PROPOSAL TUGAS AKHIR (605502A)

ANALISIS KEGAGALAN DAN PENENTUAN PENJADWALAN

PERAWATAN PENCEGAHAN PADA MESIN BLOCK MILL
DENGAN SIMULASI MONTE CARLO DI PERUSAHAAN
PELEBURAN BAJA

LUTFI PATIMATUL FAJRI

0515040034

PROGRAM STUDI TEKNIK KESELAMATAN DAN KESEHATAN KERJA

JURUSAN TEKNIK PERMESINAN KAPAL
POLITEKNIK PERKAPALAN NEGERI SURABAYA
2019
HALAMAN PENGESAHAN

i
 HALAMAN INI SENGAJA DIKOSONGKAN

ii
 ANALISIS KEGAGALAN DAN PENENTUAN
PENJADWALAN PERAWATAN PENCEGAHAN PADA
MESIN BLOCK MILL DENGAN SIMULASI MONTE CARLO DI
PERUSAHAAN PELEBURAN BAJA

Nama Mahasiswa : Lutfi Patimatul Fajri

NRP : 0515040034
Calon Dosen Pembimbing : 1. Anda Iviana Juniani, ST.,MT
2. Priyo Agus Setiawan, ST.,MT

RINGKASAN

Perusahaan peleburan baja adalah perusahaan di bidang manufactring yang

salah satu produksinya memproduksi baja gulungan (wire rod). Dalam
menjalankan proses industri secara terus menerus selama 24 jam, kegagalan
sering terjadi pada mesin block mill stand 26 sebagai finishing stand pembentukan
wire rod, perusahaan peleburan baja menyebut kegagalan tersebut dengan nama
coble (billet tidak menjadi wire rod) keluar dari proses pengerolan. Pada tanggal 5
Oktober 2016 pernah terjadi kecelakaan yang melibatkan pekerja rolling mill, saat
melakukan maintenance di area block mill terkena coble panas yang tiba – tiba
keluar dan mengenai paha depan, paha kiri serta betis kiri sehingga menyebabkan
luka bakar tingkat 1, hal tersebut menyebabkan kerugian bagi perusahaan dan juga
pekerja.
Untuk mengantisipasi terjadinya kegagalan pada mesin block mill stand 26
perlu dilakukan analisis kegagalan untuk mengetahui tingkat kegagalan yang
terjadi dan faktor – faktor apa saja yang menyebabkan mesin block mill
mengalami coble, kemudian perlu adanya suatu perawatan mesin yang terencana
dengan baik dan teratur untuk mengatasi segala masalah diatas, sehingga keadaan
ketidakpastian dan segala kemungkinan terhentinya proses produksi dapat
diantisipasi dan nantinya akan diperoleh selang waktu perawatan yang optimal.
Metode yang digunakan untuk analisis kegagalan yaitu Failure Mode and
Effect Analysis (FMEA) untuk menentukan sejauh mana tingkat kegagalan terjadi
dan menentukan komponen kritis mesin block mill stand 26 dari nilai RPN
tertinggi. Selanjutnya menggunakan simulasi monte carlo untuk mendapatkan
nilai waktu menuju kerusakan atau time to failure (TTF) dan time to repair (TTR)
pada masing - masing komponen kritis sebagai dasar penentuan jadwal perawatan
yang optimal kemudian akan dilakukan perhitungan biaya untuk menghasilkan
biaya perawatan yang lebih efisien.

iii
 HALAMAN INI SENGAJA DIKOSONGKAN

iv
 DAFTAR ISI

HALAMAN PENGESAHAN .................................................................................. i

RINGKASAN ........................................................................................................ iii
DAFTAR ISI ........................................................................................................... v
DAFTAR TABEL ................................................................................................. vii
DAFTAR GAMBAR ............................................................................................. ix
BAB 1 PENDAHULUAN ...................................................................................... 1
1.1. Latar Belakang ......................................................................................... 1
1.2. Perumusan Masalah .................................................................................. 4
1.3. Tujuan ....................................................................................................... 5
1.4. Manfaat Tugas Akhir ................................................................................ 5
1.5. Batasan Masalah ....................................................................................... 6
BAB 2 TINJAUAN PUSTAKA ............................................................................. 7
2.1. Studi Penelitian Terdahulu ....................................................................... 7
2.2. Proses Produksi Rolling Mill Line A ..................................................... 10
2.3. Mesin Block Mill.................................................................................... 12
2.3.1. Komponen Mesin Block Mill.......................................................... 13
2.4. Failure Mode and Effect Analysis (FMEA) ........................................... 13
2.4.1. Langkah – langkah Penyusunan FMEA .......................................... 14
2.5. Perawatan (Maintenance) ....................................................................... 20
2.5.1. Definisi Perawatan .......................................................................... 20
2.5.2. Pemahaman Istilah Perawatan......................................................... 21
2.5.3. Tujuan Perawatan ............................................................................ 22
2.5.4. Preventive Maintenance .................................................................. 22
2.5.5. Biaya Perawatan .............................................................................. 24
2.6. Keandalan ............................................................................................... 25
2.6.1. Definisi Keandalan .......................................................................... 25
2.6.2. Laju Kegagalan ............................................................................... 26
2.6.3. Distribusi Laju Kegagalan............................................................... 28
2.7. Tinjauan Software Weibull .................................................................... 31

v
 2.8. Simulasi Monte Carlo ............................................................................. 31
2.8.1. Rumus Simulasi Monte Carlo ......................................................... 33
2.9. Uji Validitas ............................................................................................ 35
2.10. Expert Judgement ................................................................................ 36
BAB 3 METODE PENELITIAN .......................................................................... 37
3.1. Tahap Identifikasi Masalah ..................................................................... 37
3.1.1. Tahap Identifikasi dan Perumusan Masalah .................................... 37
3.1.2. Penetapan Tujuan dan Manfaat ....................................................... 37
3.2. Tahap Tinjauan Pustaka .......................................................................... 38
3.2.1. Studi Literatur .................................................................................. 38
3.2.2. Studi Lapngan .................................................................................. 38
3.3. Tahap Pengumpulan Data ....................................................................... 38
3.4. Tahap Pengolahan Data .......................................................................... 38
3.4.1. Menyususun Failure Mode and Effect Analysis (FMEA) ............... 39
3.4.2. Uji Distribusi Data TTF dan TTR ................................................... 39
3.4.3. Perhitungan MTTF, MTTR dan Reliability .................................... 39
3.4.4. Simulasi Monte Carlo ...................................................................... 39
3.4.5. Uji Validitas..................................................................................... 39
3.4.6. Penentuan MTTF, MTTR dan Reliability ...................................... 39
3.4.7. Perhitungan Biaya Perawatan .......................................................... 40
3.5. Analisa Data Keseluruhan ...................................................................... 40
3.6. Kesimpulan dan Saran ............................................................................ 40
3.7. Diagram Alir Penelitian .......................................................................... 41
3.8. Rencana Pelaksanaan Penelitian ............................................................. 42
DAFTAR PUSTAKA ............................................................................................ 43

vi
 DAFTAR TABEL
Tabel 2.1 Komponen mesin block mill ................................................................. 13
Tabel 2.2 Kriteria Tingkat keparahan (severity) ................................................... 15
Tabel 2.3 Tingkat Frekuensi Kejadian (occurence) .............................................. 16
Tabel 2.4 Tingkat Deteksi Penyebab (Detection) ................................................. 17
Tabel 2.5 Rumus Simulasi Monte Carlo ............................................................... 34
Tabel 3.1 Jadwal Rencana Pelaksanaan Penelitian ............................................... 42

vii
 HALAMAN INI SENGAJA DIKOSONGKAN

viii
 DAFTAR GAMBAR
Gambar 2.1 Diagram alir proses pembuatan wire rod ............................................. 11
Gambar 2.2 Mesin block mill stand 26 yang ada pada perusahaan peleburan baja . 12
Gambar 2.3 FMEA Worksheet ................................................................................ 14
Gambar 2.4 Contoh diagram pareto dari RPN dengan persentase ........................... 19
Gambar 2.5 Kurva Bathtub ...................................................................................... 27
Gambar 3.1 Diagram Alir Penelitian ....................................................................... 41
Gambar 3.2 Lanjutan Diagram Alir Penelitian ........................................................ 42

ix
 HALAMAN INI SENGAJA DIKOSONGKAN

x
 1 BAB 1
PENDAHULUAN

1.1. Latar Belakang

Perusahaan peleburan baja adalah perusahaan di bidang manufactring
yang didirikan pada tahun 1976 yang memproduksi baja batangan (billet)
dan baja gulungan (wire rod). Perusahaan ini memproduksi billet lebih dari
500.000 ton per tahun dan memproduksi wire rod lebih dari 400.000 ton per
tahun yang akan dijual sekitar 70% ke pasar domestik dan 30% pada pasar
ekspor di kawasan regional asia pasifik. Dalam menjalankan proses industri
didukung oleh dua departemen yaitu departemen Steel Melting Shop (SMS)
dan departemen Roling Mill Area. Departemen Steel Melting Shop (SMS)
terbagi menjadi tiga sub bagian yaitu, Electric Arc Furnace (EAF), Ladle
Refining Furnace (LRF), Continous Casting Machine (CCM) sedangkan
departemen Roling Mill Area yang terbagi menjadi dua sub bagian yaitu
Rolling Mill Line A dan Rolling Mill Line B. Rolling Mill Line A turut
berperan penting dalam pembentukan wire rod dan Rolling Mill Line A yang
paling produktif dalam memproduksi wire rod lebih banyak dibandingkan
Rolling Mill Line B.
Terdapat 26 roll stand di rolling mill line A yang berfungsi mereduksi
billet menjadi wire rod sesuai dengan permintaan konsumen yaitu Roughing
Mill (roll stand 1A, 2A, 1, 2, 3 dan 4), Intermediate mill (roll stand 5 - 10),
Prefinishing Mill (roll stand 11 – 16), dan finishing mill yang disebut Block
Mill (roll stand 17 - 26). Berdasarkan waktu pemakaian 26 roll stand di
rolling mill yang digunakan secara terus menerus selama 24 jam, kegagalan
sering terjadi pada block mill khususnya stand 26 (finishing stan) yaitu
perusahaan peleburan baja menyebut kegagalan tersebut dengan nama coble
(billet tidak menjadi wire rod) keluar dari proses pengerolan. Kegagalan
terjadi dikarenakan adanya kerusakan pada sub-equipment mesin block mill
stand 26, hal ini menyebabkan adanya kegiatan corrective maintenance.

1
 Proses produksi terhenti untuk kegiatan selanjutnya yaitu proses Water
Cooling Box (WCB), Turn Forming Head (TFH), Cooling Conveyor,
Spiner, Trestle, Transfer Car, Hook dan Compacting. Disisi lain proses
produksi akan menumpuk karena proses produksi akan terhenti saat terjadi
kegagalan sehingga target penjualan yang ingin dicapai perusahaan
peleburan baja tidak tercapai.
Dalam kegiatan perawatan, perusahaan menerapkan jenis
pemeliharaan berupa preventive maintenance dan corrective maintenance.
Meskipun telah diterapkan preventive maintenance, breakdown pada mesin
masih sering terjadi. Penjadwalan preventive maintenance sering tidak
sesuai dengan jadwal yang sudah ada dan proses corrective maintenance
pada mesin block mill stand 26 dapat membuat downtime semakin lama dan
dapat mengganggu proses produksi.
Pada tanggal 5 Oktober 2016 terjadi kecelakaan yang melibatkan
pekerja rolling mill, saat melakukan maintenance di area block mill terkena
coble panas yang yang tiba – tiba keluar dan mengenai paha depan, paha
kiri serta betis kiri sehingga menyebabkan luka bakar tingkat 1, hal tersebut
menyebabkan kerugian bagi perusahaan dan juga pekerja. Pada tahun yang
sama juga terjadi coble di stand 26 yang mengakibatkan coble tersebut
sampai menembus tutup dari block mill, padahal tutup dari block mill
tebalnya 8 mm. Hal tersebut terjadi dikarenakan TC ring pecah, section
(permintaan dari konsumen) tidak sesuai cross roll dan material tidak rata
(berkumis).
Sistem produksi pada mesin block mill stand 26 adalah continuous
process. Sistem continuous adalah sistem yang memproduksi produk secara
terus-menerus dan dalam volume besar. Pada proses produksi sistem
continuous, kerusakan pada salah satu komponen akan dapat menyebabkan
terhentinya keseluruhan fungsi sistem. Hal tersebut akan menyebabkan
menurunnya kemampuan dari mesin yang dimiliki, karena semakin lama
mesin digunakan maka akan menurunkan nilai keandalan dari mesin
tersebut

2
 Untuk menghindari terjadinya hal tersebut maka perlu dilakukannya
penjadwalan yang optimal, dengan melakukan penentuan penjadwalan yang
optimal dan tindakan perawatan yang tepat dapat mempertahankan
performansi mesin yang dimiliki.
Metode awal yang digunakan yaitu Failure Mode and Effect Analysis
(FMEA). Failure Mode and Effect Analysis (FMEA) adalah suatu teknik
analisa bahaya secara kualitatif yang dapat digunakan untuk
mengidentifikasi bagaimana suatu peralatan, fasilitas atau sistem
mengalami suatu kegagalan (failure) serta akibat yang ditimbulkannya
(Moubray, 1997). FMEA digunakan untuk menentukan sejauh mana tingkat
kegagalan terjadi dan menentukan komponen kritis mesin block mill stand
26 dari perhitungan RPN (Risk Priority Number).
Setelah mengetahui tingkat kegagalan yang terjadi dan faktor – faktor
apa saja yang menyebabkan mesin block mill stand 26 mengalami coble,
langkah selanjutnya menetapkan suatu program perawatan yang terencana
dengan baik serta pengambilan keputusan yang tepat. Preventive
maintenance merupakan alternatif terbaik dalam memecahkan masalah
tersebut, karena terkadang departemen perawatan disuatu perusahaan
industri tidak mempertimbangkan kemungkinan adanya kerusakan mesin
secara tiba-tiba.
Berdasarkan permasalahan tersebut, maka diperlukan suatu perawatan
mesin yang terencana dengan baik dan teratur untuk mengatasi segala
masalah diatas, sehingga keadaan ketidakpastian dan segala kemungkinan
terhentinya proses produksi dapat diantisipasi dan nantinya akan diperoleh
selang waktu perawatan yang optimal. Metode yang digunakan adalah
simulasi monte carlo, simulasi monte carlo digunakan untuk mendapatkan
nilai waktu menuju kerusakan atau time to failure (TTF) dan time to repair
(TTR) pada masing - masing komponen kritis sebagai dasar penentuan
jadwal perawatan yang optimal. Metode simulasi monte carlo memakai
bilangan acak yang digunakan untuk menyelesaikan masalah-masalah yang
mencakup keadaan ketidakpastian, dalam penelitian ini yang dimaksud
dalam keadaan ketidakpastian adalah kerusakan mesin yang tidak diketahui

3
 kapan akan terjadinya kerusakan. Beberapa kelebihan dari simulasi monte
carlo (Palisade : 2015) dalam (Resmita, 2015) Monte Carlo tidak
menggunakan analisa matematis yang kompleks, dapat menghitung
sesuatu yang tidak dapat dipecahkan dengan perhitungan analitis dengan
cara yang cukup mudah dan Monte Carlo termasuk simulasi probabilitas,
jadi sangat cocok untuk analisa risiko seperti penghitungan keandalan dan
jadwal perawatan.

Simulasi Monte Carlo dikenal juga dengan istilah Sampling

Simulation atau Monte Carlo Sampling Technique. Simulasi merupakan
metode analisis numerik yang melibatkan penggambilan sampel eksperimen
bilangan acak (Tersine 1994) dalam (Andrilia, Tama, & Rahman, 2012).
Model simulasi Monte Carlo merupakan bentuk simulasi probabilistik
dimana solusi dari suatu masalah diberikan proses randomisasi (acak).
Bilangan acak digunakan untuk menjelaskan kejadian acak setiap waktu
dari variabel acak dan secara berurutan mengikuti perubahan-perubahan
yang terjadi dalam proses simulasi (Djati 2007) dalam(Andrilia, Tama, &
Rahman, 2012)
Berdasarkan penelitian sebelumnya juga menggunakan simulasi monte
carlo pada mesin electric arc furnace 5 dan hasilnya diketahui dengan
menggunakan simulasi monte carlo dapat meningkatkan nilai reliability dan
penjadwalan perawatan yang optimal pada komponen kritis mesin electric
arc furnace 5 (Putri, Bahauddin, & Ferdinant, 2013). Dengan pemilihan
strategi perawatan yang tepat, diharapkan dapat meminimasi frekuensi
kerusakan dan downtime dari komponen kritis mesin block mill stand 26.
Selain itu, dengan jenis perawatan yang tepat dapat meningkatkan nilai
reliability serta dapat mengetahui jumlah biaya yang dikeluarkan untuk
perawatan mesin block mill stand 26.

1.2. Perumusan Masalah

Berdasarkan uraian latar belakang diatas, maka rumusan masalah dari
penelitian ini adalah sebagai berikut :

4
 1. Bagaimana mengidentifikasi kegagalan komponen yang terjadi pada
mesin block mill stand 26 yang berada di Perusahaan peleburan baja
menggunakan Failure Mode And Effect Analysis?
2. Bagaimana menentukan penjadwalan perawatan pencegahan yang tepat
dalam rangka meningkatkan nilai keandalan pada komponen kritis
mesin block mill stand 26 menggunakan Simulasi Monte Carlo?
3. Bagaimana melakukan perhitungan biaya perawatan pencegahan dari
mesin block mill stand 26?

1.3. Tujuan
Adapun tujuan yang ingin dicapai dalam penelitian ini adalah sebagai
berikut :
1. Mengidentifikasi kegagalan komponen yang terjadi pada mesin block
mill stand 26 yang berada di Perusahaan peleburan baja menggunakan
Failure Mode And Effect Analysis
2. Menentukan penjadwalan perawatan pencegahan yang tepat dalam
rangka meningkatkan nilai keandalan pada komponen kritis mesin
block mill stand 26 menggunakan Simulasi Monte Carlo
3. Melakukan perhitungan biaya perawatan pencegahan dari mesin block
mill stand 26

1.4. Manfaat Tugas Akhir

Manfaat yang diharapkan dari penelitian yang dilakukan adalah
sebagai berikut :
1. Bagi Perusahaan
Manfaat yang bisa diambil bagi perusahaan dari penelitian ini adalah
sebagai berikut :
a. Perusahaan dapat mengetahui sejauh mana tingkat kegagalan
terjadi dan penyebab – penyebab dasar kegagalan dari mesin block
mill stand 26
b. Perusahaan dapat mengetahui strategi perawatan yang dapat
meminimasi frekuensi kerusakan dan downtime serta meningkatkan
reliability mesin block mill stand 26

5
 2. Bagi Mahasiswa
Manfaat yang bisa diambil bagi mahasiswa dari penelitian ini adalah
sebagai berikut :
a. Dapat meningkatkan wawasan dalam hal identifikasi bahaya
b. Dapat memberikan masukan bagi perusahaan tentang strategi
perawatan yang dapat meminimasi frekuensi kerusakan dan
downtime serta meningkatkan reliabiity pada mesin block mill
stand 26
c. Dapat dijadikan referensi bagi peneliti lain untuk melakukan
penelitian yang sejenis.

1.5. Batasan Masalah

Adapun batasan masalah dalam penelitian ini adalah sebagai berikut :
1. Pengamatan Penelitian ini dilakukan pada mesin block mill stand 26
pada perusahaan peleburan baja
2. Kerusakan yang terjadi bukan disebabkan oleh human error.
3. Data kerusakan yang diambil berasarkan data kerusakan pada
januari tahun 2014 - september 2018.
4. Penelitian ini menggunakan software Ms. Excel, SPSS dan Weibull
++ version 6.0

6
 2 BAB 2
TINJAUAN PUSTAKA

2.1. Studi Penelitian Terdahulu

Penelitian yang dilakukan pada saat ini dalam pengerjaannya juga
mengacu pada penelitian yang terdahulu dengan menggunakan metode
simulasi Monte Carlo
1. Andrilia, Tama, & Rahman (2012) mengadakan penelitian pada mesin
las MIG di PT. Adi Putro Wirasejati Malang dengan permasalahan yang
dihadapi yaitu kegiatan perawatan mesin tidak berdasarkan pada data
kerusakan sebagai acuan dan menyebabkan besarnya jumlah frekuensi
kerusakan, downtime, biaya perawatan serta terganggunya proses
produksi. Hal tersebut menyebabkan perusahaan untuk memperpanjang
usia komponen mesin las MIG dengan menerapkan strategi perawatan
yang tepat dengan melakukan simulasi monte carlo. simulasi perawatan
dari beberapa skenario yang telah diusulkan. Usulan skenario yang
disimulasikan ada 3, yaitu perawatan korektif, perawatan dengan
interval waktu penggantian sama dengan nilai MTTF, dan perawatan
dengan interval waktu penggantian ketika keandalan komponen
mencapai 90%. Tujuan dari simulasi perawatan ini adalah
mengetahui skenario mana yang tepat untuk meminimalisasi frekuensi
breakdown, memaksimalkan nilai availability, dan meminimalisasi
biaya perawatan yang dikeluarkan. Hasil dari penelitian ini adalah
strategi perawatan yang tepat untuk meminimasi frekuensi
breakdown pada komponen kritis mesin las MIG adalah skenario 3 –
perawatan dengan interval waktu penggantian ketika
keandalankomponen mencapai 90%. Strategi perawatan yang tepat
untuk memaksimalkan nilai availability untuk komponen kritis adalah
skenario 1 – perawatan korektif. Strategi perawatan yang terbaik

7
 secara finansial untuk perawatan komponen kritis adalah skenario 1 –
perawatan korektif.

2. Putri, Bahauddin dan Ferdinant (2013) mengadakan penelitian pada

mesin EAF 5 di industri baja dengan permasalahan yang sering
dihadapi yaitu sering mengalami downtime. Penjadwalan yang optimal
dilakukan untuk dapat mempertahankan performansi mesin. Langkah
awal yang digunakan pada penelitian ini yaitu menentukan komponen
kritis pada mesin EAF5, menentukan nilai reliability komponen kritis
mesin EAF5, mengidentifikasi terjadinya penyebab kegagalan pada
komponenkritis mesin EAF5 dan menentukan jadwal perawatan
komponen kritis mesin EAF5. Metode yang digunakan adalah Diagram
Pareto untuk menentukan komponen kritis pada mesin EAF5 kemudian
mengidentifikasi penyebab terjadinya kegagalan fungsi komponen
kritis pada mesin EAF5 mengguakan Fault Tree Analysis, selain itu
juga menggunakan metode simulasi Monte Carlo yang digunakan untuk
mendapatkan nilai waktu menuju kerusakan pada komponen kritis
mesin EAF5 sebagai dasar penentuan jadwal perawatan. Hasil yang
didapat untuk penentuan komponen kritis mesin EAF5 adalah vibro
car, roof, electroda ph1, weight feader1, dedusting plant dan id
fan.Penyebab dasar terjadinya kegagalan pada komponen kritis adalah
ada potongan plat mengganjal di roda, kebocoran di slang hydrolic, seal
gearbox pecah, roda belt conveyor terganjal material,debu menumpuk
dan temperatur bearing tinggi. Untuk nilai reliability komponen vibro
car 0,1368, roof 0,2331, electroda ph1 0,1385, weight feader1 0,2673,
dedusting plant 0,2494 dan id fan 0,1304. Jadwal perawatan untuk
mesin vibro car adalah setiap 17 hari, roof setiap 5 hari, electrode ph1
dan dedusting plant setiap 10 hari, weight feader1 setiap 7 hari dan id
fan setiap 8 hari

3. Tugas Akhir Mahasiswa PPNS, Resmita (2015) (Identifikasi Bahaya

dan Keandalan Pada Mesin Las GMAW di PT.X dengan Metode
Simulasi Monte Carlo) Tahun 2015. Hasil penelitian ini menunjukkan

8
 bahwa dengan menggunakan diagram pereto komponen kritis yang
menyebabkan kerusakan pada mesin las GMAW adalah komponen
kabel wire feeder, bearing, switch power, dan welding gun. Dari
Failure Mode and Effect Analysis (FMEA) kerusakan yang terjadi pada
kabel wire feeder salah satu diantaranya yaitu overheating dapat
menyebabkan pekerja tersetrum bahkan terbakar. Pada komponen
switch power bahaya yang ada yaitu terjadi lecek pada saklar, power
supply dan arus yang tidak stabil akan menyebabkan terhentinya
proses produksi dan dapat mengganggu pekerja. Pada komponen
bearing bahaya yang ada yaitu terjadinya overheating sehingga
berdampak pada hasil las dan menjadi kendala bagi pekerja karena
mesin tidak beroperasi dengan semestinya. Pada komponen welding
gun bahaya yang terjadi yaitu pengelupasan pada kabel dikarenakan
arus voltase terlalu besar yang berdampak pada pekerja dapat tersetrum
bahkan terbakar. Hasil keandalan komponen kritis riil dengan
keandalan komponen kritis yang sudah dilakukan simulasi Monte
Carlo hasilnya hampir sama, menunjukkan bahwa tidak ada perbedaan
yang signifikan diantara keduanya. Hal ini terlihat pada nilai keandalan
komponen kabel wire feeder, pada keandalan riil memiliki nilai 6,8%
sedangkan pada keandalan setelah simulasi memiliki nilai 8,04%.
Rekomendasi yang diberikan yaitu perawatan dilakukan saat keandalan
mencapai 60% pada setiap komponen kritis. Kabel wire feeder
memiliki interval waktu perawatan selama 691,78 jam atau 4,9 bulan,
bearing selama 1352,16 jam atau 7,6 bulan, switch power selama
1381,4 atau 7,6 bulan dan welding gun selama 2550,65 atau 14 bulan.

4. Anggraini dan Aditia (2016) mengadakan penelitian pada komponen

kritis mesin Breaker dan mesin Hammermill di PT. P & P Bangkinang
yang merupakan perusahaan yang bergerak dalam bidang pengolahan
karet mentah menjadi karet olahan setengah jadi (Crumb Rubber)
dengan permasalahan yang dihadapi perusahaan tersebut pada tahun
2014 adalah dominannya waktu downtime pada mesin breaker dan

9
 mesin hammermill, yaitu 280,06 jam. Selama ini perusahaan hanya
menerapkan sistem pemeliharaan Breakdown Maintenance yaitu
apabila salah satu mesin mengalami kerusakan maka mesin yang
lain juga akan berhenti beroperasi. Sehingga downtime mesin
menyebabkan perusahaan hanya mampu mencapai target sebesar
86,33% dari target yang telah ditentukan perusahaan. Penelitian ini
bertujuan untuk menentukan komponen kritis penyebab kerusakan
pada mesin breaker dan mesin hammermill, memberikan usulan
penjadwalan penggantian komponen kritis mesin sebagai tindakan
preventive maintenance dan mensimulasikan usulan penjadwalan
penggantian komponen dengan simulasi Monte Carlo. Hasil yang
diperoleh untuk penentuan komponen kritis serta usulan penjadwalan
penggantian komponen, yaitu gear kecil pada jam ke 492,616, kelahar
pada jam ke 727, bearing pada jam ke 398 dan kelahar conveyor pada
jam ke 406,674. Berdasarkan hasil running time simulasi Monte Carlo
selama 4382 jam, diketahui strategi perawatan yang tepat untuk
meminimalisasi downtime yaitu skenario 2 (Preventive Maintenance)
dengan total downtime sebesar 32,91 jam dibandingkan dengan
skenario 1 (Corrective Maintenance) sebesar 42,49 jam dan skenario
eksisting sebesar 49,7 jam.

2.2. Proses Produksi Rolling Mill Line A

Rolling mill line A memproduksi bahan dasar Billet menjadi Wire
Rod. Untuk melakukan proses tersebut Rolling Mill Line A terdiri dari
beberapa unit untuk menyelesaikan tugas tersebut, adapun unit tersebut
adalah Billet Reheating Furnace atau BRF, Rolling Mill Equipment atau
RME, dan Finishing Area.
Untuk BRF adalah suatu tempat yang digunakan untuk proses
pemanasan kembali billet, sampai suhu temperatur yang di inginkan untuk
suatu proses atau pembuatan wire rod mencapai 1230 oC. Adapun cara kerja
BRF yaitu sebelum billet masuk kedalam ruang pemanasan BRF, billet
disusun terlebih dulu di charging bed agar tidak keluar jalur ketika didorong

10
masuk ke ruang bakar, billet ditata oleh charging positioner. Setelah itu
billet masuk di BRF, billet akan dipanaskan sampai mencapai temperatur
1200oC setelah itu dilanjutkan ke zona heating untuk dipanaskan sampai
temperatur 1250oC dan terakhir masuk ke zona soaking hingga mencapai
temperatur 1300oC, setelah mencapai temperature tersebut billet didorong
keluar menggunakan discharge roll table menuju unit selanjutnya.
Untuk unit selanjutnya yaitu RME adapun prosesnya adalah billet
dilewatkan pada cartliver stand yang berfungsi mereduksi billet menjadi
wire rod sesuai dengan permintaan konsumen yaitu Roughing Mill (roll
stand 1A, 2A, 1, 2, 3 dan 4), Intermediate mill (roll stand 5 - 10),
Prefinishing Mill (roll stand 11 – 16), dan finishing mill yang disebut Block
Mill (roll stand 17 - 26). Setelah melewati block mill, billet yang sudah
berubah bentuk menjadi wire masuk ke mesin turn forming head (TFH)
untuk digulung menjadi spiral, setelah keluar dari TFH wire yang masih
panas dijalankan melalui conveyor menuju finishing area.
Pada unit terakhir yaitu finishing area wire dilewatkan conveyor untuk
didinginkan sebelum menuju trestle. Pada saat dimasukkan kedalam trestle,
wire rod diposisikan agar rapi saat diturunkan dari conveyor. Setelah wire
rod ada di hook conveyor dilakukan QC, jika lolos QC maka dilanjutkan
menuju proses terakhir dari finishing area adalah mengikat dan menimbang
wire rod sekaligus pelabelan, setelah melalui serangkaian proses tersebut
wire rod siap dikirim menuju costumer. Proses pembuatan wire rod sesuai
dengan gambar 2.1 di bawah ini

Gambar 2.1 Diagram alir proses pembuatan wire rod (Perusahaan Manufaktur, 2018)

11
2.3. Mesin Block Mill
Mesin Block mill atau disebut dengan finishing stand yang ada pada
perusahaan peleburan baja ini berasal dari Danielli, yaitu perusahaan dari
Italia. Mesin ini telah beroperasi dari tahun 1992 hingga saat ini yang
berfungsi untuk mereduksi billet (baja batangan) menjadi wire rod (baja
gulungan) sesuai dengan ukuran yang diproduksi dengan kecepatan pada
proses finishing maksimum 100 m/s. Mesin ini sangat berperan penting
untuk menghasilkan produk berkualitas sesuai dengan permintaan customer.
Mesin block mill di perusahaan peleburan baja dapat dilihat pada gambar
2.2 di bawah ini

Gambar 2.2 Mesin block mill stand 26 yang ada pada perusahaan peleburan baja
(Perusahaan Manufaktur, 2018)
Keterangan :

1. Modul 8. Pressure Gauge

2. Mandrell 9. Flow Switch
3. TC Ring 10. Filter Oli
4. Locking TC Ring 11. Cooler Oli
5. Gear 12. Pompa Oli
6. Bearing 13. Tangki Oli
7. Coupling 14. Breather

12
 2.3.1. Komponen Mesin Block Mill
Komponen mesin block mill stand 26 dilengkapi dengan
fungsinya dapat di lihat pada tabel 2.1 di bawah ini
Tabel 2.1 Komponen mesin block mill

No Komponen Fungsi
1 Modul Menambah kecepatan
2 Mandrell Tempat dudukannya roll
3 TC Ring Untuk mereduksi material sesuai pesanan
4 Locking TC Ring Untuk mengikat TC Ring supaya tidak lepas
5 Gear Penerus putaran
6 Bearing Tumpuan shaft gear
7 Coupling Untuk meneruskan daya dari motor ke gearbox
atau dari gearbox kegearbox lainnya
8 Pressure gauge Melihat visual pressure oli
9 Flow switch Melihat aliran oli tergantung kuantitas
10 Filter Oli Penyaring kotoran yang ada di oli
11 Cooler Oli Pendingin Oli
12 Pompa Oli Untuk memompa oli
13 Tangki Oli Untuk menyimpan oli
14 Breather Media untuk pernafasan tangki dan gearbox
Sumber : Perusahaan manufaktur, 2018

2.4. Failure Mode and Effect Analysis (FMEA)

Failure Mode And Effect Analysis adalah suatu teknik analisa
bahaya secara kualitatif yang dapat digunakan untuk mengidentifikasi
bagaimana suatu peralatan, fasilitas atau sistem mengalami suatu kegagalan
(failure) serta akibat yang ditimbulkannya (Moubray, 1997). Hasil analisa
FMEA adalah berupa rekomendasi untuk meningkatkan keandalan dan
tingkat keselamatan peralatan, fasilitas atau sistem. FMEA memuat bentuk-
bentuk kegagalan (Failure mode), penyebab bagaimana suatu komponen
dapat mengalami suatu kegagalan operasi atau kerusakan. Data FMEA
diperoleh berdasarkan machine history record dan wawancara yang didapat
dari pihak maintenance atau yang bersangkutan. Dalam proses menganalisa
pada teknik ini digunakan gambar 2.3 seperti di bawah ini

13
 Gambar 2.3 FMEA Worksheet (McDermott, Mikulak, & Beauregard, The Basic of FMEA,
2009)
2.4.1. Langkah – langkah Penyusunan FMEA
Terdapat sepuluh langkah dalam tahapan FMEA, yaitu
(McDermott, Mikulak, & Beauregard, The Basic of FMEA, 2009)
1. Review proses atau produk
Tim FMEA harus meninjau bagan pada produk yang ada untuk
dianalisis. Hal ini perlu dilakukan untuk mendapatkan
pemahaman yang sama terhadap produk tersebut. Bila bagan alir
tersebut belum ada maka tim harus menyusun bagan alir tersebut
sebelum memulai proses FMEA itu sendiri.
2. Brainstorming potensi mode kegagalan (Failure Mode)
Proses Brainstorming ini dapat brlangsung lebih dari satu kali
untuk memperoleh satu daftar yang komprehensif terhadap
segala kemungkinan kegagalan yang dapat terjadi. Hasil
brainstorming ini kemudian di kelompokkan menjadi beberapa
penyebab kesalahan seperti manusia, mesin / peralatan, material,
metode kerja dan lingkungan kerja. Cara lain untuk
mengelompokkan adalah menurut jenis kegagalan itu sendiri,
misalnya kegagalan pada proses welding, kegagalan elektrik,
kegagalan mekanis dan lain – lain.
3. Me-list potensial efek untuk setiap mode kegagalan

14
 Untuk setiap kegagalan, dampak yang terjadi bisa hanya saty,
tetapi mungkin saja bisa lebih dari satu. Bila lebih dari satu
maka semuanya harus dituliskan. Langkah ini harus
dilaksanakan dengan cermat dan teliti, karena dampak apa yang
terlewatkan dari langkah ini tidak akan mendapatkan perhatian
untuk ditangani.
4. Menilai tingkat dampak (severity) / keparahan
Penilaian terhadap tingkat dampak merupakan perkiraan
besarnya dampak negatif yang diakibatkan apabila kegagalan
terjadi. Bila pernah maka penilaian akan lebih mudah, tetapi bila
belum pernah terjadi maka penilaian menggunakan estimasi
yang berdasarkan pendapat ahli (expert judgemet) berupa
perkiraan pengetahuan dan keahlian. Karena setiap kegagalan
mungkin memiliki beberapa efek yang berbeda, dan masing –
masing efek dapat menilai tingkat keparahan yang berbeda maka
diberikan peringkat keparahan sendiri – sendiri. Berikut kriteria
tingkat keparahan dapat dilihat pada tabel 2.2 di bawah ini
Tabel 2.2 Kriteria Tingkat keparahan (severity)

Effect Criteria : Severity of Effect on Product Rank

Failure to Meet Safety and/or
Regulatory Requirements
Loss or Degradation of
Primary Function
Loss or Degradation of
Secondary Function
Annoyance
(Customer Effect)
Potential failure mode affects safe vehicle operation 10
and/or involves noncompliance with government
regulations without warning
Potential failure mode affects safe vehicle operation 9
and/or involves noncompliance with government
regulations with warning
Loss of promary function (vehicle inoperable, does not 8
affect safe vehicle operation)
Degradation of primary function (vehicle operable, but 7
atreduced level of performance)
Loss of primary function (vehicle inoperable, but 6
comfort/convenience functions inoperable)
Degradation of primary function (vehicle inoperable, 5
but comfort/convenience functions at reduced level of
performance)
Appearance or Audible Noise, vehicle operable, item 4
does not conform and noticed by most customers
(>75%)
Appearance or Audible Noise, vehicle operable, item 3
does not conform and noticed by many customers (50%)
Appearance or Audible Noise, vehicle operable, item 2
does not conform and noticed by discriminating

15
 customers (<25%)
No Effect No discernible effect 1
Sumber : McDermott, Mikulak, & Beauregard, 2009
5. Menilai tingkat kemungkinan terjadinya (occurence) kegagalan
Metode terbaik untuk menentukan peringkat kejadian adalah
dengan menggunakan data aktual dari produk. Seperti langkah
ke empat, bila tersedia cukup data maka dapat dihitung
probabilitas atau frekuensi kemungkinan terjadinya kegagalan
tersebut. Bila tidak tersedia maka harus digunakan estimasi yang
berdasarkan pendapat ahli (expert judgement) atau metode
lainnya. Penilaian kemungkinan kejadian bisa dilihat dari tabel
2.3 di bawah ini
Tabel 2.3 Tingkat Frekuensi Kejadian (occurence)

Likelihood Criteria : Occurence of Causes – Incidents per Rank

of Failure DFMEA (Design life / reliability item/vehicle
of item / vehicle)
Very High New technology/new design with ≥100 per 10
no history thousand ≥1 in
10
Failure is inevitable with new 50 per 9
design, new application, or change thousand 1 in
in duty cycle/operating conditions 20
Failure is likely with new design, 20 per 8
new application, or change in duty thousand 1 in
cycle/operating conditions 50
Moderate Failure is uncertain with new 10 per 7
design, new application, or change thousand 1 in
in duty cycle/operating conditions 100
Frequent failures associated with 2 per thousand 6
similar design or in design 1 in 500
simulation and testing
Occasional failures associated with 0,5 per 5
similar design or in design thousand 1 in
simulation and testing 2.000
Issolated failures associated with 0,1 per 4
similar design or in design thousand 1 in
simulation and testing 10.000
Low Only isolated failures associated 0,01 per 3
with almost identical design or in thousand 1 in
design simulation and testing 100.000
No observed failures associated ≤0,001per 2
with almost identical design or in thousand 1 in
design simulation and testing 1.000.000
Very Low Failure is eliminated through Failure is 1
preventive control eliminated
through
preventive

16
 control
Sumber : McDermott, Mikulak, & Beauregard, 2009

6. Menilai tingkat deteksi dari tiap kegagalan dan atau

dampaknya
Penilaian yang diberikan menunjukkan seberapa besar kita
dapat mendeteksi kemungkinan terjadinya kegagalan atau
timbulnya dampak dari suatu kegagalan. Langkah ini
dimulai dengan mengidentifikasi kontrol / pengendalian /
indikator saat ini yang dapat mendeteksi kegagalan atau
efek dari kegagalan bila tersedia. Jika tidak ada kontrol
saat ini, kemungkinan deteksi akan rendah, dan item
tersebut akan menerima peringkat tertinggi. Penilaian
tingkat deteksi bisa dilihat dari tabel 2.4 di bawah ini
Tabel 2.4 Tingkat Deteksi Penyebab (Detection)

Opportunity Criteria : Likelihoo of detecion Rank Likelihood

for by process control of Detection
Detection
No Detection No cuurent process control; 10 Almost
opportunity cannot detect or is not analyzed impossible
Not likely to Failure mode and/or Error 9 Very remote
detect at any (cause) is not easily detected
stage (e.g., random audits)
Problem failure mode detection post- 8 Remote
detection processing by operator through
post visual/tactile/audible means
processing
Problem Failure mode detection in – 7 Very low
detection at station by operator through
source visual/tactile/audible means or
post – processing through use of
atibute gauging (go/no-go,
manual torque check/clicker
wrench,etc)
Problem Failure mode detection post- 6 Low
detection processing by operator through
post use of variable gauging or in-
processing station by operator through use of
atibute gauging (go/no-go,
manual torque check/clicker
wrench,etc)
Problem Failure mode or error (cause) 5 Moderate
detection at detection in station by operator
source throughthe use of variable
gauging or by automated controls
in station that will detect
discrepant part and notify

17
 operator (light,buzzer,etc).
Gauging performed on setup and
first-piece check(for set-up cause
only)
Problem failure mode detection post- 4 Moderately
detection processing by automated controls high
post that will detetct discrepant part
processing and lock part to prevent further
processing
Problem Failure mode detection in – 3 High
detection at station by automated controls
source that will detetct discrepant part
and automatically lock part in
station to prevent further
processing
Error Error (cause) detection in station 2 Very high
detection by automated controls that will
and/or detetct error and prevent
problem discrepant from being made
prevention
Detection Error (cause) prevention as a 1 Almost
not result of fixture design, machine certain
apllicable; design or part design. Discrepant
error parts cannot be made because
prevention item has been error-proofed by
process/product design
Sumber : (McDermott, Mikulak, & Beauregard, The Basic of FMEA, 2009)

7. Menghitung tingkat prioritas risiko (RPN) setiap

kegagalan
Nilai prioritas risiko (RPN) merupakan perkalian dari
RPN = Severity x Occurence x Detection (2.1)
Total nilai RPN ini dihitung untuk setiap kegagalan yang
mungkin terjadi. Bila produk tersebut terdiri dari
kelompok – kelompok tertentu maka jumlah keseluruhan
RPN pada kelompok tersebut dapat menunjukkan bahwa
betapa gawatnya kelompok produk tersebut bila suatu
kegagalan terjadi. Jadi terdapat tingkat prioritas tertinggi
untuk jenis kegagalan dan jenis kelompok produk.
8. Mengurutkan prioritas kegagalan yang memerlukan
penanganan lanjut
Setelah dilakukan perhitungan RPN untuk masing –
masing potensi kegagalan maka dapat disusun prioritas

18
 berdasarkan nilai RPN dari prioritas tertinggi sampai
terendah. Sebuah diagram pareto sangat membantu untuk
memvisualisasikan perbedaan antara peringkat untuk
kegagalan dan efek. Bahwa aturan 80/20 berlaku dengan
RPN. Dalam kasus RPN, terjemahan harfiah akan berarti
bahwa 80 persen dari total RPN untuk FMEA berasal dari
20 persen dari potensi kegagalan dan efek yang ada.
Kemudian tim menetapkan cut-off points dari RPN untuk
memutuskan bahwa setiap RPN yang bernilai di atas cut –
off points akan menciptakan risiko yang tidak di terima.
Contoh diagram pareto dari RPN dengan persentase dapat
di lihat pada gambar 2.4 di bawah ini

Gambar 2.4 Contoh diagram pareto dari RPN dengan persentase

(McDermott, Mikulak, & Beauregard, The Basic of FMEA, 2009)
9. Mengambil tindakan untuk menghilangkan atau
mengurangi kegagalan beresiko tinggi
Idealnya semua kesalahan yang menimbulkan dampak
tinggi harus dihilangkan sepenuhnya. Penanganan
dilakukan secara serentak untuk ketiga aspek, yaitu
meningkatkan kemampuan untuk mendeteksi kegagalan,

19
 meminimalkan tingkat kejadian dan mengurangi dampak
kegagalan bila terjadi
10. Menghitung ulang RPN yang tersisa untuk mengetahui
hasil dari tindak lanjut yang dilakukan
Setelah tindak lanjut risiko dilaksanakan, harus dilakukan
pengukuran ulang atau perkiraan nilai deteksi, nilai
dampak dan nilai kemungkinan timbulnya kegagalan.
Setelah itu dilakukan perhitungan nilai tingkat prioritas
risiko kegagalan ulang. Hasil tindak lanjut tadi harus
menghasilkan penurunan nilai RPN yang cukup signifikan
ke tingkat yang cukup aman. Bila belum tercapai maka
tetap perlu dilakukan tindakan lebih lanjut untuk
meminimalkan RPN.

2.5. Perawatan (Maintenance)

2.5.1. Definisi Perawatan
Dalam bahasa Indonesia, pemakaian istilah maintenance
seringkali diterjemahkan sebagai perawatan atau pemeliharaan.
perawatan atau pemeliharaan (maintenance) adalah konsepsi dari
semua aktivitas yang diperlukan untuk menjaga atau
mempertahankan kualitas fasilitas / mesin agar dapat berfungsi
dengan baik seperti kondisi awalnya. Lebih jauh lagi Ebelling (1997)
mendefinisikan perawatan sebagai bentuk kegiatan yang dilakukan
untuk mencapai hasil yang mampu mengembalikan item atau
mempertahankannya pada kondisi yang selalu dapat berfungsi.
Perawatan juga merupakan kegiatan pendukung yang menjamin
kelangsungan mesin dan peralatan sehingga pada saat dibutuhkan
dapat dipakai sesuai dengan yang diharapkan. Sehingga kegiatan
perawatan merupakan seluruh rangkaian aktivitas yang dilakukan
untuk mempertahankan unit – unit pada kondisi operasional dan
aman, dan apabila terjadi kerusakan maka dapat dikendalikan pada
kondisi operasional yang handal dan aman(Ansori & Mustajib, 2013)

20
2.5.2. Pemahaman Istilah Perawatan
Pelaksanaan perawatan industri, membutuhkan komunikasi
yang jelas diantara konseptor dengan pelaksana perawatan.
Terdapat beberapa istilah perawatan, yang seringkali kita dengar,
dan perlu kiranya dipahami secara detail, antara lain (Kurniawan,
2013):
1. Inspection (Inspeksi)
Inspeksi adalah aktivitas pengecekan untuk mengetahui
keberadaan atau kondisi dari fasilitas produksi. Inspeksi
biasanya berupa aktivitas yang membutuhkan panca indra dan
analisis yang kuat dari setiap pelaksanaan, bahkan ada pula
yang melakukannya dengan menggunakan alat bantu,
sehingga kesimpulan yang dihasilkan dapat lebih mendekati
kondisi nyata (akurat).
2. Repair (perbaikan)
Repair adalah aktivitas yang dilakukan untuk mengembalikan
kondisi mesin yang mengalami gangguan tersebut, sehingga
dapat beroprasi seperti sebelum terjadi gangguan tersebut,
dimana prosesnya hanya dilakukan untuk perbaikan yang
sifatnya kecil. Biasanya Repair tidak terlalu banyak
menggangu kontinuitas proses produksi.
3. Overhaul (perbaikan menyeluruh)
Adalah aktivitas meneluruh. Aktivitas ini memiliki makna
yang sama dengan Repair, hanya saja ruang lingkupnya
lebih besar. Perawatan ini dilakukan apabaila kondisi mesin
berada dalam keadaan rusak parah, sementara kemampuan
untuk menggati dengan yang baru tidak ada. Overhaul
biasanya dapat mengganggu kegiatan produksi dan
membutuhkan biaya yang besar.
4. Replacement (penggatian)
Adalah aktivitas penggantian mesin. Biasanya mesin
memiliki kondisi yang lebih baik akan menggantikan mesin

21
 sebelumnya. Replacement dilakukan jika kondisi alat sudah
tidak memungkinkan lagi untuk beroprasi, atau sudah melewati
umur ekonomis penggunaan. Replacement membutuhkan
investasi yang besar bagi perusahaan, sehingga alternatif ini
biasanya menjadi pilihan terakhir setelah repair dan overhaul
2.5.3. Tujuan Perawatan
Tujuan utama perawatan asset dapat didefinisikan sebagai
berikut :
1. Memperpanjang usia kegunaan asset, yaitu setiap bagian
dari suatu tempat kerja, bangunan dan isinya.
2. Menjamin ketersediaan optimum perlatan yang digunakan
untuk produksi dan mendapatkan laba investasi (return of
investment) semaksimal mungkin.
3. Menjamin kesiapan operasional dari seluruh peralatan yang
diperlukan dalam keadaan darurat setiap waktu.
4. Menjamin keselamatan operator yang menggunakan sarana
tersebut
2.5.4. Preventive Maintenance
Menurut Ansori & Mustajib (2013) Preventive maintenance
merupakan perawatan yang dilakukan secara terencana untuk
mencegah terjadinya potensi kerusakan. Preventive maintenance
adalah kegiatan pemeliharaan yang dilakukan untuk mencegah
timbulnya kerusakan yang tidak terduga dan menemukan kondisi
atau keadaan yang menyebabkan fasilitas produksi menjadi
kerusakan pada saat digunakan dalam berproduksi. Sedangkan
menurut (Dhillon, 2005) Preventive maintenance merupakan
kegiatan perawatan secara berkala untuk mendeteksi adanya tanda-
tanda gangguan pada komponem-komponen dalam sebuah sistem
yang dapat mengakibatkan kinerja sistem tersebut akan terhenti.
Dalam praktekknya preventive maintenance yang dilakukan oleh
perusahaan dibedakan atas :
1. Routine maintenance

22
 Yaitu kegiatan pemeliharaan terhadap kondisi dasar mesin dan
mengganti suku cadang yang aus atau rusak yang dilakukan
secara rutin misalnya setiap hari. Contoh pembersihan peralatan,
pelumasan atau pengecekan oli, pengecekan bahan bakar,
pemanasan mesin – mesin sebelum dipakai berproduksi.
2. Periodic Maintenance
Yaitu kegiatan pemeliharaan yang dilakukan secara periodic
atau dalam jangka waktu tertentu misalnya satu minggu sekali,
dengan cara melakukan inspeksi secara berkala dan berusaha
memulihkan bagian mesin yang cacat atau tidak sempurna.
Contoh : penyetelan katup – katup pemasukan dan pembuangan,
pembongkaran mesin untuk penggantian bearing.
3. Running Maintenance
Merupakan pekerjaan perawatan yang dilakukan pada saat
fasilitas produksi dalam keadaan bekerja. Perawatan ini
termasuk cara perawatan yang direncanakan untuk diterapkan
pada peralatan atau pemesinan dalam keadaan operasi.
biasanMerupakan pekerjaan perawatan yang dilakukan pada saat
fasilitas produksi dalam keadaan bekerja. Perawatan ini
termasuk cara perawatan yang direncanakan untuk diterapkan
pada peralatan atau pemesinan dalam keadaan operasi. Biasanya
diterapkan pada mesin – mesin yang harus terus – menerus
beroperasi dalam melayani proses produksi. Kegiatan perawatan
dilakukan dengan jalan mengawasi secara aktif (monitoring).
Diharapkan hasil perbaikan yang telah dilakukan secara tepat
dan terencana ini dapat menjamin kondisi operasional tanpa
adanya gangguan yang mengakibatkan kerusakan.
4. Shutdwon Maintenance
Merupakan kegiatan perawatan yang hanya dapat dilakukan
pada waktu fasilitas produksi sengaja dimatikan atau dihentikan
Perawatan pencegahan dilakukan untuk memghindari suatu
peralatan atau sistem mengalami kerusakan. Pada kenyataannya

23
 mungkin tidak diketahui bagaimana cara untuk menghindari
adanya kerusakan. Ada beberapa alasan untuk melakukan
perawatan pencegahan, antara lain :
a. Menghindari terjadinya kerusakan
b. Mendeteksi awal terjadinya kerusakan
c. Menemukan kerusakan yang tersembunyi
d. Mengurangi waktu yang menganngur
e. Menaikkan ketersediaan (availability) untuk produksi
f. Pengurangan penggantian suku cadang, sehingga membantu
pengendalian persediaan
g. Meningkatkan efisiensi mesin
h. Memberikan pengendalian anggaran dan biaya yang
diandalkan
i. Memberikan informasi untuk pertimbangan penngantian
mesin
2.5.5. Biaya Perawatan
Biaya perawatan adalah biaya menjalankan operasi yang terdiri
dari biaya perawatan bahan baku, biaya perawatan tenaga kerja,
biaya subkontrak (biaya perawatan pembayaran kontrak). Biaya
perawatan juga dapat diartikan pengeluaran untuk merawatan dan
memelihara peralatan agar pekerjaan dapat berjalan dengan normal
(Kurniawan, 2013). Terdapat berbagai macam biaya dalam
perawatan, dimana biaya tersebut adalah biaya – biaya yang harus
dikeluarkan perusahaan dalam melakukan kegiatan perawatan, antara
lain (Ansori dan Mustajib, 2013) :

a. Biaya tenaga kerja

Merupakan biaya tenaga kerja yang dikeluarkan untuk merawat
komponen – komponen mesin agar mesin tetap terjaga
kondisinya. Perhitungan biaya ini didasarkan pada besarnya gaji
tenaga kerja perbulan dibagi dengan jam kerja efektif tenaga

24
 kerja tersebut selama bulan yang bersangkutan. Biaya tenaga
kerja untuk melakukan perawatan dan perbaikan dianggap sama
b. Biaya suku cadang
Merupakan biaya penggantian kerusakan komponen atau
pembelian komponen baru
c. Biaya akibat perawatan
Merupakan pendapatan yang hilang selama mesin atau fasilitas
produksi mengalami kegagalan (gabungan dari biaya
operasional dan laba perusahaan).
Klasifikasi biaya perawatan berdasarkan metode perawatan :
a. Biaya preventive maintennace
b. Biaya breakdown maintenance
c. Biaya untuk meningkatkan kemampuan perawatan
Rumus biaya corrective maintnance dan preventive maintenance
dapat dilihat pada persamaan 2.2 dan 2.3 Di bawah ini

𝑏𝑖𝑎𝑦𝑎 𝑙𝑒𝑚𝑏𝑢𝑟 𝑡𝑒𝑛𝑎𝑔𝑎 𝑘𝑒𝑟𝑗𝑎

𝐶𝑜𝑠𝑡 𝑜𝑓 𝑓𝑎𝑖𝑙𝑢𝑟𝑒 = [(
𝑗𝑎𝑚
+
𝑏𝑖𝑎𝑦𝑎 𝑚𝑒𝑘𝑎𝑛𝑖𝑘
𝑗𝑎𝑚
) 𝑥 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑟𝑏𝑎𝑖𝑘𝑎𝑛] + ℎ𝑎𝑟𝑔𝑎 𝑘𝑜𝑚𝑝𝑜𝑛𝑒𝑛 (2.2)

𝑏𝑖𝑎𝑦𝑎 𝑚𝑒𝑘𝑎𝑛𝑖𝑘
𝐶𝑜𝑠𝑡 𝑜𝑓 𝑓𝑎𝑖𝑙𝑢𝑟𝑒 = (
𝑗𝑎𝑚
𝑥𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑟𝑏𝑎𝑖𝑘𝑎𝑛) + ℎ𝑎𝑟𝑔𝑎 𝑘𝑜𝑚𝑝𝑜𝑛𝑒𝑛 (2.3)

2.6. Keandalan
2.6.1. Definisi Keandalan
Keandalan didefinisikan sebagai kemampuan dari suatu
komponen atau sistem untuk melaksanakan fungsi yang diperlukan
di dalam lingkungan dan kondisi operasional tertentu untuk periode
waktu yang telah ditentukan. Jadi, keandalan merupakan salah satu
aspek yang dapat mempengaruhi keberhasilan proses produksi.
Keandalan menjadi sangat penting karena akan mempengaruhi
biaya pemeliharaan yang pada akhirnya akan mempengaruhi
profitabilitas perusahaan (Dhillon, 2005).
Secara umum ada dua metode yang dipakai untuk melakukan
evaluasi keandalan suatu sistem, yaitu :

25
 1. Metode Kualitatif
Metode kualitatif merupakan metode analisa secara quality
dari suatu mode dan dampak kegagalan, seperti Failure Mode
and Effects Analysis (FMEA), Failure Mode, Effect and
Criticality Analysis (FMECA), Fault Tree Analysis (FTA) dan
Reliability Centered Maintenance (RCM).
2. Metode kuantitatif
Metode kuantitatif merupakan metode analisa yang dilakukan
secara perhitungan matematis. Metode ini dapat dilakukan
melalui perolehan data perawatan (maintenance record)
terhadap waktu kegagalan (time to failure) dan waktu perbaikan
(time to repair) dari suatu komponen atau sistem
Perhitungan nilai keandalan dapat digunakan Persamaan 2.4 :
(Ebeling, 1997)
∞
𝑅(𝑡) = 1 − 𝐹(𝑡) = ∫0 𝑓(𝑡)𝑑𝑡 (2.4)
dimana:
F(t) adalah fungsi kumulatif probability
R(t) adalah fungsi keandalan
f(t) adalah fungsi kerapatan probability
2.6.2. Laju Kegagalan
Laju kegagalan (λ) adalah banyaknya kegagalan per satuan
waktu. Laju kegagalan dapat dinyatakan sebagai perbandingan
antara banyaknya kegagalan yang terjadi selama selang waktu
tertentu dengan total waktu operasi komponen atau sistem. Laju
kegagalan terhadap waktu dinyatakan pada Persamaan 2.5. (Ebeling,
1997)
𝑓(𝑡)
𝜆(𝑡) = 𝑅(𝑡) (2.5)

Laju kegagalan dalam beberapa kasus dapat ditunjukkan

sebagai penambahan atau increasing failure rate (IFR), sebagai
penurunan atau decreasing failure rate (DFR), dan sebagai nilai

26
 konstan atau constant failure rate (CFR), pada saat fungsi laju
kegagalan λ(t) adalah fungsi penambahan, penurunan atau konstan.
Konsep laju kegagalan dilatarbelakangi oleh banyak komponen
atau sistem rekayasa yang ternyata menunjukkan perilaku λ(t)
mengikuti kurva bak mandi (bathtub curve) yang ditunjukkan
pada Gambar 2.9. Berdasarkan Gambar 2.9, sebuah sistem akan
bekerja dengan masa operasi plant yang terbagi dalam tiga masa
yaitu: (Dhillon, 2005)

Gambar 2.5 Kurva Bathtub (Dhillon, 2005)

 Masa Awal (Burn-in)
Pada periode 0 sampai dengan t1 (permulaan bekerjanya
peralatan), kurva menunjukkan bahwa laju kerusakan menurun
dengan bertambahnya waktu atau disebut sebagai decreasing failure
rate (DFR). Laju kegagalan λ(t) menunjukkan gejala menurun
akibat kegagalan dini. Kegagalan tersebut diakibatkan kerusakan
dalam manufaktur, retak saat pengelasan, patah, adanya kontaminasi,
dan rendahnya kualitas pengendalian.(Ebeling, 1997)

 Masa Berguna (Useful Life)

Pada periode t1 dan t2 laju kerusakan cenderung tetap atau

disebut constant failure rate (CFR). Periode ini biasanya dikenal
sebagai useful life period. Komponen menunjukkan λ(t) yang
kurang lebih konstan. (Ebeling, 1997)

 Masa Aus(Wearout)

27
 Pada periode setelah t2 menunjukkan bahwa laju kerusakan
meningkat dengan bertambahnya waktu atau disebut dengan
increasing failure rate (IFR). Fungsi laju kegagalan λ(t)
menunjukkan peningkatan dimana peluang kegagalan komponen
selama interval waktu yang sama menjadi bertambah besar.
Kegagalan ini diakibatkan oleh penuaan, korosi, gesekan,
sehingga di sebut fase pengausan (wearout). (Ebeling, 1997).

2.6.3. Distribusi Laju Kegagalan

Laju kegagalan dari suatu komponen pada umumnya
dinyatakan dalam distribusi statistic. Jenis distribusi statistik yang
digunakan antara lain adalah distribusi normal, lognormal,
weibull dan exponensial.:
1. Distribusi Normal
Distribusi normal disebut juga dengan distribusi gaussian
adalah salah satu jenis distribusi yang paling sering
digunakan dalam menjelaskan sebaran data. Fungsi distribusi
kerapatan pada distribusi normal adalah simetris terhadap
nilai rata-rata (mean) dan dispersi terhadap nilai rata-ratanya.
Dispersi fungsi kerapatan normal diukur dengan nilai standar
deviasi. Dengan kata lain parameter distribusi normal adalah
mean dan standar deviasi. Fungsi distribusi kerapatan dari
distribusi normal dapat ditulis dengan Persamaan 2.6.
(Ebeling, 1997)
1 1 𝑡−𝜇 2
𝑓(𝑡) = 𝜎√2𝜋 𝑒𝑥𝑝 [− 2 ( ) ] (2.6)
𝜎

Dengan fungsi keandalan distribusi normal dapat ditulis

dengan Persamaan 2.7:

𝑡−𝜇
𝑅(𝑡) = 1 − Φ ( ) (2.7)
𝜎

dan laju kegagalan dari distribusi normal ditunjukkan pada

Persamaan 2.8:

28
 𝑒𝑥𝑝[−(𝑡−𝜇)2 /2𝜎2 ]
𝜆(𝑡) = ∞ (2.8)
∫𝑡 𝑒𝑥𝑝[−(𝑡−𝜇)2 2𝜎2 ]𝑑𝑡

Waktu rata-rata kegagalannya adalah :

MTTF = µ (2.9)

2. Distribusi Lognormal

Fungsi kerapatan distribusi untuk distribusi lognormal dapat

ditulis dengan Persamaan 2.10 (Ebeling, 1997)
1 1 ln 𝑡−𝜇 2
𝑓(𝑡) = 𝜎𝑡√2𝜋 𝑒𝑥𝑝 [− 2 ( ) ] (2.10)
𝜎

Karakteristik distribusi lognormal mempunyai dua parameter.

Parameter yang pertama adalah parameter lokasi (μ) dan
yang kedua adalah parameter skala (σ) yang memiliki peran
sama dengan standar deviasi.
Fungsi keandalan distribusi lognormal dituliskan dengan
Persamaan 2.11:
𝑇 1 1 ln 𝑡−𝜇 2
𝑅(𝑡) = 1 − ∫0 𝑒𝑥𝑝 [− 2 ( ) ] 𝑑𝑡 (2.11)
𝜎𝑡√2𝜋 𝜎

Laju kegagalan distribusi lognormal ditunjukkan dengan

Persamaan 2.12:
𝑓(𝑡)
𝜆(𝑡) = 𝑅(𝑡) (2.12)

Waktu rata-rata kegagalan distribusi lognormal ditunjukkan

pada Persamaan 2.13:
𝜎2
𝑀𝑇𝑇𝐹 = exp(𝜇 + ) (2.13)
2

3. Distribusi Weibull
Distribusi weibull telah digunakan secara luas dalam teknik
kehandalan. Keuntungan dari distribusi ini adalah bisa
digunakan untuk merepresentasikan banyak fungsi distribusi
kerapatan serta dapat digunakan untuk variasi data. Karakteristik
distribusi weibull diantaranya mempunyai 2 parameter ( η, β)
atau 3 parameter ( η, β, γ ), nilai η, β, γ dapat diketahui dari

29
 weibull probability paperatau dari software. Saat nilai β = 1
dan γ= 0 weibull akan ekivalen dengan distribusi
exponensial, saat nilai β = 3,44 weibull akan mendekati
distribusi normal. Jika distribusi waktu antar kegagalan suatu
sistem mengikuti distribusi weibull,maka: (Ebeling,1997)
Fungsi keandalannya adalah :

𝑡−𝛾 2
𝑅(𝑡) = 𝑒𝑥𝑝 {− ( ) } (2.14)
𝜂

Laju kegagalannya adalah :

𝛽 𝑡−𝛾 𝛽−1
𝜆(𝑡) = 𝜂 [( ) ] (2.15)
𝛾

Waktu rata-rata kegagalannya adalah :

1
𝑀𝑇𝑇𝐹 = 𝛾 + 𝜂Γ (1 + 𝛽) (2.16)

4. Distribusi Eksponensial
Fungsi padat peluang fungsi distribusi kerapatan distribusi
exponensial ditunjukkan dengan Persamaan 2.17: (Ebeling,
1997) :
𝑓(𝑡) = 𝜆𝑒 −𝜆(𝑡−𝛾) , t > 0, λ > 0, t ≥ (2.17)

Jika distribusi waktu antar kegagalan suatu sistem

mengikuti distribusi exponensial,maka: (Ebeling, 1997) Fungsi
Keandalan distribusi exponensial ditunjukkan dengan
Persamaan 2.18:

𝑅(𝑡) = 𝑒 −𝜆(𝑡𝛾) (2.18)

Laju kegagalan distribusi exponensial ditunjukkan dengan

Persamaan 2.19:

λ(t) = λ (2.19)

30
 Waktu rata–rata kegagalan distribusi exponensial
ditunjukkan dengan Persamaan 2.20:

1
𝑀𝑇𝑇𝐹 = 𝜆 (2.20)

2.7. Tinjauan Software Weibull

Software Weibull ++6 adalah program komputer yang
didesain untuk menganalisa suatu kumpulan data random dalam hal ini
data Time to Failure (TTF) dan Time to Repair (TTR) yang kemudian
diproses untuk mendapatkan distribusi yang paling sesuai untuk kumpulan
data tersebut. Weibull ++ 6.0 ini akan mencocokkan distribusi yang
paling sesuai dari distribusi yang ada di dalamnya yaitu Weibull 2
parameter, weibull 3 parameter, Normal, Log normal, eksponensial 1
parameter, dan eksponensial 2 parameter.
Untuk mendapatkan kesesuaian distribusi data tersebut , program
Weibull ++6 ini memproses data dan menyesuaikan distribusinya, kemudian
me-rank mana yang paling cocok, proses ini berdasarkan hasil perhitungan
Maximum Likelihood Estimation (MLE). MLE digunakan untuk menguji
kevalidan dari parameter distribusi yang dipilih untuk data TTF dan TTR.

2.8. Simulasi Monte Carlo

Metode Monte Carlo tercipta dari nama sebuah permainan
kesempatan “games of chance” yang hasilnya selalu beracak. Pada
saat tahun 1940 seorang ilmuwan di laboratorium Los Alamos sedang
memeriksa perlindungan radiasi dan jarak yang akan ditempuh oleh
neutron, namun data yang didapatkan tidak dapat membantu untuk
memecahkan masalah yang ingin diselesaikan karena ternyata masalah
tersebut tidak bisa diselesaikan dengan perhitungan analitis. Kemudian
Stainslaw Ulam memberikan ide untuk memecahkan masalah dengan
memodelkan eksperimen secara acak, dan agar hasil karyanya tidak
dicontek orang maka diberi nama “Monte Carlo” karena terinspirasi dari
pamannya yang sering berjudi untuk memenangkan “games of chance”
tersebut.

31
 Saat ini metode Monte Carlo memiliki banyak penerapan di
berbagai bidang diantaranya pada financial, kimia, ilmu fisika, ilmu
computer, statistik, sistem keandalan atau reliability dan masih banyak
lainnya. Ketika diaplikasikan pada analisa keandalan, metode ini
menggunakan data distribusi kegagalan dan perbaikan pada sebuah
peralatan atau sistem yang terjadi dari waktu ke waktu. Hasil dari simulasi
metode Monte Carlo ini dapat digunakan untuk meningkatkan nilai
keandalan dari suatu sistem (Kalos dan Whitlock, 2008)

Simulasi Monte Carlo menggunakan data statistik yang

menghasilkan sebuah bilangan acak yang menunjukkan kemungkinan atau
probabilitas. Langkah penggunaan metode ini untuk meningkatkan
keandalan yaitu menentukan data distribusi kegagalan dan perbaikan,
kemudian menentukan parameter dari distribusi tersebut. Selanjutnya
menentukan fungsi padat peluang dari masing – masing distribusi. Setelah
diketahui nilai dari tahapan tersebut maka simulasi ini dapat
diterapkan dengan mengacak bilangan antara 0 sampai 1. Untuk contoh jika
bilangan acak menunjukkan angka 0,7785 maka dapat dikatakan waktu
menuju kegagalan dari sistem sebesar 0,7785 dan memiliki probabilitas
kegagalan sebesar 77,85% pada asumsi simulasi yang dimulai dari 0.
(Alexander, 2003).

Beberapa kelebihan simulasi monte carlo jika dibandingkan

dengan analisa kualitatif, diantaranya adalah (Palisade : 2015) dalam
(Resmita, 2015):

1. Monte Carlo tidak menggunakan analisa matematis yang kompleks.

2. Dapat menghitung sesuatu yang tidak dapat dipecahkan dengan

perhitungan analitis dengan cara yang cukup mudah.

3. Monte Carlo termasuk simulasi probabilitas, jadi sangat cocok untuk

analisa risiko seperti penghitungan keandalan dan jadwal perawatan.

32
 4. Hasil dari simulasi tidak hanya menunjukkan hasil akhir, tetapi bisa
menunjukkan bagaimana hasil tersebut dapat terjadi dan
kemungkinan – kemungkinannya.

5. Hasil dari simulasi ini dapat dijadikan grafis yang cukup jelas.

Saleeh (2012) menyatakan metode monte carlo dapat digunakan

untuk mengestimasi ketersediaan sistem (system availability) yang
mencakup ekspetasi angka kegagalan, ekspektasi tindakan perbaikan, dan
ekspektasi rata – rata yang akan dilakukan perbaikan. Proses estimasi ini
menggunakan simulasi perulangan bilangan yang masing – masing
mensimulasikan bagaimana sistem bekerja pada sehari – hari berdasarkan
kegagalan dan perbaikan pada komponen. Kegagalan dan perbaikan
menunjukkan berapa sering komponen tersebut mengalami kegagalan,
dan berapa cepat dapat dikembalikan dengan cara servis. Berikut ini
merupakan langkah yang dilakukan pada simulasi monte carlo
hingga didapatkan nilai availability yang diinginkan :

1. Perhitungan MTTR dan MTTF dengan rumus yang sudah tersedia.

2. Pembangkitan bilangan acak simulasi monte carlo dari hasil TTF dan
TTR dengan bantuan software excel.

Perhitungan nilai Availability hingga didapatkan nilai yang sesuai

(terbesar). Semakin besar nilai availability maka downtime atau
waktu kerusakan semakin kecil.

2.8.1. Rumus Simulasi Monte Carlo

Simulasi monte carlo menghasilkan bilangan probabilitas
dari data yang sebenarnya. Simulasi ini menggunakan rumusan
fungsi excel =RAND(). Ketika fungsi ini dimasukkan ke dalam
kolom di excel, akan menghasilkan bilangan random. Berikut ini
rumusan yang dipakai berdasarkan distribusi yang telah diketahui
sebelumnya (Popescu, Popescu dan Gabor, 2003)

33
Tabel 2.5 Rumus Simulasi Monte Carlo

Sumber : Popescu, 2003

Simulasi monte carlo dilakukan dengan cara membangkitkan bilangan random,

dalam penelitian ini menggunakan software microsof excel dengan mengetikkan
[=rand()], sebelum proses simulasi dilakukan unsur dasar yang dibutuhkan
dalam pembangkitan bilangan random adalah berdistribusi uniform (0,1)
sehingga harus dikonversi ke distribusi non-uniform dengan metode transformasi
invers dengan menggunakan cumulative distribution function (Priyanta, 2000)
dalam (Putri, Bahauddin dan Ferdinant, 2013)
F(t) untuk distribusi eksponensial= 1−𝑒 −𝜆𝑡 (2.21)
𝑈 = 1 − 𝑒 −𝜆𝑡 (2.22)
𝑒 −𝜆𝑡 = 1 − 𝑈 (2.23)
ln(𝑒 −𝜆𝑡 ) = ln( 1 − 𝑈) (2.24)
−𝜆𝑡 = ln(1 − 𝑈) (2.25)
1
𝑡 = − 𝜆 ln(1 − 𝑈) (2.26)
1
𝑡 = − 𝜆 ln(𝑈) (2.27)
−𝑡𝛽
F(t) untuk distribusi Weibull= 1−𝑒 𝜃 (2.28)
−𝑡𝛽
𝑈 = 1−𝑒 𝜃 (2.29)
−𝑡𝛽
𝑒 𝜃 = 1−𝑈 (2.30)
−𝑡𝛽
𝑙𝑛 𝑒 𝜃 = ln(1 − 𝑈) (2.31)

34
−𝑡
( 𝜃 )𝛽 = ln(1 − 𝑈) (2.32)
1
𝑡 = 𝜃(−ln(1 − 𝑈) 𝛽 (2.33)
1
𝑡 = 𝜃(−ln(𝑈) 𝛽 (2.34)

2.9. Uji Validitas

Uji validitas merupakan pengujian yang dilakukan untuk
mengetahui data yang telah disimulasikan hasilnya sama atau tidak
ada beda yang signifikan diantara keduanya. Simulasi Monte Carlo
menghasilkan bilangan probabilitas yang masih perlu dilakukan pengujian
pakah hasil simulasinya dapat dikatakan valid atau tidak. Pengujian ini
menggunakan uji Mann – Whitney (U-test) atau uji beda.
Uji Mann – Whitney (U-test) merupakan pengujian non parametrik
yang berfungsi untuk menguji hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal. Bila dalam suatu pengamatan
data berbentuk interval, maka perlu dirubah terlebih dahulu ke dalam data
ordinal. Uji ini bertujuan untuk mengetahui ada atau tidaknya perbedaan
dari dua himpunan data yang berasal dari sampel yang independen.
Uji Mann – Whitney tidak memerlukan asumsi populasi terdistribusi
normal, namun hanya mengasumsikan bahwa populasi tersebut mempunyai
bentuk yang sama. Uji ini dapat secara manual atau menggunakan
software seperti minitab atau SPSS. Untuk pengujian manual, langkah –
langkahnya yaitu (Supranto : 2001) dalam (Resmita, 2015)
1. Menyatakan hipotesis nol dan hipotesis alternatif.
2. Menetapkan taraf nyata ( α) yang diinginkan.
3. Susun data relevan yang dikumpulkan dari sampel independen dan
kemudian tetapkan peringkat data tersebut.
4. Jumlahkan peringkat yang ditetapkan untuk tiap sampel.
5. Hitung nilai statistik U dan membandingkannya dengan
menggunakan tabel kritis U (didasarkan pada n1, n2, dan α)
6. Pengambilan keputusan :
- Hipotesis nol ditolak apabila nilai Uhitung ≤ Utabel.

35
 - Hipotesis nol diterima apabila nilai Uhitung ≥ Utabel.

2.10. Expert Judgement

Penilaian oleh expert judgement adalah meminta para ahli dibidang
tertentu untuk mengevaluasi item-item dalam alat tes dengan memberikan
rating relevansi yang sesuai dengan spesifikasi dominan. Adapun kriteria
yang harus dimiliki olehexpert judgement diantaranya (Skjong dan
Wentworth, 2001) :
1. Berpengalaman melakukan penilaian dan membuat keputusan
berdasarkan bukti keahlian (contoh :jabatan dan pengalaman)
2. Mempunyai reputasi yang baik dalam kelompok
3. Bersedia berpartisipasi
4. Bersifat jujur, tidak memihak dan percaya diri
5. Mempunyai pengetahuan dan pengalaman mengenai bidang tersebut
Syarat yang paling penting dalam pemilihan expert judgement adalah
semua partisipan harus memiliki informasi yang relevan terhadap kejadian
yang akan dinilai. Beberapa contoh expert judgement adalah, operator,
supervisior, seseorang yang memiliki pengetahuan yang berkaitan langsung
dengan skenario yang dievaluasi.

36
 3 BAB 3
METODE PENELITIAN

Dalam bab ini akan dibahas mengenai tahap-tahap yang dilakukan untuk
menyelesaikan permasalahan dalam penelitian ini. Tujuannya adalah agar proses
penelitian nanti dapat dipahami dan dimengerti, serta mendapatkan hasil yang
maksimal. Tahapan-tahapan dalam menyelesaikan penelitian ini terstruktur,
sistematis dan saling terkait antara satu dengan yang lainnya. Adapun tahapannya
adalah sebagai berikut:

3.1. Tahap Identifikasi Masalah

3.1.1. Tahap Identifikasi dan Perumusan Masalah
Pada tahap ini dilakukan peninjauan awal mengenai
permasalahan yang terjadi dalam perusahaan. Dalam hal ini
dilakukan pembacaan data kegagalan mesin yang sering terjadi
bahkan sampai menyebabkan kecelakaan kerja di perusahaan
peleburan baja. Didapatkan bahwa kegagalan yang sering terjadi
yaitu coble sering terjadi di mesin block mill stand 26. Kemudian
dilakukan pengamatan pada proses pekerjaan, proses produksi,
identifikasi penyebab kegagalan komponen dan penyebab dasar
kegagalan pada mesin Block mill stand 26dengan cara mewawancari
pihak maintenance, engineering dan SHE perusahaan peleburan
baja. Hasil dari identifikasi permasalahan yang ada, maka peneliti
menentukan rumusan masalah dalam bentuk pertanyaan-pertanyaan
yang nantinya akan mempermudah dalam mendapatkan tujuan
masalah dan menetapkan batasan masalah.

3.1.2. Penetapan Tujuan dan Manfaat

Pada tahap ini merupakan pengembangan dari tahap
perumusan masalah. Pada bagian ini dilakukan penetapan tujuan
tentang apa yang hendak dicapai dan manfaat yang akan diperoleh
bagi pihak-pihak terkait, bagi mahasiswa maupun bagi perusahaan.

37
 Tahap ini merupakan dasar tentang apa yang akan dilakukan peneliti
selama melakukan penelitian.

3.2. Tahap Tinjauan Pustaka

Pada tahap ini berisi mengenai literatur apa saja yang digunakan
dalam penelitian. Studi yang dilaksanakan berupa studi literatur dan studi
lapangan.

3.2.1. Studi Literatur

Tahap ini berisi tentang literatur yang akan digunakan sebagai
acuan untuk menyelesaikan rumusan maslah yang telah dibuat. Pada
tahap ini literatur yang digunakan yaitu FMEA (Failure Mode and
Effect Analysis ), dan Simulasi Monte Carlo
3.2.2. Studi Lapngan
Studi lapangan dilaksanakan untuk mengamati objek yang
akan diteliti. Dari hasil pengamatan di lapangan akan diketahui
aliran proses kerja, pemborosan aktivitas perawatan, dan kondisi
kerja mesin block mill stand 26

3.3. Tahap Pengumpulan Data

Tahap pengumpulan data ini merupakan tahap lanjutan yang
mendasari suatu penelitian. Dalam proses pengumpulan dan informasinya
memerlukan data primer dan data sekunder yang meliputi :

1. Data detail komponen dari mesin seperti fungsi komponen, keterkaitan

dengan komponen lain, kegagalan fungsi, dan efek yang dapat terjadi
dari kegagalan tersebut.
2. Data perawatan mesin : Data waktu antar kegagalan (Time to Failure),
data waktu antar perbaikan (Time to Repair)

3.4. Tahap Pengolahan Data

Pada tahap pengolahan data ini terdiri dari beberapa tahapan, yaitu :

38
3.4.1. Menyususun Failure Mode and Effect Analysis (FMEA)
Tahap penyusunan Failure Mode and Effect Analysis (FMEA)
dilakukan pada komponen/item mesin Block Mill stand 26.
Komponen / item yang mengalami failure disajikan pula RPN
sebagai prioritas untuk dilakukannya tindakan selanjutnya
3.4.2. Uji Distribusi Data TTF dan TTR
Pengujian menggunakan software weibull ++ V.6.0 ini untuk
menentukan distribusi data yang akan diolah berdasarkan
perhitungannya. Distribusi data yang akan didapat dapat berupa
weibull 2, weibull 3, normal, log normal, dan eksponensial.

3.4.3. Perhitungan MTTF, MTTR dan Reliability

Melakukan perhitungan mean time to failure (MTTF), mean time to
repair (MTTR) dan nilai reliability

3.4.4. Simulasi Monte Carlo

Pembangkitan bilangan acak TTF dan TTR menggunakan microsoft
excel untuk menghasilkan nilai – nilai yang mempunyai distrbusi
setara dengan populasi data TTF dan TTR komponen kritis mesin
block mill stand 26 sebenarnya.
3.4.5. Uji Validitas
Menilai validitas data TTF dan TTR yang telah dibangkitkan dengan
uji beda (Mann-Whitney) menggunakan software SPSS. Data TTF
dan TTR hasil pembangkitam bilangan acak dikatakan valid, apabila
data TTF dan TTR tersebut tidak memiliki perbedaan yang
signifikan dengan data TTF dan TTR pada sistem riil.
3.4.6. Penentuan MTTF, MTTR dan Reliability
Menghitung kembali nilai parameternya sesuai distribusi yang
terpilih. Parameter tersebut digunakan untuk menghitung nilai mean
time to failure (MTTF), mean time to repair (MTTR) dan nilai
reliability sebagai acuan penentuan penjadwalan perawatan

39
 3.4.7. Perhitungan Biaya Perawatan
Dari hasil penjadwalan preventive maintenance yang baru, maka
dapat digunakan untuk menghitung optimasi biaya perawatan,agar
biaya setelah adanya penjadwalan yang baru dapat lebih optimal dan
efisien

3.5. Analisa Data Keseluruhan

Pada tahapan ini akan dilakukan analisa dari hasil pengolahan data
yang telah dilakukan. Analisa yang dilakukan dari hasil pengolahan data
primer dan sekunder.

3.6. Kesimpulan dan Saran

Tahapan akhir dari penelitian ini adalah menyimpulkan hasil
penelitian yang menjawab tujuan dari penelitian ini serta memberikan saran
kepada perusahaan sebagai tindak lanjut dari kesimpulan yang diperoleh.

40
3.7. Diagram Alir Penelitian
Pada Gambar 3.1. berikut merupakan diagram alir dari penelitian yang
dilakukan.

Mulai

Identifikasi Masalah

Penerapan Rumusan Masalah,

Tujuan dan Manfaat Penelitian

Studi Literatur / Pustaka Studi Lapangan

Pengumpulan Data

Data Kualitatif: Data Kuantitatif :

Komponen dan Data waktu antar
fungsi mesin, kerusakan (TTF)
penyebab dan Data waktu antar
dampak kegagalan perbaikan (TTR)

Pengolahan Data

FMEA beserta RPN

Uji Distribusi Data TTF & TTR dengan

Software Weibull ++v.6.0

Perhitungan MTTF,MTTR dan

Reliability

Gambar 3.1 Diagram Alir Penelitian

41
 A

Simulasi Monte Carlo

Uji Beda (Mann – Whitney) antara

TTF & TTR riil dengan TTF &
TTR Simulasi

Ya
Apakah ada beda
signifikan

Tidak

Penentuan MTTF, MTTR dan

reliability

Perhitungan Biaya Perawatan

Analisa Data Keseluruhan

Kesimpulan & Saran

Gambar 3.2 Lanjutan Diagram Alir Penelitian

3.8. Rencana Pelaksanaan Penelitian

Adapun rencana pelaksanaan penelitian ditunjukkan pada Tabel 3.1 di
bawah ini
Tabel 3.1 Jadwal Rencana Pelaksanaan Penelitian

No KEGIATAN BULAN
Januari Februari Maret April Mei Juni
1 Studi Literature
2 Studi Lapangan
3 Pengumpulan Data
4 Pengolahan Data
5 Analisa Data & Kesimpulan
6 Sidang TA
7 Revisi Laporan TA

42
 DAFTAR PUSTAKA
Alexander, D. (2003). Aplication of Monte Carlo Simulation to System
Reliability. Proceedings of The Twentieth International Pump Users .

Andrilia, D., Tama, I. P., & Rahman, A. (2012). Strategi Perawatan pada Mesin
Las Mig di Industri Karoseri Kendaraan Niaga dengan Simulasi Monte
Carlo (Studi Kasus : PT. Adi Putro Wirasejati Malang). Jurnal Teknik
Industri .

Anggraini, W., & Aditia, A. (2016). Simulasi Monte carlo pada penjadwalan
preventive maintenance komponen kritis mesin breaker dan mesin
hammermill.

Ansori, N., & Mustajib, M. I. (2013). Sistem Perawatan Terpadu (Integrated

Maintenance System). Yogyakarta: Graha Ilmu.

Dhillon, B. S. (2005). Reliability, Quality and Safety for Engineers. USA: CRC
Press.

Ebeling, C. E. (1997). An Introdction to Reliability and Maintanibility .

Singapore: The McGraw-Hill Companies.

Kalos, M. H., & Whitlock, P. A. (2008). Monte Carlo Mehods. USA: Wiley-
VCH.

Kurniawan, F. (2013). Manajemen Perawatan Indsutri. Yogyakarta: Graha Ilmu.

McDermott, R. E., Mikulak, R. J., & Beauregard, M. R. (2009). The Basic of

FMEA (2nd Edition ed.). New York: CRC Press.

Moubray, J. (1997). Reliability Centered Maintenance 2nd Edition. New York:

Industrial Press Inc Madison Avenue.

Popescu, D. E., Popescu, C., & Gabor, G. (2003). Monte Carlo Simulation using
Excel for Predicting Reliability of a Geothermal Plant. International
Geothermal Conference .

Putri, E. L., Bahauddin, A., & Ferdinant, P. F. (2013). Usulan Jadwal Perawatan
pada Mesin Electric Arc Furnace 5 dengan Simulasi Monte Carlo. Jurnal
Teknik Industri , 1, 352-357.

Resmita, R. (2015). Identifikasi Bahaya dan Keandalan pada Mesin Las GMAW
di PT X dengan Simulasi Monte Carlo. Tugas Akhir Mahasiswa PPNS .

43
Saleh, F. L. (2012). Estimating Optimum Period of Time Between Maintenances
by Using Monte Carlo Simulation Method. American Journal of
Engineering Sciences , 5 No.2.

Skjong, R., & Wentworth, B. H. (2001). Expert Judgment and Risk Perception.
The International Offshore and Polar Engineers .

44