Anda di halaman 1dari 9

1

APLIKASI METODE LOGIKA FUZZY PADA PEMODELAN


DAN ANALISA KEANDALAN SISTEM GAS BUANG BOILER
UNIT 3 DI PT. PJB UNIT PEMBANGKITAN GRESIK
(Nur Arif Romadlon, Imam Abadi)
Jurusan Teknik Fisika – Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember
Kampus ITS, Keputih – Sukolilo, Surabaya 60111

Abstrak— Logika fuzzy adalah salah satu cara yang efektif bisa digunakan sebagai basis penentuan nilai keandalan.
untuk bisa digunakan sebagai basis penentuan nilai keandalan Namun semuanya hanya menitikberatkan pada proses analisa
suatu sistem. Dalam perspektif yang lebih luas, logika fuzzy sangat keandalannya saja. Sedangkan kenyataannya tidak mungkin
bermanfaat pada aplikasi-aplikasi sistem identifikasi dan membuat keandalan yang sempurna, karena apabila dalam
pengendalian ill-structured, dimana linieritas dan invariansi waktu suatu peralatan pernah mengalami kerusakan, maka telah
tidak bisa ditentukan dengan pasti. Bentuk sistem seperti ini jika
terjadi perubahan dari keadaan normal. Oleh karena itu, faktor
dipandang sistem konvensional sangat sulit untuk dimodelkan.
Penelitian ini bertujuan untuk menganalisa keandalan sistem gas maintainability dan availability tidak boleh dikesampingkan
buang boiler unit 3 di PT. PJB Unit Pembangkitan Gresik dengan karena juga mempengaruhi kerja sistem. Selain itu faktor
metode logika fuzzy. Berdasarkan hasil analisa keandalan masing- maintainability dan availability bisa digunakan untuk
masing sistem penunjang gas buang boiler dengan metode logika mengetahui lifetime sistem dan perkiraan waktu dari suatu
fuzzy tipe Mamdani, didapatkan sistem yang paling dominan sistem untuk dilakukan maintenance ataupun penggantian
sebagai penyebab kegagalan adalah A-air heater dengan frekuensi peralatan.
kegagalan terbanyak, yaitu 24 kali dan nilai MTTF terkecil, yaitu Terdorong hal tersebut, maka dalam penelitian ini akan
2364 jam, serta memiliki tingkat keandalan yang sangat rendah dilakukan analisa keandalan, penentuan nilai maintainability,
setelah beroperasi selama 2000 jam, yaitu R(t)= 0.467.
dan availabilty pada sistem gas buang boiler. Tujuannya
Kata kunci: Logika fuzzy, Keandalan, Sistem gas buang boiler.
adalah untuk mengetahui tingkat keandalan yang dimiliki
oleh sistem. Selain itu untuk penentuan jadwal perawatan yang
efektif, sehingga mampu menghindari kemungkinan terjadinya
kegagalan sistem selama beroperasi.
I. PENDAHULUAN
PT. PJB Unit Pembangkitan Gresik merupakan unit
pembangkitan di bawah naungan PLN yang telah diakui II. DASAR TEORI
kredibilitasnya sebagai salah satu perusahaan listrik terbaik.
Proses pembangkitan yang digunakan di PT. PJB UP A. Konsep Keandalan
Gresik yaitu pembangkitan listrik tenaga gas dan uap, atau Keandalan didefinisikan sebagai kemampuan dari suatu
lebih dikenal dengan PLTG dan PLTU. Dalam proses komponen atau sistem untuk melaksanakan fungsi yang
pembangkitan listrik, PT. PJB UP Gresik memakai energi diperlukan di dalam lingkungan dan kondisi operasional
fosil sebagai bahan bakar, dan menggunakan turbin yang tertentu untuk periode waktu yang telah ditentukan [3]. Jadi,
digerakkan uap air sebagai pembangkitnya. Selain membawa keandalan merupakan salah satu aspek yang dapat
dampak positif terhadap masyarakat dalam usaha pemenuhan mempengaruhi keberhasilan proses produksi. Keandalan
kebutuhan listrik, hal ini juga membawa dampak negatif menjadi sangat penting karena akan mempengaruhi biaya
terhadap lingkungan, terutama mengenai masalah limbah gas pemeliharaan yang pada akhirnya akan mempengaruhi
buang. profitabilitas perusahaan.
Berbagai macam penelitian dan pengukuran telah dilakukan Secara umum ada dua metode yang dipakai untuk
sebelumnya, guna memperoleh standar baku mutu limbah. melakukan evaluasi keandalan suatu sistem, yaitu:
Salah satu tekniknya adalah dengan menjaga keandalan sistem a. Metode Kualitatif
gas buangnya, dalam hal ini adalah sistem gas buang boiler. Metode kualitatif merupakan metode analisa secara
Boiler adalah bejana tertutup yang digunakan untuk quality dari suatu mode dan dampak kegagalan,
memisahkan fluida antara fase gas (uap) dan fase cair (air), seperti Failure Mode and Effects Analysis (FMEA),
dan terdiri atas sistem air umpan, sistem steam serta sistem Failure Mode, Effect and Criticality Analysis
bahan bakar. Li Bing, Zhu Meilin, dan Xu Kai (2000), pada (FMECA), Fault Tree Analysis (FTA) dan Reliability
papernya yang berjudul A Practical Engineering Method for Centered Maintenance (RCM).
Fuzzy Reliability Analysis of Mechanical Structures telah b. Metode Kuantitatif
mempelajari teori logika fuzzy untuk analisa keandalan pada Metode kuantitatif merupakan metode analisa yang
sistem yang sulit diekspresikan model matematisnya. A.Z. dilakuakan secara perhitungan matematis. Metode ini
Keller dan C. Kara-Zaitri (2003), pada penelitiannya yang dapat dilakukan melalui perolehan data perawatan
berjudul Further Applications of Fuzzy Logic to Reliability (maintenance record) terhadap waktu kegagalan
Assessment and Safety Analysis telah menunjukkan bahwa (time to failure) dan waktu perbaikan (time to repair)
logika fuzzy adalah salah satu cara yang sangat efektif untuk dari suatu komponen atau sistem.
2

 Nilai η, β, γ dapat diketahui dari weibull


B. Laju Kegagalan probability paper atau dari software.
Laju kegagalan (λ) adalah banyaknya kegagalan per satuan  Saat nilai β= 1 dan γ= 0 weibull akan
waktu. Laju kegagalan dapat dinyatakan sebagai perbandingan ekivalen dengan distribusi eksponensial.
antara banyaknya kegagalan yang terjadi selama selang waktu  Saat nilai β= 3,44 weibull akan mendekati
tertentu dengan total waktu operasi komponen atau sistem. [5] distribusi normal.
Dalam beberapa kasus, laju kegagalan dapat ditunjukkan
sebagai penambahan atau Increasing Failure Rate (IFR), Jika distribusi waktu antar kegagalan suatu
sebagai penurunan atau Decreasing Failure Rate (DFR), dan komponen atau sistem mengikuti distribusi weibull,
sebagai konstan atau Constant Failure Rate (CFR), pada saat maka: [7]
fungsi laju kegagalan λ(t) adalah fungsi penambahan,  Fungsi keandalannya adalah:
β
penurunan atau konstan. 
 t −γ  
1) Distribusi Laju Kegagalan: R(t ) = exp −   
a. Distribusi Normal 
  η  
Distribusi normal yang sering disebut juga dengan (2.5)
distribusi gaussian adalah salah satu jenis distribusi
yang paling sering digunakan dalam menjelaskan  Laju kegagalannya adalah:
β −1
sebaran data. Jika distribusi waktu antar kegagalan β t − γ 
λ (t ) = 
η  η 
suatu komponen atau sistem mengikuti distribusi (2.6)
normal, maka: [6]
 Fungsi keandalannya adalah:
t−µ  Waktu rata–rata kegagalannya adalah:
R(t ) = 1 − Φ ( ) (2.1)
σ  1
MTTF = γ + ηΓ 1 +  (2.7)
 β
 Waktu rata-rata kegagalannya adalah:
C. Maintainability
MTTF= µ (2.2)
Maintainability didefinisikan sebagai kemungkinan bahwa
suatu sistem atau komponen yang gagal diperbaiki pada
b. Distribusi Lognormal interval (0,t) [4]. Persamaan maintainability untuk distribusi
Karakteristik distribusi lognormal mempunyai dua weibull ditunjukkan pada persamaan 2.8. [7]
parameter yang pertama parameter lokasi (µ) dan
− t −γ 
β
 
yang kedua parameter skala (σ), sama dengan standar
 η 
deviasi. Jika distribusi waktu antar kegagalan M(t) = 1 − e (2.8)
mengikuti distribusi lognormal, maka: [7]
 Fungsi keandalannya adalah: Sedangkan persamaan maintainability untuk distribusi
1t lognormal dapat dilihat pada persamaan 2.9.
R(t ) = 1 − Φ ( ln ) (2.3)
σ tmed
t
1  (ln t − µ )2  dt
 Waktu rata-rata kegagalannya adalah: M(t) = ∫ tσ 2π
exp −
 2σ 2


(2.9)
σ 2 0
MTTF= exp( µ + ) (2.4)
2 dimana:
• µ = Mean.
c. Distribusi Weibull • σ = Standard Deviation.
Distribusi weibull telah digunakan secara luas dalam
teknik keandalan. Karakteristik distribusi weibull
adalah: [7] D. Availability
 Mempunyai 2 ( η, β ) atau 3 ( η, β, γ ) Availability didefinisikan sebagai probabilitas bahwa
parameter. sebuah item akan tersedia saat dibutuhkan (dengan berbagai
• η= parameter skala, η>0, disebut kombinasi aspek-aspek keandalannya, kemampurawatan, dan
sebagai, characteristic life. dukungan perawatan), atau proporsi dari total waktu bahwa
• β= parameter bentuk, β>0, sebuah item tersedia untuk digunakan [7]. Secara practical,
availability yang berubah terhadap waktu dapat dihitung
mendeskripsikan bentuk dari PDF.
menggunakan persamaan seperti persamaan 2.10. [3]
• γ= parameter lokasi, merepresentasikan
failure-free atau awal periode dari
 λ    λ  
penggunaan item. A(t ) = 1 −   −    exp(− (λ + µ )t ) (2.10)
 λ + µ    λ + µ  
3

dimana: C. Analisa Data


• λ = failure rate dari waktu antar kegagalan Pada tahap ini, data-data yang diperoleh akan diolah
• µ = 1/MTTR. dengan metode konvensional dan fuzzy, kemudian nantinya
akan dilakukan perbandingan antara kedua metode tersebut.
Perbandingan dilakukan terhadap nilai keandalan,
E. Sistem Gas Buang Boiler maintainability, dan availability yang didapatkan dari kedua
Pada PLTU Gresik unit 3, sistem gas buang boiler terdiri metode tadi. Dalam hal ini data yang digunakan adalah desain
dari beberapa sistem penunjang, yaitu economizer, sistem, record data history kegagalan dan perbaikan sistem
superheater, reheater, gas injection fan, forced draft fan, dan gas buang boiler yang bisa didapatkan dari departemen
maintenance.
air heater. Economizer atau pemanas awal berfungsi untuk
1) Analisa dengan Metode Konvensional
memanaskan air pengisi ketel sebelum masuk ke boiler.
Analisa data dengan metode konvensional meliputi hal-
Superheater berfungsi untuk memanaskan lebih lanjut uap dari
hal sebagai berikut:
boiler sehingga menjadi uap kering. Pemanas untuk
• Penentuan Time to Failure
superheater diambil dari panas gas buang hasil pembakaran Pada record data peralatan dari departemen
furnace. Reheater berfungsi untuk menaikkan kembali entalpi maintenance selama peralatan tersebut beroperasi
uap setelah diekspansikan di high pressure turbine dengan mulai dari 09 Pebruari 2001 – 22 April 2010 terdapat
jalan dipanaskan ulang. Gas injection fan berfungsi sebagai data waktu kegagalan. Data ini digunakan untuk
kipas penghasil udara pendorong dari bahan bakar yang akan menentukan time to failure.
masuk ke dalam ruang bakar. Forced draft fan berfungsi • Penentuan Distribusi Time to Failure
sebagai penyuplai udara yang digunakan pada pembakaran Penentuan distribusi time to failure dapat dilakukan
dalam ruang bakar. Air Heater adalah pemanas udara yang dengan menggunakan software ReliaSoft Weibull++
memanfaatkan temperatur gas buang yang masih tinggi Version 6. Berikut ini langkah-langkah penentuan
sebagai pemanasnya. distribusi waktu antar kerusakan:
 Memasukan data antar kegagalan atau data
waktu perbaikan yang akan di uji
III. METODE distribusinya.
 Mulai dilakukan uji distribusi dengan
A. Studi Literatur dan Studi Lapangan memilih option distribution wizard untuk
Studi literatur berupa pemahaman secara teoritis tentang mendapatkan parameter uji average
konsep keandalan, konsep logika fuzzy, dan sistem gas buang goodness of fit (AVGOF) dimana semakin
boiler. Sedangkan studi lapangan berupa pengamatan besar nilai pada kolom ini mengindikasikan
langsung di lapangan untuk mengetahui sistem sesungguhnya. ketidaksesuaian hasil uji distribusi.

B. Pengambilan Data
Mengumpulkan data berupa data history kegagalan dan
perawatan pada komponen penunjang sistem gas buang boiler.
Dalam hal ini data dikatakan cukup apabila satu komponen
minimal terdapat 3 kali waktu kegagalan. Gambar 3.2 Pemasukan Data TTF
Flowchart program utama penelitian dapat dilihat pada
gambar 3.1.  Pada langkah terkhir terdapat implementasi
suggestion yang menunjukkan distribusi
serta parameter distribusi dari data yang
diuji.

• Evaluasi Keandalan (R(t))


Berdasarkan penentuan parameter uji dengan
menggunakan software ReliaSoft Weibull++ Version 6
dapat ditentukan keandalan yang akan dianalisa. Hasil
perhitungan diplot dalam sebuah grafik hubungan
antara nilai R(t) dengan waktu operasional.

Gambar 3.1 Flowchart Program Utama Penelitian Gambar 3.3 Penunjukan Nilai Keandalan
4

• Penentuan Time to Repair


Pada record data sejarah peralatan dari departemen • Membuat aturan fuzzy.
maintenance selama peralatan tersebut beroperasi Aturan pada suatu model fuzzy menunjukkan
mulai dari 09 Pebruari 2001 – 22 April 2010 terdapat bagaimana sistem beroperasi.
data waktu selesai perbaikan. Data ini digunakan untuk Basis aturan keandalan apabila dimasukkan ke dalam
menentukan time to repair. FIS editor, maka akan terlihat seperti pada gambar 3.12.
• Penentuan Distribusi Time to Repair
Berdasarkan record data sejarah peralatan dari
departemen maintenance dapat dilakukan pengujian
distribusi data waktu perbaikan komponen dengan
menggunakan software minitab 14.

Gambar 3.12 Basis Aturan Keandalan

• Menentukan metode defuzzifikasi untuk tiap-tiap


variabel solusi.
Pada tahap ini akan dipilih suatu nilai dari suatu
Gambar 3.6 Pemasukan Data TTR
variabel solusi yang merupakan konsekuen dari
daerah fuzzy.
• Evaluasi Maintainability
• Menjalankan simulasi sistem.
Berdasarkan penentuan parameter uji dengan
Pada tahap ini, dibuat simulasi sistem secara lengkap
menggunakan software minitab 14 maka dengan
dengan menggunakan bantuan software matlab 7.1.
menggunakan persamaan 2.15 dan 2.16 dapat
ditentukan maintainability. • Pengujian: pengaturan dan validasi model.
Dari program simulasi yang dibentuk, diujikan untuk
• Evaluasi Availability
beberapa nilai input untuk mendapatkan kebenaran
Berdasarkan penentuan parameter uji dengan
dan validasi output. Apabila hasil yang diperoleh
menggunakan software minitab 14 maka dengan
selama pengujian kurang sesuai dengan yang
menggunakan persamaan 2.17 dapat ditentukan availability.
diharapkan, maka diulangi lagi pada proses
dekomposisi variabel ke himpunan fuzzy.
2) Analisa dengan Metode Logika Logika Fuzzy
Fungsi keandalan sistem yang diperoleh secara analitis
dapat dipakai sebagai dasar untuk melakukan analisa
pendekatan dengan menggunakan logika fuzzy. Fungsi IV. HASIL PENELITIAN
keandalan tersebut digunakan sebagai input pada analisa A. Analisa Konvensional Sistem Gas Buang Boiler
pendekatan sebagai model logika fuzzy. 1) Analisa Konvensional Reheater
Adapun pendekatan fuzzy ini menggunakan bantuan software Sesuai dengan data operasional di lapangan, maka
Matlab 7.1 yang meliputi langkah-langkah sebagai berikut: dengan menggunakan software ReliaSoft Weibull++ 6
• Mendefinisikan karakteristik model secara fungsional didapatkan distribusi paling sesuai untuk data TTF reheater
dan operasional. adalah distribusi weibull 3 dengan parameter β= 1.2503, η=
Pada bagian ini perlu diperhatikan karakteristik apa 8936.3412, dan γ= -859.4. Sedangkan dengan menggunakan
saja yang ada, kemudian dirumuskan karakteristik software minitab 14 didapatkan distribusi paling sesuai untuk
operasi-operasi yang akan digunakan dalam model data TTR reheater adalah distribusi 3-parameter lognormal
fuzzy. dengan MTTR= 273.748 sehingga µ = 1/MTTR=
0.003652995.
Dengan menggunakan persamaan 2.11 maka didapatkan
estimasi nilai fungsi laju kegagalan untuk reheater adalah:
0.2503
 t + 859.4 
Gambar 3.8 FIS Penentuan Keandalan λ (t ) = 0.000139912
 8936.3412 
• Melakukan dekomposisi variabel model menjadi
himpunan fuzzy. Untuk keandalannya adalah:
Dari variabel-variabel yang telah dirumuskan di atas

  t + 859.4 
1.2503


dibentuk himpunan-himpunan fuzzy yang berkaitan. R (t ) = exp −   

  8936.3412  

Sedangkan untuk MTTF-nya adalah:

Gambar 3.9 Fungsi Keanggotaan Keandalan MTTF = -859.4 + 8936.3412Γ (1.799808046 )


5

t − 8108.3347
Dengan mengggunakan persamaan 2.16 maka didapatkan R (t ) = 1 − Φ ( )
6272.9313
persamaan maintainability untuk reheater adalah:
M (t ) = 1 − exp(− 0.003652995.t ) Dengan mengggunakan persamaan 2.15 maka didapatkan
persamaan maintainability untuk economizer adalah:
Dengan mengggunakan persamaan 2.18 maka didapatkan
persamaan availability untuk reheater adalah: M (t ) = 1 − exp(− 0.007116577.t )
 λ   λ  
A(t ) = 1 −   −    exp(− (λ + 0.0036 )t )
 λ + 0.0036   λ + 0.0036  
Dengan mengggunakan persamaan 2.18 maka didapatkan
persamaan availability untuk economizer adalah:
2) Analisa Konvensional Superheater
 λ   λ  
Sesuai dengan data operasional di lapangan, maka A(t ) = 1 −   −    exp(− (λ + 0.0071)t )
dengan menggunakan software ReliaSoft Weibull++ 6  λ + 0.0071    λ + 0.0071  
didapatkan distribusi paling sesuai untuk data TTF
superheater adalah distribusi lognormal dengan parameter μ= 4) Analisa Konvensional A-GIF
7.6636 dan σ= 1.2202. Sedangkan dengan menggunakan Sesuai dengan data operasional di lapangan, maka
software minitab 14 didapatkan distribusi paling sesuai untuk dengan menggunakan software ReliaSoft Weibull++ 6
data TTR superheater adalah distribusi 3-parameter didapatkan distribusi paling sesuai untuk data TTF A-GIF
Lognormal dengan MTTR= 62.9193 sehingga µ = 1/MTTR= adalah distribusi weibull 3 dengan parameter β= 0.8251, η=
0.015893375. 3369.116, dan γ= - 215.4625. Sedangkan dengan
Dengan menggunakan persamaan 2.8 maka didapatkan menggunakan software minitab 14 didapatkan distribusi
estimasi nilai fungsi keandalan untuk superheater adalah: paling sesuai untuk data TTR A-GIF adalah distribusi 3-
t parameter Lognormal dengan MTTR= 100.091 sehingga µ =
R (t ) = 1 − Φ ((0.819537781)(ln )) 1/MTTR= 0.009990908.
2518.5
Dengan menggunakan persamaan 2.11 maka didapatkan
Sedangkan untuk MTTF-nya adalah: estimasi nilai fungsi laju kegagalan untuk A-GIF adalah:
-0.1749
 t + 215.4625 
λ (t ) = 0.000244901
 3369.116 
MTTF = exp(8.40804402)

Dengan mengggunakan persamaan 2.16 maka


didapatkan persamaan maintainability untuk superheater Untuk MTTF-nya adalah:
adalah:
MTTF = -215.4625 + 3369.116Γ (2.211974306 )
M (t ) = 1 − exp(− 0.015893375.t )
Sedangkan ntuk keandalannya adalah:
Dengan mengggunakan persamaan 2.18 maka didapatkan 
  t + 215.4625 
0.8251


persamaan availability untuk superheater adalah: R (t ) = exp−   
 
 3369.116  

 λ   λ  
A(t ) = 1 −   −    exp(− (λ + 0.0158)t )
 λ + 0.0158    λ + 0.0158   Dengan mengggunakan persamaan 2.16 maka didapatkan
persamaan maintainability untuk A-GIF adalah:
3) Analisa Konvensional Economizer
Sesuai dengan data operasional di lapangan, maka M (t ) = 1 − exp(− 0.009990908.t )
dengan menggunakan software ReliaSoft Weibull++ 6
didapatkan distribusi paling sesuai untuk data TTF economizer Dengan mengggunakan persamaan 2.18 maka didapatkan
adalah distribusi normal dengan parameter μ= 8108.3347 dan persamaan availability untuk A-GIF adalah:
σ= 6272.9313. Sedangkan dengan menggunakan software
 λ   λ 
minitab 14 didapatkan distribusi paling sesuai untuk data TTR A(t ) = 1 −   −  

 exp(− (λ + 0.0099 )t )
economizer adalah distribusi 3-parameter Weibull dengan  λ + 0.0099    λ + 0.0099  
MTTR= 140.517 sehingga µ = 1/MTTR= 0.007116577.
Dengan menggunakan persamaan 2.6 maka didapatkan 5) Analisa Konvensional A-FDF
nilai MTTF-nya adalah: Sesuai dengan data operasional di lapangan, maka
dengan menggunakan software ReliaSoft Weibull++ 6
MTTF = 8108.3347 didapatkan distribusi paling sesuai untuk data TTF A-FDF
adalah distribusi weibull 3 dengan parameter β= 0.8615, η=
Sedangkan fungsi keandalan untuk economizer adalah: 4451.7927, dan γ= 306.64. Sedangkan dengan menggunakan
software minitab 14 didapatkan distribusi paling sesuai untuk
6

data TTR A-FDF adalah distribusi 3-parameter Weibull Dengan mengggunakan persamaan 2.18 maka didapatkan
dengan MTTR= 97.7566 sehingga µ = 1/MTTR= persamaan availability untuk A-Air Heater adalah:
0.010229488.  λ   λ  
A(t ) = 1 −   −    exp(− (λ + 0.014)t )
Dengan menggunakan persamaan 2.11 maka didapatkan  λ + 0.014    λ + 0.014  
estimasi nilai fungsi laju kegagalan untuk A-FDF adalah:
-0.1385
 t - 306.64  7) Analisa Konvensional Seluruh Sistem Penunjang
λ (t ) = 0.000193518
 4451.7927 
Berdasarkan pengolahan data dari masing-masing
komponen didapatkan hasil keandalan untuk waktu (t= 500,
1000, dan 2000 jam), maintainability untuk waktu (t= 50, 100,
Untuk keandalannya adalah: dan 200 jam), dan availability untuk waktu (t= 1000, 2000,

  t − 306.64 
0.8615

 3000 jam). Dengan menggunakan persamaan 4.1 sampai
R (t ) = exp −    dengan 4.28 maka diperoleh hasil seperti grafik di bawah ini:
  4451.7927 
 

Sedangkan untuk MTTF-nya adalah:


MTTF = 306.64 + 4451.7927Γ (2.160766106 )

Dengan mengggunakan persamaan 2.15 maka didapatkan


persamaan maintainability untuk A-FDF adalah: Gambar 4.1 Grafik Keandalan Metode Konvensional

M (t ) = 1 − exp(− 0.010229488.t )

Dengan mengggunakan persamaan 2.18 maka didapatkan


persamaan availability untuk A-FDF adalah:
 λ   λ  
A(t ) = 1 −   −    exp(− (λ + 0.0102 )t ) Gambar 4.2 Grafik Maintainability Metode Konvensional
 λ + 0.0102   λ + 0.0102  

6) Analisa Konvensional A-Air Heater


Sesuai dengan data operasional di lapangan, maka
dengan menggunakan software ReliaSoft Weibull++ 6
didapatkan distribusi paling sesuai untuk data TTF A-Air
Heater adalah distribusi weibull 2 dengan parameter β= 1.182
Gambar 4.3 Grafik Availability Metode Konvensional
dan η= 2508.5617. Sedangkan dengan menggunakan software
minitab 14 didapatkan distribusi paling sesuai untuk data TTR
A-Air Heater adalah distribusi 3-parameter Lognormal dengan B. Analisa Sistem dengan Logika Fuzzy
MTTR= 71.0964 sehingga µ = 1/MTTR= 0.01406541. Penyusunan basis aturan untuk keandalan, menggunakan 2
Dengan menggunakan persamaan 2.11 maka didapatkan input yaitu MTTF dan jam operasi, serta menghasilkan 1
estimasi nilai fungsi laju kegagalan untuk A-Air Heater output yaitu nilai keandalan. Fungsi keanggotaan untuk
adalah: variabel jam operasi menggunakan 6 fungsi keanggotaan.
0.182 Untuk fungsi keanggotaan variabel MTTF menggunakan 7
 t 
λ (t ) = 0.000471186 fungsi keanggotaan. Sedangkan untuk variabel output yang
 2508.5617  berupa keandalan menggunakan 7 fungsi keanggotaan.
Penyusunan basis aturan untuk maintainability,
Untuk keandalannya adalah: menggunakan 2 input yaitu MTTR dan jam operasi, serta

  t 
1.182

 menghasilkan 1 output yaitu nilai maintainability. Fungsi
R (t ) = exp −    keanggotaan untuk variabel jam operasi menggunakan 5
  2508.5617 
 
 fungsi keanggotaan. Untuk fungsi keanggotaan variabel
MTTR menggunakan 5 fungsi keanggotaan. Sedangkan untuk
Sedangkan untuk MTTF-nya adalah: variabel output yang berupa maintainability menggunakan 7
fungsi keanggotaan.
MTTF= 2508.5617Γ (1.846023689 ) Penyusunan basis aturan untuk availability, menggunakan
3 input yaitu MTTF, MTTR dan jam operasi, serta
menghasilkan 1 output yaitu nilai Penyusunan basis aturan
Dengan mengggunakan persamaan 2.16 maka didapatkan untuk maintainability, menggunakan 2 input yaitu MTTR dan
persamaan maintainability untuk A-Air Heater adalah: jam operasi, serta menghasilkan 1 output yaitu nilai
M (t ) = 1 − exp(− 0.01406541.t ) availability. Fungsi keanggotaan untuk variabel jam operasi
menggunakan 6 fungsi keanggotaan. Untuk fungsi
7

keanggotaan variabel MTTF menggunakan 7 fungsi


keanggotaan. Untuk fungsi keanggotaan variabel MTTR Tabel 4.15 Perbandingan Keandalan pada t= 2000 jam
menggunakan 5 fungsi keanggotaan. Sedangkan untuk Komponen Keandalan Keandalan
variabel output yang berupa availability menggunakan 7
Konvensional Fuzzy
fungsi keanggotaan.
Dengan menggunakan aturan logika fuzzy seperti di atas, Reheater 0.787 0.733
maka diperoleh hasil seperti grafik di bawah ini: Superheater 0.575 0.669
Economizer 0.834 0.775
A-GIF 0.553 0.622
A-FDF 0.647 0.733
A-Air Heater 0.465 0.467

2) Perbandingan Maintainability
Gambar 4.4 Grafik Keandalan Metode Logika Fuzzy Hasil maintainability yang didapatkan pada
keseluruhan sistem penunjang gas buang boiler
dengan metode konvensional dan metode logika fuzzy
untuk waktu (t= 50 jam, t= 100 jam, dan t= 200 jam)
adalah seperti yang terlihat pada tabel 4.16, 4.17, dan
4.18.

Gambar 4.5 Grafik Maintainability Metode Logika Fuzzy Tabel 4.16 Perbandingan Maintainability pada t= 50 jam
Komponen Maintainability Maintainability
Konvensional Fuzzy
Reheater 0.167 0.133
Superheater 0.548 0.536
Economizer 0.299 0.36
Gambar 4.6 Grafik Availability Metode Logika Fuzzy A-GIF 0.393 0.445
A-FDF 0.4 0.45
A-Air Heater 0.505 0.515
C. Perbandingan Metode Konvensional dengan Fuzzy
1) Perbandingan Keandalan Tabel 4.17 Perbandingan Maintainability pada t= 100 jam
Hasil keandalan yang didapatkan pada keseluruhan
Komponen Maintainability Maintainability
sistem penunjang gas buang boiler dengan metode
konvensional dan metode logika fuzzy untuk waktu Konvensional Fuzzy
(t= 500, 1000, dan 2000 jam) adalah seperti yang Reheater 0.306 0.397
terlihat pada tabel 4.13, 4.14, dan 4.15. Superheater 0.796 0.834
Economizer 0.509 0.576
Tabel 4.13 Perbandingan Keandalan pada t= 500 jam A-GIF 0.632 0.713
Komponen Keandalan Keandalan A-FDF 0.64 0.719
Konvensional Fuzzy A-Air Heater 0.755 0.833
Reheater 0.909 0.919
Superheater 0.908 0.868 Tabel 4.18 Perbandingan Maintainability pada t= 200 jam
Economizer 0.887 0.954 Komponen Maintainability Maintainability
A-GIF 0.878 0.867 Konvensional Fuzzy
A-FDF 0.935 0.867 Reheater 0.518 0.527
A-Air Heater 0.862 0.867 Superheater 0.958 0.959
Economizer 0.759 0.835
Tabel 4.14 Perbandingan Keandalan pada t= 1000 jam A-GIF 0.864 0.871
A-FDF 0.871 0.875
Komponen Keandalan Keandalan
A-Air Heater 0.94 0.96
Konvensional Fuzzy
Reheater 0.869 0.875
Superheater 0.776 0.803 3) Perbandingan Availability
Economizer 0.871 0.875 Hasil availability yang didapatkan pada keseluruhan
A-GIF 0.74 0.782 sistem penunjang gas buang boiler dengan metode
A-FDF 0.818 0.867 konvensional dan metode logika fuzzy untuk waktu
A-Air Heater 0.714 0.782
8

(t= 1000 jam, t= 2000 jam, dan t= 3000 jam) adalah Dapat dilihat dari tabel 4.7 bahwa tingkat keandalan A-
seperti yang terlihat pada tabel 4.19, 4.20, dan 4.21. GIF cukup rendah. Sehingga perlu dilakukan perawatan
setiap 1000 jam untuk menjaga komponen tersebut agar
Tabel 4.19 Perbandingan Availability pada t= 1000 jam tetap reliable.
Komponen Availability Availability  A-FDF
Konvensional Fuzzy Dilihat dari tabel 4.7 bahwa tingkat keandalan A-FDF
cukup rendah. Sehingga perlu dilakukan perawatan
Reheater 0.975 0.98 setiap 2000 jam untuk menjaga komponen tersebut agar
Superheater 0.979 0.976 tetap reliable.
Economizer 0.995 0.994  A-Air Heater
A-GIF 0.969 0.972 Dilihat dari tabel 4.7 bahwa tingkat keandalan A-air
A-FDF 0.976 0.98 heater cukup rendah. Sehingga perlu dilakukan
A-Air Heater 0.972 0.973 perawatan setiap 1000 jam untuk menjaga komponen
tersebut agar tetap reliable.
Tabel 4.20 Perbandingan Availability pada t= 2000 jam
Dari hasil yang telah diperoleh maka dapat diketahui bahwa
Komponen Availability Availability komponen yang kritis pada sistem gas buang boiler adalah
Konvensional Fuzzy superheater, A-GIF, dan A-air heater. Hal ini terlihat dari
Reheater 0.972 0.975 komponen–komponen tersebut yang mempunyai jadwal
Superheater 0.982 0.983 perawatan yang yang relatif pendek. Selain itu, berdasarkan
Economizer 0.993 0.992 hasil nilai keandalan dari keseluruhan sistem penunjang pada
gas buang boiler, dapat dilihat bahwa salah satu cara untuk
A-GIF 0.973 0.979
menjaga agar sistem tersebut tetap reliable adalah dengan
A-FDF 0.979 0.984
memendekkan durasi perawatan. Jadi, dengan memendekkan
A-Air Heater 0.969 0.967 durasi perawatan akan diperoleh pula nilai keandalan yang
lebih tinggi. Sehingga tingkat kegagalan ketika sistem
Tabel 4.21 Perbandingan Availability pada t= 4000 jam beroperasi dapat diturunkan.
Komponen Availability Availability
Konvensional Fuzzy
V. KESIMPULAN
Reheater 0.97 0.971
Superheater 0.985 0.986 Berdasarkan penelitian yang telah dilakukan, maka
Economizer 0.992 0.991 diperoleh kesimpulan sebagai berikut:
• Berbeda dari metode konvensional yang terlebih
A-GIF 0.975 0.982
dahulu harus menentukan model kegagalan untuk
A-FDF 0.98 0.984
bisa megetahui keandalan suatu sistem. Metode
A-Air Heater 0.967 0.967 logika fuzzy cukup menggunakan distribusi
probabilitas kegagalan sebagai acuan kaidah atur
D. Penjadwalan Maintenance Pelaralatan dalam fuzzy, maka sudah bisa digunakan untuk
menentukan keandalan suatu sistem.
Interval perawatan terhadap komponen yang sering • Hasil analisa sistem gas buang boiler dengan metode
mengalami kegagalan pada sistem gas buang boiler ditinjau logika fuzzy didapatkan; sistem penunjang yang
dari keandalan dan perawatan yang optimal: paling andal adalah economizer dengan tingkat
 Reheater keandalan 95.4% pada saat t= 500 jam. Sistem
Dapat dilihat dari tabel 4.7 bahwa tingkat keandalan penunjang yang paling maintainable adalah
reheater sangat tinggi. Jadi, meskipun hanya dilakukan superheater dengan tingkat maintainability sebesar
perawatan setiap 2000 jam, komponen tersebut akan 83.4% selama t= 100 jam. Sedangkan sistem
tetap reliable. Sehingga untuk reheater cukup dilakukan penunjang yang paling available adalah economizer
perawatan setiap 2000 jam. dengan tingkat availability mencapai 99.1% selama
 Superheater t= 3000 jam.
Dapat dilihat dari tabel 4.7 bahwa tingkat keandalan
superheater cukup rendah. Sehingga perlu dilakukan • Interval perawatan terhadap masing-masing sistem
perawatan setiap 1000 jam untuk menjaga komponen penunjang gas buang boiler yang sering mengalami
tersebut agar tetap reliable. kegagalan ditinjau dari keandalan dan perawatan
 Economizer yang optimal adalah untuk reheater, economizer, dan
Dapat dilihat dari tabel 4.7 bahwa tingkat keandalan A-FDF dilakukan perawatan minimal setiap 2000
economizer sangat tinggi. Jadi, meskipun hanya jam. Sedangkan untuk superheater, A-GIF, dan A-Air
dilakukan perawatan setiap 2000 jam, komponen tersebut Heater dilakukan perawatan minimal setiap 1000 jam
akan tetap reliable. Sehingga untuk economizer cukup sekali.
dilakukan perawatan setiap 2000 jam.
 A-GIF
9

Selanjutnya dalam rangka pengembangan penelitian,


saran yang perlu disampaikan dalam laporan Tugas Akhir ini
adalah:
• Perlu dikembangkan lagi penggunaan aplikasi
metode logika fuzzy untuk analisa keandalan dalam
perspektif yang lebih luas. Maksudnya tidak hanya
dilakukan pada suatu sistem tertentu, tetapi dilakukan
pada keseluruhan plant yang ada.
• Dikembangkan penelitian untuk analisa keandalan
dengan metode Jaringan Syaraf Tiruan (JST).

VI. DAFTAR PUSTAKA


[1]. Keller, A.Z., dan Kara-Zaitri, C. “Further Applications of
Fuzzy Logic to Reliability Assessment and Safety
Analysis”. United Kingdom: University of Bradford,
2003.
[2]. Bing, Li., Meilin, Zhu., dan Kai, Xu. “A Practical
Engineering Method for Fuzzy Reliability Analysis of
Mechanical Structures”. Huazhong University of Science
& Technology, 2000.
[3]. Arnljot, H., dan Marvin, R. “System Reliability Theory”.
John Wiley & Sons Inc., The Norwegian Institute of
Technology, 1994.
[4]. Klir, George J., dan Yuan, Bo. “Fuzzy Sets and Fuzzy
Logics: Theory and Applications”. New Jersey: Prentice-
Hall Inc., 1995.
[5]. Ebeling, Charles E. An Introduction To Reliability And
Maintainability Engineering. Singapore: The Mc Graw-
Hill Companies, 1997.
[6]. Andrews J.D. dan TR Moss. ”Reliability And Risk
Assassment Second Edition”. New York, 2002.
[7]. Priyatna, Dwi. “ Keandalan dan Perawatan”. 2000.
[8]. Naba, Agus. “Belajar Cepat Fuzzy Logic Menggunakan
MATLAB”. Yogyakarta: ANDI, 2009.
[9]. Rachman, M. Abdul. “Analisa Reliability Berbasis Logika
Fuzzy pada Sistem Main Engine Kapal”. Surabaya:
Teknik Fisika – ITS., 2005.

BIODATA PENULIS

Nama : Nur Arif Romadlon


TTL : Tuban, 12 Mei 1988
Alamat : Ds.Wangun Kec.Palang
Kab.Tuban
Email : arifiptf@ep.its.ac.id
Pendidikan :
SDN Wangun II (1994 – 2000)
SMPN 1 Palang (2000 – 2003)
SMAN 2 Tuban (2003 – 2006)
Teknik Fisika ITS (2006 – Sekarang)