1

BAB IV

HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data

Dalam penelitian ini data kerusakan mesin CBC ( Cake Breaker

Conveyor) selama 3 tahun yaitu dari bulan Januari 2017 sampai Desember 2019.

Berikut adalah data kerusakan pada mesin CBC ( Cake Breaker Conveyor) di PT.

Sumber Budi Agung.

Tabel 4.1 Data kerusakan mesin CBC PT. Sumber Budi Agung

RIWAYAT KERUSAKAN MESIN CAKE BREAKER CONVEYOR

DI PT SUMBER BUDI AGUNG 2017-2019

Downtime
No Tanggal Komponen Penyebab Kerusakan
( jam)

03- Feb
2017
1 1.1 Kopling
Terjadi keausan pada metal blok

10-Mar
2017
2 48.0 Screw Keausan pisau cacahan

25-Mar
Terjadi kerusakan/keausan pipa
3 2017 3.3 Pipa
bergesekan pada metal blok

03-Apr
4 2017 0.6 Pen keausan pada lubang As
 20-Apr
kerusakan terjadi karna ada besi
5 2017 2.3 Kopling
jatuh dari pegolah press

11-Juni
6 2017 24.0 Kopling Terjadi keausan pada metal blok

8-Ags
keausan As beradu dengan metal
7 2017 2.2 As
blok

29-Sep
8 2017 2.3 Kopling metal blok mengalami keausan

10-Jan
terjadi kerusakan keuasaan metal
9 2018 2.3 Kopling
blok kopling

13-Feb
10 2018 0.4 Screw keausan pada pisau cacahan

25-Mar
2018 ada keausan pada metal blok
11 24.0 Pipa
putaran screw tidak stabil

15-Apr
12 2018 24.0 Kopling servis kopling

2-Mei
keausan as beradu dengan metal
13 2018 3.0 As
blok

14-Juni
14 2018 1.2 Pen keausan pada lobang as/longgar
 28-Juni
metal blok pada kopling
15 2018 2.2 Kopling
mengalami keausan

8-Juli
16 2018 24.0 Screw keausan pada pisau cacahan

23-Juli
terejadinya keausan pada metal
17 2018 2.2 Kopling
blok

10-Ags
Terjadinya kerusakan pada metal
18 2018 2.5 As
akibat gesekan As screw

30-Ags
kopling flexibel pecah keausan
19 2018 3.6 Kopling
pada metal

8-Sep
terjadi keausan pada lubang pen
20 2018 0.9 Pen
longgar

15-Okt
2018
21 0.8 Screw ada keausan pada pisau cacahan

5-Nov
kopling CBC pecah keausan
22 2018 2.8 Kopling
pada metal

22-Nov
keausan as beradu dengan metal
23 2018 2.1 As
blok 1,2,3

3-Des
kopling flexibel pecah keausan
24 2018 3.1 Kopling
pada metal 1,2,3
 22-Jan
25 2019 27.2 As terjadi gesekan pada metal blok

25- Feb
keausan pada metal blok
26 2019 3.6 Kopling
menyebabkan kopling pecah

29-Mar
Terjadi gesekan pada metal blok
27 2019 3.5 Pipa
mengakibatkan pipa patah

31-Maret terjadi keausan metal blok

28 2019 24.1 Kopling 1,2,9,9 menyebabkan flexibel

kopling pecah

27- April
2019 ada keausan pada metalblok
29 3.6 Kopling
2,5,7

28-Mei
lubang pen longgar
30 2019 1.8 Pen
mengakibatka pen patah

05-Juni
Terjadi keausan pada metal blok
31 2019 3.0 Kopilng
As

04-Juni
32 2019 33.0 Screw penggantian screw

Sumber : Riwayat Kerusakan PKS Sumber Budi Agung

Dari tabel diatas maka dapat dilihat riwayat data kerusakan mesin Cake

Breaker Conveyor jumlah total kerusakan mulai dari tahun 2017-2019 sebanyak

32 kali kerusakan.

4.2 Penentuan Komponen Kritis Conveyor

 Penentuan komponen kritis pada mesin CBC ( Cake Breaker Conveyor)

berdasarkan jumlah frekuensi kerusakan komponen tertinggi. Berikut data

rekapitulasi frekuensi kerusakan pada mesin CBC ( Cake Breaker Conveyor.

Tabel 4.2 Nilai Downtime komponen mesin CBC ( Cake Breaker Conveyor)

Komponen Frekuensi Downtime(jam)

Kopling 15 104

Screw 6 84

As 4 34.5

Pen 4 4.50

Pipa 3 30.8

TOTAL 32 257.8

Sumber : Data kerusakan komponen mesin CBC ( Cake Breaker Conveyor)

Dari tabel diatas dari jumlah downtime maka di dapatkan komponen dengan

frekuensi kerusakan tertinggi yaitu komponen kopling sebanyak 15 kali dengan

total waktu downtime 104 jam.

 Komponen Kritis CBC
120 16

14
Downtime (jam)

100

12

Frekuensi
80
10

60 8

6
40

4
20
2

0 0
KoplingPedal/screwAsPenPipa

Frekuensi Downtime (menit)

Gambar 4.1 Diagram Pareto menentukan komponen kritis CBC ( Cake

Breaker Conveyor)

Dimana
Frekuensi : jumlah kerusakan komponen selama 3 tahun
Downtime (jam) : jumlah keseluruhan downtime komponen selama 3 tahun

Dari diagram dari jumlah downtime maka di dapatkan komponen dengan

frekuensi kerusakan tertinggi yaitu komponen kopling sebanyak 15 kali dengan

total waktu downtime 104 jam.

4.3 Waktu Kerusakan (TTF) dan Perbaikan (TTR)

Tabel 4.3 Data time to repair (TTR) kopling pada mesin CBC

Stop Start Finish Mulai TTR

Komponen
repair (Jam)
operasi repair Operasi
2/3/2017 2/3/2017 2/3/2017 2/3/2017 0.8
20:00 20:15 21:00 21:05
Kopling 20/4/2017 20/4/2017 20/4/2017 20/4/2017 1.9
13:00 13:07 15:00 15:15
 11/6/2017 11/6/2017 11/6/2017 12/6/2017 7.8
8:00 8:10 16:00 8:00
29/9/2017 29/9/2017 29/9/2017 29/9/2017 2.0
8:00 8:10 10:10 10:15
10/1/2018 10/1/2018 10/1/2018 10/1/2018 1.8
20:00 20:10 22:00 22:15
15/4/2018 15/4/2018 15/4/2018 16/4/2018 7.8
8:00 8:10 16:00 8:00
28/6/2018 28/6/2018 28/6/2018 28/6/2018 3.3
8:11 8:20 10:10 10:20
23/7/2018 23/7/2018 27/7/2018 23/7/2018 1.8
8:11 8:20 10:10 10:20
30/8/2018 30/8/2018 30/8/2018 30/8/2018 2.3
1:12 1:20 3:41 4:50
5/11/2018 5/11/2018 5/11/2018 5/11/2018 2.7
3:15 3:20 6:00 6:05
3/12/2018 3/12/2018 3/12/2018 3/12/2018 2.9
23:11 23:15 2:10 2:20
25/2/2019 25/2/2019 25/2/2019 25/2/2019 2.8
8:00 8:30 11:20 11:37
31/3/2019 31/3/2019 31/3/2019 1/4/2019 7.8
8:00 8:12 16:00 8:08
27/4/2019 27/4/2019 27/4/2019 27/4/2019 3.3
9:15 9:20 12:40 12:50
5/6/2019 5/6/2019 5/6/2019 5/6/2019 2.7
9:22 9:30 12:12 12:20

Tabel 4.4 Data time to failure (TTF) kopling pada mesin CBC
( Cake Breaker Conveyor)
Tanggal Downtime TTR TTF
No
(jam) (jam) (jam)
2/3/2017
1 1.0 0.8
20:00 1.0
4/20/2017
2 2.3 1.9
13:00 2.25
6/11/2017
3 24.0 7.8
8:00 7.0
9/29/2017
4 2.3 2.0
8:00 2.16
1/10/2018
5 2.3 1.8
20:00 2.0
4/15/2018
6 24.0 7.8
8:00 7,0
6/28/2018
7 2.2 3.3
8:11 2.01
7/23/2018
8 2.2 1.8
8:11 2.01
 8/30/2018
9 3.6 2.3
1:12 2.48
11/5/2018
10 2.8 2.7
3:15 3.25
12/3/2018
11 3.1 2.9
23:11 3.01
2/25/2019
12 3.6 2.8
8:00 3.3
3/31/2019
13 2.1 7.8
8:00 7.0
4/27/2019
14 3.6 3.3
9:15 3.41
6/5/2019
15 3.0 2.7
9:22 3.16
TOTAL 104.1 51.7 51.0

Data time to failure (TTF), diambil dari stop operasi sampai dengan finish repair,

dimana data time to repair (TTR) diambil dari start repair sampai dengan finish

repair, dan dimana data downtime diambil dari waktu stop opersai sampai alat

atau mesin beroperasi kembali.

4.4 Perhitungan Mean Time to Repair (MTTR)

Untuk menghitung nilai Mean Time to Repair (MTTR) terlebih dahulu

menghitung nilai index of fit (r). Terdapat 4 distribusi yang dipakai dalam

menentukan index of fit (r), yaitu distribusi normal, lognormal, eksponensial, dan

weibull. Berikut adalah perhitungan index of fit (r) dari beberapa distribusi.

4.4.1 Distribusi Normal

Berikut merupakan perhitungani = 1 dari distribusi normal :

xi = ti = 0.8

𝑖−0,3 = 0,04545
F (t i ) =
1−0,3 =
𝑛+0,4 15+0,4
Zi = Φ-1 [F (t1) = Φ-1 (0,04545) = -1.69062

Tabel 4.5 Perhitungan index of fit TTR berdasarkan distribusi normal

I ti F(ti) xi zi xi .zi xi 2 zi 2
1 0.8
0.04545 0.8 -1.69062 -1.35250 0.64 2.85820
2 1.9
0.11039 1.9 -1.22446 -2.32647 3.61 1.49930
3 7.8
0.17532 7.8 -0.93333 -7.27998 60.84 0.87111
4 2.0
0.24026 2.0 -0.70547 -1.41093 4 0.49768
5 1.8
0.30519 1.8 -0.50952 -0.91713 3.24 0.25961
6 7.8
0.37013 7.8 -0.33151 -2.58577 60.84 0.10990
7 3.3
0.43506 3.3 -0.16349 -0.53953 10.89 0.02673
8 1.8
0.50000 1.8 0.00000 0.00000 3.24 0.00000
9 2.3
0.56494 2.3 0.16349 0.37604 5.29 0.02673
10 2.7
0.62987 2.7 0.33151 0.89508 7.29 0.10990
11 2.9
0.69481 2.9 0.50952 1.47760 8.41 0.25961
12 2.8
0.75974 2.8 0.70547 1.97531 7.84 0.49768
13 7.8
0.82468 7.8 0.93333 7.27998 60.84 0.87111
14 3.3
0.88961 3.3 1.22446 4.04071 10.89 1.49930
15 2.7
0.95455 2.7 1.69062 4.56468 7.29 2.85820
TOTAL 51.7 7.50000 51.7 0.00000 4.19707 255.15 12.24505

Tabel diatas adalah tabel perhitungan Perhitungan index of fit TTR

berdasarkan distribusi normal, maka dari jumlah total didapatkanlah nilai 𝑟

(koefisien korelasi/ index of fit) yaitu :

r= ( 𝑛
𝑛 𝑖=1 𝑥𝑖 .𝑧𝑖− (∑𝑛𝑖=1 𝑥𝑖) (∑𝑛𝑖=1 𝑧𝑖)
√[[𝑛(∑𝑖=1 𝑥𝑖 )−(∑𝑛𝑖=1 𝑥𝑖) 2] [𝑛(∑𝑛 𝑖=1 𝑧𝑖 2 )−(∑𝑛𝑖=1 𝑧𝑖) 2 ]]
2
𝑛

15 (4.19707)−(51.7)(0)
= √[15(255.15)−(51.7)2)] [15(12.24505)−(02)] = 0,18876

4.4.2 Distribusi Lognormal

Berikut merupakan perhitungan i = 1 distribusi lognormal :
xi = In (ti) = In (2) = -0.22314

𝑖−0,3
F (t i ) =
1−0,3 = = 0,04545
𝑛+0,4 15+0,4
zi = Φ-1 [F (t1) = Φ-1 (0,04545) = -1.69062

Tabel 4.6 Perhitungan index of fit TTR berdasarkan distribusi lognormal

i ti F(ti) xi zi xi .zi xi 2 zi 2
1 0.8 0.04545 -0.22314 - 0.37725 0.04979 2.85820
1.69062
2 1.9 0.11039 0.64185 - - 0.41198 1.49930
1.22446 0.78592
3 7.8 0.17532 2.05412 - - 4.21942 0.87111
0.93333 1.91718
4 2.0 0.24026 0.69315 - - 0.48045 0.49768
0.70547 0.48899
5 1.8 0.30519 0.58779 - - 0.34549 0.25961
0.50952 0.29949
6 7.8 0.37013 2.05412 - - 4.21942 0.10990
0.33151 0.68096
7 3.3 0.43506 1.19392 - - 1.42545 0.02673
0.16349 0.19520
8 1.8 0.50000 0.58779 0.00000 0.00000 0.34549 0.00000
9 2.3 0.56494 0.83291 0.16349 0.13618 0.69374 0.02673
10 2.7 0.62987 0.99325 0.33151 0.32927 0.98655 0.10990
11 2.9 0.69481 1.06471 0.50952 0.54249 1.13361 0.25961
12 2.8 0.75974 1.02962 0.70547 0.72636 1.06012 0.49768
13 7.8 0.82468 2.05412 0.93333 1.91718 4.21942 0.87111
14 3.3 0.88961 1.19392 1.22446 1.46191 1.42545 1.49930
15 2.7 0.95455 0.99325 1.69062 1.67921 0.98655 2.85820
TOTA 51. 7.5000 15.7513 0.0000 2.8021 22.0029 12.2450
L 7 0 9 0 1 4 5

Tabel diatas adalah tabel perhitungan Perhitungan index of fit TTR

berdasarkan distribusi lognormal, maka dari jumlah total didapatkanlah nilai 𝑟

(koefisien korelasi/ index of fit) yaitu :

r= ( 𝑛
𝑛 𝑖=1 𝑥𝑖 .𝑧𝑖− (∑𝑛𝑖=1 𝑥𝑖) (∑𝑛𝑖=1 𝑧𝑖)
√[[𝑛(∑𝑖=1 𝑥𝑖2 )−(∑𝑛𝑖=1 𝑥𝑖) 2] [𝑛(∑𝑛 𝑖=1 𝑧𝑖 2 )−(∑𝑛𝑖=1 𝑧𝑖) 2 ]]
𝑛

15 (2.80211)−(15.75139)(0)
= √[15(22.00294)−(15.75139)2)] [15(12,24505)−(0)2] = 0,1235

4.4.3 Distribusi Eksponensial

 Berikut merupakan perhitungan i = 1 distribusi eksponensial :
xi = (ti) = 0.8

𝑖−0,3
F (t i ) =
1−0,3 = = 0,04545
𝑛+0,4 15+0,4

1
Yi = In( )=(
1 ) =0.04652
1−𝐹(𝑡𝑖) 1−0,04545

Tabel 4.7 Perhitungan index of fit TTR berdasarkan distribusi eksponensial

2 2
i ti F(ti) xi yi xi .yi xi yi
1
0.8 0.04545 0.8 0.04652 0.03722 0.64 0.00216411
2
1.9 0.11039 1.9 0.11697 0.22225 3.61 0.01368237
3
7.8 0.17532 7.8 0.19277 1.50357 60.84 0.03715854
4
2.0 0.24026 2.0 0.27478 0.54956 4 0.07550332
5
1.8 0.30519 1.8 0.36412 0.65542 3.24 0.13258612
6
7.8 0.37013 7.8 0.46224 3.60548 60.84 0.21366732
7
3.3 0.43506 3.3 0.57104 1.88445 10.89 0.3260918
8
1.8 0.50000 1.8 0.69315 1.24766 3.24 0.48045301
9
2.3 0.56494 2.3 0.83226 1.91420 5.29 0.69265668
10
2.7 0.62987 2.7 0.99390 2.68353 7.29 0.98783986
11
2.9 0.69481 2.9 1.18681 3.44173 8.41 1.40850611
12
2.8 0.75974 2.8 1.42603 3.99290 7.84 2.03357494
13
7.8 0.82468 7.8 1.74112 13.58070 60.84 3.03148401
14
3.3 0.88961 3.3 2.20374 7.27234 10.89 4.85646672
15
2.7 0.95455 2.7 3.09104 8.34581 7.29 9.55454345
TOTAL 51.7 7.50000 51.7 14.19649 50.93683 255.15 23.846378

Tabel diatas adalah tabel perhitungan Perhitungan index of fit TTR

berdasarkan distribus eksponensial, maka dari jumlah total didapatkanlah nilai 𝑟

(koefisien korelasi/ index of fit) yaitu :

r= ( 𝑛
𝑛 𝑖=1 𝑥 𝑖.𝑦𝑖 − (∑𝑛𝑖=1 𝑥𝑖) 𝑖=1 𝑦𝑖)
(∑𝑛
√[[𝑛(∑𝑖=1 𝑥𝑖2 )−(∑𝑛𝑖=1 𝑥𝑖) 2] [𝑛(∑𝑛 𝑖=1 𝑦 𝑖 2 )−(∑𝑛 𝑖=1 𝑦𝑖) 2 ]]
𝑛
 15 (50.93683)−(51.7)(14,19649)
= 2 = 0,04678
√[15(255.15)−(51.72)] [15(14,19649 )−(14,196492
)]

4.4.4 Distribusi Weibull

Berikut merupakan perhitungan i = 1 distribusi Weibull:
xi = In (ti) = In (2) = 0,81093

𝑖−0,3
F (t i ) =
1−0,3 = = 0,04545
𝑛+0,4 15+0,4

1
yi = In (In ( 1
1−𝐹(𝑡𝑖))) = (In (1−0,04545 )) =-3,06787

Tabel 4.8 Perhitungan index of fit TTR berdasarkan distribusi Weibull

2 2
i ti F(ti) xi yi xi .yi xi yi

1 0.8 0.0454 -0.22314 - 0.68458 0.04979

5 3.06787 9.41184
2 1.9 0.1103 0.64185 - - 0.41198
9 2.14582 1.37731 4.60456
3 7.8 0.1753 2.05412 - - 4.21942
2 1.64628 3.38166 2.71024
4 2.0 0.2402 0.69315 - - 0.48045
6 1.29179 0.89540 1.66872
5 1.8 0.3051 0.58779 - - 0.34549
9 1.01026 0.59382 1.02063
6 7.8 0.3701 2.05412 - - 4.21942
3 0.77167 1.58510 0.59547
7 3.3 0.4350 1.19392 - - 1.42545
6 0.56029 0.66894 0.31392
8 1.8 0.5000 0.58779 - - 0.34549
0 0.36651 0.21543 0.13433
9 2.3 0.5649 0.83291 - - 0.69374
4 0.18361 0.15293 0.03371
10 2.7 0.6298 0.99325 - - 0.98655
7 0.00612 0.00608 0.00004
11 2.9 0.6948 1.06471 0.17126 0.18235 1.13361
1 0.02933
12 2.8 0.7597 1.02962 0.35490 0.36541 1.06012
4 0.12595
13 7.8 0.8246 2.05412 0.55453 1.13907 4.21942
8 0.30750
14 3.3 0.8896 1.19392 0.79016 0.94338 1.42545
1 0.62435
 15 2.7 0.9545 0.99325 1.12851 1.12089 0.98655
5 1.27353
TOTA 51. 7.5000 15.7513 - - 22.0029 22.8541
L 7 0 9 8.05087 4.44099 4 2

Tabel diatas adalah tabel perhitungan Perhitungan index of fit TTR

berdasarkan distribus Weilbull, maka dari jumlah total didapatkanlah nilai 𝑟

(koefisien korelasi/ index of fit) yaitu :

r= ( 𝑛
𝑛 𝑖=1 𝑥 𝑖.𝑦𝑖 − (∑𝑛𝑖=1 𝑥𝑖) 𝑖=1 𝑦𝑖)
(∑𝑛
√[[𝑛(∑𝑖=1 𝑥𝑖2 )−(∑𝑛𝑖=1 𝑥𝑖) 2] [𝑛(∑𝑛 𝑖=1 𝑦 𝑖 2 )−(∑𝑛 𝑖=1 𝑦𝑖) 2 ]]
𝑛

15 (−4.44099)−(15.75139)(−8,05087)
= √[15(22.00294)−(15.75139)2)] [15(22,85412)−(−8,05087)] = 0.18959

Sehingga perhitungan index of fit (r) yang didapat dari beberapa perhitungan

distribusi adalah sebagai berikut :

Tabel4.9 Data nilai index of fit TTR

Distribusi Index Of Fit (r)

Normal 0,18876

Lognormal 0,12356

Eksponensial 0,04678

Weibull 0,18959

Setelah dilakukan perhitungan terhadap nilai index of fit (r) keempat

distribusi tersebut maka dipilihlah distribusi weibull karena memiliki nilai terbesar

yaitu (0.18959). Sehingga rumus parameter yang digunakan untuk melakukan

perhitungan MTTR dari distribusi weilbull adalah :

 1
MTTR = aΓ (1 + )
𝛽

4.4.5 Perhitungan Parameter Distribusi Terpilih

Setelah distribusi perbaikan kopling pada mesin CBC ( Cake Breaker

Conveyor) diketahui, maka langkah selanjutnya adalah menghitung parameter

distribusi weibull yaitu a dan b. Perhitungannya menggunakan transportasi ganda

pendekatan cara regresi. Berikut perhitungan parameter distribusi untuk kopling

mesin CBC ( Cake Breaker Conveyor).

𝑛 ∑𝑛 𝑥 𝑖 𝑦 𝑖 − ∑𝑛 𝑥 𝑖 ∑ 𝑛 𝑦𝑖
𝑖=1 𝑖=1 𝑖=1
b= 𝑛 2 𝑛 2
𝑛 𝑖=1 𝑥𝑖 − (∑ 𝑥 𝑖)
𝑖=1

[15×(−4.44099)]− [15.75139×(−8.05087)]
= [15×(22.00294)−(15.75139)
2
] =0,73466

𝑛
𝑛
∑𝑖=1 𝑦 𝑏 𝑖=1 𝑥 −8.05087
a= 𝑛 -
𝑖 𝑖 = -5,95326
𝑛 = 15 -5.15815×15.75139
15

Setelah nilai a dan b diketahui, dilakukan perhitungan untuk mendapatkan nilai a

(parameter skala) dengan satuam jam dan β (parameter bentuk).

Perhitungannya sebagai berikut :

𝑎 −5,95326
(−𝑏 ) (− )
𝛼=𝑒 = 𝑒 0,73466 = 3,30539𝑗𝑎𝑚
β = b = 0,73466

4.4.6 Nilai Mean Time to Repair (MTTR)

Perhitungan waktu rata-rata antar perbaikan dilakukan terhadap kopling

pada mesin CBC ( Cake Breaker Conveyor) menggunakan distribusi weibull.
Berikut ini merupakan perhitungan nilai Mean Time to Repair (MTTR) untuk
kopling CBC.
1
MTTR = aГ(1 + ) = 3,30539×Г(1 + ) = 3,30539×Г (2,36117)
1

𝛽 0,73466

= 3,30539×1,21154 = 4,00 Jam

4.5 Perhitungan Mean Time to Failure (MTTF)

Untuk menghitung nilai Mean Time to Failure (MTTF) terlebih dahulu

menghitung nilai index of fit (r). Terdapat 4 distribusi yang dipakai dalam
menentukan index of fit (r), yaitu distribusi normal, lognormal,eksponensial, dan
weibull. Berikut adalah perhitungan index of fit (r) dari beberapa distribusi.

4.5.1 Distribusi Normal

Berikut merupakan perhitungan i = 1 dari distribusi normal :

xi = ti= 1

𝑖−0,3 = 0,04545
F (t i ) =
1−0,3 =
𝑛+0,4 14+0,4

zi = Φ-1 [F (t1) = Φ-1 (0.04861) =-1,69062

Tabel 4.10 Perhitungan index of fit TTF berdasarkan distribusi normal

i ti F(ti) xi zi xi .zi xi 2 zi 2
1 1 0.04545 1 -1.69062 -1.69062 1 2.85820
2 2 0.11039 2 -1.22446 -2.44892 4 1.49930
3 2.01 0.17532 2.01 -0.93333 -1.87599 4.0401 0.87111
4 2.01 0.24026 2.01 -0.70547 -1.41799 4.0401 0.49768
5 2.16 0.30519 2.16 -0.50952 -1.10056 4.6656 0.25961
6 2.25 0.37013 2.25 -0.33151 -0.74590 5.0625 0.10990
7 2.48 0.43506 2.48 -0.16349 -0.40546 6.1504 0.02673
8 3.01 0.50000 3.01 0.00000 0.00000 9.0601 0.00000
9 3.16 0.56494 3.16 0.16349 0.51664 9.9856 0.02673
10 3.25 0.62987 3.25 0.33151 1.07741 10.5625 0.10990
11 3.3 0.69481 3.3 0.50952 1.68141 10.89 0.25961
12 3.41 0.75974 3.41 0.70547 2.40564 11.6281 0.49768
13 7 0.82468 7 0.93333 6.53331 49 0.87111
 14 7 0.88961 7 1.22446 8.57121 49 1.49930
15 7 0.95455 7 1.69062 11.83435 49 2.85820
TOTAL 51.0 7.50000 51 0.00000 22.93453 228.085 12.24505

Tabel diatas adalah tabel perhitungan Perhitungan index of fit TTF

berdasarkan distribusi normal, maka dari jumlah total didapatkanlah nilai 𝑟
(koefisien korelasi/ index of fit) yaitu :

r= ( 𝑛
𝑛 𝑖=1 𝑥𝑖 .𝑧𝑖− (∑𝑛𝑖=1 𝑥𝑖) (∑𝑛𝑖=1 𝑧𝑖)
√[[𝑛(∑𝑖=1 𝑥𝑖2 )−(∑𝑛𝑖=1 𝑥𝑖) 2] [𝑛(∑𝑛 𝑖=1 𝑧𝑖 2 )−(∑𝑛𝑖=1 𝑧𝑖) 2 ]]
𝑛

15 (22.93453)−(51)(0)
= = 0.88629
√[15(228.085)−(51)2)] [15(12.24505)−(02)]

4.5.2 Distribusi Lognormal

Berikut merupakan perhitungan i = 1 distribusi lognormal :
xi = In (ti) = In (1) = 0

𝑖−0,3
F (t i ) =
1−0,3 = = 0,04545
𝑛+0,4 15+0,4

zi = Φ-1 [F (t1) = Φ-1 (0,04545) = -1.69062

Tabel 4.11 Perhitungan index of fit TTF berdasarkan distribusi lognormal

i ti F(ti) xi zi xi .zi xi 2 zi 2
1 1 0.04545 0.00000 -1.69062 0.00000 0.00000 2.85820
2 2 0.11039 0.69315 -1.22446 -0.84873 0.48045 1.49930
3 2.01 0.17532 0.69813 -0.93333 -0.65159 0.48739 0.87111
4 2.01 0.24026 0.69813 -0.70547 -0.49251 0.48739 0.49768
5 2.16 0.30519 0.77011 -0.50952 -0.39238 0.59307 0.25961
6 2.25 0.37013 0.81093 -0.33151 -0.26883 0.65761 0.10990
7 2.48 0.43506 0.90826 -0.16349 -0.14849 0.82493 0.02673
8 3.01 0.50000 1.10194 0.00000 0.00000 1.21427 0.00000
9 3.16 0.56494 1.15057 0.16349 0.18811 1.32382 0.02673
10 3.25 0.62987 1.17865 0.33151 0.39074 1.38923 0.10990
11 3.3 0.69481 1.19392 0.50952 0.60832 1.42545 0.25961
12 3.41 0.75974 1.22671 0.70547 0.86541 1.50482 0.49768
 13 0.82468 1.94591
7 0.93333 1.81618 3.78657 0.87111
14 0.88961 1.94591
7 1.22446 2.38269 3.78657 1.49930
15 0.95455 1.94591
7 1.69062 3.28980 3.78657 2.85820
TOTAL 51.0 7.50000 16.26825 0.00000 6.73870 21.74813 12.24505

Tabel diatas adalah tabel perhitungan Perhitungan index of fit TTF

berdasarkan distribusi lognormal, maka dari jumlah total didapatkanlah nilai 𝑟
(koefisien korelasi/ index of fit) yaitu :

r= ( 𝑛
𝑛 𝑖=1 𝑥𝑖 .𝑧𝑖− (∑𝑛𝑖=1 𝑥𝑖) (∑𝑛𝑖=1 𝑧𝑖)
√[[𝑛(∑𝑖=1 𝑥𝑖2 )−(∑𝑛𝑖=1 𝑥𝑖) 2] [𝑛(∑𝑛 𝑖=1 𝑧𝑖 2 )−(∑𝑛𝑖=1 𝑧𝑖) 2 ]]
𝑛

15 (6.73870)−(16.26825)(0)
= √[15(21.74813)−(16.26825)2)] [15(12,24505)−(0)2] = 0.94266

4.5.3 Distribusi Eksponensial

Berikut merupakan perhitungan i = 1 distribusi eksponensial :
xi = (ti) = 1

𝑖−0,3
F (t i ) =
1−0,3 = = 0,04545
𝑛+0,4 15+0,4

1
Yi = In( )=(
1 ) =0.04652
1−𝐹(𝑡𝑖) 1−0,04545

Tabel 4.12 Perhitungan index of fit TTF berdasarkan distribusi eksponensial

2 2
i ti F(ti) xi yi xi .yi xi yi

1 1 0.04545 1 0.04652 0.04652 1 0.00216

2 2 0.11039 2 0.11697 0.23394 4 0.01368
3 2.01 0.17532 2.01 0.19277 0.38746 4.0401 0.03716
4 2.01 0.24026 2.01 0.27478 0.55231 4.0401 0.07550
5 2.16 0.30519 2.16 0.36412 0.78651 4.6656 0.13259
6 2.25 0.37013 2.25 0.46224 1.04004 5.0625 0.21367
7 2.48 0.43506 2.48 0.57104 1.41619 6.1504 0.32609
8 3.01 0.50000 3.01 0.69315 2.08637 9.0601 0.48045
9 3.16 0.56494 3.16 0.83226 2.62994 9.9856 0.69266
10 3.25 0.62987 3.25 0.99390 3.23018 10.5625 0.98784
 11 0.69481 3.3 1.18681 3.91646
3.3 10.89 1.40851
12 0.75974 3.41 1.42603 4.86278 11.6281 2.03357
3.41
13 0.824687 7 1.74112 12.18781 49 3.03148
14 0.889617 7 2.20374 15.42617 49 4.85647
15 0.954557 7 3.09104 21.63730 49 9.55454
TOTAL 51.0 7.50000 51 14.19649 70.43998 228.085 23.84638

Tabel diatas adalah tabel perhitungan Perhitungan index of fit TTF

berdasarkan distribusi eksponensial, maka dari jumlah total didapatkanlah nilai 𝑟

(koefisien korelasi/ index of fit) yaitu :

r= ( 𝑛
𝑛 𝑖=1 𝑥 𝑖.𝑦𝑖 − (∑𝑛𝑖=1 𝑥𝑖) 𝑖=1 𝑦𝑖)
(∑𝑛
√[[𝑛(∑𝑖=1 𝑥𝑖2 )−(∑𝑛𝑖=1 𝑥𝑖) 2] [𝑛(∑𝑛 𝑖=1 𝑦 𝑖 2 )−(∑𝑛 𝑖=1 𝑦𝑖) 2 ]]
𝑛

15 (70.43998)−(51)(14,19649)
= = 0.9292
√[15(228.085)−(51)2)] [15(23,84638)−(14,196492)]

4.5.4 Distribusi Weibul

Berikut merupakan perhitungan i = 1 distribusiWeibull:
xi = In (ti) = In (1) = 1

𝑖−0,3
F (t i ) =
1−0,3 = = 0,04545
𝑛+0,4 15+0,4

1
yi = In (In ( 1
1−𝐹(𝑡𝑖))) = (In (1−0,04545 )) =-3,06787

Tabel 4.13 Perhitungan index of fit TTF berdasarkan distribusi Weibull

2 2
i ti F(ti) xi yi xi .yi xi yi

1 1 0.04545 0.00000 -3.06787 0.00000 0 9.41184

2 2 0.11039 0.69315 -2.14582 -1.48737 0.48045 4.60456
3 2.01 0.17532 0.69813 -1.64628 -1.14933 0.48739 2.71024
4 2.01 0.24026 0.69813 -1.29179 -0.90184 0.48739 1.66872
5 2.16 0.30519 0.77011 -1.01026 -0.77801 0.59307 1.02063
6 2.25 0.37013 0.81093 -0.77167 -0.62577 0.65761 0.59547
7 2.48 0.43506 0.90826 -0.56029 -0.50889 0.82493 0.31392
 8 0.50000 1.10194
3.01 -0.36651 -0.40388 1.21427 0.13433
9 0.56494 1.15057
3.16 -0.18361 -0.21126 1.32382 0.03371
10 0.62987 1.17865
3.25 -0.00612 -0.00721 1.38923 0.00004
11 0.69481 1.19392
3.3 0.17126 0.20448 1.42545 0.02933
12 0.75974 1.22671
3.41 0.35490 0.43536 1.50482 0.12595
13 0.82468 1.94591
7 0.55453 1.07906 3.78657 0.30750
14 0.88961 1.94591
7 0.79016 1.53757 3.78657 0.62435
15 0.95455 1.94591
7 1.12851 2.19598 3.78657 1.27353
TOTAL 51.0 7.50000 16.26825 -8.05087 -0.62111 21.7481 22.85412

Tabel diatas adalah tabel perhitungan Perhitungan index of fit TTF

berdasarkan distribusi eksponensial, maka dari jumlah total didapatkanlah nilai 𝑟

(koefisien korelasi/ index of fit) yaitu :

r= ( 𝑛
𝑛 𝑖=1 𝑥 𝑖.𝑦𝑖 − (∑𝑛𝑖=1 𝑥𝑖) 𝑖=1 𝑦𝑖)
(∑𝑛
√[[𝑛(∑𝑖=1 𝑥𝑖2 )−(∑𝑛𝑖=1 𝑥𝑖) 2] [𝑛(∑𝑛 𝑖=1 𝑦 𝑖 2 )−(∑𝑛 𝑖=1 𝑦𝑖) 2 ]]
𝑛

15 (−0.62111)−(16.26825)(−8.05087)
= = 0.98959
√[15(21.7481)−(16.26825)2)] [15(22,85412)−(−8.050872 )]

Sehingga perhitungan index of fit (r) yang didapat dari beberapa perhitungan

distribusi adalah sebagai berikut :

Tabel 4.14 Data nilai index of fit TTF

Distribusi Index Of Fit (r)

Normal 0.88629

Lognormal 0.94266

Eksponensial 0.92925

Weibull 0.98959
 Setelah dilakukan perhitungan terhadap nilai index of fit (r) keempat

distribusi tersebut maka dipilihlah distribusi weibull karena memiliki nilai terbesar

yaitu (0.98959). Sehingga rumus parameter yang digunakan untuk melakukan

perhitungan MTTF dari distribusi weilbull adalah :

1
MTTF = aΓ (1 + )
𝛽

4.5.5 Perhitungan Parameter Distribusi Terpilih

Setelah distribusi perbaikan kopling pada mesin CBC ( Cake Breaker

Conveyor) diketahui, maka langkah selanjutnya adalah menghitung parameter

distribusi weibull yaitu a dan b. Perhitungannya menggunakan transportasi ganda

pendekatan cara regresi. Berikut perhitungan parameter distribusi untuk kopling

mesin CBC ( Cake Breaker Conveyor).

𝑛 ∑𝑛 𝑥 𝑦 − ∑𝑛 𝑥𝑖 ∑𝑛 𝑦𝑖
𝑖 𝑖
𝑖=1 𝑖=1 𝑖=1
b= 2
𝑛 𝑛𝑖=1 𝑥𝑖 − 𝑛 𝑖=1 𝑥 𝑖 )
2

[15×(−0.62111)]− [16.26825×(−8.05087)]
= [15×(21.7481)−(16.26825)
2
] = 0,31123

𝑛
𝑛
∑𝑖=1 𝑦 𝑏 𝑖=1 𝑥 −8.05087
a= 𝑛 -
𝑖 𝑖
= 1.97605×16.26825 = -1,53191
𝑛 15 - 15

Setelah nilai a dan b diketahui, dilakukan perhitungan untuk mendapatkan nilai a

(parameter skala) dengan satuam jam dan β (parameter bentuk).

Perhitungannya sebagai berikut :

𝑎 −1,53191
𝛼 = 𝑒(−𝑏)= 𝑒 (− 0,31123)
= 137,29275 𝑗𝑎𝑚

β = 𝑏 = 0,31123
4.5.6 Nilai Mean Time to Failure (MTTF)

Perhitungan waktu rata-rata antar kerusakan dilakukan terhadap kopling

pada mesin CBC ( Cake Breaker Conveyor) menggunakan distribusi weibull.
Berikut ini merupakan perhitungan nilai Mean Time to Failure (MTTF) untuk
kopling CBC.
1
MTTF = aГ(1 + ) = 137,29275×Г(1 + ) = 137,29275×Г (4,21306)
1

𝛽 0,31123,

= 137,29275×7,89085= 1.803,35649 Jam

4.6 Perhitungan Laju Kerusakan (Failure Rate)

Untuk menghitung laju kerusakan/ failure rate terlebih dahulu mengitung

nilai probability density fuction, cumulative distribution function, dan reliability

function menggunakan Microsoft Excel.

1. Fungsi Kepadatan Probabilitas / Probability Density Fuction [f (t)]

= WEIBULL. DIST
(x,alpha,beta,cummulative) Keterangan :
x : merupakan nilai untuk mengevaluasi fungsi, diisi
dengan nomor urutan kerusakan.
alpha : merupakan nilai parameter skala, nilai α
=137,29275 beta : merupakan nilai parameter bentuk, nilai β = 0,31123
cummulative : merupakan format evaluasi, pilih FALSE
2. Fungsi distribusi Kumulatif / Cummulative Distribution Function [F (t)]
= WEIBULL.DIST (x,alpha,beta,cummulative).

keterangan :

x : merupakan nilai untuk mengevaluasi fungsi, diisi dengan

nomor urutan kerusakan.
alpha : merupakan nilai parameter skala, nilai α =
137,29275 beta : merupakan nilai parameter bentuk, nilai β = 0,31123
cummulative : merupakan format evaluasi, pilih TRUE
 3. Fungsi Keandalan / Realibility Function [R(t)]
R (t) = 1- F (t)
keterangan :
F (t) : merupakan nilai Cummulative Distribution Function

4. Laju kerusakan / Failure Rate (λ)

λ = R (t) – f (t)
Dengan menggunakan persamaan diatas pada Microsoft Excel, maka didapatkan
hasil seperti tabel di bawah ini.
Tabel 4.15 Nilai Laju Kerusakan (Failure Rate)

i f (t) F (t) R (t) Failure Rate

1 0,05419 0,19436 0,80564 0,75145
2 0,03191 0,23521 0,76479 0,73287
3 0,02328 0,26230 0,73770 0,71441
4 0,01856 0,28303 0,71697 0,69841
5 0,01554 0,29998 0,70002 0,68448
6 0,01342 0,31441 0,68559 0,67217
7 0,01185 0,32701 0,67299 0,66114
8 0,01063 0,33822 0,66178 0,65115
9 0,00965 0,34835 0,65165 0,64200
10 0,00885 0,35758 0,64242 0,63357
11 0,00818 0,36608 0,63392 0,62574
12 0,00760 0,37397 0,62603 0,61843
13 0,00711 0,38132 0,61868 0,61157
14 0,00668 0,38821 0,61179 0,60510
15 0,00631 0,39470 0,60530 0,59899
 Failure Rate
0.8

0.7
Laju kerusakan

0.6

0.5

0.4

0.3

0.2

0.1
1234567 8 9101112131415
0 Periode

Gambar 4.2 Grafik Laju Kerusakan kopling mesin CBC

Dari gambar 4.2 grafik laju kerusakan menunjukan setiap bertambahnya

periode kerusakan ( periode 1-15) maka laju kerusakan mengalami penurunan,

sehingga kurva yang terbentuk menurun atau yang disebut sebagai decreasing

failure rate ( DFR).

4.7 Penentuan Interval Waktu Pemeliharaan koplingmesin CBC

( Cake Breaker Conveyor)
Dalam menetukan jenis pemeliharaan kopling mesin CBC ( Cake Breaker

Conveyor) sangat di pengaruhi oleh nilai β (parameter bentuk) pada distribusi

kerusakan yang terjadi. Dari perhitungan diatas didapatkan nilai β = 0,31123.

Berdasarkan tabel 2.5 bahwa 𝛽 < 1, maka jenis pemeliharaan yang sesuai adalah

Reactive, Inspection dan Preventive Maintenance.

4.8 Penentuan Interval Waktu Pemeliharaan kopling mesin CBC
( Cake Breaker Conveyor)
Berikut adalah perhitungan interval waktu yang optimal untuk pemeliharaan
mesin CBC ( Cake Breaker Conveyor).

1. Jumlah waktu pemeriksaaan (k)

1 bulan = 30 hari, 1 hari = 24 jam
t = 30 hari/bulan × 24 jam/ hari = 720 jam/bulan
Jumlah kerusakan mesin CBC ( Cake Breaker Conveyor)selama 3 tahun = 15
kali
𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑠𝑒𝑙𝑎𝑚 3 𝑡𝑎ℎ𝑢𝑛 15
k= 36 𝑏𝑢𝑙𝑎𝑛 =36 = 0.41
2. Waktu rata-rata yang dibutuhkan untuk perbaikan (µ)
MTTR = 4,00 Jam
𝑗𝑎𝑚
t= 720
𝑏𝑢𝑙𝑎𝑛
𝑡
µ= 720
𝑀𝑇𝑇𝑅 = = 180
4,00

3. Waktu rata-rata untuk melakukan pemeriksaan(i)

Waktu untuk melakukan pemeriksaan (ti) = 40 menit = 0.67 jam

t = 720 jam/bulan

i=𝑡 720
𝑡𝑖 = = 1080 jam
0,67

4. Perhitungan frekuensi dan interval pemeriksaan (n)

𝑘.𝑖 0,41×1080
n =√ =√ = 1.57
µ 180
720
interval waktu pemeriksaan = 𝑡 = = 458.6 jam = 19 hari
𝑛 1.57

4.9 Penentuan hasil Realibility Centered Maintenance pada kopling mesin

CBC (Cake Breaker Conveyor)
 Berdasarkan hasil analisa kerusakan mesin CBC (Cake Breaker Conveyor)
di PKS menggunakan Realibility Centered Maintenance (RCM) maka didapatkan
hasil sebagai berikut :

Tabel 4.16 Hasil RCM pada kopling mesin CBC (Cake Breaker Conveyor)

Deskripsi Nilai

Komponen kritis kopling mesin CBC (Cake Breaker Conveyor)

MTTF 1.803Jam

MTTR 4,00 Jam

β 0,31123.

Jenis Pemeliharaan Reactive, Inspection dan Preventive

Maintenance

Interval waktu pemeliharaan 19 hari

Dari tabel 4.16 maka dari hasil penelitian ini didapatkan komponen kritis

dari pada mesin CBC (Cake Breaker Conveyor) ini adalah kopling, nilai MTTF

adalah 1.803 jam artinya komponen kopling akan mengalami kerusakan setelah

beroperasi selama 1.803 jam, dan nilai MTTR adalah 4 jam artinya rata rata waktu

perbaikan komponen kopling selama 4 jam, nilai β (beta) =0,31123 berdasarkan

tabel 2.4 bahwa 𝛽 < 1 maka Jenis Pemeliharaan yang sesuai pada komponen

kopling adalah Reactive, Inspection dan Preventive Maintenance dengan interval

waktu pemeliharaan kopling optiimal 19 hari.

Tabel 4.17 FMEA Kopling

No komponen Failure Failure effect Penyebab Usulan pemeliharaan

mode kerusakan
 1 kopling Flexible - motor tidak --metal blok -Menambah 1 lagi
Kopling bisa tidak
( satu)stok cadangan
pecah menggerakan dilumasi
mesin CBC
As Screw.

- Screw tidak (kopling,screw,pen,dll).

bisa berputar -lakukan pemeliharaan
secra periodik
maksimal 19 hari sekali

Flexible - motor tidak -kerusakan -Dilakukan inpeksi dan

Kopling bisa pada metal preventive maintenance
pecah menggerakan blok, secara periodik
As Screw. menyebabkan maksimal 19 hari
kopling sekali.
flexibel
pecah.

Dari tabel 4.17 diatas Failure Mode and Efeect Analisis ( FMEA) untuk

menentukan mode kegagalan serta penyebab kegagalan dari kopling mesin Cake

Breaker Conveyor (CBC), dimana mode kegagalan dijelaskan sebagai berikut :

Pada komponen kopling kerusakan terjadi disebabkan karna kerusakan pada metal

blok yang menyebabkan flexibel kopling pecah sehingga motor tidak bisa

menggerak As Screw dan Screw tidak bisa berputar.