1
PENERAPAN CONDITION BASED MAINTENANCE
UNTUK MENENTUKAN WAKTU PERAWATAN SISTEM PENGENDALIAN
TEMPERATUR PADA THERMAL OXIDIZER DI CONOCOPHILLIPS INDONESIA
(Magdalena Feby Kumayasari, Katherin Indriawati ST.MT, Ir. Yaumar MT)
Department of Engineering Physics, Faculty of Industrial Technology
ITS Surabaya Indonesia 60111, email: azma@ep.its.ac.id
Abstract— Thermal Oxidizer merupakan sebuah sistem
yang berfungsi untuk membakar limbah gas (waste gas)
hasil sisa produksi untuk dialirkan ke lingkungan bebas.
Agar limbah gas ini terurai menjadi gas buang dengan
konsentrasi rendah, maka diperlukan penentuan waktu
perawatan yang benar pada komponen sistem
pengendalian temperatur agar komponen sistem bekerja
dengan baik. Komponen-komponen sistem pengendalian
tersebut adalah Temperatur transmitter, termokopel,
control valve dan burner. Condition Based Maintenance
merupakan sebuah metode penentuan waktu perawatan
yang didasarkan pada data kegagalan dan kondisi dari
komponen. Metode ini dapat memperkirakan waktu
perawatan yang didasarkan pada remaining useful life (LR-
) yang merupakan pengurangan dari mean life (LM) dan
actual life (LA). Berdasarkan hasil pengolahan data
perawatan dan data pengukuran, didapatkan rentang
perkiraan waktu perawatan untuk komponen Temperatur
Transmitter & termokopel adalah 19
 40 hari, control
valve adalah 195  23 hari dan burner adalah 155  34
hari. Hasil perhitungan yang telah dilakukan sesuai
dengan data kerusakan yang terjadi sebenarnya
Index Terms— Thermal Oxidizer, Condition Based
Maintenance (CBM), remaining Useful Life (LR).)
I. PENDAHULUAN
Thermal Oxidizer (TO) merupakan sebuah sistem yang
berfungsi untuk membakar limbah gas (waste gas) hasil sisa
produksi untuk dialirkan ke lingkungan bebas. Limbah gas ini
mengandung konsentrasi racun yang sangat tinggi, untuk itu
TO ini membakar limbah gas ini agar terurai menjadi gas
buang (flue gas) yang memiliki konsentrasi racun sangat
rendah yang dapat dibuang ke lingkungan. Kualitas dari
pembuangan limbah gas sisa hasil produksi ini ditentukan oleh
pembakaran pada thermal oxidizer ini.
Thermal Oxidizer bekerja pada kondisi normal operating
temperatur 1500-1600°F . Pada waste gas ini terdapat tujuh
buah komponen yang harus dibakar, yaitu H2S, CO2, N2, CxHy,
i-Cx, C7, dan H2O. Dengan temperatur 1500-1600°F, gas-gas
tersebut dapat terurai menjadi lima komponen yaitu SO2, CO2,
N2, O2 dan H2O. Untuk itu, variabel proses yang harus
dikendalikan agar proses netralisasi tersebut bisa optimal
adalah dengan menjaga temperatur pada nilai setpoint yang
ditentukan. Untuk mengendalikan temperatur ini maka
diperlukan beberapa komponen yang selanjutnya disebut
sebagai sistem pengendalian temperatur. Komponen-
komponen tersebut adalah Temperature Control Valve (TV),
Temperature Transmitter (TT), Termokopel sebagai sensor,
dan burner sebagai pembakarnya. Komponen-komponen
tersebut sangat penting dalam penentuan kualitas dari
pembuangan limbah gas sisa produksi ini. Untuk itu
diperlukan pula perawatan yang bagus untuk menjaga kinerja
dari masing-masing komponen tersebut.
Perawatan adalah salah satu kegiatan pendukung yang
bertujuan untuk menjamin kelangsungan fungsional suatu
sistem produksi (peralatan, mesin, dan fasilitas lainnya)
sehingga pada saat dibutuhkan dapat dipakai sesuai dengan
kondisi yang diharapkan [Dwi Priyanta, 2000]. Tujuan utama
dari dilakukannya sistem manajemen perawatan yang
pertama adalah memperpanjang umur pakai fasilitas
produksi. Kedua yaitu untuk menjamin tingkat ketersediaan
yang optimum dari fasilitas produksi. Ketiga yaitu menjamin
kesiapan operasional seluruh fasilitas yang diperlukan untuk
pemakaian darurat. Terakhir yaitu untuk menjamin
keselamatan operator dan pemakai fasilitas
Secara garis besar tindakan perawatan dibedakan atas
dua hal yaitu berupa planned maintenance dan unplanned
maintenance. Planned maintenance, merupakan suatu
tindakan atau kegiatan perawatan yang mana pelaksanaannya
telah direncanakan terlebih dahulu. Sedangkan unplanned
maintenance, yaitu suatu tindakan atau kegiatan perawatan
yang mana pelaksanaannya tidak direncanakan. Preventive
maintenance, tindakan perawatan untuk mencegah
terjadinya kerusakan. Corrective maintenance, tindakan
perawatan setelah kerusakan terjadi.
Preventive Maintenance sering disebut time based
maintenance, sudah dapat mengurangi frekuensi kegagalan.
Perawatan jenis ini dilakukan tanpa mempertimbangkan
kondisi komponen. Perawatan jenis ini sangat tidak efektif dan
tidak efisien dari segi cost ketika diterapkan sebagai satu-
satunya metode perawatan dalam sebuah plant.
Pada makalah ini, dijelaskan tentang penerapan Condition
Based Maintenance pada Thermal oxidizer untuk mengetahui
kapan plant ini perlu dilakukan perawatan. Metode CBM ini
dikenal mampu menghasilkan waktu pemeliharan yang efektif
dan ekonomis, serta mengoptimalkan kinerja dan umur mesin
(AKS Jardin, 2005). Selain itu, Condition Based Maintenance
dapat memperkecil biaya onderdil, sistem downtime dan
memperkecil waktu yang terbuang sia-sia saat menunggu
datangnya waktu pemeliharaan (Ari Sulistiono, 2010).
Pengambilan keputusan waktu perawatan ini didasarkan pada
remaining useful life (LR) dari hasil pengolahan data
kegagalan serta data kondisi plant dengan interval
kepercayaan sebesar 90%. Data yang digunakan yaitu waktu
kegagalan komponen TO di ConocoPhillips Indonesia pada

tahun 2007-2010 dengan kegagalan lebih dari tiga kali dengan
mengabaikan human error yang mempengaruhi kegagalan.
II. DASAR TEORI
A. Thermal Oxidizer
Thermal oxidizer merupakan sebuah process plant yang
berfungsi sebagai pembakaran limbah gas (waste gas). Tujuan
utama penggunaan thermal oxidizer adalah mengubah limbah
gas (waste gas) yang memiliki konsentrasi racun yang tinggi
menjadi gas buang (flue gas) yang bersifat bersih, agar dapat
dibuang ke udara bebas dengan konsentrasi racun yang
rendah. Jadi waste gas yang bersifat pekat akan diuraikan
menjadi flue gas yang memiliki konsentrasi racun yang rendah
dengan membakarnya pada suhu 1500oF - 1600oF.
Dalam fungsi kerja thermal oxidizer, ada sistem kerja
penunjang proses pembakaran waste gas. Komponen kerja
tersebut adalah burner yang merupakan tungku bakar dari
thermal oxidizer. Burner ini bekerja untuk menghasilkan api
yang digunakan untuk membakar waste gas pada thermal
oxidizer. Jenis bahan bakar yang digunakan di thermal
oxidizer adalah bahan bakar jenis metana (CH4).
input output
Controller Aktuator Plant
Transmitter Sensor
Gambar 1 Diagram Blok Sistem Pengendalian
Gambar 1 merupakan gambar umum diagram blok sistem
pengendalian. Sistem pengendalian yang digunakan pada
penelitian ini adalah sistem pengendalian temperatur. Tujuan
utama strategi sistem pengendalian ini adalah menjaga supaya
suhu operasi sesuai dengan setpoint yang ditetapkan dengan
mengatur bukaan valve pada pipa main fuel. Pengendalian ini
dimaksudkan agar menjaga temperatur di dalam proses
pembakaran waste gas di thermal oxidizer bisa konstan.
Dengan kebutuhan akan temperatur yang terus terjaga, maka
konsentrasi dari waste gas dapat tereduksi menjadi flue gas
dengan konsentrasi racun yang rendah.
Gambar 2. Thermal Oxidizer
2
Keterkaitan antara fuel gas dengan temperatur di dalam
thermal oxidizer adalah semakin besar fuel gas yang
dihasilkan semakin besar pula temperatur yang terjadi di
dalam proses pembakaran. Sedangkan semakin rendah laju
aliran fuel gas, maka temperatur dalam thermal oxidizer akan
semakin rendah pula. Dan itu semua terkait dengan proses
pembakaran waste gas dalam thermal oxidizer. Untuk lebih
jelasnya dapat dilihat pada Gambar 2 yang merupakan gambar
P&ID dari Thermal Oxidizer.
Limbah gas yang diolah pada TO sebagian besar berupa
gas H2S yang berasal dari campuran minyak dan gas alam.
Gas H2S sendiri memiliki pengaruh yang sangat buruk bagi
kesehatan manusia. Selain itu juga gas H2S bersifat korosif,
sehingga tidak baik bagi komponen-komponen yang ada di
plant. Untuk itulah gas H2S perlu dimusnahkan. Untuk
mendukung fungsi tersebut, thermal oxidizer terdiri atas
berbagai macam komponen. Di bawah ini akan dijelaskan
mengenai berbagai komponen penting pada sistem
pengendalian temperatur thermal oxidizer.
(1) Pengendali PID :
Jenis kontroller yang digunakan untuk mengatur
temperatur pada Temperature Indicating Controller adalah
jenis PID. Elemen-elemen kontroler P, I dan D masing-masing
secara keseluruhan bertujuan untuk mempercepat respon,
menghilangkan offset dan memperkecil overshoot. Sinyalnya
berupa arus 4-20 mA, memanipulasi prosentase bukaan valve
untuk mengendalikan temperatur pada thermal Oxidizer.
(2) Aktuator :
Aktuator yang digunakan pada TO adalah control valve
dan motor AC. . Control valve adalah jenis final control
element yang paling umum dipakai untuk sistem pengendalian
proses, sehingga orang cenderung mengartikan final control
element sebagai control valve. Dalam kesatuannya sebagai
unit, control valve, aktuator dan valve harus melakukan tugas
koreksi berdasarkan sinyal manipulated variable yang keluar
dari controller. Control valve menggunakan I/P converter
yang mengubah sinyal input 4 – 20 mA menjadi sinyal
pneumatik 3 – 15psig. Karakteristik dari control valve adalah
equal percentage. Dalam hal ini, control valve memiliki
masukan sinyal berupa arus listrik kemudian dirubah menjadi
tekanan untuk menggerakkan stem control valve.
(3) Plant :
Plant yang dimaksud adalah thermal oxidizer di Conoco
philips Indonesia. Thermal oxidizer (TO) dilengkapi dengan
natural draft fuel gas burner. Burner tesebut akan dinyalakan
dan akan membuat TO beroperasi pada suhu 1500oF-1600oF
(816 oC - 871oC). Ketika TO sudah mendapatkan suhu operasi
yang telah didesain, aliran limbah akan diinjeksikan masuk ke
dalam burner.
Thermal oxidizer didesain untuk beroperasi pada
suhu 1500oF-1600oF (816 oC - 871oC). Suhu yang tinggi ini
dan waktu residence minimum yang sebesar 0,1 detik akan
dapat menghancurkan unsur pokok aliran gas limbah yang
mudah terbakar.
 3

(4) Transmitter : akan penting sekali dalam pengambilan tindakan perawatan.

Temperature transmitter yang dipakai pada TO yaitu
transmitter dari Rosemount dengan model 3144P
3144P. Prinsip dari
transmitter ini menggunakan thermocouple
hermocouple tipe K sebagai
sensor temperatur. Keluaran
eluaran dari sensor berupa tegangan
yang sebanding dengan suhu. Keluaran
eluaran ini kemu
kemudian diolah
dengan rangkaian pengkondisi sinyal sehingga diperoleh
keluaran berupa arus 4-20mA.
B. Condition Based Maintenance
Condition Based Maintenance merupakan sebuah program
perawatan yang rekomendasi keputusan per perawatannya
didasarkan pada pengumpulan informasi dari kondisi
pengukuran suatu plant.. CBM merupakan sebuah usaha untuk
mengurangi penjadwalan perawatan yang tidak terlalu
diperlukan yaitu hanya dilakukan ketika terjadi hal ya
yang tidak
normal pada plant sehingga dapat mengurangi biaya
perawatan. Seperti
rti yang tampak pada gambar 3, m metode ini
mempunyai tiga tahap (A.K.S Jardine dkk, 2005) yaitu :
(1) Tahap akuisisi data (pengumpulan informasi)
Akuisisi data merupakan sebuah proses un untuk
mengumpulkan dan menyimpan data atau informasi yang
berguna sesuai dengan yang dibutuhkan untuk keperluan
CBM. Tahap ini merupakan tahap paling dasar dalam
pelaksanaan program CBM untuk proses diagnosis dan
prognosis kegagalan alat. Data yang dikumpulk
dikumpulkan dalam
program CBM dapat dikategorikan ke dalam dua jenis utama
yaitu data kejadian atau disebut data perawatan dan data
pengukuran kondisi. Data kejadian yaitu berupa data apa yang
terjadi (kerusakan, penginstallasian, pemeriksaan dan lain lain-
lain) dan data apa yang dilakukan (perbaikan, preventive
perawatan,, penggantian minyak dan lain lain-lain). Data
pengukuran kondisi merupakan data yangg diukur yaitu dapat
berupa data vibrasi, data akustik, temperatur,
mperatur, tekanan dan lain
lain-
lain.
Teknik pengambilan keputusan perawatan dalam CBM dapat
digolongkan ke dalam dua kategori utama yaitu prognosis dan
diagnosis. Diagnosis yaitu proses pendeteksian, pengisolasian,
dan pengidentifikasian setelah kegagalan itu terjadi.
Pendeteksian kegagalan dilakukan
kukan untuk menunjukkan sesuatu
yang salah pada saat kegiatan pengukuran.
pengukuran Pengisolasian
dilakukan untuk menunjukkan lokasi dari komponen yang
telah gagal dan pengidentifikasian kegagalan dilakukan untuk
memutuskan sifat dari kegagalan ketika itu terjadi. Prognosis
dilakukan ketika kegagalan itu belum terjadi. Ramalan
kegagalan dilakukan untuk memutuskan kegagalan yang akan
terjadi dan memperkirakan kapan kegagalan itu akan terjadi.
Diagnosis merupakan kegiatan analisis berikutnya
b setelah
kegiatan prognosis dilakukan. Diagnosis dibutuhkan ketika
kegiatan
iatan prognosis tidak berhasil dalam memperkirakan
kegagalan, dan kegagalan itu telah terjadi (A.K.S Jardine dkk,
2005).
Diagnosis kegagalan mesin ditekankan pada beberapa
pendekatan,
ekatan, yaitu pendekatan statistik, pendekatan Artificial
Intelligent,, dan pendekatan lainnya. Sedangkan prognosis
sendiri memprediksi berapa lama menuju kegagalan mesin
yang didapatkan dari kondisi mesin saat itu dan profil dari
operasi yang telah lalu. Waktu
aktu menuju kegagalan ini yang
disebut dengan remaining useful life
ife (LR). Dalam penelitian ini
dilakukan penentuan waktu perawatan yang didasarkan pada
hasil perhitungan remaining useful life (LR).
Pembuatan
Pengumpulan Pemrosesan
Keputusan
Data data
Perawatan
Gambar 3.. Tiga tahap dalam proses CBM (A.K.S Jardine
dkk, 2005)
III. METODE

(2) Tahap pemrosesan data Mulai

Tahap awal dalam pemrosesan data adalah pembersihan
data. Tahap ini penting, terutama untuk data kejadian yang Pengumpulan data
biasanya dimasukkan secara manual, al, selalu mengandung Pengolahan data
error. Untuk data pengukuran kondisi, data error mungkin Pengolahan data monitoring
maintenance
disebabkan oleh kesalahan sensor. Dalam kasus ini, pemisahan
Penentuan variabel yang
kesalahan sensor merupakan cara terbaik yang dapat dilakukan mempengaruhi umur
Penentuan Distribusi
(R.Xu, 2003). kegagalan
Tahap berikutnya dari pemrosesan data adalah Penentuan persamaan
regresi LA
analisis data. Terdapat banyak model, algoritma dan alat yang Perhitungan mean life (LM )
cocok dalam menganalisis data untuk penafsiran data yang buruk
lebih baik. Model,odel, algoritma, peralatan sepeseperti yang Validasi Model regresi

disebutkan diatas digunakan untuk analisis data tergantung

baik
pada tipe dari dataa yang dikumpulkan. Ada tiga tipe data yang
Penentuan remaining useful life (LR)
dimaksud, yaitu value type (data analisis minyak, temperatur,
tekanan dan kelembaban), waveform type (data vibrasi,dan
buruk
data akustik), dan multidimension type (infrared
infrared thermograph, Validasi LR
X-Ray Images, visual images, dan lain-lain).
lain). Dalam penelitian
baik
ini data yang dimaksudkan tergolong dalam value type
type.
Analisis

(3) Tahap pembuatan keputusan perawatan selesai

Tahap berikutnya pada program CBM adalah pembuatan
keputusan perawatan. Keputusan yang cukup dan tepat guna Gambar 4. Diagram
gram alir metodologi penelitian
 4

Tahap-tahap penelitian meliputi pengumpulan data,

pengolahan data perawatan dan pengukuran, hingga penentuan C. Penentuan Remaining Useful Life (LR)
remaining useful life (LR) yang nantinya digunakan untuk Remaining Useful Life (LR) merupakan sisa masa
menentukan waktu perawatan. Metode penelitian yang hidup komponen pada kondisi operasi yang digunakan. .
dilakukan untuk menyelesaikan penelitian ini, digambarkan Penentuan LR menggunakan data perawatan dan data
dalam diagram alir seperti Gambar 5. pengukuran. Nilai LR didapatkan dari hasil pengurangan LM
dan LA (Mazhar, 2007) seperti yang ditunjukkan oleh
A. Pengumpulan data persamaan (2):
Pada tahap ini dilakukan pengumpulan data sekunder
berupa data history kegagalan, perbaikan sistem, data LR = LM – LA (2)
pengukuran thermal oxidizer dari DCS antara tahun 2006-
2010, data spesifikasi dari masing-masing komponen, data Penentuan persamaan umur aktual (LA)
P&ID, serta deskripsi operasi dari sistem pengendalian. Data- menggunakan data pengukuran. Tahap-tahap yang dilakukan
data spesifikasi, data P&ID serta data deskripsi operasi dari sebelum menentukan persamaan LA ini adalah pengolahan
sistem pengendalian digunakan untuk menunjang penentuan awal (preprocessing) data dan penentuan variabel yang
waktu perawatan. Sedangkan data utama yang digunakan berpengaruh terhadap umur.
untuk proses pengolahan data berupa data kegagalan dan Pengolahan awal data adalah menghilangkan data
perbaikan serta data pengukuran. yang berada di luar batas kendali. Pengolahan ini bertujuan
Jumlah data history kegagalan dan perbaikan yang agar model regresi yang dihasilkan baik. Penghilangan data ini
diperlukan paling sedikit adalah lima data agar dapat diperoleh didasarkan pada nilai Upper Control Limit (UCL) dan Lower
distribusi kegagalan. Parameter dari distribusi kegagalan Control Limit (LCL) yang didapatkan dengan menggunakan
tersebut dipakai untuk menentukan mean life (LM) yang persaman-persamaan berikut:
merupakan umur rata-rata kegagalan sebuah komponen. Data
∑
 
kerusakan ini dibagi menjadi dua, yaitu data yang digunakan
  ̅  , dengan ̅ = rata-rata (3)
untuk penentuan waktu perawatan dan data yang digunakan 
untuk validasi.
Data pengukuran digunakan untuk menentukan persamaan Lower Control Limit   ̅  3 (4)
actual life (LA) yang merepresentasikan pengaruh kondisi alat
terhadap sisa umur alat. Jenis data yang diperlukan dalam Upper Control Limit   ̅ 3 (5)
pengolahan data pengukuran ini adalah temperatur set point, "
! ∑  " #∑ $
temperatur keluaran, tekanan fluida pada pipa, dan prosentase dengan :  = standar deviasi = (6)
!#!$
bukaan temperature control valve. Data pengukuran yang
diperlukan adalah data pengukuran Bulan September 2006
Setelah nilai dari UCL dan LCL ditentukan,
sampai dengan Bulan Februari 2010 sesuai dengan data
berikutnya dapat menghilangkan data yang berada di luar
perawatan.
batas kendali. Dengan menggunakan software MINITAB 14,
B. Perhitungan Mean Life (LM) data-data tersebut dapat ditampilkan dalam bentuk grafik
Mean life (LM) merupakan waktu rata-rata antar kegagalan kontrol Xbar.
suatu komponen. LM didapatkan dari hasil pengolahan data (1) Penentuan variabel
perawatan yang berupa data kegagalan dan data perbaikan.
Penentuan distribusi probabilitas waktu antar kegagalan
(PDF) didasarkan pada uji Goodness of Fit (GOF) statistics.
Uji GOF mengukur kesesuaian dari sampel random dengan
fungsi distribusi probabilitas. Dengan kata lain, uji ini
menunjukkan seberapa baik kesesuaian distribusi yang dipilih
dengan data. Distribusi yang memiliki GOF statistics paling
rendah, merupakan distribusi yang paling sesuai untuk data
waktu antar kegagalan yang dimaksud. Penentuan distribusi
waktu antar kegagalan dari masing-masing komponen yang
ditinjau didapatkan dengan menggunakan program bantu
EasyFit.
Dari hasil penentuan distribusi dan parameter
menggunakan software EasyFit, didapatkan bahwa distribusi
yang paling sesuai untuk ketiga komponen sistem
pengendalian ini adalah distribusi eksponensial. Dari distribusi Gambar 5. Diagram alir penentuan variabel yang
dan parameter tersebut, dapat ditentukan nilai mean life untuk mempengaruhi umur
masing-masing komponen dengan menggunakan persamaan
(1) : Penentuan variabel sangat penting dalam menentukan
waktu perawatan suatu komponen. Namun, sebelum dilakukan
 
MTTF =   
=
penentuan variabel, terlebih dahulu yang dilakukan adalah
(1)
melakukan hipotesis variabel yang menentukan umur.

Hipotesis variabel merupakan sebuah perkiraan variabel apa
saja yang dapat mempengaruhi umur dari sebuah komponen
yang nantinya diperlukan pada tahap penentuan persamaan
LA. Masing-masing komponen akan memiliki variabel yang
berbeda dalam penentuan nilai LA. Tahap-tahap dalam
penentuan variabel ini digambarkan pada Gambar 5.
Langkah selanjutnya adalah melakukan uji korelasi untuk
setiap variabel yang diduga mempengaruhi umur alat. Uji
korelasi ini bertujuan untuk mengetahui ada tidaknya
hubungan linier antara variabel tersebut dengan umur alat.
Penentuan variabel didasarkan pada nilai koefisien korelasi
(r). Nilai r berkisar antara -1.00 sampai 1.00. Sebuah korelasi
yang sempurna ditandai dengan nilai 1.00 baik positif maupun
negatif. Nilai nol menunjukkan tidak adanya korelasi.
Koefisien korelasi didapatkan dengan persamaan (7) :
∑#̅ $#&&'$
% #!$#() (* $
(7)
dengan : % = koefisien korelasi
  nilai variabel bebas
+  nilai variabel terikat
,&  standar deviasi dari variabel y (variabel
terikat)
,  standar deviasi dari variabel x (variabel
bebas)
(2) Penentuan LA
Penentuan LA dapat dilakukan setelah variabel yang
berpengaruh terhadap umur alat ditentukan. Metode yang
digunakan adalah regresi linier. Persamaan regresi linier
menyatakan hubungan antara gradien dengan nilai LA.
Penentuan persamaan LA ini menggunakan persamaan umum
regresi linier sebagai berikut:
-.   / (8)
dimana :
-. = nilai variabel yang diperkirakan untuk sebuah nilai x
tertentu. Dalam penelitian ini -. merupakan umur aktual
(LA)
  titik potong sumbu Y, merupakan nilai Y yang
diperkirakan ketika variabel x bernilai nol (x=0)
/ kemiringan garis (gradien) atau perubahan rata-rata
di dalam -. untuk setiap perubahan sebesar satu unit
dalam variabel bebas x.
Sedangkan untuk nilai a dan b didapatkan dari :
()
/%
(9)
(*
  +'  /̅ (10)
dimana :
% = koefisien korelasi
,&  standar deviasi dari variabel y (variabel terikat)
,  standar deviasi dari variabel x (variabel bebas)
̅  nilai rata-rata dari variabel x (variabel bebas)
+'  nilai rata-rata dari variabel y (variabel terikat)
5
Seperti yang dijelaskan pada paragraf sebelumnya
bahwa persaman regresi LA merupakan hubungan antara
variabel yang berpengaruh dengan nilai dari LA itu sendiri.
Untuk itu, dalam pembuatan persamaan ini diperlukan juga
nilai-nilai LA dari data perawatan. Nilai LA yang akan
dijadikan persamaan ini diperoleh dari data kerusakan dan
perbaikan serta hasil perhitungan dari nilai umur rata-rata
(LM).
Data yang diperoleh dari perusahaan adalah berupa data
waktu perawatan. Waktu perawatan adalah waktu dimana
komponen rusak atau mengalami kegagalan, sehingga perlu
dilakukan perawatan yang merupakan penjumlahan dari nilai
rata-rata umur dengan sisa umur komponen. Untuk lebih
jelasnya dapat dilihat pada persamaan 9 dan Gambar 6.
Waktu perawatan = LM + LR (11)
Gambar 6 Hubungan antara LR , LM dengan kerusakan yang
terjadi.
Berdasarkan persamaan (11) nilai LR merupakan selisih
dari waktu komponen rusak dengan rata-rata kegagalan (LM).
Jika nilai LR negatif, maka harus dilakukan perawatan atau
perbaikan sebelum waktu rata-rata kegagalan komponen
tersebut (LM). Sebaliknya, jika nilai LR positif maka
komponen tersebut akan mengalami kegagalan lebih lama dari
waktu rata-rata kegagalannya
Nilai LR selanjutnya digunakan untuk menentukan
nilai LA. Penentuan nilai LA tersebut didasarkan pada
persamaan (2) dan (10). Dari persamaan tersebut, dapat
diketahui bahwa :
LA = LM – LR = 2LM – waktu perawatan (12)
Validasi perlu dilakukan untuk mengetahui seberapa
efektif persamaan regresi yang dihasilkan dapat digunakan
dalam memperkirakan nilai veriabel keluaran. Validasi
persamaan regresi dilakukan dengan menggunakan dua
metode. Metode yang pertama adalah berdasarkan nilai R2
dari model tersebut. Sedangkan metode berikutnya adalah
berdasarkan kriteria validasi. Kriteria tersebut adalah residual
harus terdistribusi secara normal dan varian residual harus
konstan.
Nilai R2 merupakan koefisien determinasi. Koefisien
ini yang mengukur seberapa besar kegunaan variabel x dalam
memperkirakan variabel y. R2 berkisar antara nol (model
lemah) sampai satu yang berarti sempuna. Semakin besar nilai
R2, maka semakin baik modelnya (Augustine AS, 2005).
Kriteria residual harus terdistribusi secara normal
ditunjukkan dengan menggunakan plot probabilitas normal
residual serta plot residual terhadap perkiraan nilai y dan
variabel x (Augustine AS, 2005). Gambar 7 merupakan contoh
gambar yang menunjukkan bahwa residual-residual
terdistribusi hampir normal yang berarti model memenuhi
kriteria normalitas. Selanjutnya adalah membuktikan apakah
 6

varian residual bernilai konstan. Plot residual terhadap dengan :

perkiraan nilai y dan nilai x pada Gambar 8 merupakan contoh -.  nilai diprediksi untuk suatu nilai x
yang menunjukkan bahwa residual secara acak terdistribusi.   nilai x yang dipilih
Hal ini berarti model memenuhi kriteria validasi untuk ̅  rata-rata nilai x
variabel konstan residual. Jika memenuhi kedua kriteria   jumlah pengamatan
tersebut, maka model regresi linier dikatakan valid dan dapat ,&,  kesalahan standar estimasi
digunakan.   nilai t dari α/2 dan (n-2) derajat kebebasan

Plot probabilitas normal residual

hari2 sebagai respon D. Validasi LR
99

95
Validasi perhitungan LR disini bertujuan untuk
90 menentukan benar atau tidaknya hasil perhitungan dari waktu
80
70 perawatan. Validasi ini dilakukan dengan cara
Percent

60
50
40
membandingkan hasil penentuan waktu perawatan dengan
30
20
data riwayat kerusakan yang tidak disertakan dalam penentuan
10 umur sisa (LR). Pada validasi LR ini dilakukan beberapa tahap
5
mulai dari perhitungan LM hingga perhitungan LR.
1
-40 -30 -20 -10 0 10 20 30 40 Tahap-tahap yang dilakukan dalam validasi LR merupakan
Residual
tahap-tahap dalam penentuan waktu perawatan yang
didasarkan dari hasil perhitungan LR. Tahap-tahapnya adalah
Gambar 7 Plot Probabilitas Normal Residual terlebih dahulu menghitung LM. Tahap berikutnya adalah
penentuan nilai LA. Nilai dari umur aktual (LA) diperoleh
Kriteria residual harus terdistribusi secara normal dengan cara memasukkan data kondisi dari plant pada
ditunjukkan dengan menggunakan plot probabilitas normal persamaan regresi (7). Setelah nilai LA dan LM diketahui,
residual serta plot residual terhadap perkiraan nilai y dan maka tahap selanjutnya adalah menghitung besarnya nilai LR.
variabel x (Augustine AS, 2005). Gambar 7 merupakan contoh Setelah waktu perawatan ditentukan, maka langkah
gambar yang menunjukkan bahwa residual-residual selanjutnya adalah membandingkan apakah waktu perawatan
terdistribusi hampir normal yang berarti model memenuhi hasil perhitungan sesuai dengan waktu kerusakan berikutnya
kriteria normalitas. Selanjutnya adalah membuktikan apakah dari sebuah komponen.
varian residual bernilai konstan. Plot residual terhadap
perkiraan nilai y dan nilai x pada Gambar 8 merupakan contoh
yang menunjukkan bahwa residual secara acak terdistribusi.
Hal ini berarti model memenuhi kriteria validasi untuk
variabel konstan residual. Jika memenuhi kedua kriteria
tersebut, maka model regresi linier dikatakan valid dan dapat
digunakan.

Plot residual terhadap perkiraan nilai y dan nilai x

0,25 0,30 0,35 0,40 0,45
FITS3 rasio2
30

20

10
RESI3

-10

-20 Gambar 9 Diagram Alir validasi perhitungan LR

20 22 24 26 28

Gambar 8 Residual terhadap perkiraan y dan variabel x IV. HASIL PENELITIAN

Tahap berikutnya setelah model regresi linier Pada bagian IV ini, akan ditampilkan hasil perhitungan
dikatakan valid adalah penentuan interval kepercayaan dari dan analisa dari penelitian yang telah dilakukan. Analisa ini
model yang dibuat. Interval kepercayaan disini berguna untuk dilakukan berurutan sesuai dengan apa yang telah dijelaskan
menunjukkan nilai rentang y untuk suatu nilai x. Untuk pada bagian III, mulai dari perhitungan mean life (LM),
menentukan interval kepercayaan dari nilai y pada suatu nilai penentuan actual life (LA), penentuan remaining useful life
x, digunakan persamaan berikut: (LR), sampai dengan validasi perhitungan LR itu sendiri yang
tentunya akan berbeda untuk masing-masing komponen
#̅ $"
-.  #,&, $1
 penting sistem pengendalian temperatur pada thermal oxidizer.
∑#̅ $"
(12)
! Komponen-komponen tersebut adalah temperatur transmitter,
 7

termokopel, control valve dan burner. Masing-masing dari
komponen ini akan ditentukan waktu perawatannya.
A. Perhitungan Mean Life (LM)
Mean life (LM) didapatkan dari hasil pengolahan data
perawatan, yaitu data history kegagalan dan perbaikan yang
telah dikumpulkan. LM ini merupakan waktu rata-rata antar
kegagalan yang tentunya berbeda untuk masing-masing
komponen. Hal ini dikarenakan masing-masing komponen
memiliki history kegagalan yang berbeda-beda pula. Data
history kegagalan untuk masing-masing komponen ini dapat
dilihat pada Tabel 1 sampai dengan Tabel 3.
Tabel 1 Data TTF dan TTR dari TT dan termokopel
diperoleh data pengukuran yang berbeda-beda. Data kondisi
yang ada akan dibagi dalam beberapa pengukuran.
Pengukuran pertama merupakan data kondisi sejak komponen
tersebut selesai diperbaiki hingga komponen tersebut
mengalami kegagalan berikutnya dan seterusnya.
Sebelum dilakukan penentuan persamaan LA, data yang
berada di luar batas kendali harus dihilangkan terlebih dahulu.
Penghilangan data ini didasarkan pada nilai LCL dan UCL.
Untuk komponen TT dan termokopel, perhitungan dilakukan
berdasarkan 35 hari kondisi awal dari komponen tersebut.
Sedangkan komponen control valve, perhitungan didasarkan
pada 50, 60 dan 70 hari kondisi awal. Untuk komponen
burner, perhitungan dilakukan berdasarkan 70, 84 dan 98 hari
kondisi awal pengukuran

Kejadian Perbaikan TTF(hari) TTR(hari) (1) Penentuan variabel yang berpengaruh

16-Apr-07 30-Apr-07 0 14 Variabel yang berpengaruh untuk masing-masing
24-Des-07 27-Des-07 238 3 komponen tentunya akan berbeda. Hal ini dikarenakan
04-Jun-08 24-Jul-08 160 50 masing-masing komponen memiliki kondisi yang berbeda
28-Agust-08 27-Sep-08 35 30 pula. Sehingga kerusakan yang diindikasikan juga berbeda.
Berdasarkan hasil dari proses penentuan variabel seperti yang
01-Agust-09 12-Agust-09 308 11
telah dijelaskan pada bagian II.B, diperoleh fakta bahwa:
• Untuk komponen TT dan termokopel, variabel yang
Dari hasil pengolahan data history kegagalan dan diperkirakan akan berpengaruh adalah gradien hubungan
perbaikan untuk masing-masing komponen menggunakan dari temperatur keluaran atau temperatur yang
software Easyfit didapatkan distribusi yang paling sesuai mengenainya dengan hari ke-n komponen tersebut bekerja.
untuk data TTF seluruh komponen adalah distribusi
• Untuk komponen control valve, variabel yang berpengaruh
eksponensial. Dimana parameter-parameter (λ) untuk
pada nilai actual life adalah gradien rasio perbandingan
komponen TT dan termokopel, control valve, dan burner
antara sinyal kontrol bukaan valve dengan tekanan fluida
masing-masing adalah 0,00675; 0,00759; dan 0,00739. Dari
yang mengalir pada pipa.
parameter tersebut, maka didapatkan harga mean life untuk
• Untuk komponen burner, variabel yang berpengaruh
masing-masing komponen TT dan termokopel, control valve
adalah gradien penyimpangan temperatur dan hari ke-n
dan burner sebesar 148,2; 131,83 dan 135,33 hari.
komponen tersebut bekerja.
Tabel 2 Data TTF dan TTR dari control valve
Tabel 4 Koefisien korelasi untuk masing-masing komponen
Kejadian Kerusakan TTF(hari) TTR(hari)
Komponen koefisien korelasi (r)
24-Apr-07 13-Mei-07 0 19 TT dan Termokopel -0,219
09-Jul-07 17-Jul-07 57 8 50 hari -0,41
28-Mar-08 29-Mar-08 256 1 Control valve 60 hari -0,739
13-Nop-08 22-Nop-08 230 9 70 hari -0,892
19-Feb-09 23-Feb-09 89 4 70 hari 0,191
01-Agust-09 12-Agust-09 159 11 burner 84 hari -0,145
98 hari -0,557
Tabel 3 Data TTF dan TTR dari burner
Pada masing-masing variabel untuk masing-masing
Kejadian Perbaikan TTF(hari) TTR(hari) komponen di atas, perlu dilakukan uji korelasi untuk
29-Jan-07 30-Jan-07 0 1 menentukan apakah variabel-variabel tersebut berpengaruh
dalam menentukan waktu perawatan. Nilai dari koefisien
01-Okt-07 06-Okt-07 244 5
korelasi tersebut dapat dilihat pada Tabel 4.
21-Feb-08 07-Mar-08 138 15 Dari Tabel 4 dapat diketahui bahwa variabel masing-
29-Mei-08 30-Mei-08 83 1 masing komponen pada masing-masing kondisi hampir
05-Feb-09 18-Feb-09 251 13 seluruhnya bernilai tidak nol. Hal ini menunjukkan bahwa
25-Mei-09 04-Jul-09 96 40 variabel-variabel tersebut memiliki peran dalam menentukan
waktu perawatan pada masing-masing komponen.
B. Penentuan persamaan remaining useful life (LR)
Untuk menentukan persamaan LR, diperlukan persamaan (2) Penentuan persamaan actual life
actual life. Data pengukuran digunakan untuk menentukan Persamaan actual life didapatkan dari hasil pengolahan
persamaan actual life (LA). Untuk masing- masing komponen data gradien dari variabel dan nilai actual life dari komponen
 8

itu sendiri.Tabel 5 sampai dengan Tabel 10 merupakan Tabel 8 Persamaan actual life dan remaining useful life
hubungan antara gradien masing-masing variabel dan nilai
actual life. Komponen LM LR LA = LM – LR
21 hari -85 -194 m 233 + 194m
Tabel 5 Hubungan LM , LA, LR waktu kegagalan komponen TT dan
35 hari 148,2 -53,2 – 966 m 201,4 + 966m
serta gradien komponen TT dan Termokopel Termokopel
49 hari -98,2 – 2010 m 246,4 + 2010m
50 hari -34,7 – 0,624 m 166,5 + 0,624m
Control valve 60 hari 131,83 -34,1 – 0,944 m 165,9 + 0,944m
Actual
Mean life LR Gagal 70 hari -51,5 – 0,607 m 183,3 + 0,607m
life Gradien
(hari) (hari) (hari) 70 hari -42,3 +162 m 177,6 – 162m
(hari)
148,2 89,8 238 58,4 0,0218 burner 84 hari 135,33 -10,2 - 172 m 145,5 + 172m
148,2 11,8 160 136,4 -0,0998 98 hari 10,6 – 919 m 124,7 + 919m
148,2 -113,2 35 261,4 0,0455
148,2 159,8 308 -11,6 0,0737 Tabel 9 Hasil perhitungan gradien, umur sisa, waktu
perawatan dan rentang kepercayaan
Tabel 6 Hubungan LM, LA, LR waktu kegagalan serta gradien
komponen control valve TT dan Termokopel Control valve Burner
nilai
21 35 49 50 60 70 70 84 98
LM LR Gagal LA - -
m(50) m(60) m(70) r
0,075
-0,25
0,283
0,199 0,082 0,12 0,255 0,209 0,099
(hari) (hari) (hari) (hari)
Sy 6.63 10,68 14,72 14,72 17,61 20,5 20,86 25,12 28,6
131,83 -74,83 57 206,66 -12,1 -16,2 -
Sx 51,8 306,4 262,3 0,04 0,044 0,045 104 95,7 90,3
131,83 124,17 256 7,66 -30,8 46 81,1
-
m -0,01 -0,01 73,23 32,02 54,2 0,051 0,055 0,031
131,83 98,17 230 33,66 40,6 37,6 41,5 0,016
LA 231 193 264 212 195 204 169 155 153
131,83 -42,83 89 174,66 -99,1 -121 -163
-. 12 40 25 30 23 25 25 34 53
131,83 27,17 159 104,66 34,3 12,5 41,3

Tabel 7 Hubungan LM , L A, dan LR waktu kegagalan serta Tabel 10 Hasil Validasi LR

gradien komponen burner
waktu
LM LR Gagal LA rentang perkiraan
m(70) m(84) m(98) perawata
(hari) (hari) (hari) (hari) waktu perawatan
Validasi n
135,3 108,67 244 26,66 -0,025 0,065 0,072 hasil perhitungan
sebenarn
(hari)
135,3 2,67 138 132,66 0,021 0,013 -0,002 ya
TT dan 21 hari 219-243
135,3 -52,33 83 187,66 0,11 0,084 -
termokop 35 hari 153-233 173
135,3 115,67 251 19,66 0,192 0,17 0,11 el 49 hari 239-289
135,3 -39,33 96 174,66 0,173 0,157 0,0703 50 hari 182-242
Control
60 hari 172-218 173
valve
Dari hasil pengolahan data pada Tabel 5 sampai dengan Tabel 70 hari 180-229
7, dapat ditentukan persamaan actual life dan remaining useful 70 hari 144-194
life seperti yang tampak pada Tabel 8. Persamaan pada tabel 8 Burner 84 hari 121-189 143
inilah yang nantinya akan digunakan untuk validasi 98 hari 100-206
perhitungan LR.
Dari hasil perhitungan yang telah ditunjukkan pada Tabel
C. Validasi LR 10, dapat diketahui bahwa rentang perkiraan waktu perawatan
Untuk melakukan validasi perhitungan LR, diperlukan komponen Temperatur Transmitter dan termokopel adalah 153
perhitungan gradien terlebih dahulu. Gradien ini kemudian sampai dengan 233 hari setelah perawatan dilakukan. Dan dari
disubstitusikan ke dalam persamaan LR yang ditunjukkan pada data kegagalan yang ada, diapatkan bahwa komponen
Tabel 8 untuk memperoleh nilai LR. Nilai LR yang telah mengalami
ditentukan digunakan untuk menentukan kapan waktu kegagalan bekerja setelah 173 hari. Hal ini menunjukkan
perawatan komponen dengan menggunakan persamaan (11). bahwa waktu perawatan yang sebenarnya berada pada kurun
Perkiraan waktu perawatan yang telah ditentukan memiliki waktu yang telah diperkirakan.
rentang kepercayaan. Keseluruhan hasil perhitungan dari Berikutnya adalah komponen control valve. Waktu
gradien, waktu perawatan serta rentang kepercayaan yang perawatan yang sebenarnya sesuai dengan yang telah terjadi,
telah ditentukan tersebut dapat dilihat pada Tabel 9. menunjukkan bahwa komponen mengalami kegagalan setelah
bekerja selama 173 hari. Dari hasil perhitungan setelah 60
 9

hari, didapatkan bahwa waktu perawatan yang sebenarnya Jardine, A.K.S, Lin, D., Banjevic, D., 2005. A Review on
berada pada rentang waktu yang telah diperkirakan. Machinery Diagnostics and Prognostics
Komponen terakhir dalam penelitian ini adalah burner. Implementing Condition-Based Maintenance.
Dari hasil perhitungan setelah 70, 84 dan 98 hari, didapatkan Mechanical System and Signal Prosessing 20 (2006),
hasil yang sesuai dengan waktu perawatan yang sebenarnya. 1483-1510.
Namun, rentang waktu yang paling sedikit dari hasil
perhitungan adalah pada 84 kondisi awal. Rentang waktu K.B Goode , J. Moore, B.J. Roylance. Plant Machinery
tersebut adalah pada 121 sampai dengan 189 hari setelah Working Life Prediction Method Utilizing
perawatan sebelumnya. Reliability and Condition-Monitoring Data.
Proceeding of the Institution of Mechanical
V. KESIMPULAN Engineers Part E – Journal of Process Mechanical
Dari hasil pengolahan data perawatan dan data Engineering 214 (2000) 109-122
pengukuran yangg telah dilakukan, maka dapat diperoleh
kesimpulan bahwa: Mazhar, M.I., Kara, S., Kaebernick, H., 2007. Remaining
Life Estimation of Used Component in Consumer
1. Data yang digunakan dalam penentuan persamaan regresi Products: Life Cycle Data Analysis by Weibull
yang digunakan untuk menentukan waktu perawatan and Artificial Neural Network. Journal of
berupa gradien dari variabel yang berpengaruh. Operations Management 25 (2007), 1184-1193.
2. Persamaan remaining useful life (LR) yang digunakan
adalah: R. Xu, C. Kwan. Robust Isolation of Sensor Failures. Asian
• Temperatur transmitter dan termokopel Journal of Control 5 (2003), 12-23.
LR = 33,2 + 336 m
• Control valve Stagliano, Augustine A. 2005. Rath and Strong’s Six Sigma
LR = 34,13 + 0,94 m Advance Tools Pocket Guide. Yogyakarta: ANDI.
• Burner
LR = 9,33 + 178 m
3. Hasil perhitungan yang paling mendekati adalah hasil
perhitungan dari data perawatan paling banyak dan data
pengukuran paling banyak.
4. Rentang perkiraan waktu perawatan untuk komponen
temperatur transmitter & termokopel adalah 178  16
hari. Sedangkan komponen control valve adalah 196 
23 hari dan burner adalah 154  34 hari.
5. Perhitungan waktu perawatan menggunakan metode
Condition Based Maintenance lebih mendekati waktu
perawatan sebenarnya jika dibandingkan preventive
maintenance yang berdasarkan angka reliability 80%.
Error yang dihasilkan dari metode CBM untuk
komponen temperatur transmitter dan termokopel,
control valve dan burner masing-masing adalah 5, 23 dan
11 hari. Sedangkan error untuk PM masing-masing
komponen adalah 140, 144 dan 113 hari.

VI. DAFTAR PUSTAKA

Andrews J.D. dan TR Moss. 2002. Reliability and Risk
Assassment Second Edition. New York.

Cahyono, Dwi Tri. 2009. Penerapan Reliability Centered

Maintenance Pada Sistem Gas Buang Boiler di PT.
Ipmomi Paiton – Probolinggo. Surabaya: Teknik
Fisika ITS

Ebeling, Charles E. 1997. An Introduction To Reliability

And Maintainability Engineering. Singapore: The
Mc Graw-Hill Companies.

Gunterus, Frans. 1997. Falsafah Dasar Sistem Pengendalian

Proses. Jakarta : Elex Media Komputindo.