PENENTUAN INTERVAL PERAWATAN BERDASARKAN NILAI MTBF DAN

ANALISIS AVAILABILITAS STANDBY SYSTEM DENGAN METODE

CONTINOUS TIME MARKOV CHAIN DI SISTEM KARBAMAT UNIT UREA K-1
PT. PUPUK KALTIM

Yuliana, Nani Kurniati

Jurusan Teknik Industri
Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Kampus ITS Sukolilo Surabaya 60111
Email: uly ajah21@yahoo.com ; nanikur@ie.its.ac.id

Abstrak
PT. Pupuk Kaltim merupakan perusahaan yang bergerak di bidang penyediaan pupuk di
Indonesia. Sebagai salah satu industri besar, kegagalan pada suatu peralatan kritis akan mengganggu proses
produksi dan mengakibatkan kerugian bagi perusahaan. Obyek yang akan dianalisis dalam penelitian ini
adalah sistem peralatan pompa karbamat unit urea kaltim 1. Pompa karbamat bertekanan tinggi ini
berfungsi untuk memompa larutan karbamat ke reaktor urea. Untuk setiap plant, sistem ini terdiri dari 4
pompa, dimana 3 pompa dioperasikan bersama-sama sedangkan 1 pompa sebagai unit standby. Konfigurasi
sistem ini termasuk dalam standby system.
Pada penelitian tugas akhir ini digunakan Continous Time Markov Chain, dimana sistem
diidentifikasi ke dalam state yang mungkin terjadi pada sistem dan digambarkan ke dalam diagram transisi.
Kemudian, setelah menentukan laju transisinya, perhitungan probabilitas transisi dilakukan dengan metode
Continous Time Markov Chain yang melibatkan penggunaan matriks laju transisi. Evaluasi sistem dilakukan
berdasarkan hasil perhitungan probabilitas transisi untuk menentukan nilai availabilitas asimtot dan MTBF
sistem.
Sistem diidentifikasi menjadi 2 state, yaitu operating state dan failed state. Operating system
adalah sistem beroperasi dengan minimal 2 unit pompa sedangkan dikatakan failed state apabila sistem
beroperasi dengan 1 unit pompa saja. Dari hasil penelitian, nilai availabilitas asimtot sistem adalah sebesar
0,8038. Sedangkan nilai MTBF sistem adalah 17 hari dan Mean Up-Time (MUT) sistem adalah 13 hari
sehingga MTTR sistem adalah 4 hari. Sehingga penentuan interval perawatan berdasarkan nilai MTBF
sistem yaitu setiap 17 hari sekali.

Kata Kunci: Pompa Karbamat, Sistem standby, Continous time markov chain, Availabilitas, MTBF

Abstract
PT. Pupuk Kaltim is a company which accomplish the necessity of fertilizer in Indonesia. As one as
big company, the probability failure on one or more critical machine will make the whole production loss
and bad result for this company. This research is analyzing Carbamat pump system of unit urea kaltim 1.
Carbamat system is one of critical system and it is used to increase the carbamat liquid and move it to the
urea reactor. Each plant of this company, there is Carbamat pump system which consisting of four unit
pump where three unit of pump are operated together and continuously and one unit are on standby. This
condition is called a normal condition. This configuration is called standby system.
This final project using Continous Time Markov Chain which system is identified by determining the
possible states of system and it is described by the transition diagram then determining the rate transition
matrix. The calculation of transition probability is done using Continous Time Markov Chain method that
involve the rate transition matrix. System is evaluated based on the result of transition probability
calculation to determine the availability and MTBF system.
System are classified, as operating and failed state. Operating states are the states where the system
operate with minimum two unit of pump but it is called failed state if there is only one unit of pump
operating. The result shows that the steady state system availability is 0,8038. In addition, the MTBF value
of the system is 17 days and the MUT (Mean Up Time) is 13 days, so MTTR of system is 4 days. So, the
interval maintenance is determined based on MTBF value which is 17 days.

Key words: Carbamat Pump, Standby system, Continous time markov chain, Availabilitas, MTBF

1
1. Pendahuluan
Sebagai perusahaan yang bergerak di
bidang penyediaan pupuk di Indonesia, untuk
dapat berproduksi secara optimal, salah satu
faktor yang berpengaruh adalah faktor mesin dan
peralatan pabrik. Tanpa adanya mesin dan
peralatan yang baik, pabrik tidak akan dapat
beroperasi secara optimal.
Kegagalan pada peralatan kritis
mengakibatkan perusahaan mengalami kerugian
karena harus mengurangi rate produksi bahkan
terkadang harus menghentikan produksi. Di
samping itu, jika frekuensi kegagalan semakin
tinggi maka memerlukan maintenance cost yang
tinggi juga.
Untuk membantu mengatasi
permasalahan tersebut, salah satu pendekatan
yang dapat digunakan untuk mengurangi
frekuensi kegagalan adalah dengan mengevaluasi
keandalan peralatan tersebut. Teknik analitik yang
biasa digunakan dalam evaluasi keandalan sistem
dapat diaplikasikan baik untuk komponen-
komponen repairable dan non-repairable, namun
teknik-teknik tersebut mengasumsikan bahwa
proses perbaikan (repair) dilakukan secara cepat
atau membutuhkan waktu yang sangat singkat,
yang relatif jauh lebih kecil dibandingkan dengan
waktu operasi komponen tersebut. Dengan kata
lain, teknik-teknik tersebut tidak mengakomodasi
waktu perbaikan untuk dijadikan pertimbangan
dalam evaluasi keandalan sistem. Hal ini tentunya
tidak berlaku untuk semua sistem, bahkan sistem-
sistem nonelektronik umumnya memiliki karakter
yang berlawanan dengan asumsi di atas. Karena
itu dibutuhkan suatu teknik analitik yang mampu
memasukkan komponen waktu perbaikan kedalam
proses evaluasi keandalan sistem.
Salah satu teknik yang mampu
mengakomodasi waktu perbaikan kedalam
evaluasi keandalan sistem adalah Markov
Modelling. Metode Markov ini dapat
diaplikasikan untuk sistem diskrit (discrete
system) dan sistem kontinyu (continuous system).
Pada penelitian tugas akhir ini digunakan sistem
kontinyu karena perubahan kondisi dan perilaku
sistem yang diamati terjadi secara kontinyu
(Continous Time Markov Chain).
2. Metodologi penelitian
Penelitian dilakukan dengan menggunakan
metode Continous Time Markov Chain.
Sebagaimana telah disebutkan di atas bahwa
Continous Time Markov Chain (CTMC) adalah
suatu metode evaluasi keandalan yang
mengakomodasi waktu perbaikan yang
dibutuhkan oleh peralatan. Tahapan pada metode
ini adalah membuat diagram dan matriks transisi
sistem, menguji distribusi data kerusakan dan
perbaikan, membuat model probabilitas transisi
tiap state, menghitung nilai availabilitas dan
MTBF sistem. Tahapan pembuatan diagram dan
matriks transisi meliputi identification semua state
yang mungkin dialami oleh sistem serta laju
transisi tiap state. Pada tahap pengujian distribusi
data, masing-masing distribusi data kerusakan dan
perbaikan diuji dengan software Weibull 6
sehingga diperoleh nilai laju kerusakan dan laju
perbaikan. Tahapan selanjutnya adalah
menentukan model matematis probabilitas
transisi. Pada tahap ini digunakan teori
eigenvector dan eigenvalue.
Setelah menemukan model probabilitas
transisi state tersebut, maka perhitungan nilai
availabilitas steady state dan pada t=750 hari
dapat dilakukan dengan menggunakan teknik
Laplace Transform, dimana perhitungan
determinan dilakukan dengan bantuan Mathcad
2000.
3. Pengumpulan dan pengolahan data
Tahap pengumpulan data meliputi gambaran
umum tempat penelitian dan proses produksi serta
eksplorasi obyek amatan (sistem pompa
Karbamat), baik bagian-bagiannya, siklus aliran
Karbamat, data waktu kerusakan dan data waktu
perbaikan keempat pompa tersebut.
Pengolahan data dilakukan dengan menelaah
data historis, data kerusakan dan data perbaikan
tiap pompa yang berasal dari logbook operasi.
Dari data yang telah dikumpulkan, dilakukan
identifikasi state apa saja yang mungkin dialami
oleh sistem. Nilai failure dan repair rate
diperoleh dari hasil pengujian distribusi kerusakan
dan perbaikan keempat pompa dengan
menggunakan distribusi ekponensial 2 parameter.
Perhitungan availabilitas pada t=750 hari
dilakukan dengan memasukkan nilai failure dan
repair rate ke dalam persamaan differential
probabilitas transisi semua state-nya kemudian
nilai availabilitas diperoleh dengan menjumlahkan
probabilitas operating state-nya. Sedangkan
availabilitas steady state dapat diukur dengan
menerapkan teori eigenvector dan eigenvalue
pada matriks laju transisi awal. Pendekatan kedua
yang dilakukan untuk menentukan availabilitas
steady state adalah dengan menghitung
probabilitas asimtot pada tiap state. Perhitungan
ini melibatkan teknik Laplace Transform dimana
solusi determinan diperoleh dengan menggunakan
bantuan Mathcad 2000.
Perhitungan Mean Time To Repair (MTTR)
dan Mean Time Between Failure (MTBF)
dilakukan dengan menghitung lama durasi rata-
2
rata berada pada tiap state. Nilai MTTR 2 NH3 (g) + CO2 (g)  NH2COONH4(l) H298 = -151 KJ/mol
ditetapkan berdasarkan lama durasi rata-rata
Selanjutnya, Karbamat tersebut akan
sistem berada pada failed state-nya. Sedangkan
dikembalikan ke reaktor sintesis urea dan
nilai MTBF diperoleh dari kebalikan frekuensi
diuraikan menjadi urea dan air dengan reaksi:
asimtot sistem memasuki failed state-nya. Dan
akhirnya, nilai Mean Up Time (MUT) diperoleh NH2COONH4 (l)  (NH2)2CO (l) + H2O (l) H298 = 32 KJ/mol
dari hasil selisih antara MTBF dengan MTTR.
3.3 Pompa Karbamat (High Pressure Carbamat
3.1 PT Pupuk Kaltim (PKT) Pump)
Pupuk Kaltim merupakan industri penyedia Pompa ini berfungsi untuk memompa larutan
pupuk di Indonesia. Memiliki lima buah pabrik karbamat dari Carbamat Tank ke reaktor sintesis
pupuk urea dengan kapasitas total sebanyak 2,98 urea. Karakteristik dari pompa ini adalah sebagai
juta ton urea per tahun serta empat buah pabrik pompa yang menaikkan tekanan air bukan
amonia dengan kapasitas total sebanyak 1,85 juta menaikkan debit air. Pada Kaltim 1 terdapat
ton amonia per tahun. Dalam pembuatan urea, empat unit pompa Karbamat yang terpasang,
bahan baku yang digunakan berupa senyawa dimana tiga unit beroperasi dan satu unit standby.
kimia yang terbentuk dari dua gas, Nitrogen dan Pompa Karbamat memiliki spesifikasi sebagai
Hydrogen yang disebut dengan amonia. berikut:
Sedangkan bahan bakar utama yang digunakan
dalam proses produksi di PT Pupuk Kaltim adalah Jenis : Reciprocating (URACA KD 817)
gas alam yang disalurkan melalui sepanjang pipa Temperature : 100 °C
dari Muara Badak, sekitar 60 km dari lokasi Gravity : 1100 kg/m³
pabrik. Pressure discharge : Abs 200 kg/cm²
Pressure Suction : Abs 18 kg/cm²
Secara garis besar, perusahaan ini memiliki 5
Capacity : 48,2 m³/h
pabrik yaitu K-1, K-2, K-3, K-4 dan POPKA. Max Capacity : 70 m³/h
Pabrik Kaltim 1 (K-1) memiliki 3 pabrik besar, NPSH Available : 11.5 mL.C
yaitu pabrik urea, pabrik amonia dan pabrik Normal Efficiency : 89%
utilitas. Proses produksi urea yang berlangsung Design Efficiency : 89 %
pada pabrik ini digaambarkan melalui gambar 3.1. Max Speed : 98 rpm
Daya Turbin : 455 KW
Daya; Volt Motor : 645 KW/Hp ; 6600 V

Sebagai pompa reciprocating, pompa ini

mengubah energi mekanik penggeraknya
menjadi energi aliran fluida dengan
menggunakan bagian pompa yang bergerak
bolak-balik di dalam silinder yang disebut
piston. Bagian-bagian pompa ini dapat dilihat
pada gambar 3.2.

Gambar 3.1 Proses Flow Diagram Urea

3.2 Siklus Karbamat

Pada proses sintesa, produk berupa gas yang
keluar dari reaktor yaitu urea, amonium karbamat
serta gas-gas yang tidak bereaksi dengan CO2
diteruskan ke HP (High Pump) Stripper, dimana
larutan karbamat yang dihasilkan akan diberikan
gas umpan ( NH 3 dan CO2 ) pada tekanan yang Gambar 3.2 Pompa Karbamat
sama dengan tekanan reaktor sintesis urea.
Pencampuran larutan karbamat dengan NH 3 dan 3.4 Data Waktu Antar Kerusakan dan Lama
Perbaikan
CO2 berlangsung di HP Carbamate dengan
Data waktu antar kerusakan dan lama
reaksi sebagai berikut: perbaikan yang akan diuji distribusi adalah

3
gabungan data dari keempat unit pompa. Data Tabel 3.2 Contoh Data Waktu Kerusakan dan
logbook yang diambil meliputi tanggal terjadinya Lama Perbaikan
kerusakan, tanggal selesai diperbaiki, dan jenis
kerusakan yang terjadi. Contoh tabel data tersebut
dapat dilihat pada tabel 3.1.
Kemudian dari tabel tersebut diperoleh data
waktu antar kerusakan dan lama perbaikan dari
keempat pompa Karbamat. Data waktu antar
kerusakan diperoleh dari selisih antara pompa
mulai operasi sampai terjadi kerusakan sedangkan
lama perbaikan diperoleh dari selisih antara
pompa rusak hingga beroperasi kembali. Contoh
tabel data kerusakan dan lama perbaikan
untuk keempat pompa dapat dilihat pada tabel
3.2 berikut:

Tabel 3.1 Contoh Data Logbook Operasi Pompa Karbamat

3.3 Penentuan Availabilitas dan MTBF Sistem

Penentuan nilai availabilitas ini dilakukan digunakan sebagai rekomendasi interval
untuk mengetahui berapa % tingkat ketersediaan perawatan untuk menjaga sistem ini tetap
sistem Karbamat ini jika dibutuhkan. Sedangkan beroperasi dengan baik. Untuk menentukan nilai
nilai MTBF digunakan untuk mengetahui waktu availabilitas dan MTBF sistem dilakukan tahapan-
rata-rata antar kegagalan sistem ini dan dapat tahapan sebagai berikut:

3.3.1 Identifikasi Sistem  state 3 (simbol: XXOO atau XOXO atau

Pada tahap identifikasi sistem hal utama yang
dilakukan adalah menganalisa state apa saja yang
mungkin dialami oleh sistem pompa ini,
diantaranya:
 state 1 (simbol: OOOS): 3 unit
beroperasi dan 1 unit standby
 state 2 (simbol: XOOO atau OXOO atau
OOXO): salah satu unit yang sebelumnya
beroperasi mengalami kerusakan
sehingga harus dimatikan dan diperbaiki
sedangkan unit yang sebelumnya
standby, dioperasikan.
XOOX atau OXXO atau OXOX atau
OOXX): salah satu unit yang sebelumnya
beroperasi mengalami kerusakan
sehingga harus dimatikan dan diperbaiki.
Oleh karena itu sistem pompa beroperasi
hanya dengan 2 unit pompa.
 state 4 (simbol: XXXO atau XXOX atau
XOXX atau OXXX): salah satu unit yang
sebelumnya beroperasi mengalami
kerusakan sehingga harus dimatikan dan
diperbaiki. Oleh karena itu sistem pompa
beroperasi hanya dengan 1 unit pompa.

4
  state 5 (simbol: XXXX): satu-satunya (1,2,3) dan failed state (4). Urutan penulisan
unit yang sebelumnya beroperasi menunjukkan posisi pompa.
mengalami kerusakan sehingga harus Laju transisi berupa laju kerusakan dan
dimatikan dan diperbaiki. Oleh karena itu laju perbaikan di atas dapat digambarkan ke
keempat unit pompa tidak dapat dalam matriks laju transisi berikut ini:
beroperasi.
 3 3 0 0 
Transisi yang mungkin terjadi dalam    (2   ) 2 0  ...(1)
sistem ditunjukkan pada gambar 3.3, dimana A
 0 2  (3  2 ) 3 
operasi (O), mati/tidak beroperasi karena  
 0 0 3  3 
diperbaiki (X), standby (S), operating state

Gambar 3.3 Diagram Transisi Standby System Pompa Karbamat

3.3.2 Perhitungan Laju Kerusakan dan Laju

Q1  t   3 Q1  t    Q2  t 
d
Perbaikan dt
Untuk memenuhi markov property dari
Q2  t   3 Q1  t   2 Q2  t    Q2  t   2 Q3  t 
d
markov chain yaitu memoryless property maka dt
distribusi dari waktu antar kerusakan dan
Q3  t   2 Q2  t   3Q3 (t )  2 Q3  t   3Q4 (t )
d
distribusi lamanya perbaikan adalah distribusi
dt
eksponensial. Data yang digunakan dalam uji
Q4  t   3 Q3  t   3Q4 (t )
d
distribusi adalah data waktu antar kerusakan dan
lamanya perbaikan dari keempat unit pompa yang dt
identik periode tahun 2005 sampai 2009.
Parameter laju antar kerusakan (λ) dan laju Sehingga laju transisi dalam bentuk matriks
perbaikan (μ) masing-masing didapatkan dari menjadi,
hasil pengujian yaitu dari distribusi eksponensial
dua parameter dengan menggunakan parameter  3  0 0 
lambda.  3  (2   ) 2 0  ......(2)
A
Berdasarkan hasil pengujian menggunakan  0 2  (3  2 ) 3 
program Weibull 6, didapatkan hasil :  
 0 0 3  3 
λ = 0,0759 (laju kerusakan)
μ = 0,1035 (laju perbaikan) Karena,
→ Q’ (t) = A x Q(t)
3.3.3 Perhitungan Availabilitas Sistem Pada
Tertentu  Q1 (t )   3  0 0   Q1 (t ) 
   0  Q2 (t )
Besarnya availabiltas sistem ditentukan d Q2 (t )  3  (2   ) 2
 
dengan menjumlahkan probabilitas sistem berada dt Q3 (t )   0 2  (3  2 ) 3  Q3 (t ) 
    
pada operating state-nya. Oleh karena itu Q4 (t )  0 0 3  3  Q4 (t )
A  t   Q1  t   Q 2  t   Q3 (t ) . Berdasarkan
gambar 4.3 maka probabilitas sistem berada pada Dengan memasukkan nilai failure rate (λ=0,0759)
state ke-i (i = 1, 2, 3, 4), Qi (t), dapat dinyatakan dan repair rate (μ=0,1035) ke persamaan
sebagai berikut: differential di atas diperoleh,

5
  Q1 (t )   0,2277 0,1035 0 0   Q1 (t )  Dengan program Mathcad 2000 didapatkan nilai
   0  Q2 (t )
d Q2 (t )  0,2277  0,2553 0,207 dari koefisien
 
dt Q3 (t )   0 0,1518  0,4347 0,3105  Q3 (t )  c  0,524 ; c  0,796 ; c 3  0,717 ; c4  0,141
     1 2
Q4 (t )  0 0 0,2277  0,3105 Q4 (t )

Dengan menginputkan nilai koefisien tersebut ke

Qi(t) dapat ditentukan dengan menghitung dalam persamaan Q(t), maka persamaan Q(t)
eigenvalue dan eigenvector dari matriks A. menjadi:
Dengan menggunakan program Mathcad 2000
Q  t   0,1672  0,4147 e 0 ,38 t  0,4051e 0 ,15 t  0,0128e
(- 0, 698 )t

didapatkan eigenvalue dan eigenvector matriks A. 1

Q 2  t   0,3673  0,6113 e 0 ,38 t  0,3026c 3 e 0 ,15 t  0,0581e

(- 0, 698 )t

 0 
Q 3  t   0,2693  0,0868 e 0 ,38 t  0,2925 e 0 ,15 t  0,1101e
(- 0, 698 )t
 
Eigenvalue:   0,38 
e Q 4  t   0,1975  0,2834 e 0 ,38 t  0,4159 e 0 ,15 t  0,0649e
(- 0, 698 )t

 0,15 
 
  0,698 
 
Eigenvector: Dengan memasukkan nilai t yang
diinginkan maka akan didapatkan nilai Q1, Q2, Q3,
Q4 dan nilai availabilitas sistem pada periode
waktu tertentu yang didapatkan dari penjumlahan
Q1 Q2 dan Q3 . Tabel 3.2 memperlihatkan nilai
probabilitas dan availabilitas untuk t = 0 sampai
dengan t = 750 hari (= ± 2 tahun). Dan pada
Persamaan umum yang digunakan sebagai solusi gambar 3.4 terlihat tren availabilitas sistem pompa
sistem linear seperti di atas adalah: Karbamat dari waktu ke waktu.

Tabel 3.2 Nilai Probabilitas dan Availabilitas Pada Saat t

Q(t)= Waktu
(hari) Q1 (t) Q2 (t) Q3 (t) Q4 (t) A (t)
0,319  0,521  0,565  0,091 
 0,701  0,768   0,422  0,412 0 0.9998 0.0005 0.0001 0.0001 1.0004
    ( 0,38)t   ( 0,15)t  e( 0,698 )t
 c4 
(0)t
c1 e  c2 e  c3 e
0,514  0,109   0,408   0,781  50 0.1674 0.3675 0.2691 0.1973 0.8040
       
0,377  -0,356   0,58    0,46  100 0.1672 0.3673 0.2693 0.1975 0.8038
150 0.1672 0.3673 0.2693 0.1975 0.8038
Sehingga dengan memasukkan nilai kondisi awal, 200 0.1672 0.3673 0.2693 0.1975 0.8038
250 0.1672 0.3673 0.2693 0.1975 0.8038
Q1 0  1 ; Q 2 0  0 ; Q 3 0  0 ; Q 4 0  0 300 0.1672 0.3673 0.2693 0.1975 0.8038
350 0.1672 0.3673 0.2693 0.1975 0.8038
Persamaan Q(t) diatas menjadi: 400 0.1672 0.3673 0.2693 0.1975 0.8038
450 0.1672 0.3673 0.2693 0.1975 0.8038
Q1 0  0,319 c 1  0,521c 2  0,565c 3  0,091c4  1 500 0.1672 0.3673 0.2693 0.1975 0.8038

Q 2 0  0,701c 1  0,768 c 2  0,422c 3  0,412c4  0

550 0.1672 0.3673 0.2693 0.1975 0.8038
600 0.1672 0.3673 0.2693 0.1975 0.8038
Q3 0  0,514 c 1  0,109c 2  0,408c 3  0,781c4  0 650 0.1672 0.3673 0.2693 0.1975 0.8038
Q4 0  0,377 c 1  0,356c 2  0,58c 3  0,46c4  0 700 0.1672 0.3673 0.2693 0.1975 0.8038
750 0.1672 0.3673 0.2693 0.1975 0.8038

1.05

0.95

0.9
A(t)
A(t)

0.85

0.8

0.75
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750
waktu (t)

Gambar 3.4 Tren Availabilitas Pada Saat t

6
3.4 Evaluasi Steady State (Asimtot)  3 3 0 0
Evaluasi steady state dilakukan untuk   (2   ) 2 0
mengetahui ketersediaan sistem untuk jangka 0 2  (3  2 ) 0
waktu tak terhingga dimana tingkat ketersediaan 0 0 3 1
Q4 ( ) 
 3 3 0 1
sistem akan relative tetap. Langkah-langkah yang
  (2   ) 2 1
dilakukan dalam evaluasi steady state ini adalah
0 2  (3  2 ) 1
sebagai berikut:
0 0 3 1

3.4.1 Perhitungan Probabilitas Asimtot

Untuk perhitungan probabilitas asimtot Dengan menggunakan program Mathcad 2000
didapatkan hasil
maupun availabilitas asimptot digunakan matriks
laju transisi seperti pada persamaan (1).
 6 3 3
Perhitungan probabilitas asimtot pada setiap state Q1       0,167
 183  182   18 2  6 3 3  32   3 2   3
berguna untuk mengevaluasi sistem dan  18 2  2
menghitung MTBF dari sistem. Probabilitas Q2       0,367
 183  182   18 2  6 3 3  2    2  (1 / 3 3 )
asimtot ini dihitung menggunakan persamaan  182  2 
sebagai berikut : Q3     3 2  0,269
 18  18   18  6
3 2 2 3
      2  (1 / 3 3 )
a11  a1, p 1 0  183 3
Q4      3 2  0,197
  0  18  18   18  6
3 2 2 3
      2  (1 / 3) 3
Qi   
1
ai1 ai , p 1 1
 3.4.2 Perhitungan Availabilitas Asimtot
  0
Availabilitas asimtot dapat dihitung
a p ,1 a p , p 1 0 dengan dua cara yaitu dengan menggunakan
a11  a1, p  1 1 determinan dari matriks A atau dengan
  1 menggunakan prinsip flow conservation yang
dimana, 
   mana keduanya akan menghasilkan nilai yang
sama. Berikut ini adalah perhitungan availabilitas
a p ,1 a p, p 1 1
sistem menggunakan determinan dari matriks A.
Availabilitas asimptot dihitung menggunakan
Sehingga didapatkan persaman probabilitas persamaan:
asimtot untuk setiap state sebagai berikut : a 11  a 1, p 1 1
  
 3 3 0 1 a l1 a
l , p 1
1
A   
1
  (2   ) 2 0  a a 0
l 1,1 l 1, p 1
0 2  (3  2 ) 0   
0 0 3 0 a a 0
Q1 ()  p ,1 p , p 1
 3 3 0 1
  (2   ) 2 1
0 2  (3  2 ) 1 Sehingga didapatkan,
0 0 3 1
 3 3 0 1
  (2   ) 2 1
 3 3 0 0
0 2  (3  2 ) 1
  (2   ) 2 1
0 0 3 0  182   18 2  6 3
0 2  (3  2 ) 0 A()    0,8038
 3 3 0 1  183  182   18 2  6  3
0 0 3 0   (2   ) 2
Q2 ( )  1
 3 3 0 1 0 2  (3  2  ) 1
  (2   ) 2 1 0 0 3 1
0 2  (3  2 ) 1
0 0 3 1 3.4.3 Perhitungan MTTR, MTBF, dan MUT
Berdasarkan hasil perhitungan sebelumnya
 3 3 0 0
maka dapat dicari nilai dari durasi rata-rata (di )
  (2   ) 2 0
dan frekunsi asimtot (fri ) dari sistem yang
0 2  (3  2 ) 1
memasuki state tertentu. Nilai tersebut nantinya
0 0 3 0
Q3 ()  akan digunakan untuk menghitung MTTR,
 3 3 0 1
  (2   ) 2 1
MTBF, dan MUT sistem.
0 2  (3  2 ) 1
Dengan menggunakan persamaan durasi rata-rata
0 0 3 1

7
 1 1
di   
aii  aij
j i
Dan persamaan frekuensi asimptot
Q  
fri  i  aii Qi  
di
diperoleh durasi rata-rata tiap state-nya seperti
tabel berikut:
Tabel 3.3 Durasi rata-rata sistem berada pada suatu
state
Nilai Mean Time To Repair (MTTR) dari
sistem adalah durasi waktu rata-rata sistem berada
pada failed state-nya yaitu state 4.
MTTR  d 4  3,221hari
Sedangkan nilai Mean Time Between
Failure (MTBF) dari sistem adalah kebalikan dari
frekuensi asimptot sistem memasuki failed state-
nya yaitu state 4.
Q4    183 3 
fr4    0,061
d4  183  182   18   2  6 3
1
MTBF   16,35 hari  17hari
fr4
Nilai Mean Up-Time (MUT) dari sistem
merupakan selisih dari nilai MTBF dengan MTTR
yaitu,
MUT  MTBF  MTTR  13,129 hari
4. Analisa dan pembahasan
4.1 Analisis Penggambaran Sistem dan
Penggunaan Data
Melalui tahap mencari informasi dari pihak
perusahaan dan didasarkan pada data yang
diperoleh maka sistem Karbamat dapat
diidentifikasi menjadi empat kondisi atau state
yang memungkinkan untuk dianalisa. Operating
state didefinisikan sebagai state/kondisi dimana
terdapat minimal dua unit pompa Karbamat yang
beroperasi dalam sistem. Yang termasuk dalam
operating state adalah state 1 dimana terdapat satu
unit pompa yang standby dan state 2 dimana tidak
ada pompa yang standby dikarenakan pompa yang
standby dioperasikan untuk menggantikan pompa
yang mengalami kegagalan. Oleh karena itu, pada
kedua state ini sistem beroperasi secara normal
dengan tiga unit pompa. Dan pada state 3, sistem
beroperasi dengan dua unit pompa dikarenakan
terdapat pompa yang gagal selama waktu
perbaikan pompa lain yang mengalami kegagalan
sebelumnya. Sedangkan failed state yaitu state 4
didefinisikan sebagai state/kondisi dimana sistem
beroperasi dengan satu unit pompa saja. Dengan
kata lain failed state menggambarkan kegagalan
sistem.
Gambar 4.1 menunjukkan waktu
antarkerusakan dan lamanya perbaikan dan
menggambarkan pula contoh transisi yang dialami
sistem. Pada awalnya P2301 A, B dan C
dioperasikan sedangkan P2301 R standby (state
1). P2301 A mengalami kegagalan pada saat t=a,
sehingga P2301 R dioperasikan pada saat t=a
(state 2). Namun sebelum P2301 A selesai
diperbaiki (t=d), kegagalan berikutnya dialami
oleh P2301 B pada saat t=b sehingga sistem
beroperasi dengan 2 unit pompa (state 3). Dan
sebelum kedua pompa ini selesai diperbaiki,
kegagalan pada P2301 C terjadi (t=c) sehingga
hanya satu pompa saja yang beroperasi (state 4).
Perbaikan yang terlebih dahulu selesai dikerjakan
adalah P2301 A sehingga P2301 A dapat langsung
dapat dioperasikan kembali.
Waktu antar kerusakan adalah waktu
yang diperlukan setiap unit pompa untuk
mengalami kegagalan (perbaikan mengharuskan
pompa dimatikan) sejak awal pompa ini
dioperasikan. Pada gambar 4.1 waktu antar
kerusakan antara lain: antara t=0 sampai t=a pada
P2301 A, antara t=0 sampai t=b pada P2301 B;
antara t=0 sampai t=c pada P2301 C; dan antara
t=a sampai t=d pada P2301 R. Sedangkan
lamanya perbaikan adalah waktu yang diperlukan
pompa untuk diperbaiki dan dikembalikan
fungsinya seperti semula. Pada gambar 4.1 waktu
lamanya perbaikan adalah antara t=a sampai t=d
pada P2301 A; antara t=b sampai t=e pada P2301
B; antara t=c sampai t=f pada P2301 C; dan antara
t=d sampai t=g pada P2301 R.
Berdasarkan gambar 4.1 terlihat pula
transisi yang terjadi pada sistem yaitu pada saat
t=0 sistem berada pada state 1. Pada t=a terjadi
transisi ke state 2. Pada t=b terjadi transisi ke state
3. Pada t=c terjadi transisi ke state 4. Pada t=e
terjadi transisi kembali ke state 3. Dan pada t=f
terjadi transisi kembali ke state 2 dan seterusnya.
Dan pada t=g terjadi transisi ke state awal dimana
ada 1 unit pompa yang standby.
Transisi dari keempat state ini kemudian
digambarkan dalam diagram transisi beserta laju
transisi dari state yang satu ke state yang lain.
8
Untuk memudahkan perhitungan maka laju
transisi, baik laju kerusakan dan laju perbaikan
digambarkan dalam bentuk matriks. Sedangkan
nilai dari laju kerusakan (λ) dan laju perbaikan (μ)
diperoleh berdasarkan hasil pengujian distribusi
menggunakan program Weibull 6. Parameter yang
digunakan adalah nilai lambda pada distribusi
eksponensial dua parameter. Walaupun distribusi
eksponensial dengan dua parameter bukanlah
hasil fitting yang terbaik, metode markov
mensyaratkan sifat “memoryless property” dimana
sifat ini hanya dimiliki oleh distribusi
Gambar 4.1 Penggambaran Waktu Antar Kerusakan dan Lamanya Perbaikan
4.2 Evaluasi Time-Dependent
Yang dimaksud dengan evaluasi time-
dependent adalah evaluasi terhadap kondisi sistem
selama terjadinya kenaikan interval waktu. Yang
termasuk dalam evaluasi time-dependent adalah
perhitungan availabilitas sistem pada t tertentu.
Availabilitas disini merupakan penjumlahan
probabilitas sistem berada pada operating state-
nya. Oleh karena itu untuk menentukan
availabilitas terlebih dahulu dicari model
matematis dari probabilitas yaitu dengan
menggunakan matriks eksponensial dan teori
eigenvalue dan eigenvector. Matriks laju transisi
yang digunakan dalam perhitungan ini adalah
matriks 4x4 dimana penjumlahan dari setiap
kolomnya adalah sebesar 1.
Bila eigenvalue dan eigenvector telah
ditemukan (menggunakan program Mathcad)
maka diperlukan untuk menghitung nilai
konstanta agar persamaan dapat memiliki solusi
yang nyata. Nilai konstanta ini diperoleh dengan
memasukkan kondisi awal dimana diasumsikan
pada kondisi awal sistem beroperasi secara normal
dan berada pada state 1. Sehingga probabilitas
sistem berada di state 1 pada saat t=0 adalah
sebesar 100% (=1), dengan kata lain probabilitas
sistem berada pada state lainnya pada saat t=0
adalah 0.
Q1 0  1 ; Q 2 0  0 ; Q 3 0  0 ; Q 4 0  0
eksponensial saja. Data yang digunakan dalam
pengujian distribusi adalah data waktu antar
kerusakan dan lamanya perbaikan dari keempat
pompa dimana data dari masing-masing pompa
ini digabungkan menjadi satu karena keempat
pompa ini bersifat identik. Berdasarkan hasil
pengujian diperoleh nilai laju kerusakan
λ/hari=0,0759 dan nilai laju perbaikan
μ/hari=0,1035.
Besarnya availabilitas dicari dengan
menjumlahkan nilai probabilitas pada state 1, 2
dan 3. Dari definisi diketahui bahwa availabilitas
adalah probabilitas suatu item dapat digunakan
pada t tertentu. Dengan memasukkan harga waktu
dari t=0 sampai t=750 hari dengan range waktu 50
hari maka akan didapatkan nilai probabilitas dan
tren availabilitas dari sistem. Hal ini ditunjukkan
pada tabel 4.3 dan gambar 4.4. Berdasarkan tabel
maupun gambar tersebut terlihat bahwa nilai
availabilitas pada saat t=0 adalah 1 dan nilai ini
terus berkurang sampai diperoleh kondisi steady
state-nya dimana availabilitas bernilai 0,8038.
4.3 Evaluasi Steady State
Nilai availabilitas asimtot yang diperoleh
adalah sebesar 0,8038. Nilai ini sama dengan
besarnya availabilitas pada kondisi steady state
yang diperoleh dari perhitungan sebelumnya. Hal
ini menunjukkan bahwa bila t mencapai tak
terhingga maka sistem akan beroperasi dengan
minimal dua unit pompa adalah selama 80,38%
dari total waktu. Dan sebesar 19,62% sisanya,
sistem mengalami kegagalan karena hanya
beroperasi dengan satu unit pompa saja. Hasil ini
dapat menjadi pedoman bagi perusahaan untuk
melakukan perencanaan kegiatan pemeliharaan
yang terjadwal.
Nilai availabilitas asimtot menunjukkan
bahwa probabilitas sistem mengalami kegagalan
9
adalah sebesar 19,62%. Dimana seperti yang
dijelaskan diawal, kegagalan sistem digambarkan
pada saat state memasuki state 4. Pada state ini,
kegagalan masih dapat ditolerir, namun
perusahaan tetap harus waspada dan
menyelesaikan perbaikan pada unit yang rusak
secepat mungkin sehingga sistem tidak
mengalami kegagalan total. Kegagalan total
dialami bila sistem memasuki state 5. Namun hal
ini tidak pernah terjadi sehingga probabilitasnya
adalah sebesar 0% dan karenanya state ini tidak
dianalisis.
4.4 Evaluasi MTBF, MTTR, dan MUT Sistem
Mean Time To Repair (MTTR) didefinisikan
sebagai durasi waktu rata-rata sistem berada pada
failed state-nya yaitu state 4. Nilai MTTR ini
adalah sebesar 3,221 hari = 4 hari. Hal ini
menunjukkan bahwa rata-rata lamanya perbaikan
dari unit pompa pada state 4 dimana sistem
mengalami kegagalan adalah sebesar 4 hari.
Sedangkan Mean Time Between Failure
didefinisikan sebagai kebalikan dari frekuensi
asimtot sistem memasuki failed state-nya yaitu
state 4. Nilai MTBF sistem yang diperoleh adalah
sebesar 17 hari. Hal ini menunjukkan waktu antar
kegagalan dari sistem adalah sebesar 17 hari dan
dapat menjadi rekomendasi interval perawatan
untuk menngatasi terjadinya kegagalan.
Mean Up-Time (MUT) didefinisikan sebagai
selisih antara MTBF dan MTTR atau bisa juga
merupakan durasi waktu rata-rata sistem berada
pada operating state-nya yaitu dalam hal ini
adalah state 1, 2 dan 3. Nilai MUT yang diperoleh
adalah sebesar 13 hari. Keseluruhan hasil ini
menunjukkan bahwa dari 17 hari, sistem akan
beroperasi secara normal selama 13 hari
sedangkan 4 hari sisanya, salah satu unit dari
sistem mengalami perbaikan untuk
mengembalikan fungsinya seperti semula.
Selain itu, interval pemeliharaan (inspeksi total)
terhadap sistem pompa Karbamat ini, jika
berdasarkan lama sistem berada pada state awal
adalah setiap 4 hari. Nilai ini didapatkan
berdasarkan besarnya durasi rata-rata sistem
berada pada state 1 (d1) yakni 4 hari. Nilai durasi
rata-rata pada state 1 (d1) menunjukkan rata-rata
waktu yang diperlukan oleh sistem untuk
beroperasi secara normal sampai salah satu unit
pompa Karbamat mengalami kerusakan sehingga
sistem mengalami transisi ke state 2 dan tidak ada
unit pompa Karbamat yang standby. Dengan
adanya interval pemeliharaan ini diharapkan dapat
meningkatkan availabilitas dan kemampuan
sistem untuk beroperasi dengan tiga unit pompa
dan menjaga agar tetap tersedianya unit pompa
yang standby. Dengan demikian, jika terjadi
kerusakan pada sebuah pompa utama, sistem
masih dikatakan dalam status beroperasi karena
pompa yang standby akan langsung dioperasikan.
5. Kesimpulan
Berdasarkan hasil pengolahan data beserta
analisa yang telah dibuat maka dapat disimpulkan
hal-hal sebagai berikut:
1. Sistem pompa Karbamat memiliki konfigurasi
standby redundancy dimana sistem ini terdiri
dari empat buah state/kondisi yang terbagi
menjadi operating state (state 1, 2 dan 3) yaitu
kondisi dimana sistem beroperasi secara
normal dengan minimal dua unit pompa; dan
failed state (state 4) dimana sistem mengalami
kegagalan karena hanya satu unit pompa yang
beroperasi.
2. Dengan nilai laju kerusakan λ/hari=0,0759 dan
nilai laju perbaikan μ/hari=0,1035 maka nilai
availabilitas dari sistem pada saat t=0 adalah 1
dan nilai ini terus berkurang sampai diperoleh
kondisi steady state-nya, termasuk pada hari
yang ke-750, dimana availabilitas mencapai
nilai sebesar 0,8038 bila t mendekati tak
hingga.
3. Nilai availabilitas asimtot berdasarkan
evaluasi/perhitungan steady state adalah
sebesar 0,8038 sama dengan perhitungan
sebelumnya.
4. MTBF sistem adalah sebesar 17 hari dan
Mean Up-Time (MUT) sistem adalah 13 hari
sehingga MTTR adalah 4 hari. Hal ini
menunjukkan bahwa dari 17 hari, sistem akan
beroperasi secara normal selama 13 hari
sedangkan 4 hari sisanya, salah satu unit dari
sistem mengalami perbaikan untuk
mengembalikan fungsinya seperti semula.
6. Daftar Pustaka
Bentley, J. 1999. Introdustion to Reliability and
Quality Engineering 2 nd edition. Prentice
Hall International,Inc. London.
D, Priyanta. 2000. Diktat Kuliah Konsep
Availabilitas and Maintenance.
Ebeling, C. 1997. An Introduction to Reliability
and Maintainability Engineering. The
McGraw-Hill Companies, Inc.
Edwards, C. H, dan D. E. Penney. 1992.
Differential Equations & Linear Algebra.
Prentice Hall International, Inc., New Jersey.
10
Kulkarni, V. G. 1999. Modelling, Analysis,
Design, and Control of Stochastic Systems.
Springer, New York.

Lewis, E. E. 1987. Introduction to reliability

engineering. John Willey and Sons, New
York.

Mulyanto, Tri. 2000, Aplikasi Metode Proses

Markov untuk Mengevaluasi Kegagalan
Sistem Penggerak pada Jet Foil Bima
Samudera. Laporan Tugas Akhir, Jurusan
Teknik Sistem Perkapalan, Fakultas
Teknologi Kelautan, Institut Teknologi
Sepuluh Nopember, Surabaya.

O’ Connor, P. 1995. Practical Reliability

Engineering 3 rd edition revised. John
Willey and Sons, Chicester.

Olivia, Nancy. 2006. “Analisa Standby System

dengan Metode Continous Time Markov
Chain”. Tugas Akhir Teknik Industri ITS.

Osaki, Shunji. 1992. Applied Stochastic System

Modeling. Springer-Verlay, Berlin.

Suwano, Agus. 2008. Pompa Tutorial,

<URL:http://www.agussuwono.com/index.ph
p?view=article&catid=38:mechanical&id=65:
teori-dasar-pompa-sentrifugal&format=pdf.>

Taylor, Howard M. 1993. An Introduction To

Stochastic Modeling Edition Revised.
Academic Press, London.

Villemeur, A. 1992. Reliability, Availability,

Maintainability, and Safety Assesment
Volume 1 Methods and Techniques. John
Willey and Sons, Paris.

11