Prosedur perawatan yang terdapat di PT. Industri Karet Nusantara belum dapat
terlaksana dengan baik. Hal ini dapat dilihat dari frekuensi kerusakan komponen
khususnya pada komponen bearing electromotor yang tidak diganti sebelum
terjadinya kerusakan. Jika komponen tersebut rusak pada saat proses produksi
sedang berjalan, maka akan mengakibatkan turunnya kualitas produk menjadi low
grade. Komponen bearing merupakan komponen yang sifatnya kritis sehingga
harus disusun jadwal penggantian komponen tersebut berdasarkan interval
kerusakannya agar dapat mencegah terjadinya kerusakan ketika berlangsungnya

proses produksi. Dengan demikian, tindakan preventif tersebut akan mengurangi
kemungkinan turunnya kualitas produk karena terganggunya proses produksi
yang disebabkan oleh komponen bearing electromotor yang rusak.

7.1.2. Pengembangan Program Perawatan Usulan
Dasar dari pembentukan program perawatan usulan ini adalah untuk
mengeliminasi waktu yang diperlukan ketika menangani kerusakan sebuah bearing
electromotor. Program ini menyediakan suatu kebijakan standar (prosedur) ketika
sebuah kerusakan terjadi, yang meliputi MTTO, MTTF, dan MTTY.

7.1.2.1. Mean Time To Organize (MTTO)
Gambar berikut ini merupakan sebuah tahapan-tahapan kegiatan yang harus
dilakukan ketika sebuah kerusakan terjadi. Tahapan berikut ini adalah sebagai basis
dalam pembentukan MTTO (Mean Time To Organize) yang dapat dikembangkan di
PT. Industri Karet Nusantara.

Gambar 13. Flowchart Maintenance Planning Procedure

Tabel 21. Perencanaan Prosedur Perawatan PT. Industri Karet Nusantara
No. Aktivitas Keterangan
1 Work order to be planned
Merencanakan pekerjaan perbaikan
untuk kerusakan mesin/komponen
mesin.
2 Analyze work and alternative available
Melakukan anslisis terhadap
pekerjaan perbaikan yang akan
dilakukan.

Tabel 21. Perencanaan Prosedur Perawatan (Lanjutan)
3 Select approach to be used
Memilih pekerjaan perbaikan yang
layak untuk digunakan.
4 Identify special needed and conditions
Mengidentifikasi kebutuhan dan
kondisi khusus, seperti bantuan dari
pihak kontraktor mesin atau
supplier mesin
5 Identify needed for engineering
Mengidentifikasi kebutuhan teknisi
(engineer).
6 Identify need for contract service
Mengidentifikasi kebutuhan untuk
kontrak khusus dengan pihak luar
dalam perencanaan perbaikan
mesin.
7 Is maintain involve
Apakah tindakan perawatan
diperlukan?
8 Identify work for maintain
Identifikasi langkah-langkah dalam
pengerjaan perbaikan.
9 Identify info needed
Identifikasi kebutuhan informasi
khusus, seperti
10 Identify instructions
Identifikasi langkah-langkah dalam
pengerjaan perbaikan.
11 Identify manpower
Mengidentifikasi personal yang
akan melakukan perbaikan.
12 Estimate time required
Meperkirakan waktu perbaikan
yang diperlukan
13 Identify tools
Mengidentifikasi peralatan yang
akan digunakan dalam perbaikan
14 Identify materials
Mengidentifikasi material/spare
part mesin yang akan diganti atau
diperbaiki.
15 Are material available Apakah material tersedia?
16 Order material
Jika tidak lakukan pemesanan
material/spare part.
17 Material received Terima material dari supplier
18 Material and tools staged
Pastikan material dan tools tersedia
sebelum melakukan tindakan
perbaikan.

Tabel 21. Perencanaan Prosedur Perawatan (Lanjutan)
19 Identify supervisor and shift
Mengidentifikasi
supervisor/mandor dan shift yang
akan dikenakan pengerjaan
perbaikan.
20 Planned work order
Lakukan standarisasi sistem kerja
perbaikan.
21 Logbook
Catat dalam logbook ataupun
database.
22 Scheduled work order
Jadwalkan tindakan/kegiatan
perbaikan.

7.1.2.2. Mean Time To Repair (MTTR)
Aktivitas yang dilakukan sebagai dasar dari pembentukan Mean Time To
Repair (MTTR) adalah semua aktivitas yang dilakukan saat pembongkaran mesin,
penggantian komponen, sampai pemasangan kembali. Berikut ini adalah prosedur
yang dilakukan dalam penggantian komponen bearing.

Buka Tutup
Elektromotor
Buka Pulley,
Gear Box,
Chain atau Belt
MULAI
Apakah
Elektromotor
memiliki Pulley,
Gear Box, Chain
atau Belt
Yes
No
Lepas Bearing
Ganti Bearing
Tools (Obeng,
Kunci Pas,
Martil
Tools
(Tracker)
Material
(Bearing)
Pasang Bearing
Pasang Pulley,
Gear Box,
Chain atau Belt
Tutup
Elektromotor
SELESAI
Tools (Obeng,
Kunci Pas,
Martil

Gambar 14. Flowchart Bearing Replacement Procedure

Berdasarkan flowchart pada gambar 13. dapat dibuat suatu Standard
Operating Procedure (SOP) penggantian komponen bearing yang dapat diterapkan di
PT. Industri Karet Nusantara sebagai berikut:


1. Tujuan
Melakukan pengantian komponen bearing elektromotor baik karena kerusakan ,
maupun karena jadawal penggantian.
2. Ruang Lingkup
Lintasan I Extrusion Section.
3. Definisi
Menggantikan komponen bearing elektromotor yang rusak, melakukan
perbaikan sehingga mesin dapat beroperasi kembali.
4. Peralatan dan Bahan
Bahan:
a. Bearing elektromotor type 6024
b. Pelumas
Peralatan:
a. Obeng
b. Kunci pas
c. Martil
5. Acuan dan Referensi
POLCON ITALIANO
6. Rincian Instruksi
1. Langkah pertama membuka tutup elektromotor, dengan mempergunakan
obng dan kunci pas.

2. Jika jenis elektromotor memiliki salah satu komponen berikut (pulley,
gearbox, chain atau belt), lepas terlebih dahulu komponen tersebut.
3. Melepas komponen bearing yang rusak dengan kunci pas, obeng dan martil.
4. Setelah komponen bearing dilepas, pasangkan bearing yang baru sesuai
dengan jenis bearing sebelumnya yaitu type 6024.
5. Pastikan bearing terpasang dengan tepat, kemudian pasang kembali salah
satu komponen berikut (pulley, gearbox, chain atau belt) dengan
menggunakan obeng dan kunci pas.
6. Untuk memastikan bahwa kondisi pemasangan bearing berjalan dengan
baik, dilakukan run test elektromotor. Cek kondisi getaran elektromotor, jika
berdasarkan hasil cek jika masih diperoleh getaran, kembali ke langkah (b).
Jika sudah tidak ada getaran lagi maka kondisi mesin sudah baik.
7. Memasang kembali tutup elektromotor.

7.1.2.3. Mean Time To Yield (MTTY)
Aktivitas yang dilakukan sebagai dasar dari peebentukan (Mean Time To
Yield (MTTY) adalah seluruh aktivitas yang dilakkan untuk memastikan bahwa
mesin/peralatan dapat digunakan kembali setelah kegiatan perawatan mesin/peralatan
dilakukan. Berikut adalah tahapan kegiatan yang dilakukan untuk memastikan bahwa
mesin/peralatan dapat digunakan kembali seperti semula.

Start Power
Supply for
Electromotor
Following step
in Repair
Procedure
MULAI
Identify That
Electromotor is
Noisy/Vibrate?
Yes
No
Preperation for
Production
SELESAI
Run Test
Repair
Procedure

Gambar 15. Flowchart Running Test Procedure

7.1.2.4. Mean Time To Failure (MTTF)
Pada penelitian distribusi kerusakan yang dipakai adalah distibusi weibull.
Pada distribusi ini terdapat parameterparameter yang berguna untuk menentukan
bagaimana kondisi serta jenis kerusakan yang dialami oleh spare part. Parameter
(parameter umur), (parameter bentuk). Pada Tabel 22. akan diperlihatkan hasil
parameter distribusi kerusakan weibull.


Tabel 22. Nilai Parameter Distribusi Spare Part Bearing Section Ekstrusi
No Nama Spare part
Kesimpulan
Bentuk Failures
1. Bearing Water bath 134.0555 9.5409 >1 Wear-out
2. Bearing Drying 85.3554 9.5693 >1 Wear-out
3. Bearing Curing 95.2222 5.2784 >1 Wear-out
4. Bearing Talcum 127.2877 2.3726 >1 Wear-out
5 Bearing Ribboning 148.1258 5.8801 >1 Wear-out

7.1.3. Indikator Terjadinya Peningkatan Produktivitas
Penyebab tingginya produk dengan kualitas low grade yang telah
diidentifikasi dengan menggunakan Cause and Effect Diagram (Fishbone Diagram)
selanjutnya dianalisis kembali berdasarkan hasil pemetaan aktivitas perawatan dan
pengembangan program perawatan usulan sehingga akan diperoleh indikator-
indikator yang dapat menunjukkan adanya peningkatan produktivitas perusahaan.
Analisis terhadap indikator peningkatan produktivitas juga dilakukan dengan
menggunakan pendekatan Cause and Effect Diagram (Fishbone Diagram) sehingga
akan diperoleh gambaran perbedaan yang nyata antara kondisi aktual dengan kondisi
usulan yang dikembangkan. Dalam analisis juga dikembangkan pembahasan terhadap
aspek selain mesin dan peralatan. Berikut ini adalah uraian identifikasi indikator
terjadinya peningkatan produktivitas yang ditunjukkan dengan berkurangnya jumlah
produk rubber thread yang low grade.


Tabel 23. Identifikasi Indikator Peningkatan Produktivitas
No. Faktor Umum
Mengapa Terjadi?
1 Manusia
Kemampuan
operator meningkat
Pelatihan dan
pengembangan
-
Prosedur jelas -
Pembagian
tanggung jawab
yang jelas
Sosialisasi -
Prosedur jelas -
Penyediaan APD
dan peralatan safety
- -
2 Mesin/peralatan
Kerusakan rendah
Sistem perawatan
Prosedur lengkap
Metode perawatan
preventif
Jadwal dijalankan
Komponen
Bearing diganti
sesuai dengan
MTTF
Prosedur
penggantian jelas
Pengurangan set up Mesin tua
Perawatan sesuai
dengan jam mesin
Teknologi rendah
3 Metode
Semi otomatis Continuous
Tidak terganggu
adanya komponen
mesin yang rusak
Process control Prosedur jelas -
4 Material
Spesifikasi Sesuai standar -
Sifat bahan
Pengujian deperketat -
Prosedur harus dijalankan -
Campuran sesuai
Komposisi -
Prosedur dijalankan -
5. Lingkungan
Bersih Jadwal pembersihan jelas -
sumber: Pengolahan Data dan Analisis


Dapat dilihat pada Tabel 23. bahwa peningkatan produktivitas yang
ditunjukkan dengan berkurangnya jumlah produk rubber thread yang low grade
diindikasikan dari sistem perawatan mesin dan peralatan yang bersifat preventif. Hal
ini didukung dari metode produksi yang bersifat continuous sehingga pada saat
berjalannya proses mesin dan peralatan yang digunakan harus dalam kondisi yang
baik. Oleh karena itu, perhatian terhadap kondisi mesin dan peralatan harus dilakukan
secara komprehensif, terjadwal, dan disertai dengan prosedur yang jelas.
Berdasarkan uraian pada Tabel 23. di atas, berikut digambarkan Cause and
Effect Diagram (Fishbone Diagram) hasil identifikasi indikator peningkatan
produktivitas yang ditunjukkan oleh berkurangnya jumlah produk rubber thread yang
low grade di mesin lintasan I section ekstrusi.

G
a
m
b
a
r

1
6
.

C
a
u
s
e

a
n
d

E
f
f
e
c
t

D
i
a
g
r
a
m

I
n
d
i
k
a
t
o
r

T
e
r
j
a
d
i
n
y
a

P
e
n
i
n
g
k
a
t
a
n

P
r
o
d
u
k
t
i
v
i
t
a
s

7.2. Evaluasi
7.2.1. Pengembangan Program Perawatan Usulan
Berdasarkan Tabel 22. semua komponen bearing jenis kerusakan wear out ini
( >1) menunjukkan bahwa laju kerusakan meningkat seiring dengan bertambahnya
umur komponen. Semakin lama umur komponen maka semakin meningkat pula laju
kegagalan (menurunnya keandalan), yang akhirnya akan terjadi kegagalan komponen.
Berdasarkan kondisi inilah perlu diketahui interval penggantian komponen yang
optimum. Sehingga penggantian komponen setelah terjadi kerusakan dapat dihindari.
Pada tabel 24. berikut dapat dilihat interval penggantian komponen bearing
electromotor berdasarkan perhitungan MTTF.
Tabel 24. Interval Penggantian Komponen Bearing Elektomotor
Lintasan I Section Ekstrusi
Bearing Mesin
Interval Penggantian
(Jam Operasi)
Bearing Water bath 134.0555 9.5409 1842
Bearing Drying 85.3554 9.5693 1181
Bearing Curing 95.2222 5.2784 1505
Bearing Talcum 127.2877 2.3726 2266
Bearing Ribboning 148.1258 5.8801 2293

Berdasarkan interval penggantian komponen bearing elektromotor di section
Ekstrusi di tabel 24. diharapkan dapat mengurangi (reduksi) tingkat kecacatan
produk (product low grade)yang diakibatkan oleh kegagalan komponen bearing
elektromotor.

Berdasarkan kapasitas produksi (kapasitas produksi = 309 kg/jam) PT.
Industri Karet Nusantara dan rencana produksi tahun 2010 dapat disusun pembebanan
di lantai produksi sebagai berikut (jam produksi).
Tabel 25. Rencana Jumlah Produksi Tahun 2010 PT. IKN
No. Bulan
Produksi Lintasan
I (kg)
Jam produksi
Kumulatif
Jam produksi
1 Januari 76254 247 247
2 Februari 76254 247 494
3 Maret 92609 300 793
4 April 69900 226 1019
5 Mei 60786 197 1216
6 Juni 79432 257 1473
7 Juli 82609 267 1741
8 Agustus 79432 257 1998
9 September 79432 257 2255
10 Oktober 79432 257 2512
11 November 82609 267 2779
12 Desember 76254 247 3026
TOTAL 935001 3026

Berdasarkan rencana produksi PT. Industri Karet Nusantara tahun 2010 dan
interval pengagtian komponen dapat dibuat suatu jadwal penggantian komponen
bearing elektromotor.


Tabel 26. Jadwal Penggantian Komponen Bearing Elektromotor Section
Ekstrusi Lintasan I PT. Industri Karet Nusantara Tahun 2010
Bulan
Jam
Produksi
Water
Bath
Drying Curing Talcum Ribboning
Januari
247 247 247 247 247 247
Februari
247 494 494 494 494 494
Maret
300 793 793 793 793 793
April
226 1019 1019 1019 1019 1019
Mei
197 1216 1216 1216 1216 1216
Juni
257 1473 1473 1473 1473 1473
Juli
267 1741 1741 1741 1741 1741
Agustus
257 1998 1998 1998 1998 1998
September
257 2255 2255 2255 2255 2255
Oktober
257 2512 2512 2512 2512 2512
November
267 2779 2779 2779 2779 2779
Desember
247 3026 3026 3026 3026 3026

Interval penggantian komponen mengindikasikan sebagai persiapan untuk
sparepart, tenaga kerja, dan peralatan tersedia. Sebagai contoh untuk bearing
elektromotor di water bath interval penggantian dijadwalkan pada Agustus jam ke-
156. Pada waktu ini penggantian komponen belum tentu dapat dilakukan pada
interval tersebut karena kerusakan komponen dapat terjadi pada waktu sebelum dan
sesudah interval penggantian. Namun, dengan adanya interval penggantian ini dapat
dipastikan teknisi, sparepart, peralatan dan prosedur tersedia untuk membantu
perusahaan dalam meminimisasi waktu untuk melakukan proses perbaikan (repair).
Berdasarkan total penggantian komponen bearing elektromotor di section I
Ekstrusi diperlukan 7 bearing elektromotor type 6204. Informasi ini dapat digunakan
oleh bagian purchasing dalam merencanakan jumlah sparepart bearing

elektromotor. Untuk pelaksanaan kegiatan penggantian komponen bearing
elektromotor diperlukan 2 orang operator. dan produksi pada waktunya perbaikan
pabrik dalam kondisi tidak mengolah.

7.2.2. Pembuatan Future State Map
Setelah membuat Current State Map, maka langkah terakhir dalam
maintenance value stream mapping (MVSM) adalah menyusun future state map.
Tujuan dari MVSM adalah untuk mengetahui dengan jelas sumber-sumber
pemborosan dan membantu membuat area target bagi proses perbaikan yang nyata.
Berikut dapat dilihat future state map berdasarkan pengembangan program sistem
perawatan.

K
e
t
e
r
a
n
g
a
n
:

S
a
t
u
a
n

w
a
k
t
u

d
a
l
a
m

m
e
n
i
t

G
a
m
b
a
r

1
7
.

F
u
t
u
r
e

S
t
a
t
e

M
a
p

A
k
t
i
v
i
t
a
s

P
e
r
a
w
a
t
a
n

K
o
m
p
o
n
e
n

B
e
a
r
i
n
g

E
l
e
c
t
r
o
m
o
t
o
r


Dari Gambar 16. dapat dilihat bahwa delay yang seharusnya ditempatkan di
bawah tanda panah dihapuskan karena berdasarkan rancangan sistem perawatan telah
disusun prosedur dan interval penggantian komponen bearing yang diartikan bahwa
operator harus mampu untuk tetap berada standbye di tempat kerjanya terutama di
waktu-waktu penggantian komponen harus dilakukan. Berdasarkan Cause and Effect
Diagram indikator peningkatan produktivitas telah diketahui juga bahwa faktor
manusia harus telah memahami seluruh prosedur yang telah disusun dan
disosialisasikan melalui program pelatihan yang diselenggarakan oleh perusahaan.
Dengan demikian, tidak akan terdapat kegiatan delay dalam rancangan future state
map. Hal ini sangat penting karena faktor delay merupakan salah satu faktor yang
bersifat non value added time. Dengan dihapusnya delay, maka nilai non value added
juga akan berkurang.
Sedangkan untuk nilai MTTO sebesar 5 menit diperoleh berdasarkan
wawancara, pengamatan, dan penyusunan prosedur persiapan yang telah diuraikan di
subbab 7.1.2.1. Faktor waktu MTTO selama 5 menit tersebut merupakan nilai yang
sesuai untuk proses persiapan perawatan di PT. Industri Karet Nusantara karena
adanya faktor tata letak fasilitas dan prosedur yang ada.
Proses penggantian komponen bearing electromotor membutuhkan waktu
selama 22 menit yang diperoleh berdasarkan hasil wawancara, pengamatan, dan
analisis yang dilakukan di subbab 7.1.2.2. sehingga diperoleh bahwa nilai 22 menit
merupakan waktu yang sesuai bagi operator untuk melakukan penggantian komponen
bearing electromotor. Faktor waktu MTTR selama 22 menit tersebut merupakan nilai

yang sesuai untuk proses penggantian komponen bearing electromotor di PT. Industri
Karet Nusantara karena adanya faktor tata letak fasilitas dan prosedur yang ada.
Sebelum dijalankan kembali, maka mesin yang telah diperbaiki harus diuji
terlebih dahulu untuk memastikan apakah penggantian komponen yang baru saja
dilakukan dengan sukses. Pengujian bertujuan untuk menghindari terhentinya
kembali proses produksi jika ternyata dalam beberapa waktu ke depan kerusakan
yang sama terjadi kembali di mesin yang baru saja diganti komponennya. Prosedur
ini dinamakan dengan running test yang dilakukan selama 3 menit. Waktu 3 menit
diperoleh berdasarkan hasil wawancara, pengamatan, dan analisis yang telah
dilakukan di subbab 7.1.2.3. Faktor waktu MTTY selama 3 menit tersebut
merupakan nilai yang sesuai untuk proses running test di PT. Industri Karet
Nusantara karena adanya faktor tata letak fasilitas dan prosedur yang ada.
Berdasarkan nilai MTTO, MTTR, dan MTTY tersebut, selanjutnya dapat
ditentukan besarnya nilai MMLT dan %Efisiensi Perawatan, yaitu:
MMLT = MTTO + MTTR + MTTY
= (5 + 22 + 3) menit
= 30 menit
73,33%
100%
30
22
Perawatan %Efisiensi
=
=


Berdasarkan pengembangan sistem perawatan yang dilakukan dengan
pendekatan Maintenance Value Stream Mapping (MVSM) dan Reliability
Engineering, maka dapat dibuat suatu flowchart perawatan usulan, seperti pada
Gambar 18 berikut.
SOP Penggantian
komponen
Kepala Teknik
menugasi teknisi
periksa kerusakan
Teknisi memeriksa ke
mesin yang mengalami
kerusakan
Teknisi menganalisis
kerusakan dan
mengidentifikasi kebutuhan
untuk kegiatan perbaikan
Melakukan kegiatan
perbaikan mesin
Melakukan running
test mesin
Mesin kembali
beroperasi
Kerusakan
komponen
mesin
Operator produksi
melaporkan ke Kepala
bagian Teknik
Sparepart
Peralatan

Gambar 18. Flowchart Perawatan Usulan

BAB VIII
KESIMPULAN DAN SARAN

8.1. Kesimpulan
Berdasarkan hasil pengolahan data dan analisis pemecahan masalah yang
dilakukan, maka dapat diambil kesimpulan sebagai berikut:
1. Berdasarkan perhitungan MTTF, diperoleh interval penggantian untuk komponen
bearing electromotor di section Esktrusi, yakni:
a. Bearing electromotor water bath : 1842 jam operasi
b. Bearing electromotor drying : 1181 jam operasi
c. Bearing electromotor curing : 1505 jam operasi
d. Bearing electromotor talcum : 2266 jam operasi
e. Bearing electromotor ribboning : 2293 jam operasi
2. Berdasarkan pengolahan data dan analisis yang dilakukan diperoleh jadwal
penggantian komponen bearing elektromotor tahun 2010, sebagai berikut:
a. Komponen bearing elektromotor Water bath diganti bulan Agustus jam
produksi yang ke-156.
b. Komponen bearing elektromotor drying diganti bulan Mei jam produksi yang
ke-35 dan Oktober jam produksi ke-151.
c. Komponen bearing elektromotor curing diganti bulan Juli jam produksi yang
ke-236 dan bulan Desember jam produksi ke-16.

d. Komponen bearing elektromotor talcum diganti bulan Oktober jam produksi
yang ke-246.
e. Komponen bearing elektromotor ribboning diganti Bulan Oktober jam
produksi yang ke-219.
f. Berdasarkan jadwal penggantian komponen bearing elektromotor tahun 2010
diperoleh jumlah pemakaian komponen bearing sepanjang tahun 2010, sebanyak
7 unit untuk type 6024.
g. Berdasarkan analisis aktivitas penggantian komponen bearing dengan metode
Maintenace Value Stream Mapping (MVSM), diperoleh bahwa nilai MTTO = 5
menit, MTTR = 22 menit, MTTY = 3 menit; sehingga diperoleh MMLT sebesar
30 menit.
h. Persentase efisiensi perawatan yang diperoleh berdasarkan nilai MTTO, MTTR,
dan MTTY adalah sebesar 73,33%. Nilai tersebut merupakan nilai yang sesuai
dengan kegiatan perawatan yang dilakukan di PT. Industri Karet Nusantara
dikarenakan seluruh aktivitas delay telah dihapus.
i. Delay yang terjadi pada aktivitas penggantian komponen bearing electromotor
dapat dihapus sebagai pengurangan nilai non value added time. Penghapusan
delay berdasarkan hasil analisis current state map dan pengemabangan program
pengembangan perawatan usulan berupa flowchart untuk kegiatan yang
melibatkan MTTO, MTTR, dan MTTY.

8.2. Saran
Berikut ini beberapa saran yang dapat diberikan kepada pihak perusahaan dan
untuk pengembangan penelitian ini pada masa yang akan datang.
1. Untuk melaksanakan jadwal perawatan mesin yang preventive maka pihak
perusahaan harus menyediakan:
a. Sparetpart bearing elektromotor sebanyak 7 unit,
b. SDM dibutuhkan sebanyak 2 orang untuk tenaga perawatan tiap shift
c. Sosialisasi pelatihan penggunaan SOP yang baru.
2. Penelitian lanjutan dapat dilaksanakan untuk Lintasan produksi yang lain di
section Ekstrusi.

DAFTAR PUSTAKA

Govil, A. K, 1993. Realibility Engineering, Mc. Graw Hill Publishing Co, New
Delhi.


Chapter III Viii

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Chapter III Viii

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB III

Anda mungkin juga menyukai