Moulding Dengan Type Ls 850 Di Pt. Yasunli Abadi: Perencanaan Perawatan Mesin Injection

PERENCANAAN PERAWATAN MESIN INJECTION
MOULDING DENGAN TYPE LS 850 DI PT. YASUNLI ABADI

UTAMA PLASTIK – BEKASI
SKRIPSI
Untuk Memenuhi Persyaratan Mencapai Gelar Sarjana Strata I
Diajukan Oleh:
AIDIL FIRMANSAH
16020075
PROGRAM STUDI TEKNIK INDUSTRI

DEPARTEMEN TEKNIK INDUSTRI
SEKOLAH TINGGI TEKNOLOGI ADISUTJIPTO
YOGYAKARTA
2020
i
ii
iii
HALAMAN PERSEMBAHAN
‫الر ِحي ِِْم‬

َّ ‫ن‬ َّ ِ‫للا‬
ِِ ‫الرحْ َم‬ ِ ‫ْــــــــــــــــــم‬
ِِ ‫ِبس‬
Syukur Alhamdulillah, ku panjatkan kepada Allah SWT atas segala rahmat dan
kesempatan untuk menyelesaikan Tugas Akhir dengan segala kekuranganku.
Dipersembahkan
IBUKU
AYAHKU
ADIK-ADIKU
&
KELUARGA BESARKU
Terima kasih yang sebesar - besarnya yang sudah mendoakan saya dari awal
kuliah hingga di ujung akhir kuliah ini sampai saya bisa menyelesaikan tugas
besar saya ini yaitu SKRIPSI.
Semoga skripsi ini dapat bermanfaat dan berguna untuk kemajuan ilmu
pengetahuan dimasa yang akan datang.
Aamiin yaRabbal Alamiin.
iv
MOTO
Man jadda wajada

(barang siapa yang bersunggu dia akan dapat)
“Lemah penat itu hal yang biase, hidup ini jangan pernah putus ase make
dekatkan diri pade yang kuase karena hidup kite hanye sementare “
(Mantan Gubernur Kepri)
Lawan Malas
(Kang,sule)
v
KATA PENGANTAR
Assalamu ‘alaikum Wr. Wb.
Puji syukur kepada Allah SWT yang telah memberikan rahmat, nikmat, hidayah,
dan karunia-Nya sehingga penulis dapat menyelesaikan penulisan laporan Tugas
Akhir yang berjudul “PERENCANAAN PERAWATAN MESIN INJECTION
MOULDING DENGAN TYPE LS850 DI PT. YASUNLI ABADI UTAMA
PLASTIK – BEKASI” dapat diselsaikan dengan baik.
Hasil dari laporan Tugas Akhir ini diharapkan dapat memberikan masukan
kepada berbagai pihak yang berkepentingan terutama reka-rekan mehasiswa
departemen Teknik industri mengambil manufaktur.
Keberhasilan penulis dalam menyelesaikan penyusunan laporan ini

tindakan selesai tanpa dukungan, nasehat, bimbingan maupun ilmu dari berbagai
pihak, untuk penulis mengucapkan terima kasih kepada:
1. Allah SWT yang telah memberikan hidup, nikmat, rezeki yang tiada henti –
hentinya kepada penulis.
2. Kepada kedua Orang Tua tercinta Bapak Mahadi S.E dan Ibu Salhanita,
orang terhebat di dunia ini bagi saya dan adik saya Zilla dwita putri, Ade
firdaus yang telah memberikan dukungan kepada saya baik berupa materi
maupun moral.
3. Ibu Riani Nurdin S.T., M.Sc. selaku Ketua Jurusan Teknik Industri, Sekolah
Tinggi Teknologi Adisutjipto Yogyakarta.
4. Ibu Riani Nurdin S.T., M.Sc selaku dosen pembimbing I yang telah banyak
membantu sabar dalam membimbing dan memberikan motivasi juga
masukan kepada penulis dalam menyelesaikan tugas akhir ini.
5. Bapak Prasidananto Nur S, S.T., M.Sc selaku dosen pembimbing II yang
telah banyak membantu, sabar dalam membimbing dan memberikan
vi
motivasi juga masukan kepada penulis dalam menyelesaikan laporan tugas
akhir ini.
6. Bapak Agus Wandyono selaku pembimbing dibagian Maintenance selama
penelitian di PT Yasunli Abadi Utama Plastic
7. Kakak dan Abang Senior Angkatan 2014 yaitu Mbak Rosy, Mbak Pinto,
dan Mass Hanan Terima kasih atas bimbingan nya selama kami berada di
PT. Yasunli Abadi Utama Plastic.
8. Kepada teman – teman Teknik Indsutri STTA yang tidak tersebutkan
namanya satu persatu yang telah banyak membantu dan bekerja sama dalam
pelaksanaan dan pengerjaan laporan tugas akhir.
9. Teman - teman kos Family yang senantiasa memberikan semangat dan
menemani setiap mengerjakan laporan
10. Dan untuk Hanin Riski Amalia terima kasih sudah memberikan semangat
yang tiada hentinya kepada saya yang mau mendengarkan keluh kesah,
mengatur waktu dan memberi arahan yang membuat saya semangat
mengerjakan hasil tugas akhir.
Penulis menyadari dalam penyusunan tugas akhir ini masih banyak terdapat
kekurangan dan jauh dari sempurnaan, dengan besar hati penulis menerima kritik
dan saran yang membangun. Semoga laporan ini bermanfaat bagi pembaca.
Wassalamu ‘alaikum Wr.Wb
Yogyakarta, Agustus 2020
Aidil Firmansah
vii
DAFTAR ISI
HALAMAN JUDUL ................................................................................... i
LEMBAR PENGESAHAN ......................................................................... ii
PERNYATAAN .......................................................................................... iii
HALAMAN PERSEMBAHAN .................................................................. iv
MOTTO ...................................................................................................... v
KATA PENGANTAR ................................................................................. vi
DAFTAR ISI ............................................................................................... viii
DAFTAR LAMPIRAN ............................................................................... xiii
DAFTAR TABEL ....................................................................................... xiv
DAFTAR GAMBAR ................................................................................... xvi
ABSTRAK ................................................................................................... xvii
BAB I PENDAHULUAN ............................................................................ 1
1.1 Latar Belakang ................................................................................... 1

1.2 Rumusan Masalah .............................................................................. 3
1.3 Tujuan Penelitian ................................................................................ 3
1.4 Batasan Masalah ................................................................................. 4
1.5 Manfaat Penelitian .............................................................................. 4
1.6 Sistematika Penelitian ........................................................................ 5
BAB II TINJAUAN PUSTAKA ................................................................. 6
2.1 Tinjauan Pustaka ............................................................................... 6

2.2 Landasan Teori .................................................................................. 11
2.2.1 Pengertian Perawatan ............................................................... 11
2.2.2 Kegiatan Perawatan ................................................................. 12
2.2.3 Jenis Perawatan ........................................................................ 14
viii
2.3 Langkah-langkah Penerapan .............................................................. 17
2.3.1 Pengumpulan Informasi dan Pemilihan Sistem .......................... 17
2.3.2 Pendefinisian Batasan Sistem .................................................... 17
2.3.3 Deskripsi Sistem ....................................................................... 17
2.3.4 Fungsi Sistem dan Kegagalan Fungsi ........................................ 18
2.3.5 Failure Mode and Effect Analysis (FMEA) .............................. 18
2.4 Distribusi ........................................................................................... 23
2.4.1 Distribusi Lognormal ............................................................... 24
2.4.2 Distribusi Weibull .................................................................... 25
2.5 Identifikasi Awal dengan Metode Least Square Curve Fitting ........... 25
2.6 Uji Kecocokan Distribusi ................................................................... 26
2.6.1 Kolmogorov – Smirnov Test untuk Uji Distribusi Lognormal ... 27
2.6.2 Mann’s Test untuk Uji Distribusi Weibull ................................ 28
2.7 Mean Time to Failure (MTTF) .......................................................... 28
2.8 Mean Time to Repair (MTTR) ........................................................... 29
2.9 Interval Waktu Perawatan .................................................................. 30
2.10 Diagram Pareto ................................................................................ 30
BAB III METODOLOGI PENELITIAN .................................................. 32
3.1 Metode Penelitian .............................................................................. 32

3.2 Objek Penelitian ................................................................................ 32
3.3 Diagram Alir Penelitian ..................................................................... 32
3.4 Metode Pengumpulan Data ................................................................ 35
3.4.1 Studi Literature ......................................................................... 35
3.4.2 Observasi Lapangan ................................................................. 36
3.4.3 Pengumpulan Data ................................................................... 36
3.5 Pengolahan Data ................................................................................ 38
ix
3.5.1 Pengumpulan Informasi ........................................................... 38
3.5.2 Failure Mode and Effect Analysis (FMEA) .............................. 38
3.5.3 Pendefisian Batasan Sistem ...................................................... 39
3.5.4 Deskripsi Sistem dan Blok Diagram Fungsi .............................. 39
3.5.6 Penentuan Distribusi TTF dan TTR........................................... 39
3.5.7 Uji Kesesuaian Distribusi Data TTF dan TTR ........................... 40
3.5.8 Penentuan Parameter Sesuai Distribusi ..................................... 40
3.5.9 Perhitungan MTTF dan MTTR ................................................. 40
3.5.10 Penentuan Interval Waktu Perawatan ...................................... 41
3.6 Analisis dan Pembahasan ................................................................... 41
3.7 Kesimpulan dan Saran ....................................................................... 41
3.8 Menentukan Distribusi dengan software Stat:fit ................................. 41
3.9 Jadwal Penelitian ............................................................................... 43
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA ....................... 44
4.1 Pengumpulan Data ............................................................................. 44

4.1.1 Data Downtime pada Bagian Injection Unit ............................... 44
4.2 Pengolahan Data ................................................................................ 45
4.2.1 Pengumpualn Informasi dan Pemilihan Sistem .......................... 45
4.2.2 Pendefisian Batasan Sistem ....................................................... 50
4.2.3 Deskripsi Sistem dan Blok Diagram Fungsi .............................. 51
4.3 Perhitungan TTF dan TTR komponen krisits ..................................... 54
4.3.1 Hasil Perhitungan Time to Failure (TTF) .................................. 56
4.3.2 Hasil Perhitungan Time to Repair (TTR) .................................. 57
4.4 Uji Kesesuaian Distribusi .................................................................. 58
x
4.4.1 Uji Distribusi dengan Menggunakan Software Stat:fit .............. 58
4.4.2 Perhitungan Uji Goodness of Fit dengan Kolmogorov – Test .... 59
4.4.3 Hasil Perhitungan Komponen yang Terpilih.............................. 61
4.4.4 Perhitungan Uji Goodness of Fit dengan Mann’s Test .............. 63
4.4.5 Hasil Perhitungan Komponen Terpilih ..................................... 65
4.5 Perhitungan Nilai Parameter TTF dan TTR Komponen Kritis ............ 66
4.5.1 Perhitungan Nilai Parameter terhadap Data TTF ...................... 66
4.5.2 Hasil Perhitungan Nilai Parameter pada Komponen Kritis ....... 68
4.5.3 Perhitungan Nilai Parameter Terhadap Data TTR ..................... 69
4.5.4 Hasil Perhitungan Nilai Parameter pada Komponen Kritis ....... 71
4.6 Perhitungan MTTF dan MTTR .......................................................... 72
4.6.1 Perhitungan MTTF pada Data Time to Failure (TTF) ............... 72
4.6.2 Perhitungan MTTR pada Data Time to Failure (TTR) .............. 72
4.7 Penentuan Interval Waktu Pemeriksaan ............................................. 73
4.8 Perhitungan Reliability Komponen .................................................... 76
BAB V ANALISIS DAN PEMBAHASAN ................................................. 78
5.1 Analisa Failure Mode and Effect Analysis (FMEA) .......................... 78

5.2 Analisa Uji Distribusi pada Software Stat:fit ...................................... 79
5.3 Analisa Uji kecocokan Distribusi (Goodness of Fit) ........................... 81
5.4 Analisa Hasil Perhitungan Parameter terhadap TTF dan TTR ............ 85
5.5 Analisa Hasil Perhitungan MTTF dan MTTR .................................... 87
5.6 Analisa Hasil Penentuan Waktu Interval ............................................ 89
5.7 Analisa Perhitungan Reliability (Keandalan) ...................................... 90
BAB VI PENUTUP ..................................................................................... 92
xi
6.1 Kesimpulan ....................................................................................... 92
6.2 Saran ................................................................................................. 92
DAFTAR PUSTAKA ................................................................................. 94

LAMPIRAN ............................................................................................... 96
xii
DAFTAR LAMPIRAN
Lampiran 1. 1 Data downtime pada komponen valve........................................ 97
Lampiran 1. 2 Data downtime pada komponen pipa injection ........................... 97
Lampiran 1. 3 Data downtime pada komponen transducer ................................ 98
Lampiran 2. 1 Hasil uji distribusi dengan software stat:fit terhadap komponen
valve pada data waktu antar kerusakan (TTF) ......................... 100
pipa injection pada data waktu antar kerusakan (TTF) ............. 100
Lampiran 2. 3 Hasil uji distribusi dengan softwarei stat:fit terhadap komponen
transducer pada data waktu antar kerusakan (TTF) .................. 101
Lampiran 3. 1 Hasil grafik pada data waktu antar kerusakan (TTF) terhadap
komponen Valve ..................................................................... 103
komponen pipa injection ......................................................... 103
Lampiran 3. 3 Hasil grafik data waktu antar kerusakan (TTF) terhadap
komponen transducer .............................................................. 104
xiii
DAFTAR TABEL
Tabel 1.1 Data kerusakan mesin injection moulding dengan type LS 850 periode
Januari 2019 hingga Maret 2020 .......................................................... 1
Tabel 2.1 Tinjauan Pendahuluan.......................................................................... 8
Tabel 2.2 Nilai Severity..................................................................................... 20
Tabel 2.3 Nilai Occurrence ................................................................................ 21
Tabel 2.4 Nilai Detection................................................................................... 22
Tabel 3.1 Data selang waktu antar kerusakan (TTF) pada komponen kritis ........ 37
Tabel 3.2 Data waktu perbaikan (TTR) pada komponen kritis ........................... 37
Tabel 3.3 Jadwal penelitian ............................................................................... 43
Tabel 4.1 Data jumlah downtime pada kerusakan komponen kritis .................... 44
Tabel 4. 2 Penyusunan Failure Mode and Effect Analysis ................................. 46
Tabel 4.3 Bagian-bagian komponen yang terpilih .............................................. 52
Tabel 4.4 Deskripsi pada komponen yang terpilih ............................................. 53
Tabel 4.5 Perhitungan TTF dan TTR ................................................................. 55
Tabel 4.6 Waktu antar kerusakan pada 3 komponen kritis.................................. 56
Tabel 4.7 Hasil waktu perbaikan pada 3 komponen kritis .................................. 57
Tabel 4.8 Hasil pola distribusi ........................................................................... 58
Tabel 4.9 Perhitungan Uji Goodness of Fit pada data TTF dengan menggunankan
Uji khusus Kolmogorov-Smirnov Test ................................................ 59
Tabel 4.10 Hasil perhitungan waktu antar kerusakan (TTF) ............................... 61
Tabel 4.11 Hasil perhitungan waktu perbaikan (TTR) ....................................... 62
Tabel 4.12 Hasil perhitungan waktu antar kerusakan (TTF) ............................... 63
Tabel 4.13 Perhitungan Uji Goodness of Fit pada data TTR dengan menggunakan
Uji khusus Mann's Test .................................................................... 64
Tabel 4.14 Hasil perhitungan waktu perbaikan (TTR) ....................................... 65
Tabel 4.15 Perhitungan parameter TTF ............................................................. 66
Tabel 4.16 Hasil nilai perhitungan waktu antar kerusakan (TTF) ....................... 68
Tabel 4.17 Perhitungan parameter TTR ............................................................. 69
Tabel 4.18 Hasil nilai perhitungan waktu perbaikan (TTR) ................................ 71
Tabel 4.19 Hasil perhitungan nilai MTTF .......................................................... 72
xiv
Tabel 4.20 Hasil perhitungan nilai MTTR ......................................................... 73
Tabel 5.1 Dampak konsekuensi kerusakan......................................................... 78
Tabel 5.2 Hasil pola distribusi data waktu antar kerusakan (TTF) ...................... 79
Tabel 5.3 Hasil pola distribusi data waktu perbaikan (TTR)............................... 80
Tabel 5.4 Hasil uji kecocokan distribusi data TTF (Goodness of Fit) ................. 81
Tabel 5.5 Hasil uji kecocokan distribusi data TTR (Goodness of Fit)................. 83
Tabel 5.6 Hasil perhitungan nilai parameter waktu antar kerusakan (TTF) ......... 85
Tabel 5.7 Nilai parameter waktu perbaikan (TTR) ............................................. 86
Tabel 5.8 Nilai MTTF tiap komponen ............................................................... 87
Tabel 5.9 Nilai MTTR tiap komponen ............................................................... 88
Tabel 5.10 Hasil penentuan waktu interval ........................................................ 89
xv
DAFTAR GAMBAR
Gambar 2.1 Diagram Pareto ............................................................................. 31
Gambar 3.1 Skema diagram alir penelitian ....................................................... 33
Gambar 3.2 Diagram alir proses FMEA ............................................................ 34
Gambar 3.3 Skema diagram alir proses total perhitungan interval ..................... 35
Gambar 3.4 Data input Stat:fit .......................................................................... 42
Gambar 3.5 Penentuan distribusi ...................................................................... 42
Gambar 3.6 Hasil dari distribusi yang diterima ................................................. 43
Gambar 4.1 Hasil diagram pareto pada komponen kritis ................................... 44
Gambar 4.2 Blok diagram sistem ...................................................................... 52
xvi
ABSTRAK
PT. Yasunli Abadi Utama Plastik adalah perusahaan yang bergerak di bidang
berbahan plastik yang memiliki berbagai macam mesin produksi bekerja secara
terus menerus sehingga menyebabkan mesin menjadi breakdown saat mengalami
kerusakan saat beroperasi. Oleh karena itu, untuk mengurangi terjadi nya
breakdown dibutuhkan kebijakan perawatan optimal yang dapat mengurangi
frekuensi kerusakan sehingga mesin dapat beroperasi dengan baik.
Pada penelitian ini bagaimana penerapan pada perawatan disertai dengan

Failure Mode and Effect Analysis (FMEA) untuk menyelesaikan masalah ini.
Penelitian difokuskan pada komponen kritis yang memiliki downtime yang tinggi,
pada komponen Valve memiliki downtime sebesar 1116 menit, komponen
Transduser memiliki downtime sebesar 1134 menit dan komponen Pipa Injection
memiliki downtime sebesar 1074 menit.
Hasil analisa interval waktu perawatan pada komponen Valve sebesar 116 jam
dengan frekuensi pemeriksaan optimal selama 1 bulan, untuk komponen Pipa
Injection interval waktu perawatan sebesar 88 jam dengan frekuensi pemeriksaan
optimal selama 2 bulan dan untuk komponen Transduser interval waktu perawatan
sebesar 111 Jam dengan frekuensi pemeriksaan optimal sebesar 1 bulan.
Kata Kunci : Failure Mode and Effect Analysis (FMEA), Downtime, Stat:Fit.
MTTF/MTTR, Interval waktu perawatan.
xvii
BAB I
PENDAHULUAN
1.1. Latar Belakang

Proses produksi yang berlangsung dalam suatu industri manufaktur
hampir semuanya menggunakan mesin dan peralatan. Semakin seringnya
mesin bekerja untuk memenuhi target produksi yang kadang melebihi
kapasitas dapat menurunkan kemampuan mesin, menurunkan umur mesin
dan sering membutuhkan pergantian komponen yang rusak. Apabila mesin
atau peralatan yang digunakan mengalami kerusakan maka proses produksi
akan terhambat. (Ainul yaqin, dkk,2017).
Perusahaan PT. Yasunli Abadi Utama Plastik adalah perusahaan
manufaktur yang berfokus memproduksi segala produk – produk berbahan
plastik berupa sparepart pada kendaraan dan prabotan rumah tangga, bahan
dasarnya adalah polypropylene (PP) yang dimana bahan tersebut akan
dipanaskan ke dalam mesin injection lalu di semprot ke dalam moulding
sesuai dengan bentuk produk yang sudah di tentukan. Selama proses produksi
berlanjut, pihak perusahaan PT.Yasunli Abadi Utama Plastik memiliki mesin
yang begitu banyak, setiap gedung pasti memiliki mesin tersebut maka dari
itu kegiatan maintenance juga harus lebih baik guna untuk merawat mesin
tersebut akan selalu aman disaat produksi, menjaga keselamatan kerja dan
menjaga kondisi komponen pada tiap – tiap mesin injection moulding.
Pada mesin injection moulding, terdapat 1 bagian utama yaitu injection
unit dari area komponen tersebut memiliki fungsi yang berbeda-beda
bilamana komponen tersebut mengalami kerusakan maka mesin tersebut
tidak bisa bekerja secara maksimal dan mengakibatkan kerugian dalam
perusahaan. Selama awal produksi, dengan menggunakan mesin injection
moulding yaitu type LS 850 tiap bulannya pasti mengalami overload yang
mengakibatkan kepaksaan terhadap fungsi awal pada komponen. Hasil
kerusakan tersebut selalu menjadi titik masalah pada saat jam beroperasi
khususnya di daerah injection unit yang sangat rawan terhadap komponen
1
kritis. Sebagaimana data downtime selama 15 bulan dari bulan januari 2019
hingga bulan maret 2020 didapatkan pada tabel 1.1. sebagai berikut:
Tabel 1.1 Data kerusakan mesin injection moulding dengan type LS 850 periode
Januari 2019 hingga Maret 2020
No Total Lost Time

Bulan (Menit)
Injection unit
1 Januari 300
2 Februari 780
3 Maret 435
4 April 480
5 Mei 180
6 Juni 240
7 Juli 1320
8 Agustus 120
9 September 345
10 Oktober 246
11 November 1095
12 Desember 426
13 Januari 0
14 Februari 0
15 Maret 15
Total 5982
Sumber: PT. Yasunli Abadi Utama Plastik
Dari tabel 1.1. diatas menunjukkan data downtime pada mesin type LS
850 diline A1. Dari hasil data bulan januari hingga juli terdapat mesin yang
masih mengalami downtime yang cukup tinggi dengan jumlah sebesar 5982
menit selama 15 bulan.
2
Penyebab dari kerusakan mesin yang selalu terjadinya downtime adalah
mesin produksi memiliki kemampuan yang standar tetapi demi target yang
begitu banyak maka mesin tersebut selalu meningkatkan kemampuan hingga
melebihi batas fungsi. Maka mesin pada type LS 850 selalu terjadinya
kerusakan yang sangat mendadak sehingga mengalami kerugian waktu proses
produksi yang sedang berlanjut.
Dalam mengetahui kerusakan – kerusakan pada mesin tersebut dari efek

kegagalan pada komponen, penyebab kerusakan dan tingkatan kerusakan
pada mesin, metode Failure Mode and Effect Analysis (FMEA) adalah
pendekatan sistematik yang menerapkan suatu metode penta belan untuk
membantu proses pemikiran yang digunakan oleh engineers untuk
mengidentifikasi mode kegagalan potensial dan efeknya. Bagus atau tidaknya
kinerja suatu mesin atau komponen sangat tergantung pada kehandalan dalam
menggunakan metode FMEA untuk mengetahui kerusakan komponen
tersebut
Berdasarkan latar belakang yang telah diuraikan diatas, menarik untuk
dilakukan penelitian tentang “Perencanaan perawatan mesin Injection
Moulding dengan type LS 850 di PT. Yasunli Abadi Utama Plastik –
Bekasi”.
1.2. Rumusan Masalah

Terdapat rumusan masalah pada penelitian tugas akhir ini yang dikaitkan
dengan latar belakang yaitu perusahaan PT. Yasunli Abadi Utama Plastik di
plan 3, masih terdapat downtime pada mesin injection moulding dengan type
LS 850 dengan jumlah mesin sebanyak 12 unit di line produksi A1 maka,
Bagaimana perencanaan maintenance pada mesin injection moulding.
1.3. Tujuan Penelitian

Penulis tugas akhir ini, tentunya disusun agar memenuhi tujuan beberapa
tujuannya yaitu:
3
1. Menentukan komponen-komponen kritis dari bagian injection unit.
2. Menghitung tingkat keandalan (reliability) komponen kritis.
3. Menghitung interval perawatan pada kegiatan maintenance.
1.4. Batasan Masalah

Perlu diketahui dalam penulisan penelitian tugas akhir ini, terdapat
Batasan-batasan masalah sebagai berikut:
1. Peneliti dilakukan hanya meneliti komponen kritis pada salah satu mesin
injection moulding diantara 12 unit di bagian injection unit.
2. Analisa dilakukan hanya pada komponen injection unit.
3. Tingkat kegagalan tiap-tiap fungsi komponen menganalisis dengan
menggunakan metode Failure Mode and Effect Analysis (FMEA).
4. Kegiatan pemeliharaan dan perawatan yang berupa cara perbaikan,
pembongkaran, penggantian dan pemasangan komponen peralatan tidak
dibahas.
5. Pada penelitian ini, tidak dibahas mengenai biaya yang digunakan dalam
pemeliharaan.
1.5. Manfaat Penelitian

Penelitian dalam tugas akhir ini, mempunyai manfaat bagi pembaca
maupun perusahaan diantaranya yaitu:
1. Hasil penelitian ini dapat digunakan untuk bahan masukan dan
pertimbangan bagi manajemen maintenance untuk memperbaiki strategi
maintenance.
2. Perusahaan memperoleh informasi mengenai pendekatan metode Failure
Mode and Effect Analysis (FMEA) sebagai gambaran perencanaan
perawatan mesin produksi.
4
1.6. Sistematika Penelitian
Penyusun penulisan penelitian tugas akhir ini dideskripsikan dalam
beberapa bagian atau bab, dengan disesuaikan pada tata cara sistematika
penulisan karya ilmiah yang baku, yaitu:
BAB I PENDAHULUAN
Pada bab pertama ini, dijelaskan tentang latar belakang,
ruang lingkup masalah, tujuan penulisan dan sistematika
penulisan.
BAB II TINJAUAN PUSTAKA

Pada bab kedua ini, berisi teori-teori yang akan digunakan
untuk membantu dalam membahas isi dari skripsi dan
diharapkan penulis tidak meyimpang dari apa yang telah
dibahas.
BAB III METODOLOGI PENELITIAN
Pada bab ketiga ini, mengemukakan langkah-langkah yang
digunakan untuk mencapai tujuan penelitian meliputi tahap-
tahapan penelitian dan penjelasan tiap – tiap secara ringkas
disertai dengan diagram alir.
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab keempat ini, merupakan bab yang berisi data – data
yang telah dikumpulkan dari hasil penelitian yang telah
dilakukan dan daya akan diolah berdasarkan metode yang
telah ditentukan.
BAB V ANALISIS DAN PEMBAHASAN
Pada bab kelima ini, merupakan bab yang berisi pembahasan
atau ulasan atau pendapat penulis terhadap topik atau bidang
yang diamati.
BAB VI PENUTUP
Pada bab keenam ini, menjelaskan tentang kesimpulan dan
saran.
5
BAB II
TINJAUAN PUSTAKA
2.1. Tinjauan Pustaka

Dalam penelitian ini, ada beberapa acuan penelitian terdahulu untuk
dijadikan dasar atau pendukung penelitian selanjutnya walaupun terdapat
perbedaan tujuan, metode, objek ataupun subjek penelitian. Dalam
melakukan penelitian ini, terdapat beberapa penelitian terdahulu yang sangat
relevan dengan penelitian ini. Penelitian terdahulu yang dirujuk dari
penelitian yang dilakukan adalah sebagai berikut :
Perusahaan yang berfokus memproduksi minuman seperti minuman
berkarbonasi dan non – karbonasi sangat memfokuskan terhadap mesin yang
digunakan. Dari mesin produksi pada lini tersebut memiliki 8 buah mesin
untuk proses produksi Juice beverage, yaitu Blowmould, filter, clouser,
labeller, dan sebagiannya. Terdapat mesin Blowmould yang mengalami
downtime tertinggi maka berdasarkan kenyataan tersebut (Ahmad & Hidayah,
2017) melakukan suatu penelitian tentang “analisis pemeliharaan mesin
blowmould dengan metode RCM di PT. Coca-Cola Amatil Indonesia –
Cibitung plant.
Hasil penelitian tersebut menyatakan bahwa, pada line ini memiliki total
downtime sangat tinggi selama 1 periode pada tahun 2015 yaitu mengalami
97 kali downtime dari antara mesin yang sering terjadi downtime mesin
blowmould memiliki waktu tertinggi dengan total waktu downtime 44.729
menit. Setelah dianalisa menggunakan metode RCM dengan pendekatan
FMEA makan hasil terjadi pada mesin tersebut mengalami penurunan
downtime komponen sebesar 1,56% dan peningkatan availability komponen
sebesar 1.56%. Maka dibisa dikatakan metode RCM bisa digunakan.
Mesin penggiling teh dari pucuk teh setelah proses pengayakan dengan
tujuan untuk mendapatkan serbuk teh dengan kualitas yang sesuai dengan
kriteria tertentu Tetapi, kehandalan mesin dalam kesiapannya untuk mencapai
target produksi sering mengalami kendala terutama pada mesin CTC dengan
6
kejadian 53 downtime terjadi dalam 1 tahun. Banyaknya downtime ini
membuat perusahaan mengalami penurunan target produksi yang membawa
efek pada penurunan produktivitas. Berdasarkan kenyataan tersebut
(Nuruddin & Suwardana, 2018) melakukan suatu penelitian tentang
“Perencanaan pemeliharaan mesin pengolahan Teh dengan metode
Reliability Centered Maintenancen (RCM). DI PT. X, Surakarta – Jawa
timur.
Hasil penelitian tersebut menyatakan bahwa. Sebelum dilakukan
penelitian dengan menggunakan metode RCM hasil dari diagram pareto
tersebut menandakan Roll CTC tingkatan persen tersebut sebesar 40%.
Dengan dilakukan pendekatan FMA, Logic Tree Analysis, dan menggunakan
Metode RCM yang sudah dianalisa tiap-tiap komponen yang kritis seperti
Roll CTC harus dilakukan pemeriksaan dilakukan seriap 58 jam dengan rata-
rata waktu perawatan yaitu 141.89 jam dan rata-rata perbaikan 3.82 jam.
Proses produksi di PT. Showa Indonesia manufacturing tidak selalu
lancar, dikarenakan ketidak tahuan akan kehandalan mesin. Pada penelitian
ini dilakukan pada mesin kompresor yang digunkan untuk memproduksi
udara bertekanan yang digunakan untuk menjalankan mesin-mesin produksi.
Berdasarkan kenyataan tersebut menurut (Susanto & Azwir, 2018)
melakukan suatu penelitian tentang “Perencanaan Perawatan Pada Unit
Kompresor Tipe Screw dengan Metode RCM di Industri Otomotif Cikarang
– Jawa Barat.
Hasil penelitian terhadap tingkat kerusakan tertinggi ada pada mesin
kompresor 4,8,10,5,16, dan 6 dengan kerusakan sebesar 70.1%. Hal ini
disebabkan oleh sistem mesin yang kompleks dan sistem perawatan yang
kurang optimal. Dengan menggunakan metode RCM digunakan untuk
menganalisis sistem tersebut untuk mengetahui komponen-komponen dalam
kategori kritis. Hasil dari analisis, didapatkan beberapa komponen kritis yang
mana diperlukan interval penggantian yang optimal dengan meminimalkan
downtime. Maka, perencanaan kegiatan pada masing-masing komponen kritis
tersebut berdasarkan FMEA dan RCM Decision Worksheet. Dengan ini
7
penerapan Metode RCM maka total downtime turun sebesar 44.59% dari
tindakan preventive sebelumnya.
Kegiatan pemeliharaan fasilitas pabrik serta pembetulan, pengaturan atau
penggantian yang dibutuhkan agar aktivitas produksi sesuai dengan jadwal
perusahaan yang bergerak dibidang manufaktur textile memiliki mesin
pembuatan benang seperti mesin blowing, carding dan drawing. Mengalami
downtime tertinggi berada pada mesin blowing 1 dengan downtime sebesar
1506,4 jam berdasarkan kenyataan tersebut (Sari & Ridho, 2016) melakukan
suatu penelitian tentang “ Evaluasi Manajemen Perawatan dengan Metode
Reliability Centered Maintenance (RCM) II pada Mesin Blowing di plan I di
PT. Pisma Putra Textile Pekalongan – Jawa Tengah.
Hasil penelitian ini difokuskan pada mesin blowing I, karena memiliki
downtime tinggi. Berdasarkan frekuensi kerusakan mesin komponen yang
paling sering rusak pada komponen yang kritis dilakukan dengan cara
schedule discard task dan interval perawatan dengan total cost optimal
berurutan TC Rp. 18966057.60 dan 450 jam dengan TC Rp. 13419317.27.
dari hasil tersebut total penurunan biaya kerusakan sebesar Rp. 21.587.975.45
atau 20.89% dari biaya perawatan perusahaan.
Tabel 2.1 Tinjauan Pendahuluan
No Nama Peneliti Tahun Obyek Metode Hasil
Noor Ahmadi, 2017 Mesin RCM, Kesimpulan dari hasil

Dan produksi di FMEA, penelitian ini adalah
Nur Yulianti line 4 yaitu Logic Tree
1. Dari hasil FMEA terdapat 4
Hidayah Blowmould Analysis,
komponen kritis yang
1 Availability
menjadi penyebab
kerusakan pada subsistem
mesin Blowmould yaitu seal
gasket, mandrel, breaing
roller feed, dan fitting.
8
2. Dengan menggunakan
interval penggantian
komponen yang optimum
akan terjadi nya penurunan
downtime serta peningkatan
avaibility.
Abdul Wahid 2018 Mesin CTC FMEA, Berdasarkan pada hasil dan
Nuruddin, adalah Logic Tree pembahan penelitian ini adalah
Hendra mesin Analysisn Nilai MTTR, MTTF, dan
Suwardana penggiling MTTF, Interval waktu perawatan
teh. MTTR, perbaikan atau pemeriksaan,
RCM maka dapat disimpulkan untuk
2
menjaga kehandalan dan
ketersediaan mesin harus
dilakukan pemeriksaan,
perawatan perbaikan pada
masing-masing komponen
kritis
Agustina Dwi 2018 Unit FMEA, Berdasarkan hasil pengolahan

Susanto, Kompresor RCM dan analisi data yang telah
Hery Hamdi pada tipe dilakukan oleh penelitian ini
Azwir Screw adalah
1. Komponen kritis adalah

3 komponen 4 motor drive,
komponen 8, komponen
screw dan v-belt, kompresor
10 komponen motor fan,
kompresor 5 komponen v-
belt separator, kompresor 16
9
komponen suction
regulating valve, piping
cooling, separator valve.
2. Menurunnya waktu
downtime mesin yang
dikarenakan adanya
tindakan penggantian
komponen dan pemeriksaan
sebelum terjadi kerusakan
sehingga nilai availability
dan reliability komponen
kritis kompresor mengalami
peningkatan
3. Interval perawatan dan
kebijakan perawatan
mengacu pada bahasan
penentuan interval
perawatan dan penjadwalan
manpower utility dan
rancangan kebijkan
perawatan dibagian hasil
pembahasan.
Diana Puspita 2016 Unit RCM II, Berdasarkan hasil pengolahan

Sari, Blowing FMEA dari penelitian ini yaitu sebagai
Mukhammad berikut :
Faizal Ridho
1. Pada mesin produksi
4 Textille ini di bagian
blowing terdapat komponen
yang paling sering rusak
yaitu flat belt dan apron
berpaku.
10
2. Perawatan yang diperlukan
pada mesin blowing
menggunakan schedule
discard task dan interval
perawatan dan hasil dari
penelitian ini mengalami
penurunan biaya sebesar
20,89%
Dari beberapa studi terdahulu diatas, maka perbedaan peneliti dengan

penelitian terdahulu adalah pada studi kasusnya. Dimana penelitian terdahulu
meneliti diberbagai tempat dan kasus yang berbeda – beda, dan objek yang
diteliti oleh peneliti terdahulu adalah berbagai macam mesin, dan mesin yang
diteliti oleh peneliti adalah beberapa mesin produksi salah satunya mesin
produksi injection moulding dengan berbagai macam produksi plastik. Dilihat
hasil data penelitian terdahulu tersebut memiliki kejadian yang sama seperti
terjadinya lost time disaat produksi, kerusakan pada komponen tersebut dan
juga waktu maintenance kurang maksimal.
Sedangkan peneliti ini bergerak dibidang manufaktur, dalam perusahaan

tersebut sangat membutuhkan mesin yang selalu siap pakai untuk kelancaran
produksinya dan hasil produksi yang ada pada penelitian ini adalah berbagai
macam merek injection moulding. Berbagai merek tersebut tiap kemampuan
mesin injection moulding memiliki fungsi yang sama tetapi ukuran pada tiap
produk yang diproses juga beda. Selama memproduksi, selalu terjadinya
downtime yang mengakibatkan penumpukan produksi menjadi tersendat
maka terjadinya lost time yang cukup merugikan perusahaan. Maka, peneliti
ingin melakukan perencanaan untuk mengubah sistem maintenance pada
perusahaan tersebut.
2.2. Landasan Teori

2.2.1. Pengertian Perawatan (Maintenance)
11
Perawatan adalah suatu kegiatan atau tindakan yang diperlukan untuk
mencegah atau mengembalikan peralatan, mesin, atau sebuah sistem pada
kondisinya agar dapat berfungsi sebagaimana mestinya, memperpanjang
usia kegunaan mesin dan menekan downtime sekecil mungkin (Moubray,
1997).
Menurut Kurniawan (2013), perawatan adalah suatu kombinasi dari
berbagai tindakan yang dilakukan untuk menjaga suatu barang dalam, atau
memperbaikinya sampai suatu kondisi yang bisa diterima.
Menurut Assauri (2008), perawatan adalah kegiatan untuk
memelihara atau menjaga fasilitas atau peralatan pabrik dan mengadakan
perbaikan atau penyesuaian atau penggantian yang diperlukan agar supaya
terdapat suatu keadaan operasi produksi yang memuaskan sesuai dengan
apa yang direncanakan jenis perawatan.
Pemeliharan merupakan suatu fungsi dalam suatu proses operasi
perusahaan yang sama pentingnya fungsi-fungsi lain seperti produksi.
Perusahaan berupaya menjaga kondisi mesin untuk menjaga fungsi yang
baik agar kontinuitas produksi dapat terjamin, maka dibutuhkan kegiatan-
kegiatan pemeliharaan yang meliputi kegiatan pengecekan, pelumasan,
dan perbaikan atau reparasi atas kerusakan, serta penyesuaian atau
penggantian spare part pada fasilitas tersebut.
2.2.2. Kegiatan Perawatan

Menurut Menurut (Marquez, 2007) jenis pemeliharaan terdiri dari
serangkaian kegiatan pemeliharaan dalam urutan yang diberikan. Sebagian
besar kegiatan perawatan umum dapat didaftar dan didefinisikan sebagai
berikut:
1. Inspection (inspeksi).
Periksa kesesuaian dengan mengukur, mengamati, menguji atau
mengukur karakteristik yang relafan dari suatu barang. Secara umum,
inspeksi dapat dilakukan sebelum, selama atau setelah kegiatan
pemeliharaan lainnya.
12
2. Monitoring (pemantauan).
Aktivitas dilakukan baik secara manual atau otomatis untuk
mengamati kondisi sebenarnya dari peralatan. Pemantauan dibedakan
dari inspeksi karena digunakan untuk mengevaluasi perubahan dalam
parameter peralatan dengan waktu pemantauan mungkin kontinu,
selama satu interval waktu, atau setelah sejumlah operasi tertentu.
3. Rountine maintenance (Perawatan rutin).
Perawatan dasar regular atau berulang kegiatan yang biasanya
tidak memerlukan kualifikasi khusus, otorisasi atau alat. Pemeliharaan
rutin dapat mencakup, misalnya membersihkan, mengencangkan
koneksi, memeriksa level cairan, pelumas, dll.
4. Overhaul (Perombakan).
Serangkaian pemeriksaan dan tindakan komprehensif yang
dilakukan untuk menjaga tingkat ketersediaan dan keamanan yang
dibutuhkan peralatan. Perbaikan dapat dilakukan pada interval waktu
yang ditentukan atau jumlah operasi, dan mungkin memerlukan
pembongkaran sebagian atau seluruh item.
5. Rebuilding (Membangun kembali).
Tindakan setelah pembongkaran peralatan dan pernaikan atau
penggantian komponen – komponen yang mendekati akhir masa
pakainya dan harus diganti secara teratur. Tujuan pembangunan
kembali biasanya untuk memberikan peralatan dengan masa manfaat
yang mungkin lebih besar bagi peraltan dari umur peralatan asli.
Pembangunan kembali mencakup perbaikan dan modifikasi,
dipahami sebagai berikut :
A. Improvement (Perbaikan).
Kombinasi semua teknis, administrasi dan tindakan
manajerial yang dimaksudkan untuk memperbaiki
ketergantungan pada peralatan, tanpa mengubah fungsi yang
disyaratkan.
B. Modification (Modifikasi).
13
Kombinasi semua teknis, administrasi dan tindakan
manajerial yang dimaksudkan untuk mengubah fungsi yang
diminta dari peralatan. Modifikasi, pada kenyataannya, bukan
tindakan pemeliharaan tetapi menyangkut mengubah fungsi
peralatan yang diperlukan menjadi yang baru fungsi yang
dibutuhkan.
6. Repair (Memperbaiki).
Tindakan fisik diambil untuk mengembangkan fungsi pada
peralatan yang rusak. Dalam perbaikan, biasanya dapat menemukan
tindakan berikut :
A. Fault Diagnosis (Diagnosis kesalahan).
Tindakan yang diambil untuk pengenalan
kesalahan,kesalahan lokalisasi pada tingkat dan penyebab
indenture yang sesuai identifikasi.
B. Fault correction (Koreksi kesalahan).
Tindakan diambil setelah diagnosis kesalahan, untuk
menempatkan peralatan menjadi keadaan dimana ia dapat
melakukan fungsi yang diperlukan.
C. Function check-out (Fungsi periksa-keluar).
Tindakan yang diambil setelah tindakan pemeliharaan
verifikasi bahwa peralatan dapat melakukan fungsi yang
diperlukan.
2.2.3. Jenis Perawatan

Menurut (Moubray, 1997) berbagai macam jenis-jenis perawatan
tujuan adalah mengembalikan suatu fungsi komponen ke kondisi awal.
Maka beberapa jenis perawatan secara umum,yaitu:
1. Corrective Maintenance
Merupakan kegiatan perawatan yan tidak direncanakan.
Dilakukan setelah sebuah komponen atau sistem mengalami
14
kerusakan. Corrective Maintenance bertujuan untuk mengembalikan
keandalan sebuah komponen atau sistem ke kondisi semua
2. Preventive Maintenance
Merupakan aktivitas perawatan pencegahan yang dilakukan
sebelum terjadinya kegagalan pada suatu komponen atau sistem,
dimana waktu pelaksanaan nya telah direncanakan untuk
mengembalikan fungsi operasi dari suatu komponen atau sistem. Hal
ini tersebut dilakukan berdasarkan suatu jadwal yang ditetapkan
sehubungan dengan komponen yang bersangkutan, biasanya
ketentuan tersebut diberikan oleh pihak manufaktur.
Tujuan dari preventive maintenance adalah untuk meningkatkan
kemampuan sebuah sistem, menghindari suatu sistem mengalami
kerusakan yang fatal, mencegah terjadinya kegagalan, mendeteksi
kegagalan dan menemukan kegagalan tersembunyi. Kegiatan-
kegiatan yang dikategorikan ke dalam preventive maintenance adalah
sebagai berikut :
A. Time Directed (TD)
Dapat dilakukan apabila variable waktu dari komponen atau
sistem diketahui dan secara langsung bertujuan untuk mencegah
atau memperlambat terjadinya kerusakan dengan dilakukan
secara periodic sampai peralatan tersebut tidak dapat diperbaiki
kembali seperti semula. Kebijakan perawatan yang sesuai untuk
diterapkan pada Time Directed adalah periodic maintenance dan
on-condition maintenance.
Periodic maintenance (hard time maintenance) merupakan
perawatan pencegahan yang dilakukan secara terjadwal dan
bertujuan untuk mengganti komponen atau sistem berdasarkan
interval waktu tertentu. Faktor yang mendasari periodic
maintenance adalah faktor keamanan dan faktor ekonomi. On-
condition maintenance adalah kegiatan perawatan pencegahan
yang dilakukan berdasarkan kebijakan operator.
15
B. Condition Directed (CD)
Condition Directed merupakan kegiatan perawatan
pencegahan yang dilakukan berdasarkan kondisi tertentu dari
suatu komponen atau sistem, yang bertujuan untuk
mengantisipasi sebuah komponen agar tidak mengalami
kerusakan dan untuk mendeteksi gejala-gejala awal terjadinya
kerusakan. Kegiatan ini dilakukan apabila variabel waktu tidak
diketaui secara tepat, oleh karena itu kebijakan perawatan yang
sesuai dengan kondisi tersebut adalah predictive maintenance.
Predictive maintenance adalah suatu kegiatan yang
dilakukan dengan mengguanakan sistem monitoring yang
bertujuan untuk menentukan keadaan suatu komponen, untuk
memprediksi kemungkinan degradasi (penurunan kualitas
komponen) dan untuk menandai suatu area dimana perawatan
diinginkan.
C. Failure Finding (FF)
Failure Finding merupakan kegiatan perawatan pencegahan
yang berujuan untuk menemukan kerusakan yang tersembunyi
dalam operasi secara periodik untuk memastikan kapan suatu
komponen mengalami kegagalan. Kerusakan ini terjadi tapi
operasi berjalan normal. Hal ini disebut dengan kerusakan yang
tersembunyi (hidden failure).
D. Run to Failure (RTF)
Run to Failure atau disebut juga un-scheduled maintenance
yang dilakukan jika tidak ada tindakan pencegahan yang efektif
dan efisien yang dapat dilakukan, jika dilakukan tindakan
pencegahan terlalu mahal atau dampak kegagalan tidak terlalu
berpengaruh. Run to Failure tergolong perawatan pencegahan
yang memiliki kebijakan perawatan yang sengaja dibuat atau
memungkinkan sebuah komponen atau sistem untuk bekerja atau
mengoperasikannya sampai mengalami kerusakan. Perawatan ini
16
hanya cocok untuk komponen atau sistem yang tidak memiliki
konsekuensi safety dan operasional.
2.3. Langkah-langkah Perencanaan perawatan

Sebelum menerapkan Perencanaan, kita harus memperhatikan langkah-
langkah yang dibutuhkan dalam pelaksanaan . Menurut (Hadi Pranoto, 2015)
adapun langkah-langkah yang diperlukan dalam merencanakan dijelaskan
dalam bagian sebagai berikut :
2.3.1. Pengumpulan Informasi dan Pemilihan Sistem

Maka untuk memenuhi dari tahap ini mengenai dengan pemilihan dan
pengumpulan informasi adalah sebagai berikut :
1. Pengumpulan Informasi, bertujuan untuk memperoleh deskripsi dan
pengertian yang lebih jelas mengenai suatu sistem dan bagaimana
suatu sistem itu bekerja. Informasi yang diperoleh terdapat melalui
pengamatan langsung di lapangan dan wawancara.
2. Pemilihan Sistem, pada tingkat sistem kita akan memperoleh
informasi yang lebih jelas mengenai fungsi dan kegagalan fungsi
komponen.
2.3.2. Pendefinisian Batasan Sistem

Jumlah sistem dalam suatu pabrik sangat luas tergantung dari
kekompleksitasan fasilitas dari pabrik tersebut, karena itu perlu dilakukan
definisi batas sistem. Batasan sistem ini bertujuan untuk menghindari
tumpeng tindih antara satu sistem dengan sistem lainnya, dengan membuat
daftar komponen yang mendukung sistem tersebut.
2.3.3. Deskripsi Sistem

Langkah pendeskripsian dari sistem dan bagaimana cara kerja sistem
atau peralatan mesin tersebut beroperasi.
17
2.3.4. Fungsi Sistem dan Kegagalan Fungsi
Fungsi sistem yang dimaksud adalah kinerja yang diharapkan dari
suatu sistem agar dapat beroperasi dengan baik, sedangkan kegagalan
fungsi merupakan ketidakmampuan suatu funsi dalam memenuhi standar
yang diharapkan. Data tersebut akan lebih terstruktur dan mudah
dilakukan dengan pengkodean pada fungsi sistem dan kegagalan fungsi.
2.3.5. Failure Mode and Effect Analysis (FMEA)

Failure Mode and Effect Analysis (FMEA) adalah pendekatan
terstruktur, logis dan sistematis, FMEA melibatkan peninjauan sistem
dalam hal subsistem, rakitan, dan seterusnya, hingga ketingkat komponen,
untuk mengidentifikasi mode dan penyebab kegagalan serta efek dari
kegagalan tersebut pada fungsi sistem. Mengidentifikasi mode kegagalan
komponen dan menentukan efeknya pada fungsi sistemn membantu
insinyur / analisa desain dalam mengambangkan pemahaman yang lebih
dalam tentang hubungan antara komponen sistem menurut.
FMEA digunakan untuk menilai keamanan sistem dan untuk
mengidentifikasi modifikasi desain dan tindakan korektif yang diperlukan
untuk mengurangi dampak kegagalan pada sistem, menurut (Ben-Daya,
2006) Menurut Standar (IEEE 352), beberapa tujuan FMEA sebagai
berikut :
1. Untuk memastikan bahwa semua mode kegagalan yang mungkin
terjadi dan pengaruhnya terhadap keberhasilan operasional sistem
telah dipertimbangkan.
2. Untuk membuat daftar potensi kegagalan dan mengidentifikasi besar
dari dampaknya.
3. Untuk memberikan dokumentasi histori untuk refrensi di masa
mendatang unntuk membantu dalam analisis kegagalan lapangan dan
pertimbanggan perubahan desain.
18
4. Untuk membantu dalam evaluasi obyektif persyaratan desain yang
terabit dengan redundasi, sistem deteksi kegagalan, karakteristik gagal
– aman, dan penggantian otomatis dan manual.
Metodologi FMEA didasarkan pada pendekatan hirarki, induktif

untuk analisis, analisis harus menentukan bagaimana setiap mode
kegagalan yang mungkin dari setiap komponen sistem mempengaruhi
operasi sistem. Maka untuk presedur dasar terdiri dari, menurut (Ben-
Daya, 2006) :
1. Menentukan fungsi item.

2. Mengidentifikasi semua mode kegagalan item, biasanya ini adalah
cara-cara item gagal menjalankan fungsinya.
3. Menentukan efek kegagalan untuk setiap mode kegagalan, baik pada
komponen dan pada keseluruhan sistem yang dianalisis.
4. Mengklasifikasian kegagalan berdasarkan pengaruhnya terhadap
operasi dan misi sistem.
5. Menentukan probabilitas kegagalan terjadinya.
6. Mengidentifikasi bagaimana mode kegagalan dapat dideteksi.
7. Mengidentifikasi setiap perubahan desain untuk menghilangkan mode
kegagalan, atau mengurangi mengkompensasi efeknya.
Severity, Occurance, Detection dan Risk Priority Number (RPN).
Untuk menentukan prioritas dari suatu bentuk kegagalan maka harus
mengidentifikasi terlebih dahulu tentang Severity, Occurance, serta hasil
akhir berupa RPN.
1. Nilai Severity
Langkah pertama untuk menganalisa resiko yaitu menghitung
seberapa besar dampak yang timbul apabila suatu kesalahan (failure)
terjadi. Dampak tersebut diberi nilai dari skala tabel dari 1 sampai 10,
dimana 10 merupakan dampak terburuk.
19
Tabel 2.2 Nilai Severity
Severity (S)
Efek Ranting Keterangan
Tingkatan keseriusan operator maintenance dan

Sangat
10 keselamatan tidak sesuai dengan peraturan pemerintah yang
Tinggi
tidak disertai peringatan
Tingkat operator maintenance dan keselamantan tidak

9
sesuai dengan peraturan pemerintah yang disertai peringatan
Tinggi
8 Downtime lebih dari 8 jam
7 Downtime diantara 4 - 8 jam
6 Downtime diantara 1 - 4 jam
Moderat 5 Downtime diantara 0.5 - 1 jam
4 Downtime diantara 10 – 30 menit
3 Downtime terjadi hingga 10 menit
Variasi parameter proses tidak di dalam batas spesifikasi.

Rendah
2 Pengaturan atau pengendalian proses lainnya dibutuhkan
selama produksi. Tidak terdapat downtime
Variasi parameter proses di dalam batas spesifikasi.

Sangat
1 Peraturan atau pengendalian proses dapat dilakukan selama
Rendah
maintenance rutin
Sumber : (Nainggolan, 2017)
2. Nilai Occurance
Apabila sudah ditentukan rating pada proses severity, maka tahap
selanjutnya adalah menentukan rating terhadap nilai occurance.
Occurance merupakan kemungkinan bahwa penyabab kegagalan
20
akan terjadi dan menghasilkan bentuk kegagalan selama masa
produksi produk. Penentuan nilai occurance bisa dilihat berdasarkan
tabel dibawah ini.
Tabel 2.3 Nilai Occurrence

Occurrence (O)
Sangat Lebih besar dari 50 per total jumlah kerusakan mesin

10
tinggi
9 35 – 50 per total jumlah kerusakan mesin
Tinggi 8 31 – 35 per total jumlah kerusakan mesin
Moderat 5 15 – 20 per total jumlah kerusakan mesin

Rendah
2 Lebih kecil dari 5 per total jumlah kerusakan mesin
Sangat
1 Tidak pernah sama sekali
rendah
Sumber: (Nainggolan, 2017)
3. Nilai Detection
Setelah nilai occurance diperoleh maka selajutnya nilai detection.
Detection berfungsi untuk upaya pencegahan terhadap proses
produksi dan mengurangi tingkat kegagalan pada proses.
21
Tabel 2.4 Nilai Detection
Detection (D)
10 Tidak mampu terdeteksi
Kesempatan yang sangat rendah dan sangat sulit untuk

9
terdeteksi
8 Kesempatan yang sangat rendah dan sulit untuk terdeteksi
7 Kesempatan yang sangat rendah untuk terdeteksi
6 Kesempatan yang sangat rendah untuk terdeteksi
5 Kesempatan yang sedang untuk terdeteksi
4 Kesempatan yang cukup tinggi untuk terdeteksi
3 Kesempatan yang tinggi untuk terdeteksi
2 Kesempatan yang sangat tinggi untuk terdeteksi
1 Pasti terdeteksi
Sumber: (Nainggolan, 2017)
4. Risk Priority Number (RPN)

Keseriusan efek (seferity), kemungkinan terjadinya penyebab
yang akan menimbulkan kegagalan yang berhubungan dengan efek
(occurrance), dan kemampuan untuk mendeteksi kegagalan sebelum
terjadi pada pelanggaran (detection). Beberapa istilah atau elemen
yang terdapat dalam pengolahan data dengan menggunakan metode
FMEA :
A. Component : komponen dari sistem atau alat yang kita analisis
B. Failure Mode : modus kegagalan yang sering terjadi
22
C. Failure Effect : akibat yang timbul jika komponen tersebut
gagal seperti disebutkan dalam Failure Mode
D. Severity : kuantifikasi seberapa serius kondisi yang
diakibatkan jika terjadi kegagalan yang akibatnya disebutkan
dalam Failure Effect. Severity ini dibuat dalam 10 level (1 – 10)
yang menunjukan akibat yang tidak berpengaruh (1) sampai
sangat Serius (10).
E. Cause : apa yang menyebabkan terjadinya kegagalan pada
komponen
F. Occurrence : tingkat kemungkinan terjadinya kegagalan.
Ditunjukkan dalam 10 level (1 – 10) dari yang hamper tidak
pernah terjadi sampai yang mungkin terjadi (1) sampai yang
paling mungkin terjadi atau yang sulit dihindari (10)
G. Detection : menunjukkan kemungkinan tingkat lolosnya
penyebab kegagalan dari control yang sudah kita pasang.
Levelnya dari (1 – 10)
H. RPN : risk priority number, adalah hasil perkalian bobot
dari severity, occurrence, dan detection. Hasil dapat kita gunakan
untuk menentukan komponen dan failure mode yang paling
menjadi prioritas.
Dengan rumus Metode FMEA sebagai berikut :
RPN = S×O×D……………………………………………… (2.1)
Keterangan :
RPN = Risk Priority Number
S = severity
O = Occurrence
D = Detection
2.4. Distribusi
Menurut (Walpole, 1992), data yang digunakan perhitungan dapat dibagi
dalam dua jenis, yaitu diskret dan data kontinyu.
23
Data diskret adalah daya yang berupa atribut (seperti baik atau butuk,
tolak atau terima) atau kejadian seperti (kecelakaan, kelahiran). Jumlah data
diskret dapat disajikan dalam angka maupun proporsi. Dalam prakteknya,
data diskret berupa hasil cacahan, misalnya banyaknya produk cacat,
frekuensi kerusakan mesin dalam saru tahun di suatu perusahaan.
Data kontinyu adalah data yang merupkan hasil perhitungan kuantitas,
pengukuran variable ini hanya dapat dicatat bila pengukuran dilakukan
dengan akurat. Dalam prakteknya, data kontinyu berupa hasil pengukuran.
Minsalnya tinggi, bobot, suhu, jarak, umur, dan lain-lainnya.
2.4.1. Distribusi Lognormal

Distribusi Lognormal memiliki parameter bentuk (Shape parameter =
s), dan parameter lokasi (Location parameter =𝑡𝑚𝑒𝑑 ) yang merupakan
nilai tengah dari waktu kerusakan. Distribusi ini dimengerti hanya untuk
nilai t positif dan lebih sesuai dari pada distribusi Normal dalam hal
kerusakan. Seperti halnya distribusi Weibull, distribusi Lognormal ini
dapat mempunyai berbagai bentuk. Sering kali dijumpai bahwa data yang
sesuai dengan distribusi Weibull sesuai juga dengan distribusi Lognormal
( (Ebeling, 1997).
Fungsi-fungsi kerusakan distribusi dalam distribusi Lognormal
menurut (Ebeling, 1997) adalah sebagai berikut :
1. Fungsi kepadatan probabilitas :
1 1 𝑡
𝑓 (𝑡 ) = 𝑒 [− 2𝑠 2 (In 𝑡 )2 ]……………………………..… (2.2)
√2⊓𝑠𝑡 𝑚𝑒𝑑
2. Fungsi distribusi kumulatif :

1 𝑡
𝐹(𝑡) = ∅ ( In ) ………………………………………..….. (2.3)
𝑠 𝑡𝑚𝑒𝑑
3. Fungsi keandalan :
1 𝑡
𝑅(𝑡) = 1 − ∅ ( 𝑠 In 𝑡 ) ………………………………..……... (2.4)
𝑚𝑒𝑑
4. Laju kerusakan :
𝑓(𝑡)
𝜆 (𝑡 ) = 𝑅(𝑡)
24
𝑓(𝑡)
𝜆 (𝑡 ) = 1 𝑡 ……………………………...……………... (2.5)
1−∅( In )
𝑠 𝑡𝑚𝑒𝑑
2.4.2. Distribusi Weibull

Distribusi Weibull banyak digunakan dalam analisa keandalan
terutama untuk menghitung umur komponen karena kemampuannya untuk
mencakup ketiga fase kerusakan yang mungkin terjadi pada distribusi
kerusakan mesin. Distribusi Weibull banyak digunakan dalam dua bentuk
parameter, sebagai berikut :
θ = Parameter Skala (Sale)
β = Parameter Bentuk (Shape)
Fungsi-fungsi distribusi Weibull menurut (Ebeling, 1997) yaitu
sebagai berikut :
1. Fungsi kepadatan probabilitas :
𝛽 𝑡 𝛽−1 𝑡 𝛽
𝑓 (𝑡 ) = { } (exp − (𝜃) ) ………………………..……… (2.6)
𝜃 𝜃
2. Fungsi distribusi kumulatif :

𝑡 𝛽
𝐹(𝑡) = 1 − (exp − (𝜃) ) …………………………..…...…… (2.7)
3. Fungsi keandalan :
𝑡 𝛽
𝑅(𝑡) = (exp − (𝜃) ) ………………………………………..... (2.8)
4. Fungsi laju Kerusakan :

𝛽 𝑡 𝛽−1
𝜆 (𝑡 ) = ( )
𝜃 𝜃
untuk 𝜃 > 0, 𝛽 > 0, dan 𝑡 ≥ 0 ………...…… (2.9)
2.5. Identifikasi Awal dengan Metode Least Square Curve Fitting

Menurut (Walpole, 1992). Dalam mengidentifikasi distribusi kerusakan
atau perbaikan suatu komponen dengan metode Least-square curve fitting
digunakan index of fit (r) yang merupakan ukuran hubungan linier antar
peubah x dan y. Dimana r diperoleh dengan rumus :
Perhitungan umum pada least-squares curve fitting yaitu (Ebeling, 1997)
:
25
1. Perhitungan plotting positions (F(ti)) :
𝑖−0.3
𝐹(𝑡𝑖 ) = ………………………………..…………………... (2.10)
𝑛+0.4
Dimana : n = Jumlah kerusakan yang terjadi.

i = data waktu ke-t
2. Perhitungan indeks of fit (r) :
𝑛 ∑𝑛 𝑛 𝑛
𝑖=1 𝑥𝑖 𝑦𝑖 − (∑𝑖=1 𝑥𝑖 )(∑𝑖=1 𝑦𝑖 )
𝑟= 2 2
……………...……. (2.11)
√[𝑛 ∑𝑛 2 𝑛 𝑛 2 𝑛
𝑖=1 𝑥𝑖 − (∑𝑖=1 𝑥𝑖 ) ] [𝑛 ∑𝑖=1 𝑦𝑖 − (∑𝑖=0 𝑦𝑖 ) ]
Dimana : n = adalah jumlah kerusakan yang terjadi.

3. Gradien :
𝑛 ∑𝑛
𝑖=1 𝑥𝑖 𝑦𝑖− (∑𝑛 𝑥𝑖 ∑𝑛 𝑦𝑖 )
𝑏= 𝑖=1 𝑖=1
2 …………………………………...…. (2.12)
𝑛 ∑𝑛 2 𝑛
𝑖=1 𝑥𝑖 − (∑𝑖=1 𝑥𝑖 )
4. Intersep : 𝑎 = 𝑦̅ − 𝑏𝑥̅ ……………………………………….. (2.13)

Untuk perhitungan khusus tiap distribusi yaitu :
A. Distribusi Lognormal
𝑥𝑖 = In 𝑡𝑖 dimana 𝑡𝑖 adalah data ke − i ………………………… (2.14)
𝑦𝑖 = 𝑧𝑖 = ∅[𝐹(𝑡𝑖 )] …………………………………………..…... (2.15)
1 𝑎
Parameter ∶ σ = 𝑏 dan μ = − (𝑏 ) ………………………………... (2.16)
B. Distribusi Weibull
𝑥𝑖 = In 𝑡𝑖 dimana 𝑡𝑖 adalah data ke − i ………………………… (2.17)
1
𝑦𝑖 = In (In (1−𝐹(𝑡 ))) …………………………………………... (2.18)
𝑖
𝑎
Parameter ∶ β = b dan θ = 𝑒 −(𝑏) ………………………………… (2.19)
2.6. Uji Kecocokan Distribusi

Dalam menentukan distribusi data yang telah dikumpulkan, digunakan
uji kecocokan statistic (Goodness of Fit). Dalam uji kecocokan ini, yang akan
diuji adalah Hipotesis nol (H0 ) bahwa data mengikuti distribusi pilihan dan
26
lawan hipotesis alternative (H1 ) bawah data tidak mengikuti distribusi
pilihan.
Maka yang merupakan uji Goodness of fit umum ialah Chi-Square,
sedangkan yang merupakan uji khusus ialah Mann’s Test untuk distribusi
Weibull, dan uji Kolmogorov-Smirnov Test untuk distribusi Lognormal yaitu
penjelasan sebagai berikut
2.6.1 Kolmogorov-Smirnov Test untuk Uji Distribusi Lognormal

Menurut (Ebeling, 1997) Kolmogorov-Smirnov Test dikembangkan
oleh H.W.Liliefors pada tahun 1967. Test ini membandingkan fungsi
distribusi kumulatif dengan fungsi distribusi kumulatif normal.
Hipotesisnya berupa :
H0 : Failure time berdistribusi Normal (Lognormal)
H1 : Failure times tidak berdistribusi Normal (Lognormal)
Test statistik : 𝐷𝑛 = max {𝐷1 , 𝐷2 }
Dimana :
𝑡𝑖 − 𝑡̅ 𝑖−1
𝐷1 = max {∅ ( )− } ………………………………….. (2.20)
1≤𝑖 ≤𝑛 𝑠 𝑛
𝑖 𝑡𝑖 − 𝑡̅
𝐷2 = max {𝑛 − ∅ ( )} …………………………………… (2.21)
1≤𝑖 ≤𝑛 𝑠
∑𝑛
𝑖=1 𝑡𝑖
𝑡̅ = ……………………………………………………... (2.22)
𝑛
∑𝑛 ̅ 2
𝑖 (𝑡1 −𝑡)
𝑠2 = ………………………………………………… (2.23)
𝑛−1
(𝑡1 −𝑡̅ )
𝑧𝑖 = …………………………………………………….. (2.24)
𝑠
Keterangan :
𝑡𝑖 = Time to Failure / Time to Repair ke – i.
𝑡 = Rata-rata Time to Failure / Time to Repair.
𝑠 = Standart deviasi.
𝑛 = Banyaknya data.
Jika 𝐷𝑛 < 𝐷𝑒𝑟𝑖𝑡 maka H0 diterima. Nilai dari D𝑒𝑟𝑖𝑡 didapatkan dari
tabel critical values for Kolmogrov-Smirnov Test for Normalit (Liliefors
27
Test). Perbedaan penggunakan uji ini untuk distribusi Normal dan
Lognormal adalah Distribusi Lognormal, nilai 𝑡𝑖 = In 𝑡𝑖 .
2.6.2 Mann’s Test untuk Uji Distribusi Weibull

Menurut (Ebeling, 1997) pengembangan test yang spesifik untuk
distribusi Weibull dilakukan oleh Mann, Schafer, dan Singapurwalla,
Hipotesisnya berupa:
H0 : Failure time berdistribusi Weibull
H1 : Failure times tidak berdistribusi Weibull
Untuk perhitungan statistik pada tahapan perhitungan yaitu sebagai
berikut:
In 𝑡𝑖+1− In𝑡𝑖
𝐾1 ∑𝑟−1
𝑖=𝑘+1[ ]
𝑀𝑖
𝑀= In 𝑡𝑖+1−In 𝑡𝑖 …………………………………………. (2.25)
𝐾2 ∑𝑘
𝑖=1[ ]
𝑀𝑖
Dimana :
𝑟 𝑟−1
𝑘1 = |2| 𝑘2 = | | …………………………………………... (2.26)
2
𝑀𝑖 = 𝑍𝑖+1 − 𝑍𝑖 …..………………………………………………. (2.27)

𝑖−0.5
𝑍𝑖 = In [−In (1 − 𝑛+0.25)] ………………………………………. (2.28)
Keterangan :
M = Nilai dari Mann’s Test.
𝑀𝑖 = Nilai pendekatan Mann untuk data ke-i
r = Banyaknya data.
𝑡𝑖 = Time to Failure / Time to Repair.
𝑡𝑖+1 = Nomor data kerusakan (1,2,3,..,n).
𝑛 = Banyak kerusakan.
Jika M > Ferit maka H0 diterima, Nilai dari Ferit didapatkan dari tabel
berdistribusi F dengan v1=2 k1 dan v2=2 k2.
2.7. Mean Time to Failure (MTTF)

Menurut (Ebeling, 1997), Mean Time to Failure (MTTF) adalah nilai
rata-rata atau nilai yang diharapkan (expected value) dari sutu distribusi
28
kerusakan yang didefinisikan oleh fungsi kepadatan peluang f(t) sebagai
berikut :
∝
𝑀𝑇𝑇𝐹 = 𝐸 (𝑡) = ∫0 𝑡 𝑓(𝑡) …………………………………….. (2.29)
𝑑𝐹 (𝑡) 𝑑𝑅(𝑡) ∞ 𝑑𝑅 (𝑡)
𝑓 (𝑡 ) = = − sehingga,𝑀𝑇𝑇𝐹 = ∫0 − 𝑡 𝑑𝑡… (2.30)
𝑑𝑡 𝑑𝑡 𝑑𝑡
∞ ∞
𝑀𝑇𝑇𝐹 = −𝑡 𝑅(𝑡)| + ∫0 𝑅(𝑡)𝑑𝑡 …………………………….. (2.31)
0
∞
𝑀𝑇𝑇𝐹 = ∫0 𝑅(𝑡)𝑑𝑡 …………………………………………….. (2.32)
Perhitungan MTTF untuk :
1. Distribusi Lognormal adalah :
2/2
𝑀𝑇𝐹𝐹 = 𝑡𝑚𝑒𝑑 = 𝑒 𝑠 ………………………………………….. (2.33)
2. Distribusi Weibull adalah :
1
𝑀𝑇𝑇𝐹 = 𝜃 Γ (1 + 𝛽) ………………………………………….. (2.34)
2.8. Mean Time to Repair (MTTR)

Menurut (Ebeling, 1997), Mean Time to Repair (MTTR) adalah nilai
tengah dari fungsi probabilitas untuk waktu perbaikan dari distribusi data
waktu perbaikan yang telah diketahui dahulu. Untuk perhitungan MTTR
diperoleh dari rumus :
∞ ∞
𝑀𝑇𝑇𝑅 = ∫0 𝑡 ℎ(𝑡) 𝑑𝑡 = ∫0 (1 − 𝐻(𝑡))𝑑𝑡…………………….. (2.35)
Dimana :
(t) adalah fungsi kepadatan peluang untuk data waktu perbaikan.
H(t) adalah fungsi distribusi kumulatif untuk data waktu perbaikan.
Maka perhitungan untuk tiap-tiap Distribusi adalah :
1. Distribusi Lognormal adalah :
2/2
𝑀𝑇𝐹𝐹 = 𝑡𝑚𝑒𝑑 = 𝑒 𝑠 ………………………………………….. (2.36)
2. Distribusi Weibull adalah :
1
𝑀𝑇𝑇𝑅 = 𝜃 Γ (1 + 𝛽) ………………………………………….. (2.37)
29
2.9. Interval Waktu Perawatan
Penentuan maintenance task dilakukan dengan menganalisis information
worksheet dan decision worksheet. Analisis pada information worksheet
dilakukan dengan mengamati record failure. Tabel information worksheet
terdiri dari fungsi sistem. Kegagalan sistem dan FMEA (Failure Mode and
Effect Analysis).
Pemeriksaan bertujuan untuk mengetahui apakah suatau komponen atau
peralatan masih dalam keadaan baik atau perlu dilakukannya perbaikan atau
penggantian :
𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒
𝑘 = 𝑤𝑎𝑘𝑡𝑢 𝑝𝑟𝑜𝑑𝑢𝑘𝑡𝑖𝑓 𝑠𝑒𝑙𝑎𝑚𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 ……………………………….. (2.38)
𝑗𝑎𝑚 𝑘𝑒𝑟𝑗𝑎 𝑝𝑒𝑟 𝑏𝑢𝑙𝑎𝑛
𝜇= ………..…………………………………. (2.39)
𝑀𝑇𝑇𝑅
1 1
= 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑚𝑒𝑟𝑖𝑘𝑠𝑎𝑎𝑛 ………..………………..………. (2.40)
𝑖
𝑘 ×𝑖
𝑛=√ ………..………………….…………..……………….. (2.41)
𝜇
1
𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑤𝑎𝑘𝑡𝑢 𝑝𝑒𝑚𝑒𝑟𝑖𝑘𝑠𝑎𝑎𝑛 = × 𝑗𝑎𝑚 𝑘𝑒𝑟𝑗𝑎 𝑝𝑒𝑟𝑏𝑢𝑙𝑎𝑛 … (2.42)
𝑛
Keterangan :
k = Rata-rata jumlah kerusakan tiap bulan.
𝜇 = Rasio jam kerja sebulan terhadap rata-rata waktu perbaikan.
1
= Rasio jam kerja sebulan terhadap waktu pemeriksaan.
𝑖
n = frekuensi pemeriksaan optimal tiap bulan
2.10. Diagram Pareto

Menurut (Vincent, 2001) diagram pareto adalah grafik batang yang
menunjukkan masalah berdasarkan urutan banyaknya kejadian. Masalah
yang apling banyak terjadi ditunjukkan oleh grafik batang pertama yang
tertinggi serta ditempatkan pada sisi paling kiri, dan seterusnya sampai
masalah yang paling sedikit terjadi ditunjukkan oleh grafik batang terakhir
yang terendah ditempatkan pada sisi paling kanan. Pada dasarnya diagram
pareto dapat dipergunakan sebagai alat interprestasi untuk :
30
1. Menentukan frekuensi relative dan urutan pentingnya masalah-masalah
atau penyebab-penyabab dari masalah yang ada.
2. Memfokuskan perhatian pada isu-isu kritis dan penting melalui membuat
rangking terhadap masalah-masalah atau penyebab-penyabab dari
masalah itu dalam bentuk yang signifikan.
Gambar 2.1 Diagram Pareto

Sumber : (Taufik & Septyani, 2015)
31
BAB III
METODOLOGI PENELITIAN
3.1. Metode Penelitian
Dalam melaksanakan penelitian ini, adapun metodologi penelitian guna
untuk mengetahui metode yang akan digunakan untuk memecahkan masalah
dari objek permasalahan yang akan diteliti. Metodologi penelitian ini
bertujuan untuk menentukan, menggambarkan, atau menguji kebenaran dari
suatu pengetahuan yang dibahas, maka sebelum melakukan penelitian harus
dirancang metodologi penelitian terlebih dahulu.
3.2. Objek Penelitian

Untuk menjaga proses operasional produksi agar tetap berjalan efektif
maka yang perlu dilakukan penentuan kebijakan kegiatan perawatan terhadap
komponen-komponen injection moulding salah satunya adalah engine. Salah
satu penyebab terhentinya proses operasional produksi dikarenakan
kerusakan pada engine yang mengakibatkan terganggunya proses produksi
yang berdampak pada menurunnya kapasitas produksi. Hal tersebut pastilah
berdampak buruk bagi perusahaan PT. Yasunli Abadi Utama Plastik, yang
terdapat 12 mesin injection moulding di area A1. Berdasarkan hal tersebut,
maka perlu dilakukan studi untuk menentukan suatu bentuk pemeliharaan
terjadwal yang tepat.
Penelitian dilakukan di area A1 lokasi Plan 3 PT. Yasunli Abadi Utama
Plastik. Objek penelitian pada tugas akhir ini adalah “Perencanaan
Perawatan Mesin Injection Moulding Dengan Type LS 850 di PT.Yasunli
Abadi Utama Plastik – Bekasi“.
3.3. Diagram Alir Penelitian

Untuk memberikan penjelasan terhadap proses alir penelitian, penelitian
akan membuat gambaran atau arahan dari permasalah yang akan dipecahkan
32
untuk mencapai tujuan penelitian secara umum yaitu dengan sistematika
pembahasan masalah atau bisa disebut dengan diagram alir penelitian.
Mulai
Studi Literatur
Observasi Lapangan
Batasan Masalah
Tujuan Penelitian
Pengumpulan Data :
- Data downtime januari 2019 – januari 2020
- Data waktu Operasional
- Data waktu Kerusakan Mesin
Pengolahan Data :
1. Pengumpulan Informasi
2. Failure Mode and Effect Analysis (FMEA)
3. Pendefisian Batasan Sistem
4. Deskripsi Sistem dan Blok Diagram Fungsi
5. Fungsi Sistem dan Kegagalan Fungsi
6. Penentuan Data TTF & TTR
7. Uji Sesuai Pola Distribusi
8. Perhitungan MTTF & MTTR
9. Total Perhitungan Interval
Analisis dan Pembahasan
Kesimpulan
Selesai
Gambar 3.1 Skema diagram alir penelitian
33
Berikut merupakan diagram alir proses Failure Mode and Effect Analysis
(FMEA) yaitu sebagai berikut :
Mulai
Peninjauan Proses
Memantau mesin yang terjadi downtime disaat proses

produksi berlanjut
Membuat daftar dampak tiap-tiap kesalahan
Menentukan nilai severity, occurrence, dan detection dari setiap

kesalahan
Menghitung tingkat prioritas risiko (RPN) dari masing-masing kesalahan
Selesai
Gambar 3.2 Diagram alir proses FMEA

Setelah mendapatkan nilai RPN dari penerapan FMEA dan sudah
mengetahui komponen kritis, berikut adalah menentukan uji distribusi pada
komponen dan mencari nilai parameter setiap komponen tersebut yaitu
sebagai berikut :
34
Mulai
Penentuan Distribusi data Time

to Failure (TTF) dan Time to
Repair (TTR)
Uji distirbusi dengan menggunakan Goodness of Fit :

a1. Distribusi Weibull
a2. Distribusi Eksponential
a3. Distribusi Normal
a4. Distribusi Lognormal
Tidak Distribusi
sesuai ?
Mean Time to Ya Mean Time to

Failure Repair
(MTTF) (MTTR)
Interval Waktu
Perawatan
Selesai
Gambar 3.3 Skema diagram alir proses total perhitungan interval

3.4. Metode Pengumpulan Data
Dalam pengumpulan data untuk tugas akhir ini menggunakan metode
sebagai berikut:
3.4.1. Studi Literature

Studi Literatur ini merupakan studi metode penelitian untuk
mendapatkan teori yang dibutuhkan dengan cara yaitu sebagai berikut :
35
1. Buku-buku, adalah pengumpulan data-data yang berasal dari
literature perpustakaan maupun referensi lainnya untuk menunjang
dalam pengumpulan data yang akan dibahas.
2. Jurnal, adalah pengumpulan data-data yang terdiri dari deskripsi
maupun laporan mengenai data yang akan ditulis dengan
mempertimbangkan ketelitian dan kebenarannya.
3.4.2. Observasi Lapangan

Metode ini dilakukan dengan pengamatan langsung ke lini produksi
di Plan 3 PT. Yasunli Abadi Utama Plastik, yaitu dengan melakukan
tinjauan langsung, adalah pengumpulan data-data yang diperoleh disaat
mesin terjadinya downtime dan melakukan analisa terhadap kerusakan
yang terjadi.
3.4.3. Pengumpulan Data

Metode pengumpulan data yang dilakukan dalam melaksanakan
penelitian ini adalah :
1. Data Primer
Data primer adalah data yang langsung didapatkan dari hasil observasi
pada bagian line A1 dan wawancara langsung dengan operator
maintenance. Data primer yang dibutuhkan adalah :
A. Data fungsi dari setiap komponen mesin, penyebab mesin dan
efek yang sering ditimbulkan karena kerusakan.
B. Data jumlah kerusakan mesin (Frekuensi).
C. Data waktu kerusakan pada komponen kritis (Downtime) selama
penelitian.
2. Data Sekunder
Data sekunder yang dikumpulkan adalah data selang waktu antar
kerusakan (TTF) dan waktu perbaikan (TTR) terhadap kerusakan
komponen mesin yaitu sebagai berikut:
36
Tabel 3.1 Data selang waktu antar kerusakan (TTF) pada komponen kritis
TTF
(Menit)
Pipa
Valve Transducer
Injection
20.55 4.8 48
23 50.4 172.8
23.55 110.4 216
54 126 264
62.4 144 624
64.8 216 1440
69.6 266.4 1872
120 528 2112
168 828 2544
259.2 1152 4824
669 1344
1008 13104
2016
2040
2542
Sumber:PT.Yasunli Abadi Utama Plastik
Untuk data waktu perbaikan (TTR) terdapat 3 komponen kritis yang

terpilih untuk melakukan perhitungan sesuai dengan distribusi hingga
waktu interval perawatan, maka sebagai berikut :
Tabel 3.2 Data waktu perbaikan (TTR) pada komponen kritis
TTR
(Jam)
Pipa
Valve Transducer
Injection
0.2 0.2 0.3

0.25 0.25 0.3
0.3 0.25 1
0.45 0.3 1
37
0.45 0.3 2
0.5 1 2
1 1 2
1 2 2
1 2 2.3
1.2 2.3 3
1.35 2.3 3
1.45 3
2 3
2
3
3
Sumber : PT. Yasunli Abadi Utama Plastik
3.5. Pengolahan Data

Data yang sudah dikumpulkan, kemudian diolah agar dapat digunakan
dalam penelitian. langkah-langkah yang diterapkan adalah sebagai berikut :
3.5.1 Pengumpulan Informasi

Untuk memperoleh deskripsi dan pengertian yang lebih jelas
mengenai suatu sistem dan bagaimana suatu sistem itu bekerja.
3.5.2 Failure Mode and Effect Analysis (FMEA)

Pada seleksi sistem ini dengan masing-masing komponen yang akan
dianalisis berdasarkan pendekatan Failure Mode and Effect Analysis
(FMEA) yang dipilih karena memiliki RPN yang tinggi.
FMEA digunakan untuk mengindentivikasi sumber dan akar
penyebab dari suatu masalah kualitis. FMEA merupakan suatu prosedur
terstruktur untuk mengidentifikasi dan mencegah sebanyak mungkin mode
kegagalan. Tahapan FMEA adalah sebagai barikut :
1. Mengetahui data history downtime pada mesin produksi yang
mengakibatkan lost time
2. Melakukan penilaian Severity, Occurrence, dan Detection dari setiap
kegagalan. Severity adalah penilaian terhadap keseriusan dari efek
38
yang ditimbulkan, Occurrence adalah kemungkinan bahwa penyebab
tersebut akan terjadi, dan Detection adalah pengukuran terhadap
kemampuan mengendalikan/mengontrol kegagalan yang terjadi.
3. Menghitung nilai Risk Priority Number (RPN) dari setiap kegagalan,
untuk menentukan kegagalan mana yang paling prioritas yang harus
diperhatikan menurut rumus persamaan (2.1).
3.5.3 Pendefisian Batasan Sistem

Pada definisi Batasan sistem, Batasan mesin yang selalu mengalami
kerusakan dibagian injection unit dengan membuat daftar komponen yang
mendukung sistem maka bertujuan untuk mempermudah menganalisa
terhadap komponen kritis tersebut.
3.5.4 Deskripsi Sistem dan Blok Diagram Fungsi

Pada tahap deskripsi sistem diperlukan untuk mengetahui komponen-
komponen yang terdapat didalam sistem dan untuk blok diagram fungsi
menjelaskan input dari kegiatan komponen serta hasil dari output yang
dihasilkan oleh komponen tersebut.
3.5.5 Fungsi Sistem dan Kegagalan Fungsi

Untuk mengetahui fungsi sistem terhadap mesin injection moulding
upaya untuk mengetahui sistem beroperasi dengan baik sedangkan
kegagalan fungsi yaitu diamana komponen kritis tidak mampu suatu fungsi
dalam memenuhi standar yang diharapkan.
3.5.6 Penentuan Distribusi data Time to Failure dan Time to Repair

Proses penentuan distribusi untuk data TTF dan TTR masing-masing
komponen kritis adalah dengan membuat hipotesa apakah data kerusakan
mengikuti dari salah satu distribusi kerusakan. Penentuan suatu distribusi
data selang waktu antar kerusakan (TTF) dan waktu perbaikan (TTR)
39
berdasarkan pada karakteristik suatu distribusi sesuai dengan aplikasi
penggunaannya.
3.5.7 Uji Kesesuaian Distribusi Data TTF dan TTR

Setelah mengetahui jenis distribusi data TTF dan TTR, maka langkah
berikutnya adalah melakukan uji dengan menggunakan software statfit
terhadap data TTF dan TTR yang diperoleh untuk meyakinkan apakah
pola distribusi data yang diduga sudah sesuai dengan pola distribusi
tertentu untuk diolah lebih lanjut untuk memperoleh sesuai dengan
distribusi yang terpilih.
Bila sudah dilakukan untuk mengetahui apakah data bener-bener
distribusi untuk memperkuat distribusi Weibull, Lognormal, Normal dan
Exponential. Maka selanjutnya akan diuji dengan goodness of fit untuk
mengetahui perhitungan secara manual.
3.5.8 Penentuan Parameter Sesuai Distribusi

Setelah mengetahui apakah perhitungan terhadap data yang di amati
adalah diterima sesuai dengan distribusi yang diterima maka selanjutnya
adalah perhitungan parameter untuk waktu antar kerusakan (TTF) dan
waktu perbaikan (TTR) dilakukan dengan persamaan rumus sesuai dengan
distribusi.
3.5.9 Perhitungan MTTF dan MTTR

Setalah penentuan waktu antar kerusakan (TTF) dan waktu perbaikan
(TTR) sudah ditentukan apakah komponen tersebut tergolong. Maka untuk
perhitungan MTTF dan MTTR dengan distribusi yang sesuai
menggunakan parameter untuk masing-masing rumus persamaan sesuai
dengan distribusi.
40
3.5.10 Penentuan Interval Waktu Perawatan
Adalah hasil dari perhitungan dari MTTR dan MTTF untuk
menentukan perawatan yang optimal dan sebagai acuan untuk menentukan
waktu perawatan preventive yang baik. Maka untuk perhitungan
penentuan interval waktu perawatan sesuai dengan perhitungan lapangan.
3.6. Analisis dan Pembahasan

Data-data yang telah diolah dan telah didapatkan hasil dari perhitungan
sesuai dengan alur diagram proses dilakukan analisis dan pembahasan
berdasarkan sebagai berikut :
1. Analisis FMEA untuk menentukan perawatan mesin kritis.
2. Analisis uji distibusi pada Stat:fit.
3. Analisis hasil perhitungan parameter terhadap TTF dan TTR
4. Analisis hasil perhitungan MTTF dan MTTR.
5. Analisis hasil penentuan Waktu Interval.
6. Analisa hasil keandalan (Reliability)
3.7. Kesimpulan dan Saran

Kesimpulan didapat berdasarkan hasil keseluruhan mulai dari awal
sampai akhir pembahasan yang telah diolah dan dipilih berdasarkan analisis
dan pembahasan dalam melakukan penelitian hingga mendapatkan
perhitungan didapat sesuai dengan metode dalam penelitian ini. Setelah
didapatkan beberapa kesimpulan maka barulah diberikan beberapa saran
untuk memberi feedback kepada perusahaan
3.8. Menentukan Distribusi dengan Software Stat:fit

1. Input data
Data yang akan digunakan adalah data downtime terhadap kerusakan
pada komponen sistem yang kritis pada mesin injection moulding dengan
menggunakan software Stat:fit yang berada di software promodel 6.0.
41
Berikut ini adalah tahapan dalam menggunakan software Stat:fit yaitu
sebagai berikut :
A. Data hasil perhitungan TTF dan TTR dimasukkan ke lembar kerja
Stat:fit lalu akan dilakukan auto:fit untuk menentukan distribusi.
Gambar 3.4 Data input Stat:fit

Sumber: Software Promodel 6.0
B. Beriku nya untuk melakukan nilai TTF dan TTR untuk menentukan
distribusi sebagai berikut :
1) Klik auto:fit pada toolbar.
2) Klik continuous distributions.
3) Klik fixed lower bound pada pilihan the parametes.
4) Lalu Ok.
Gambar 3.5 Penentuan distribusi

Sumber:Software Promodel 6.0
2. Output data
42
Maka hasil dari software stat:fit adalah untuk menentukan distribusi yang
cocok untuk menentukan nilai parameter serta mengetahui apakah hasil yang
di input diterima pada distribusi yang sudah di tentukan, maka hasil dari input
tersebut dengan menggunakan aplikasi stat:fit sebagai berikut:
Gambar 3.6 Hasil dari distribusi yang diterima

Sumber: Software promodel 6.0
3.9. Jadwal Penelitian
Tempat penelitian ini berada pada perusahaan PT. Yasunli Abadi Utama
Plastik, Jalan Flores Blok C1 no 3,4,5,6 kawasan industry MM2100 Cikarang,
Bekasi – 17520. Maka yang digunakan dalam penelitian ini ialah data history
downtime pada mesin LS 850. Dengan jadwal penelitian pada tabel berikut
ini.
Tabel 3.3 Jadwal penelitian
Jadwal
Bulan Bulan Bulan Bulan
Kegiatan I II III IV
BAB I : PENDAHULUAN
BAB II : KAJIAN PUSTAKA
BAB III : METODOLOGI
PENELITIAN
BAB IV : PENGOLAHAN DAN
PENGUMPULAN DATA
BAB V : PEMBAHASAN
BAB VI : KESIMPULAN DAN
SARAN
43
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1. Pengumpulan Data

4.1.1. Data downtime pada bagian injection unit
Downtime adalah waktu suatu komponen yang tidak dapat digunakan
sesuai dengan fungsinya, sehingga mengakibatkan masa produksi akan
terhenti. Waktu yang seharusnya digunakan untuk membuat suatu
produksi akan tetapi terhenti dikarenakan adanya kerusakan atau gangguan
pada mesin yang tidak dapat bekerja secara normal dan berkurangnya hasil
output sebagaimana mestinya.
Tabel 4.1 Data jumlah downtime pada kerusakan komponen kritis
Nama Downtime Downtime

No Frekuensi
Komponen (Menit) Kumulatif
1 Valve 16 1116 1116
2 Pipa Injection 13 1074 2190
3 Transduser 11 1134 3324
4 Heaters 6 2040 5364
5 Nozzle 3 618 5982
Total 49 5982
Sumber:Pengolahan Data
Hasil dari data kerusakan pada komponen yang kritis maka akan
ditentukan dengan menggunakan diagram pareto sebagai berikut :
Injection Unit
20 150%
Frekuensi
15 100%
10
5 50%
0 0%
Frekuensi %Kumulatif
Gambar 4.1 Hasil diagram pareto pada komponen kritis
44
Pada hasil Diagram pareto menandakan komponen yang sangat kritis
pada mesin injection unit dengan type LS850 yaitu komponen Valve
dengan jumlah frekuensi 16 kejadian, komponen Pipa injection dengan
jumlah frekuensi 13 dan komponen Transducer dengan jumlah frekuensi
11 kejadian pada tahun 2019 hingga 2020 di bulan maret.
4.2. Pengolahan Data

4.2.1. Pengumpulan Informasi dan Pemilihan Sistem
1. Pengumpulan Informasi
Pengumpulan informasi pada sistem produksi PT. Yasunli Abadi
Utama Plastik dilakukan dengan cara wawancara, penelitian ke
lapangan dan melihat hasil data history pada mesin injection moulding
2. Seleksi Sistem
Proses analisis dilakukan berdasarkan Failure Mode and Effect
Analysis digunakan untuk mendapatkan nilai Risk Priority Number
(RPN) dari komponen yang kritis. sedangkan RPN merupakan hasil
dari tingkat keparahan yang ditimbulkan oleh mode kegagalan terhadap
keseluruhan mesin disebut severity, tingkat keseringan terjadinya
kerusakan disebut occurrence, dan kemampuan mendeteksi kegagalan
disebut detection.
45
Tabel 4. 2 Penyusunan Failure Mode and Effect Analysis
FMEA WORKSHEET
Mesin LS 850
Unit Injection Moulding
Sumit Injection Unit
Failure
No Komponen Item Function Function Failure Cause Failure Effect S O D RPN
Mode
Sebagai karet Sela pada

Tekanan oli
penutup di pompa Oli jadi Mesin injek
1 O-Ring 1.1 1.1.1 1 1 sangat tinggi 1 5 9 4 180
pompa-pompa valve tidak menetes menjadi kasar
dan panas
hidraulik rapet
Perangkat yang
Valve mengatur, Mold close Tidak
Mesin Bagian M1
Valve mengarahkan atau mesin maksimal
1.2 1.2.1 1 jadi 1 terjadi 1 6 10 3 180
M1 mengontrol aliran menjadi disaat close
pelan penyumbatan
cairan dibagian pelan mold
M1
Kotor dan Gesekan pada
Halfnuts M/C
1.2.2 1 1 kurang 1 mesin inject 6 10 2 120
Macet Alarm
dibersihkan kasar
46
Function
Mode
Perangkat yang
mengatur,
Speed Pemasangan
Valve mengarahkan atau Aliran Oli Hasil produksi
1.3 1.3.1 1 M/C 1 pen valve 1 5 8 1 40
R2 mengontrol aliran tidak stabil menjadi short
lemah kebalik
cairan dibagian
R2
Hasil
Kotor pada Produksi short
1.3.2 Produksi 2 Alarm 2 2 6 9 3 93
aliran valve material
tidak baik
Perangkat yang
Valve
mengatur, Kurang M/C
Bongkar dan
Valve mengarahkan atau setingan tidak Setingan
1.4 1.4.1 1 1 1 Cleaning 4 8 2 62
R1 mengontrol aliran terhadap mau higt kurang tepat
terhadap R1
cairan dibagian M/C press press
R1
Membuka
Mrembes
pengunci yang Aliran fluida
Neppel 1.5 1.5.1 pada sela- 1 Oli bocor 1 1 Oli netes 4 6 1 24
berupa baut yang sangat kuat
sela selang
ada di pipa
47
Function
Mode
Mengontrol
Masa
dalam sistem Selenoid Squence
Valve perangkat Merusak
1.6 fluida yang 1.6.1 valve not 1 tidak 1 1 5 6 2 60
Squence tidak bagus tranduser
dikendalikan good bekerja
lagi
dengan arus listrik
Total RPN 759
mengendalikan
arus pada cairan
Siku-siku Siku pipa
2 2.1 fluida atau oli 2.1.1 1 Oli bocor 1 1 Oli berceceran 4 3 1 12
pipa patah sudah kropos
untuk mendukung
proses produksi
Pipa Pipa
Injection 2.1.2 hidrolic 2 Oli bocor 1 Pipa not good 2 Oli berceceran 6 2 1 12
Rembes
Pipa eject Siku pipa
2.1.3 3 Oli bocor 1 3 Oli berceceran 6 9 1 54
bocor sudah kropos
Nepple Kurang
2.1.4 pipa valve 4 Oli bocor 1 kecang pada 4 Oli berceceran 4 2 1 8
manifold pipa enjector
Pipa
2.1.5 charging 5 Oli bocor 1 Pipa retak 5 Oli berceceran 6 9 2 108
bocor
48
Function
Mode
Nepple
2.1.6 selang 6 Oli bocor 1 Pipa not good 5 Oli berceceran 4 2 1 8
valve M29
Total RPN 202
Sebagai sensor Mold Sensor Pergerakan

yang mana untuk Setinggan mur
3 3.1 3.1.1 ngacak saat 1 tidak 1 1 mesin tidak 4 7 4 112
menahan mesin tidak persisi
clamping akurat tepat
atau mencepit
disaat clamping.
Grafik Kotor dan
Injection Setinggan
Transducer 3.1.2 inject tidak 1 1 1 Setinggan 6 2 1 12
kotor tidak stabil
stabil tidak stabil
Produksi
Injection Sistem terlalu Hasil produksi
3.1.3 short 2 1 1 6 9 5 270
kotor kotor menjadi short
material
Posisi Mold
Sistem tidak
3.1.4 mold tidak 3 tidak 1 1 Mesin mati 6 2 1 12
terbaca
kebaca bergerak
Total RPN 406
49
dapat diketahui dari tabel Failure Modes and Effect Analyze
(FMEA) bahwa nilai total RPN yang paling tertinggi pada tiga
komponen yaitu valve dengan nilai RPN sebesar 759, Transducer nilai
RPN sebesar 406 dan Pipa Injection dengan nilai RPN sebesar 202.
Dari hasil seleksi sistem dengan berdasarkan Failure Mode and

Effect Analysis. Maka selanjut nya adalah pendefisian batas.
4.2.2. Pendefisian Batasan Sistem

Pada tahapan pendefisian batasan sistem sangat penting dalam
melakukan analisis dengan alasan sebagai berikut :
1. Memberikan penjelasan dan tidak saling tumpeng tindih antara
sistem yang berkaitan.
2. Memperoleh batasan yang jelas tentang apa yang harus dilibatkan
pada komponen kritis.
Batasan sistem pada penelitian ini adalah membahas tentang kinerja
komponen kritis pada mesin valve, pipa injection, dan transducer. Urutan
batasan tersebut adalah sebagai berikut :
1. Pertama, pada komponen Valve memiliki fungsi sebagai mengatur
aliran oli secara otomatis sesuai dengan takaran yang standar. Pada
komponen Valve ini memiliki tugas pada tiap-tiap part berupa
memasukkan ke oli terhadap mesin penggerak untuk memudahkan
proses injeksi.
2. Kedua, pada komponen Pipa Injection bertugas sebagai jalur pada
aliran fuilda atau cairan yang berguna untuk melancarkan disaat
komponen lain sangat membutuhkan cairan tersebut.
3. Ketiga, pada komponen Transducer berperan sebagai alat untuk
melakukan pergerakan yang seudah terseting dengan memiliki
transmisi yang kuat dan kokoh terhadap berat nya mesin injeksi.
50
4.2.3. Deskripsi Sistem dan Blok Diagram Fungsi
Pada tahapan selanjutnya pendeskripsian sistem diperlukan untuk
mengetahui komponen-komponen yang terdapat di dalam sistem yang
mendukung jalannya fungsi utama adalah :
1. Valve
Valve adalah sebuah perangkat yang terpasang pada sistem
perpipaan, yang berfungsi untuk mengatur, mengontrol dan
mengarahkan laju aliran fluida dengan cara membuka, menutup atau
menutup menyusun aliran fluida, terdapat fungsi utama pada valve
sebagai mana untuk mengatur aliran, dengan cara menahan aliran
dengan perubahan arah atau menggunakan suatu hambatan serta untuk
mengatur tekanan.
2. Pipa Injection
Pipa Injection adalah sebuah perangkat yang terpasang pada tiap-
tiap luar sistem, mengendalikan arus pada cairan fluida atau oli untuk
mendukung proses produksi berlanjut.
3. Transduser
Transduser adalah sebuah perangkat yang dinamakan linear
displacement untuk mengontrol posisi clamping disaat produksi
berlanjut. Keahlian pada transducer ini memiliki sensor yang mana
untuk menahan mesin atau mencepit disaat clamping. Maka
komponen ini berperan sebagai unit penjepit untuk menahan atau
mengikat pergerakan mesin.
51
Gambar 4.2 Blok diagram sistem
Sumber: Observasi PT.Yasunli
Pada gambar 4.2. Menggambarkan blok pada daerah komponen yang
kritis yaitu Valve, Pipa Injector, dan Transducer. Pada blok diagram ini
menjelaskan input dari kegiatan komponen serta hasil dari output yang
dihasilkan oleh komponen tersebut.
Berdasarkan penjabaran sistem ke dalam subsistem maka dapat

dibentuk suatu System Work Breakdown Structure (SWBS). Dalam
SWBS, kita menjabarkan komponen-komponen utama yang berhubungan
dengan fungsi sistem. Pada setiap komponen memiliki identifikasi
komponen yang wajib memerlukan perawatan, upaya menjaga kehandalan
komponen untuk menjaga kebutuhan setiap sistem. Maka untuk struktur
System Work Breakdown Structure (SWBS) dapat dilihat pada tabel 4.3
Tabel 4.3 Bagian-bagian komponen yang terpilih

No Sub Bagian-bagian Sub
Komponen Komponen
1 Valve
O-Ring
Valve Air Blow
Solenoid Valve
52
2 Pipa Injection
Neppel
O-Ring
3 Transducer
Sensor
Sumber:PT.Yasunli
4.2.4. Fungsi Sistem dan Kegagalan Fungsi

Fungsi adalah kinerja yang diharapkan oleh suatu sistem untuk dapat
beroperasi sesuai sama kebutuhannya. Kegagalan fungsi didefinisikan
sebagai ketidakmampuan suatu komponen / sistem untuk memenuhi
standar prestasi atau kebutuhan yang diharapkan. Dengan penjelasan
fungsi sistem dan kegagalan fungsi di paparkan pada tabel 4.4 yaitu berikut
ini :
Tabel 4.4 Deskripsi pada komponen yang terpilih

Deskripsi
No Fungsi Sistem No Kegagalan Fungsi
1 Valve
Sering mengalami kerusakan
Sebagai karet penutup di pompa-
1.1 1.1 dikarenakan kepanasan/kehausan,
pompa hidraulis.
hingga menjadi putus.
Sebuah perangkat yang mengatur,
mengarahkan atau mengontrol Sering terjadi bocor karena tekanan
1.2 1.2
aliran dari suau cairan secara cairan sangat tinggi.
manual.
Katup yang dikendalikan dengan
Mudah patah pada katup dan mudah
1.3 arus listrik dan merupakan elemen 1.3
panas.
kontrol dalam sistem fluida.
2 Pipa Injection
Sering terjadinya dol atau longgar
Membuka pengunci yang berupa
2.1 2.1 yang mengakibatkan penguncian
baut yang ada di pipa.
tidak maksimal.
53
Sering mengalami kerusakan
Sebagai karet penutup di pompa-
2.2 2.2 dikarenakan kepanasan/kehausan,
pompa hidraulis.
hingga menjadi putus.
3 Transducer
Alat pengukur tekanan perpindahan
3.1 3.1 Tidak bisa dijangka dengan jauh.
tekanan bebas sel atau cell.
Sumber : Pengolahan Data
Hasil dari deskripsi pada tabel 4.4 pada komponen kritis ini memiliki
fungsi dari tiap komponen yang mendukung dimana fungsi tersebut untuk
mengetahui sistem kinerja tiap komponen. Pada fungsi tersebut memiliki
batas umur terhadap kinerja tiap-tiap komponen supaya tindakan
kerusakan bisa diatasi secara tepat.
Dari hasil fungsi sistem dan kegagalan fungsi setelah melakukan

analisi maka selanjutnya akan dilakukan perhitungan sesuai dengan
distribusi yang terpilih.
4.3. Perhitungan Time to Failure (TTF) dan Time to Repair (TTR) komponen
kritis
Setelah diketahui komponen kritis, maka langkah selanjutnya adalah
menghitung waktu antar kerusakan (TTF) dan waktu perbaikan (TTR).
Perhitungan ini adalah menunjukkan data dari 12 mesin dalam satu line
terhadap mesin injection unit, pada komponen valve adalah sebagai contoh
perhitungan untuk menentukan data waktu antar kerusakan (TTF) dan waktu
perbaikan (TTR).
Untuk komponen kritis lainnya seperti komponen pipa injection dan
transucer ada dihalaman lampiran, berikut pada tabel 4.5 adalah perhitungan
waktu antar kerusakan (TTF) dan waktu perbaikan (TTR) berikut ini
54
Tabel 4.5 Perhitungan TTF dan TTR
Valve
1 Waktu
Lama Lama
Kumulatif TTF
Mesin Tanggal Pengerjaan Pengerjaan/TTR
No Operasi (Jam)
(Menit) (jam)
(Jam)
1 A 8 Januari 2019 180 3 0 0
2 L 22 Januari 2019 60 1 336 1008
3 L 27 Januari 2019 60 1 120 120
4 A 22 April 2019 60 1 2040 2040
5 B 22 April 2019 60 1 23 23
6 L 30 April 2019 120 2 168 168
7 C 11 Juni 2019 120 2 1008 2016
8 D 25 September 2019 27 0.45 2544 2542
9 F 25 September 2019 180 3 21 20.55
10 I 23 Oktober 2019 12 0.2 672 669
11 C 05 November 2019 60 1 312 62.4
12 D 05 November 2019 27 0.45 23.55 23.55
13 A 25 November 2019 87 1.45 576 259.2
14 C 28 November 2019 15 0.25 48 69.6
15 H 17 Desember 2019 18 0.3 216 54
16 J 26 Desember 2019 30 0.5 216 64.8
Sumber: Pengolahan Data
Hasil perhitungan pada tabel 4.5 untuk waktu antar kerusakan (TTF) dan
waktu perbaikan (TTR), digunakan untuk melakukan perhitungan sesuai
kecocokan distribusi.
1. Langkah-langkah untuk perhitungan (TTR) yaitu sebagai berikut :
A. Data yang didapatkan pada perhitungan TTR yaitu data dari hasil
waktu perbaikan selama mesin terjadi kerusakan.
B. Contoh data yang dihitung adalah TTR pada tanggal 8 Januari 2019.
C. Total downtime 180 Menit, dan 60 menit = 1 jam, maka 180/60 = 3
jam
2. Langkah-langkah untuk perhitungan waktu kumulatif operasi yaitu
sebagai berikut :
55
A. Data yang dihitung adalah waktu antar kerusakan yang terjadi pada
tanggal 8 Januari 2019 sampai tanggal 22 Januari 2019.
B. Mesin Injection moulding ini bekerja selama 24 jam sehari selama
memproduksi yang sudah direncanakan terkecuali pada hasil libur
nasional dan perayaan hari besar lain nya.
C. Dari tanggal 8 Januari 2019 sampai 22 Januari 2019 terdapat hari
kerja, maka untuk nilai waktu kumulatif operasi (24 jam × 14 Hari =
336 Jam).
D. Sehingga waktu antar kerusakan pada tanggal 8 Januari 2019 sampai
tanggal 22 Januari 2019 adalah = 336 Jam.
3. Untuk perhitungan TTF yaitu sebagai berikut :
A. Data yang dihitung adalah dari waktu perbaikan (TTR) dengan hasil
perhitungan Waktu Kumulatif Operasi.
B. Dari tanggal 8 januari 2019 hingga 22 januari 2019 didapatkan
waktu Operasi Kumulatif = 336 Jam.
C. Maka dari tanggal perbaikan 8 Januari 2019 di jumlah dengan waktu
kumulatif operasi di tanggal 22 januari 2019 yaitu (3 Jam × 336 jam
= 1008 jam).
4.3.1. Hasil Perhitungan Time to Failure (TTF)

Berikut ini adalah tabel hasil perhitungan waktu antar kerusakan
(TTF) pada tiga komponen kritis :
Tabel 4.6 Waktu antar kerusakan pada 3 komponen kritis
TTF
(Menit)
Pipa
Valve Transducer
Injection
20.55 4.8 48
23 50.4 172.8
23.55 110.4 216
56
54 126 264
62.4 144 624
64.8 216 1440
69.6 266.4 1872
120 528 2112
168 828 2544
259.2 1152 4824
669 1344
1008 13104
2016
2040
2542
4.3.2. Hasil Perhitungan Time to Repair (TTR)

Berikut ini adalah tabel hasil perhitungan waktu perbaikan (TTR)
pada komponen kritis :
Tabel 4.7 Hasil waktu perbaikan pada 3 komponen kritis

TTR
(Jam)
Pipa
Valve Transducer
Injection
0.2 0.2 0.3

0.25 0.25 0.3
0.3 0.25 1
0.45 0.3 1
0.45 0.3 2
0.5 1 2
1 1 2
1 2 2
1 2 2.3
1.2 2.3 3
1.35 2.3 3
1.45 3
2 3
57
2
3
3
4.4. Uji Kesesuaian Distribusi

Berdasarkan hasil dari sistematis pada komponen kritis, maka komponen
yang akan diuji kecocokan distribusi untuk melakukan perhitungan
selanjutnya.
4.4.1. Uji Distribusi dengan Menggunakan Software Stat:Fit

Pada tahap ini, untuk pengujian dengan menggunakan software
Stat:Fit alat bantu untuk melakukan uji kecocokan distribusi antara
distribusi teoritis dan distribusi dari data yang diamati. Dengan
menggunakan alat bantu software Stat:Fit maka hasil yang didapat adalah
:
Tabel 4.8 Hasil pola distribusi

Data
No Komponen Pola Dsitribusi Rank Acceptance
Waktu
Weibull TTR 100 Accept

1 Valve
Lognormal TTF 91 Accept
Pipa Lognormal TTR 65.4 Accept

2
Injection Lognormal TTF 69.9 Accept
Weibull TTR 74.6 Accept

3 Transducer
Lognormal TTF 76.4 Accept
Sumber:Pengolahan Data Stat-Fit
58
Pada hasil tabel 4.8 terhadap pengujian pola berdistribusi pada
komponen kritis dengan dibantunya alat software Stat:Fit pada masing-
masing data waktu antar kerusakan (TTF) dan waktu perbaikan (TTR).
Menunjukan bahwa tiap-tiap komponen kritis yang sesuai dengan
distribusi yang terpilih akan digunakan untuk melakukan perhitungan
selanjutnya yaitu perhitungan goodness of fit.
Untuk persamaan langkah-langkah menggunakan alat software
Stat:Fit ini sesuai dengan gambar (3.4), (3.5), (3.6).
4.4.2. Perhitungan Uji Goodness of Fit dengan Kolmogorov-Smirnov Test

Distribusi yang akan diuji pada waktu perbaikan pada komponen kritis
adalah Lognormal, maka pengujian yang akan dilakukan adalah uji
Kolmogorov-Smirnov Test.
Berikut ini adalah contoh langkah-langkah pengujian yang dilakukan
sesuai dengan uji Kolmogorov-Smirnov Test pada komponen valve dari
data Time to Failure yaitu sebagai berikut :
1. Hₒ : Data TTR pada komponen kritis pada injection unit
berdistribusi Lognormal.
2. Hₗ : Data TTR pada komponen kritis pada injection unit tidak
berdistribusi Lognormal.
3. Nilai Taraf nyata (α) = 0.05
4. Penentuan Hipotesa jika : Terima Ho jika M < Ftabel
5. Menggunakan Rumus Persamaan (2.20), (2.21), (2.22), (2.23),
(2.24)
Tabel 4.9 Perhitungan Uji Goodness of Fit pada data TTF dengan menggunankan
Uji khusus Kolmogorov-Smirnov Test
TTF
𝑖−1 𝑖 𝑍𝑖
ti' ti = (𝑡𝑖
I 𝑡𝑖 − 𝑡 Φ(Zi) D1(i) D2(i)
𝑛 𝑛 (jam) In ti' − 𝑀)2 =
𝑠
1 0 0.067 20.55 3.023 4.686368 -1.26 0.104 0.1039 -0.0372
2 0.067 0.133 23 3.135 4.211397 -1.19 0.116 0.0495 0.0172
59
3 0.133 0.2 23.55 3.159 4.114963 -1.18 0.119 -0.0145 0.0811
4 0.2 0.267 54 3.989 1.436831 -0.70 0.243 0.0427 0.0240
5 0.267 0.333 62.4 4.134 1.111122 -0.61 0.270 0.0031 0.0636
6 0.333 0.4 64.8 4.171 1.032982 -0.59 0.277 -0.0562 0.1229
7 0.4 0.467 69.6 4.243 0.892833 -0.55 0.291 -0.1088 0.1755
8 0.467 0.533 120 4.787 0.160137 -0.23 0.408 -0.0587 0.1254
9 0.533 0.6 168 5.124 0.004058 -0.04 0.485 -0.0481 0.1148
10 0.6 0.667 259.2 5.558 0.136853 0.22 0.585 -0.0148 0.0814
11 0.667 0.733 669 6.506 1.737443 0.77 0.779 0.1118 -0.0452
12 0.733 0.8 1008 6.916 2.986193 1.01 0.843 0.1094 -0.0427
13 0.8 0.867 2016 7.609 5.862246 1.41 0.921 0.1206 -0.0539
14 0.867 0.933 2040 7.621 5.919694 1.42 0.922 0.0549 0.0117
15 0.933 1 2542 7.841 7.038639 1.54 0.939 0.0054 0.0613
Pada tabel 4.9 hasil perhitungan uji Goodness of Fit untuk

menentukan hipotesa pada data TTF yang sudah diolah dengan uji
Kolmogorov-Smirnov Test, maka sebagai berikut :
a) n : 15
∑𝑛
𝑖=1 𝑡𝑖 77.9
b) 𝑀 = 𝑡̅ = = = 5.19
𝑛 15
∑𝑛
𝑖 (𝑡𝑖 −𝑀)
2 41.3317
c) 𝑠 = √ =√ = 1.72
𝑛−1 14
(𝑡𝑖 −𝑡̅ ) 3.023−5.188

d) 𝑧𝑖 = = = −1.26
𝑠 1.718
e) Probabilitis Kumulatif = Φ(𝑧𝑖 )
= Φ(−1.26) = 0.104 (didapat dari tabel

standardized normal probabilities).
𝑡𝑖 − 𝑡̅ 𝑖−1
f) 𝐷1 = max {Φ ( )− } = (0.104 − 0) = 0.10
1≤𝑖 ≤𝑛 𝑠 𝑛
𝑖 𝑡𝑖 − 𝑡̅
g) 𝐷2 = max {𝑛 − Φ ( )} = (0.067 − 0.116) = 0.02
1≤𝑖 ≤𝑛 𝑠
h) 𝐷𝑛 = max(0.1755)
Setelah melakukan perhitungan maka nilai terbesar yang diambil, dari
tabel 4.6 dapat dilihat dari nilai Uji Statistik 𝐷1 dan 𝐷2 nilai yang
terbesarnya adalah 0.1755 dan D0.05,15 = 0.338, nilai ini diperoleh dari
60
tabel nilai kritis Uji Kolmogorov Smirnov, Sehingga DHitung < Dtabel =
0.1755 < 0.338.
Maka dapat disimpulkan H0 diterima dan H1 ditolak, maka data Time
to Failure berdistribusi Lognomal.
4.4.3. Hasil Perhitungan Komponen yang Terpilih

Berikut ini adalah tabel hasil perhitungan sesuai dengan Kolmogorov-
Smirnov Test sesuai dengan distribusi yang sudah ditentukan yaitu sebagai
berikut :
1. Pipa Injection
Pada komponen Pipa Injection terdapat waktu antar kerusakan (TTF)
dan waktu perbaikan (TTR) dengan perhitungan yang sama.
A. Waktu Antar Kerusakan (TTF)
Tabel 4.10 Hasil perhitungan waktu antar kerusakan (TTF)
Diket Hasil
n 12
∑𝑛𝑖=1 𝑡𝑖 1490
𝑀 = 𝑡̅ =
𝑛
∑𝑛(𝑡𝑖 − 𝑀)2 1.96

𝑠= √ 𝑖
𝑛−1
(𝑡𝑖 − 𝑡̅) -759

𝑧𝑖 =
𝑠
𝐷𝑛 (max) 1.0000
Setelah melakukan perhitungan maka nilai terbesar yang diambil,

dapat dilihat dari nilai Uji Statistik 𝐷1 dan 𝐷2 nilai yang terbesarnya adalah
0.10000 dan D0.05,12 = 0.375, nilai ini diperoleh dari tabel nilai kritis Uji
Kolmogorov Smirnov Test, Sehingga DHitung < Dtabel = 0.10000 <
0.375.
61
to Failure berdistribusi Lognomal.
B. Waktu Perbaikan (TTR)
Tabel 4.11 Hasil perhitungan waktu perbaikan (TTR)

Diket Hasil
n 13
∑𝑛𝑖=1 𝑡𝑖 1.38
𝑀 = 𝑡̅ =
𝑛
1.12
∑𝑛(𝑡𝑖 − 𝑀)2
𝑠= √ 𝑖
𝑛−1
(𝑡𝑖 − 𝑡̅) -2.67

𝑧𝑖 =
𝑠
𝐷𝑛 (max) 0.3984

dapat dilihat dari nilai Uji Statistik 𝐷1 dan 𝐷2 nilai yang terbesarnya adalah
0.5984 dan D0.05,13 = 0.375, nilai ini diperoleh dari tabel nilai kritis Uji
Kolmogorov Smirnov, Sehingga DHitung < Dtabel = 0.5984 < 0.361.
Maka dapat disimpulkan H0 diterima dan H1 ditolak, maka data waktu
perbaikan berdistribusi Lognomal.
2. Transducer
Pada komponen Transduser hanya terdapat waktu antar
kerusakan (TTF) yang sesuai dengan distribusi lognormal yaitu
sebagai berikut :
A. Waktu Antar Kerusakan (TTF)
62
Tabel 4.12 Hasil perhitungan waktu antar kerusakan (TTF)
Diket Hasil
n 10
∑𝑛𝑖=1 𝑡𝑖 6.52
𝑀 = 𝑡̅ =
𝑛
1.182
∑𝑛(𝑡𝑖 − 𝑀)2
𝑠= √ 𝑖
𝑛−1
(𝑡𝑖 − 𝑡̅) -2.24

𝑧𝑖 =
𝑠
𝐷𝑛 (max) 0.2378

dapat dilihat dari nilai Uji Statistik 𝐷1 dan 𝐷2 nilai yang te
rbesarnya adalah 0.2378 dan D0.05,10 = 0.409, nilai ini diperoleh dari
tabel nilai kritis Uji Kolmogorov Smirnov, Sehingga DHitung < Dtabel =
0.2378 < 0.409.
to Failure berdistribusi Lognormal.
4.4.4. Perhitungan Uji Goodness of Fit dengan Mann’s Test

Distribusi yang akan diuji pada data waktu perbaikan (TTR) untuk
komponen kritis adalah Weibull, maka pengujian yang akan dilakukan
adalah uji Mann’s Test.
Berikut ini adalah Contoh langkah-langkah pengujian yang dilakukan
sesuai dengan uji Mann’s Test pada komponen valve dari data waktu
perbaikan (TTR) yaitu sebagai berikut :
1. Hₒ : Data TTR pada komponen kritis pada injection unit
berdistribusi Weibull.
63
2. Hₗ : Data TTR pada komponen kritis pada injection unit tidak
berdistribusi Weibull.
3. Nilai Taraf nyata (α) = 0.05
4. Penentuan Hipotesa jika : Terima Ho jika M < Ftabel
5. Menggunakan rumus persamaan (2.25), (2.26), (2.27), (2.28).
Tabel 4.13 Perhitungan Uji Goodness of Fit pada data TTR dengan menggunakan
Uji khusus Mann's Test
TTR
In
ti 1-[(i- - In [1-((I - (In ti+1 -
i In ti Zi Mi t(i+1)-
(jam) 0.5)/(n+0.25)] 0.5)/(n+0.25))] In ti)/Mi
Inti
1 0.2 -1.61 0.9692308 0.031253 -3.4657 1.13106 0.22314 0.197287
2 0.25 -1.39 0.9076923 0.096850 -2.3346 0.54516 0.18232 0.3344392
3 0.3 -1.2 0.8461538 0.167054 -1.7894 0.37294 0.40547 1.0872179
4 0.45 -0.8 0.7846154 0.242562 -1.4165 0.29023 0 0
5 0.45 -0.8 0.7230769 0.324240 -1.1263 0.24242 0.10536 0.4346239
6 0.5 -0.69 0.6615385 0.413187 -0.8839 0.21213 0.69315 3.2675949
7 1 0 0.6 0.510826 -0.6717 0.19214 0 0
8 1 0 0.5384615 0.619039 -0.4796 0.17902 0 0
9 1 0 0.4769231 0.740400 -0.3006 0.17108 0.18232 1.0656931
10 1.2 0.182 0.4153846 0.878550 -0.1295 0.16764 0.11778 0.7026044
11 1.35 0.3 0.3538462 1.038893 0.03816 0.16882 0.07146 0.4232941
12 1.45 0.372 0.2923077 1.229948 0.20697 0.1758 0.32158 1.8293065
13 2 0.693 0.2307692 1.466337 0.38277 0.19187 0 0
14 2 0.693 0.1692308 1.776492 0.57464 0.22668 0.40547 1.7887287
15 3 1.099 0.1076923 2.228477 0.80132 0.32224 0 0
16 3 1.099 0.0461538 3.075775 1.12356 -1.1236 -1.0986 0.9777985
Pada tabel 4.13 hasil perhitungan uji Goodness of Fit untuk

menentukan hipotesa pada data TTR yang sudah diolah dengan uji Mann’s
Test penjelasan tahap-tahap nya adalah :
a) n : 16 r : 16
𝑖−0.5 1−0.5
b) 𝑍𝑖 = In [−In (1 − )] = In [−In (1 − )] = −3.46
𝑛+0.25 16+0.25
c) 𝑀𝑖 = 𝑍𝑖+1 − 𝑍𝑖 = −2.3346 − (−3.4657) = 1.13
64
𝑟 16
d) 𝑘1 = 2 = =8
2
𝑟−1 16−1
e) 𝑘2 = = = 7.5 = 7
2 2
In 𝑡𝑖+1− In𝑡𝑖
𝐾1 ∑𝑟−1
𝑖=𝑘+1[ ]
𝑀𝑖 𝐾 ∑16[6.787425]
f) 𝑀 = In 𝑡 −In 𝑡 𝑀 = 𝐾1 ∑78 [5.321163]
𝐾2 ∑𝑘
𝑖=1[
𝑖+1 𝑖] 2 1
𝑀𝑖
8 × 6.787425 54.2994
𝑀= 𝑀 = 37.24814 = 1.46
7 × 5.321163
Hasil dari perhitungan untuk data TTR untuk menentukan Hipotesa

yaitu dengan hasil nilai M (1.46) < Ftabel (4.96) Maka terima H0 dan data
waktu perbaikan berdistribusi Weibull
4.4.5. Hasil Perhitungan Komponen yang Terpilih

Berikut ini adalah tabel hasil perhitungan sesuai dengan Mann’s Test
dengan distribusi yang sudah ditentukan yaitu sebagai berikut.
1. Pada komponen Transducer terdapat waktu perbaikan (TTR) dengan
perhitungan yang sama dengan Mann’s Test.
Tabel 4.14 Hasil perhitungan waktu perbaikan (TTR)

Diket Hasil
n 11
𝑖 − 0.5 -3.1
𝑍𝑖 = In [−In (1 − )]
𝑛 + 0.25
𝑀𝑖 = 𝑍𝑖+1 − 𝑍𝑖 3.09
𝑟 5.5
𝑘1 =
2
𝑟−1 5
𝑘2 =
2
In 𝑡𝑖+1 − In𝑡𝑖
𝐾1 ∑𝑟−1
𝑖=𝑘+1 [ ]
𝑀𝑖 0.6
𝑀=
In 𝑡 − In 𝑡𝑖
𝐾2 ∑𝑘𝑖=1 [ 𝑖+1𝑀 ]
𝑖
65
Hasil dari perhitungan untuk data TTR untuk menentukan Hipotesa
yaitu dengan hasil nilai M (0.6) < Ftabel (4.96) Maka terima H0 dan data
waktu perbaikan berdistribusi Weibull.
4.5. Perhitungan Nilai Parameter Time to Repair (TTR) dan Time to Failure
(TTF) Komponen Kritis
Langkah-langkah perhitungan untuk mencari nilai parameter pada setiap
distribusi untuk data waktu perbaikan (TTR) sama dengan langkah-langkah
perhitungan nilai parameter pada data waktu antar kerusakan (TTF). Yaitu
dengan menggunakan metode Least Square Curve Fitting.
Dari perhitungan ini kita memperoleh nilai index of fit dan nilai
parameter dari masing-masing distribusi sehingga parameter dari masing-
masing distribusi dapat digunakan untuk melakukan perhitungan selanjutnya.
4.5.1. Perhitungan Nilai Parameter terhadap Data Time to Failure (TTF)

Data waktu antar kerusakan (TTF) dengan distribusi Lognormal yang
sudah terpilih melalui software stat:fit, maka contoh perhitungan pada
komponen Valve untuk melakukan perhitungan parameter dapat dilakukan
dengan rumus persamaan (2.10), (2.11), (2.12), (2.13), (2.14), (2.15).
Tabel 4.15 Perhitungan parameter TTF
TTF
i ti (jam) xi=In(ti) F(ti) yi Xi.Yi 𝑋𝑖 2 𝑌𝑖 2
1 20.55 3.022861 0.045455 -1.691 -5.11051 9.14 2.858

2 23 3.135494 0.11039 -1.224 -3.83928 9.83 1.499
3 23.55 3.159126 0.175325 -0.933 -2.94851 9.98 0.871
4 54 3.988984 0.24026 -0.705 -2.8141 15.91 0.498
5 62.4 4.133565 0.305195 -0.510 -2.10612 17.09 0.260
6 64.8 4.171306 0.37013 -0.332 -1.38283 17.40 0.110
7 69.6 4.242765 0.435065 -0.163 -0.69366 18.00 0.027
8 120 4.787492 0.5 0 0 22.92 0
9 168 5.123964 0.564935 0.163 0.837735 26.26 0.027
66
10 259.2 5.5576 0.62987 0.332 1.842397 30.89 0.110
11 669 6.505784 0.694805 0.510 3.31481 42.33 0.260
12 1008 6.915723 0.75974 0.705 4.878817 47.83 0.498
13 2016 7.608871 0.824675 0.933 7.101591 57.89 0.871
14 2040 7.620705 0.88961 1.224 9.331239 58.08 1.499
15 2542 7.840706 0.954545 1.691 13.25567 61.48 2.858
Total 9140 77.81495 7.5 0 21.66724 445.01 12.245
^2 83541428 6055.166 56.25 0 469.4692 198033 149.9
Berikut langkah-langkah perhitungan berdasarkan sesuai dengan

persamaan distirbusi :
1. Pada data (𝑡𝑖 ) diurutkan dengan waktu yang paling kecil hingga ke
waktu yang paling besar.
2. Pada data ini banyaknya data interval berjumlah (n) = 15
X𝑖 = In𝑡𝑖 X𝑖 = In 20.55 = 3.02
𝑖−0.3 1−0.3
𝐹(ti) = 𝐹(ti) = 15+ 0.4 = 0.04
𝑛 + 0.4
1 1
𝑦𝑖 = In. In [ ] 𝑦𝑖 = In. In [ ] = −1.69
1 − 𝐹(ti) 1 − 0.04545
3. Perhitungan Nilai Index Of Fit :

∑𝑛 𝑛 𝑛
𝑖=0 𝑥1𝑦1 −(∑𝑖=1 𝑥𝑖 )(∑𝑖=0 𝑦𝑖 )
𝑟= 2 2
= 0.96
√[𝑛 ∑𝑛 2 𝑛 𝑛 2 𝑛
𝑖=1 𝑥1 − (∑𝑖=1 𝑥𝑖 ) ][𝑛 ∑𝑖=0 𝑦1 −(∑𝑖=0 𝑦𝑖 ) ]
4. Perhitungan Parameter :
𝑖=1 𝑥𝑖 𝑦𝑖 −(∑𝑖=1 𝑥𝑖 ∑𝑖=1 𝑦𝑖 ) 15 × 21.6672 − (77.8149 × 0)
𝑏= 2 = = 0.52
𝑛 ∑𝑛 2 𝑛
𝑖=1 𝑥𝑖 −(∑𝑖=1 𝑥𝑖 )
( 15 × 445.01) − 6055.17
𝑏 = 0.52
∑𝑖𝑛=1 𝑥𝑖 77.8149
𝑥̅ = = = 5.19
𝑛 15
∑𝑖𝑛=1 𝑦𝑖 0
𝑦̅ = = = −2.3E − 16
𝑛 15
𝑎 = 𝑦̅ − 𝑏𝑥̅ = 0 − (0.524227 × 5.187663) = -2.72
1 1
𝑠= = = 1.91
𝑏 0.524227
67
𝑡𝑚𝑒𝑑 = 𝑒 −𝑠𝑎 = 𝑒 −(1.907569)×(−2.71951) = 𝑒 5.1877 = 179.05
2/2 2×−2.71951
𝑒𝑠 = 𝑒 (1.907569) = 𝑒 1.81941 = 6.17
5. Perhitungan yang sudah didapatkan sesuai dengan persamaan
distirbusi Lognormal adalah :
𝑏 = 0.52
𝑎 = −2.72
𝑠 = 1.91
𝑡𝑚𝑒𝑑 = 179.05
4.5.2. Hasil Perhitungan Nilai Parameter pada Komponen Kritis

Hasil yang sudah didapatkan dari data-data waktu antar kerusakan
(TTF) sesuai dengan distirbusi Lognormal yaitu sebagai berikut :
Tabel 4.16 Hasil nilai perhitungan waktu antar kerusakan (TTF)

No Komponen Nilai Index Nilai Parameter
of Fit
r 0.96 b 0.52
1 Valve
a -2.72
s 1.91
𝑡𝑚𝑒𝑑 179.05
2/2
𝑒𝑠 6.17
Pipa r 0.97 b 0.46

2
Injection a -2.58
s 2.18
𝑡𝑚𝑒𝑑 281.48
2/2
𝑒𝑠 10.85
68
r 0.97 b 0.60
3 Transducer
a -3.94
s 1.65
𝑡𝑚𝑒𝑑 678.31
2/2
𝑒𝑠 3.93
4.5.3. Perhitungan Nilai Parameter terhadap Data Time to Repair (TTR)
Data waktu perbaikan (TTR) dengan distribusi Weibull sesuai dengan

software stat:fit. Maka contoh pada komponen Valve untuk melakukan
perhitungan parameter dapat dilakukan dengan rumus persamaan (2.10),
(2.11) (2.12), (2.13), (2.17), (2.18).
Tabel 4.17 Perhitungan parameter TTR
TTR
i ti (jam) xi=In(ti) F(ti) yi Xi.Yi 𝑋𝑖 2 𝑌𝑖 2
1 0.2 -1.60944 0.04268 -3.132 5.041122 2.590 9.811

2 0.25 -1.38629 0.10366 -2.212 3.067086 1.922 4.895
3 0.3 -1.20397 0.16463 -1.715 2.065337 1.450 2.943
4 0.45 -0.79851 0.22561 -1.364 1.08903 0.638 1.860
5 0.45 -0.79851 0.28659 -1.086 0.866876 0.638 1.179
6 0.5 -0.69315 0.34756 -0.851 0.589787 0.480 0.724
7 1 0 0.40854 -0.644 0 0.000 0.415
8 1 0 0.46951 -0.456 0 0.000 0.208
9 1 0 0.53049 -0.280 0 0.000 0.078
10 1.2 0.182322 0.59146 -0.111 -0.02019 0.033 0.012
11 1.35 0.300105 0.65244 0.055 0.016584 0.090 0.003
12 1.45 0.371564 0.71341 0.223 0.082828 0.138 0.050
13 2 0.693147 0.77439 0.398 0.275921 0.480 0.158
14 2 0.693147 0.83537 0.590 0.408973 0.480 0.348
69
15 3 1.098612 0.89634 0.818 0.898999 1.207 0.670
16 3 1.098612 0.95732 1.149 1.261929 1.207 1.319
Total 19.15 -2.05236 8.00 -8.62 15.64 11.35 24.67
^2 366.7225 4.212177 64.00 74.26 244.74 128.90 608.73
Berikut langkah-langkah perhitungan berdasarkan sesuai dengan

persamaan distirbusi :
1. Pada data (𝑡𝑖 ) diurutkan dengan waktu yang paling kecil hingga ke
waktu yang paling besar.
2. Pada data ini banyaknya data interval berjumlah (n) = 16
X𝑖 = In𝑡𝑖 X𝑖 = In 0.1 = -1.61
𝑖−0.3 1−0.3
𝐹(ti) = 𝐹(ti) = 16+ 0.4 = 0.043
𝑛 + 0.4
1 1
𝑦𝑖 = In. In [1 − 𝐹 ] 𝑦𝑖 = In. In [1 − 0.043 ] = 0.13
(ti)
3. Perhitungan Nilai Index Of Fit :

∑𝑛 𝑛 𝑛
𝑖=0 𝑥1𝑦1 −(∑𝑖=1 𝑥𝑖 )(∑𝑖=0 𝑦𝑖 )
𝑟= 2 2
= 0.98
√[𝑛 ∑𝑛 2 𝑛 𝑛 2 𝑛
𝑖=1 𝑥1 − (∑𝑖=1 𝑥𝑖 ) ][𝑛 ∑𝑖=0 𝑦1 −(∑𝑖=0 𝑦𝑖 ) ]
4. Perhitungan Parameter :
𝑖=1 𝑥𝑖 𝑦𝑖 −(∑𝑖=1 𝑥𝑖 ∑𝑖=1 𝑦𝑖 )
𝛽=𝑏= 2
𝑛 ∑𝑛 2 𝑛
𝑖=1 𝑥𝑖 −(∑𝑖=1 𝑥𝑖 )
16 × 15.6479−(−2.5348 × −8.6174)
𝛽=𝑏= ( 16 × 11.2302) − 6.42514
= 1.31
∑𝑖𝑛=1 𝑥𝑖 −2.5348
𝑥̅ = = = −0.13
𝑛 16
∑𝑖𝑛=1 𝑦𝑖 −8.6174
𝑦̅ = = = −0.54
𝑛 16
𝑎 = 𝑦̅ − 𝑏𝑥̅ = −0.5386 − (1.31096 × −0.1283) = -0.37
𝑎 −0.3704
𝜃 = 𝑒 −(𝑏 ) = 𝑒 −(− 1.31096 ) = 1.33
5. Perhitungan yang sudah didapatkan sesuai dengan persamaan
distirbusi Weibull adalah :
𝜃 = 1.33
70
𝑎 = -0.37
𝛽 = 1.31
4.5.4. Hasil Perhitungan Nilai Parameter pada Komponen Kritis

Hasil yang sudah didapatkan dari data-data waktu antar kerusakan
(TTR) sesuai dengan distirbusi Weibull dan distirbusi Lognormal yaitu
sebagai berikut :
Tabel 4.18 Hasil nilai perhitungan waktu perbaikan (TTR)

No Komponen Nilai Index Nilai Parameter
of Fit
r 0.98 θ 1.33
1 Valve
β 1.31
Pipa r 0.92 b 0.98

2
Injection a -0.41
s 1.02
𝑡𝑚𝑒𝑑 1.52
2/2
𝑒𝑠 1.69
r 0.94 θ 2.06
3 Transducer
β 1.27
Dari hasil perhitungan nilai parameter terhadap komponen kritis

sesuai dengan hasil uji kecocokan distribusi.
71
4.6. Perhitunggan MTTF dan MTTR
4.6.1. Perhitungan Mean Time to Failure (MTTF) pada Data Time to Failure
(TTF)
Setelah dilakukan perhitungan parameter, tahap selanjutnya yaitu

melakukan perhitungan Mean Time to Failure (MTTF) dan perhitungan
Mean Time to Repair (MTTR) pada komponen kritis.
Dari perhitungan berdasarkan persamaan (2.33). maka untuk

perhitungan berdistribusi lognormal sebagai contoh yaitu dengan
komponen valve didapat nilai sebagai berikut :
𝑠2 /2
𝑀𝑇𝑇𝐹 = 𝑡𝑚𝑒𝑑 𝑒 = 179.05 × 6.17 = 1104.42
𝑠 = 1.91
Setelah melakukan perhitungan diatas, maka secara rinci dengan hasil
yaitu nilai MTTF adalah 1104.42, maka selanjutnya adalah hasil tabel
perhitungan nilai MTTF pada komponen kritis yang berdistribusi
lognormal yaitu sebagai berikut :
Tabel 4.19 Hasil perhitungan nilai MTTF

Komponen Distribusi Nilai MTTF
Valve Lognormal 1104.42
Pipa Injection Lognormal 3054.65
Transducer Lognormal 2667.07
4.6.2. Perhitungan Mean Time to Repair (MTTR) pada Data Time to Repair
(TTR)
Selanjutnya perhitungan Mean Time to Reapir (MTTR) pada data
waktu perbaikan (TTF). Dari perhitungan berdasarkan persamaan (2.33),
dan (2.34). maka untuk perhitungan berdistribusi weibull sebagai contoh
yaitu dengan komponen valve didapatkan nilai sebagai berikut :
72
Diket:
𝜃 = 1.21915 𝛽 = 1.31096
1
𝑀𝑇𝑇𝑅 = 𝜃 Γ (1 + 𝛽)
1
𝑀𝑇𝑇𝑅 = 1.21915 Γ (1 + 1.31096 )
𝑀𝑇𝑇𝑅 = 1.21915 Γ (1.7628)

Γ(1.7628) = 0.92137 didapat dari nilai tabel Gamma Fuction,
sehingga :
𝑀𝑇𝑇𝑅 = 1.32652 × 0.92137 = 1.22
Setelah melakukan perhitungan diatas, maka secara rinci dengan hasil
yaitu nilai MTTR adalah 1.22, maka selanjutnya adalah hasil tabel
perhitungan nilai MTTR pada komponen kritis yang berdistribusi
lognormal dan weibull yaitu sebagai berikut :
Tabel 4.20 Hasil perhitungan nilai MTTR

Komponen Distribusi Nilai MTTR
Valve Weibull 1.22
Pipa Injection Lognormal 2.56
Transducer Weibull 1.91
4.7. Penentuan Interval Perawatan Komponen

Untuk menentukan interval waktu pemeriksaan komponen berdasarkan
waktu produksi yang ada dilakukan dengan tahap-tahap sesuai dengan
persamaan (2.38), (2.39), (2.40), (2.41) dan (2.42) berikut ini:
1. Valve
A. Rata-rata kerja per bulan :
Hari kerja per bulan = 26 hari
Jam kerja tiap hari = 8 jam
Rata-rata jam kerja per bulan = 26 × 8 = 208 jam
73
B. Jumlah kerusakan :
Jumlah kerusakan selama 1 tahun = 16 kali
C. Waktu rata-rata perbaikan :
1 𝑀𝑇𝑇𝑅 1.222
= 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑗𝑎𝑚 𝑘𝑒𝑟𝑗𝑎 𝑝𝑒𝑟 𝑏𝑢𝑙𝑎𝑛 = = 0.00587
𝜇 208
1 1
𝜇=1 = 0.00587 = 170.36 menit
⁄𝜇
D. Waktu rata-rata pemeriksaan :

1 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 1 𝑘𝑎𝑙𝑖 𝑝𝑒𝑚𝑒𝑟𝑖𝑘𝑠𝑎𝑎𝑛 0.25
𝑖 208
1 1
𝑖 = 1 = 0.00120 = 833.33 menit
⁄𝑖
E. Rata-rata kerusakan :
𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑟𝑢𝑠𝑎𝑘𝑎𝑛 𝑝𝑒𝑟 1 𝑡𝑎ℎ𝑢𝑛 16
𝑘= = 24 = 0.67
24
F. Frekuensi pemeriksaan optimal :

𝑘×𝑖 0.667×833.33
𝑛=√ =√ = 1.797 = 1 pemeriksaan / bulan
𝜇 170.35
G. Interval waktu pemeriksaan :

𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑗𝑎𝑚 𝑘𝑒𝑟𝑗𝑎 𝑝𝑒𝑟 𝑏𝑢𝑙𝑎𝑛 208
𝑡𝑖 = = 1.791 = 116 𝑗𝑎𝑚
𝑛
2. Pipa Injection
1 𝑀𝑇𝑇𝑅 2.56
𝜇 208
1 1
𝜇=1 = 0.012 = 81.52 menit
⁄𝜇

Rata-rata 1 kali pemeriksaan = 15 menit = 0.25 jam
74
𝑖 208
1 1
𝑖 = 1 = 0.00120 = 832 menit
⁄𝑖
𝑘= = = 0.51
24 24

𝑘×𝑖 0.51×832
𝜇 81.52
G. Interval waktu pemeriksaan :

𝑡𝑖 = = 2.28 = 91.16 𝑗𝑎𝑚
𝑛
3. Tranducer
1 𝑀𝑇𝑇𝑅 1.908
𝜇 208
1 1
𝜇=1 = 0.00917 = 109.05 menit
⁄𝜇

Rata-rata 1 kali pemeriksaan = 10 menit = 0.25 jam
𝑖 208
1 1
𝑖=1 = = 833.33 menit
⁄𝑖 0.00120
𝑘= = 24 = 0.458
24

𝑘×𝑖 0.458×833.33
𝜇 109.05
75
G. Interval waktu pemerikasaan :
𝑡𝑖 = = 1.871 = 111 𝑗𝑎𝑚
𝑛
4.8. Perhitungan Reliability Komponen

Perhitungan kehandalan dilakukan untuk mengetahui probabilitas kinerja
dari sistem atau alat untuk memenuhi fungsi yang diharapkan, berikut
perhitungan keandalan tiap-tiap komponen kritis sesuai dengan distribusi,
untuk rumus persamaan yaitu (2.4) dan (2.8) berikut ini :
1. Valve
Untuk perhitungan fungsi kehandalan terhadap komponen yang
berdistirbusi lognormal yaitu sebagai berikut :
Diketahui :
MTTF (𝑡) = 1104
𝑡𝑚𝑒𝑑 = 179
𝑠 = 1.907569
1 𝑡 1 1104
𝑅(𝑡) = 1 − Ø (𝑠 In 𝑡 ) = 1 − ∅ [1.90 𝐼𝑛 ( 179 )]
𝑚𝑒𝑑
= 1 − ∅[0.9537]
= 1 − 2532 (didapat dari tabel standardized normal probabilities)
𝑅(𝑡) = 0.7468
2. Pipa Injection
berdistirbusi lognomal yaitu sebagai berikut :
Diketahui :
MTTF (𝑡) = 3054
𝑡𝑚𝑒𝑑 = 281.48
𝑠 = 2.18
1 𝑡 1 3054
𝑅(𝑡) = 1 − Ø (𝑠 In 𝑡 ) = 1 − ∅ [2.18 𝐼𝑛 (281.48 )]
𝑚𝑒𝑑
= 1 − ∅[1.0926]
76
= 1 − 0.2196 (didapat dari tabel standardized normal
probabilities)
𝑅(𝑡) = 0.78
3. Transducer
berdistirbusi lognomal yaitu sebagai berikut :
Diketahui :
MTTF (𝑡) = 2667
𝑡𝑚𝑒𝑑 = 678.31
𝑠 = 1.65
1 𝑡 1 2667
𝑅(𝑡) = 1 − Ø (𝑠 In 𝑡 ) = 1 − ∅ [1.65 𝐼𝑛 ( 678 )]
𝑚𝑒𝑑
= 1 − ∅[0.8276]
= 1 − 0.2832 (didapat dari tabel standardized normal
probabilities)
𝑅(𝑡) = 0.71
Diketahui Reliability komponen untuk valve dengan t = 1104 adalah 0.74

sebesar 74%, untuk komponen pipa injection dengan t = 3054 adalah 0.78
sebesar 78 % dan untuk komponen transducer dengan t = 2667 adalah 0.71
sebesar 71%.
77
BAB V
ANALISA DAN PEMBAHASAN
5.1. Analisa Failure Mode and Effect Analysis (FMEA)

Berdasarkan pada FMEA yang telah dibuat untuk setiap komponen yang
kritis maka didapatkan bahwa komponen-komponen tersebut memiliki tipe
failure yang berbeda-beda antara satu dengan yang lainnya. Pada komponen
valve, pipa injection, dan tranduser, memiliki dampak konsekuensi terhadap
kerusakan system operasional mesin. Berikut tabel penjelasan terhadap
komponen yang mengakibatkan konsekuensi kerusakan terhadap komponen
kritis.
Tabel 5.1 Dampak konsekuensi kerusakan

Nilai
Komponen Fungsi kerusakan pada komponen kritis
RPN
Valve - Dapat membahayakan lingkungan area kerja
operator. 759
- Dapat mengakibatkan mesin menjadi rusak fatal.
Pipa - Dapat membanjirin oli dilantai operator.
injection - Melukai anggota maintenance dikarenakan bocor
nya fluida yang dikeluarkan sangat panas. 202
- Fluida yang keluar sangat rentan terhadap kulit
manusia atau bisa mengakibatkan gatal.
Transducer - Dapat merusakan kinerja mesin yang sangat fatal.
- Mengeluarkan suara gesekan yang sangat keras
apabila fungsi tersebut tidak bisa kembali normal.
406
- Membutuhkan waktu yang lama dan merepotkan
anggota maintenance dikarenkan posisi tersebut
ada pada di bawa mesin inject
78
Pada tabel 5.1 Menjelaskan bahwa dampak konsekuensi kerusakan yang
dapat membahayakan lingkungan kerja dan bisa melukai operator apabila
komponen tersebut mengalami kerusakan yang sangat fatal.
Dari semua hasil perhitungan menggunakan tabel Failure Modes and

Effect Analysis (FMEA) untuk menentukan komponen kritis dari bagian
injection unit diperoleh 3 komponen kritis yaitu valve dengan nilai RPN 759,
transducer dengan nilai RPN 406, dan pipa injection dengan nilai RPN 202.
5.2. Analisa Uji Distribusi pada Software Stat:fit

Pada hasil uji distribusi kemudian dilakukan dengan menggunakan
software stat:fit didapatkan hasil pola distribusi terhadap komponen kritis
pada data waktu antar kerusakan (TTF) dan waktu perbaikan (TTR) untuk
menentukan nilai parameter sesuai degan distribusi yang terpilih berikut ini.
Tabel 5.2 Hasil pola distribusi data waktu antar kerusakan (TTF)
No Komponen Pola distribusi Rank Acceptance
1 Valve Lognormal 91 Accept
2 Pipa injection Lognormal 69.9 Accept
3 Tranducer Lognormal 76.4 Accept
Pada hasil uji distribusi dengan menggunakan software stat:fit dari tabel
5.2, bahwasannya
1. komponen valve dapat diterima dengan pola distribusi lognormal dengan

hasil rank sebesar 80.3, angka ini menunjukkan bahwa jumlah data
periode dalam kerusakan pada komponen kritis ialah semakin besar
angkat rank maka pada pola distribusi yang terpilih sangat baik untuk
menentukan parameter sesuai dengan pola distribusi yang terpilih.
2. komponen pipa injection dapat diterima dengan pola distribusi
lognormal dengan hasil rank sebesar 69.9, angka ini menunjukkan bahwa
79
jumlah data periode dalam kerusakan pada komponen kritis ialah
semakin besar angkat rank maka pada pola distribusi yang terpilih sangat
baik untuk menentukan parameter sesuai dengan pola distribusi yang
terpilih.
3. komponen transducer dapat diterima dengan pola distribusi lognormal
dengan hasil rank sebesar 76.4, angka ini menunjukkan bahwa jumlah
data periode dalam kerusakan pada komponen kritis ialah semakin besar
Tabel 5.3 Hasil pola distribusi data waktu perbaikan (TTR)

No Komponen Pola distribusi Rank Acceptance
1 Valve Weibull 100 Accept
2 Pipa injection Lognormal 65.4 Accept
3 Tranducer Weibull 74.6 Accept
Pada hasil uji distribusi dengan menggunakan software stat:fit dari tabel
5.3, bahwasannya :
1. komponen valve dapat diterima dengan pola distribusi weibull dengan

hasil rank sebesar 100, angka ini menunjukkan bahwa jumlah data
periode dalam perbaikan pada komponen kritis ialah semakin besar
2. komponen pipa injection dapat diterima dengan pola distribusi
lognormal dengan hasil rank sebesar 65.4, angka ini menunjukkan bahwa
jumlah data periode dalam perbaikan pada komponen kritis ialah
semakin besar angkat rank maka pada pola distribusi yang terpilih sangat
baik untuk menentukan parameter sesuai dengan pola distribusi yang
terpilih.
3. komponen transducer dapat diterima dengan pola distribusi lognormal
dengan hasil rank sebesar 74.6, angka ini menunjukkan bahwa jumlah
80
data periode dalam perbaikan pada komponen kritis ialah semakin besar
menentukan parameter sesuai dengan pola distribusi yang terpilih
5.3. Analisa Uji Kecocokan Distribusi (Goodness of Fit)

Setelah mendapatkan distribusi melalui alat bantu berupa software
stat:fit yang mewakili data komponen baik TTF maupun TTR dengan melihat
hasil nilai rank yang diterima dengan pola distribusi untuk data TTF dan TTR,
maka langkah selanjutnya adalah melakukan pengujian kecocokan distribusi
atau uji goodness of fit untuk mengetahui dan memastikan apakah distribusi
yang telah didapatkan untuk mewakili penyebaran data telah benar.
Uji kecocokan distribusi yang digunakan untuk masing-masing distribusi
adalah sebagai berikut :
1. Uji Mann’s Test dengan 𝑎 = 0,05 untuk menguji distribusi weibull.
2. Uji Kolmogorov – Smirnov Test dengan 𝑎 = 0,05 untuk menguji
distribusi lognormal.
Tabel 5.4 Hasil uji kecocokan distribusi data TTF (Goodness of Fit)
No Komponen Distribusi Nilai uji distribusi Hasil
1 Valve Lognormal 0.1755 < 0.338 Ho diterima
2 Pipa Injection Lognormal 0.10000 < 0.375 Ho diterima
3 Transducer Lognormal 0.5984 < 0.361 Ho diterima
Dari hasil tabel 5.4 setelah mengetahui nilai uji distribusi dan Ho diterima
yang berarti data TTF berdistribusi lognormal maka penjelasannya sebagai
berikut :
1. Pada komponen valve dengan berdistribusi lognormal yang sudah diuji

kecocokan dengan hasil nilai uji distribusi sebesar Dℎ𝑖𝑡𝑢𝑛𝑔 <
D𝑡𝑎𝑏𝑒𝑙 (0.1755 < 0.338), angka dari Dℎ𝑖𝑡𝑢𝑛𝑔 menunjukkan bahwa angka
tersebut didapatkan dari jumlah data periode kerusakan waktu antar
81
kerusakan (TTF) sebesar 15 (n), dari jumlah data periode tersebut
selanjutnya melakukan perhitungan untuk mencari nilai rata-rata waktu
antar kerusakan (𝑡̅) dimana hasil dari nilai rata-rata waktu antar
kerusakan sebesar 5.19, lalu selanjutnya adalah menghitung standar
deviasi (𝑠 2 ), dimana hasil dari nilai standar deviasi adalah sebesar 1.72,
setelah mendapatkan nilai standar deviasi adalah nilai probabilitis
kumulatif (∅(𝑧𝑖 ) dimana hasil nilai dari probabilitas yang didapat dari
tabel standardized normal probabilities sebesar 0.104. maka selanjutnya
adalah mencari nilai (𝐷1 ) dan (𝐷2 ) dimana dari hasil tersebut akan
mendapatkan nilai test statisik (𝐷𝑛 ) penentuan nya adalah mencari hasil
diantara nilai (𝐷1 ) dan (𝐷2 ) yang paling terbesar. Maka hasil Dℎ𝑖𝑡𝑢𝑛𝑔
adalah 0.1755, sedangkan kan untuk D𝑡𝑎𝑏𝑒𝑙 didapatkan dari nilai F tabel
0.05 dan banyak nya data 15 maka hasil nya sebesar 0.338.
2. Pada komponen Pipa injection dengan berdistribusi lognormal yang
sudah diuji kecocokan dengan hasil nilai uji distribusi sebesar Dℎ𝑖𝑡𝑢𝑛𝑔 <
kerusakan sebesar 1490, lalu selanjutnya adalah menghitung standar
tabel standardized normal probabilities sebesar -759. maka selanjutnya
82
3. Pada komponen transducer dengan berdistribusi lognormal yang sudah
diuji kecocokan dengan hasil nilai uji distribusi sebesar Dℎ𝑖𝑡𝑢𝑛𝑔 <
kerusakan sebesar 6.52, lalu selanjutnya adalah menghitung standar
tabel standardized normal probabilities sebesar -2.24. maka selanjutnya
adalah 0.2378, sedangkan untuk D𝑡𝑎𝑏𝑒𝑙 didapatkan dari nilai F tabel 0.05
dan banyak nya data 12 maka hasil nya sebesar 0.409.
Tabel 5.5 Hasil uji kecocokan distribusi data TTR (Goodness of Fit)
No Komponen Distribusi Nilai uji distribusi Hasil
1 Valve Weibull 1.46 < 4.96 Ho diterima
2 Pipa Injection Lognormal 0.5984 < 0.361 Ho diterima
3 Transducer Weibull 0.6 < 4.96 Ho diterima
Dari hasil tabel 5.5 setelah mengetahui nilai uji distribusi dan Ho diterima
yang berarti data TTR berdistribusi weibull dan lognormal maka
penjelasannya sebagai berikut :
1. Pada komponen valve dengan berdistribusi weibull yang sudah diuji

kecocokan dengan hasil nilai uji distribusi sebesar Mℎ𝑖𝑡𝑢𝑛𝑔 <
F𝑡𝑎𝑏𝑒𝑙 (1.46 < 4.96), angka dari Mℎ𝑖𝑡𝑢𝑛𝑔 menunjukkan bahwa angka
tersebut adalah untuk perhitungan statiktik yang didapatkan dari jumlah
83
data periode waktu perbaikan (TTR) sebesar 16 (n), selanjutnya adalah
mengikuti perhitangan sesuai dengan uji mann’s test hasil yang akan
didapatkan adalah nilai statistik yaitu nilai M untuk mengetahui data
periode terhadap distribusi weilbull benar, sedangkan untuk angka
F𝑡𝑎𝑏𝑒𝑙 didapatkan dari jumlah data periode (n) dan nilai sig 0.05, hasil
nya untuk menentukan apakah lebih kecil dari D hitung.
2. Pada komponen Pipa injection dengan berdistribusi lognormal yang
sudah diuji kecocokan dengan hasil nilai uji distribusi sebesar Dℎ𝑖𝑡𝑢𝑛𝑔 <
tersebut didapatkan dari jumlah data periode kerusakan waktu perbaikan
(TTR) sebesar 13 (n), dari jumlah data periode tersebut selanjutnya
melakukan perhitungan untuk mencari nilai rata-rata waktu antar
kerusakan (𝑡̅) dimana hasil dari nilai rata-rata waktu antar kerusakan
sebesar 1.38, lalu selanjutnya adalah menghitung standar deviasi (𝑠 2 ),
dimana hasil dari nilai standar deviasi adalah sebesar 1.12, setelah
mendapatkan nilai standar deviasi adalah nilai probabilitis kumulatif
(∅(𝑧𝑖 ) dimana hasil nilai dari probabilitas yang didapat dari tabel
standardized normal probabilities sebesar -2.67. maka selanjutnya
3. Pada komponen transducer dengan berdistribusi weibull yang sudah
diuji kecocokan dengan hasil nilai uji distribusi sebesar Mℎ𝑖𝑡𝑢𝑛𝑔 <
F𝑡𝑎𝑏𝑒𝑙 (0.6 < 4.96), angka dari Mℎ𝑖𝑡𝑢𝑛𝑔 menunjukkan bahwa angka
tersebut adalah untuk perhitungan statiktik yang didapatkan dari jumlah
data periode waktu perbaikan (TTR) sebesar 11 (n), selanjutnya adalah
mengikuti perhitangan sesuai dengan uji mann’s test hasil yang akan
didapatkan adalah nilai statistik yaitu nilai M untuk mengetahui data
84
periode terhadap distribusi weilbull benar, sedangkan untuk angka
F𝑡𝑎𝑏𝑒𝑙 didapatkan dari jumlah data periode (n) dan nilai sig 0.05, hasil
nya untuk menentukan apakah lebih kecil dari D hitung.
5.4. Analisa Hasil Perhitungan Parameter terhadap TTF dan TTR

Pada hasil perhitungan terhadap waktu antar kerusakan (TTF) dan waktu
perbaikan (TTR) yang sudah ditentukan distribusi melalui tahap sebelumnya.
Dengan menggunakan metode least square curve fitting yang bertujuan untuk
menentukan distribusi apa yang mewakili atau mendekati penyebaran data-
data TTF dan TTR. Perhitungan yang dilakukan dalam metode least square
curve fitting adalah menentukan nilai tiap-tiap parameter dan nilai index of fit
(r),
Tabel 5.6 Hasil perhitungan nilai parameter waktu antar kerusakan (TTF)
No Komponen Nilai parameter
r 0.96
1 Valve s 1.91
𝑡𝑚𝑒𝑑 179.05
r 0.97
Pipa
2 s 2.18
Injection
𝑡𝑚𝑒𝑑 281.48
r 0.97
3 Transducer s 1.65
𝑡𝑚𝑒𝑑 678.31
Berdasarkan hasil nilai parameter waktu antara kerusakan (TTF) pada

tabel 5.6 sebagai berikut :
1. Dari komponen valve dengan hasil nilai index of fit (r) sebesar 0.96,
angka tersebut bertanda bahwa distribusi yang terpilih adalah lognormal
dan hasil Ho diterima, dengan hasil nilai parameter bentuk (shape
85
parameter = s) sebesar 1.91, dan untuk parameter lokasi (location
parameter = 𝑡𝑚𝑒𝑑 ) sebesar 179.05, dari angka nilai parameter tersebut
adalah berdistribusi lognormal.
2. Dari komponen pipa injection dengan hasil nilai index of fit (r) sebesar
0.97, angka tersebut bertanda bahwa distribusi yang terpilih adalah
lognormal dan hasil Ho diterima, dengan hasil nilai parameter bentuk
(shape parameter = s) sebesar 2.18 dan untuk parameter lokasi (location
parameter = 𝑡𝑚𝑒𝑑 ) sebesar 281.48, dari angka nilai parameter tersebut
adalah berdistribusi lognormal.
3. Dari komponen transducer dengan hasil nilai index of fit (r) sebesar 0.97,
parameter = s) sebesar 1.65dan untuk parameter lokasi (location
parameter = 𝑡𝑚𝑒𝑑 ) sebesar 678.31.
Tabel 5.7 Nilai parameter waktu perbaikan (TTR)

No Komponen Nilai Parameter
r 0.98
1 Valve θ 1.33
β 1.31
r 0.98
Pipa
2 s 1.02
Injection
𝑡𝑚𝑒𝑑 1.52
r 0.94
3 Transducer θ 2.06
β 1.27
Berdasarkan hasil nilai parameter waktu perbaikan (TTR) pada tabel 5.7
sebagai berikut :
86
angka tersebut bertanda bahwa distribusi yang terpilih adalah weibull dan
hasil Ho diterima, dengan hasil nilai parameter skala (sale = θ) sebesar
1.33 dan untuk parameter bentuk (shape = β) sebesar 1.32, dari angka
nilai parameter tersebut adalah berdistribusi weibull.
2. Dari komponen transducer dengan hasil nilai index of fit (r) sebesar 0.94,
parameter = s) sebesar 1.02, dan untuk parameter lokasi (location
parameter = 𝑡𝑚𝑒𝑑 ) sebesar 1.52.
angka tersebut bertanda bahwa distribusi yang terpilih adalah weibulll
dan hasil Ho diterima, dengan hasil nilai parameter skala (sale = θ)
sebesar 2.06 dan untuk parameter bentuk (shape = β) sebesar 1.27, dari
angka nilai parameter tersebut adalah berdistribusi weibull.
5.5. Analisa Hasil Perhitungan MTTF dan MTTR

Setelah mendapatkan nilai parameter tiap komponen, selanjutnya adalah
melakukan perhitungan untuk menentukan nilai MTTF dan MTTR hal ini
dilakukan untuk mengetahui rata-rata waktu terjadinya kerusakan tiap
komponen setelah beroperasi, sehingga akan memudahkan dalam
menentukan kapan suatu komponen mesin harus diganti sebelum mengalami
kerusakan.
Tabel 5.8 Nilai MTTF tiap komponen

Komponen MTTF (Jam)
Valve 1104.42
Pipa Injection 3054.65
Transducer 2667.07
87
Berdasarkan hasil nilai mean time to failure (MTTF) tiap komponen pada
1. Pada komponen Valve diperoleh nilai rata-rata waktu kerusakan

(MTTF) sebesar 1104.42 jam, maka pada komponen tersebut sesuai
dengan banyaknya data periode dan hasil nilai parameter yang
berdistribusi lognormal.
2. Pada komponen pipa injection diperoleh nilai rata-rata waktu
kerusakan (MTTF) sebesar 3054.65 jam, maka pada komponen
tersebut sesuai dengan banyaknya data periode dan hasil nilai
parameter yang berdistribusi lognormal.
3. Pada komponen Transducser diperoleh nilai rata-rata waktu
kerusakan (MTTF) sebesar 2667.07 jam, maka pada komponen
tersebut sesuai dengan banyaknya data periode dan hasil nilai
parameter yang berdistribusi lognormal.
Tabel 5.9 Nilai MTTR tiap komponen

Komponen Nilai MTTR
Valve 1.22
Pipa Injection 2.56
Transducer 1.91
Berdasarkan hasil nilai mean time to repair (MTTR) tiap komponen pada
1. Pada komponen Valve diperoleh nilai rata-rata waktu perbaikan

(MTTR) sebesar 1.22 jam, maka pada komponen tersebut sesuai
dengan banyaknya data periode dan hasil nilai parameter yang
berdistribusi weibull.
2. Pada komponen pipa injection diperoleh nilai rata-rata waktu
perbaikan (MTTR) sebesar 2.56 jam, maka pada komponen tersebut
88
sesuai dengan banyaknya data periode dan hasil nilai parameter yang
berdistribusi lognormal.
3. Pada komponen Transducser diperoleh nilai rata-rata waktu
perbaikan (MTTR) sebesar 1.91 jam, maka pada komponen tersebut
sesuai dengan banyaknya data periode dan hasil nilai parameter yang
berdistribusi weibull.
5.6. Analisa Hasil Penentuan Waktu Interval

Pemeriksaan merupakan salah satu bagian yang penting dalam
melakukan perawatan, pemeriksaan ini bertujuan untuk mengetahui apakah
suatu komponen pada mesin tersebut masih berada dalam keadaan baik atau
ada beberapa hal yang perlu diperbaiki, sehingga dapat meminimalisir
kerusakan serta mengantisipasi kerusakan terhadap kerusakan yang mungkin
terjadi.
Dalam pengolahan data didapatkan frekuensi dan interval waktu
pemeriksaan berdasarkan waktu produksi yang ada. Hasil perhitungannya
sebagai berikut :
Tabel 5.10 Hasil penentuan waktu interval

No Komponen Frekuensi Interval Waktu
Pemeriksaan Optimal Pemeriksaan
(bulan) (jam)
1 Valve 1 116
2 Pipa Injection 2 88
3 Transducer 1 111
Berdasarkan hasil nilai penentuan waktu interval tiap komponen pada

1. Pada komponen valve diperoleh hasil nilai dari frekuensi

pemeriksaan optimal sebesar 1 bulan dan nilai interval waktu
89
pemeriksaan sebesar 116 jam, maksud dari hasil tersebut untuk
interval waktu pemeriksaan dilakukan selama 116 jam dengan
dilalukan rata-rata 1 pemeriksaan / bulan untuk komponen valve.
2. Pada komponen pipa injection diperoleh hasil nilai dari frekuensi
interval waktu pemeriksaan selama 88 jam dengan dilakukan rata-
rata 2 pemeriksaan / bulan untuk komponen pipa injection.
3. Pada komponen transducer diperoleh hasil nilai dari frekuensi
interval waktu pemeriksaan dilakukan setiap 111 jam dengan
dilakukan rata-rata 1 pemeriksaan / bulan untuk komponen
transducer.
5.7. Analisa Perhitungan Reliability (Keandalan)
Perhitungan tingkat keandalan dilakukan untuk melihat suatu keadaan

mesin adanya tindakan perawatan pencegahan dalam beberapa waktu, dengan
demikian bisa didapatkan suatau gambaran yang jelas bagaimana sistem
perawatan pencegahan dapat meningkatkan keandalan. Perhitungan ini
dilakukan dengan memperhatikan distribusinya, karena perbedaan distribusi
menyebabkan adanya perbedaan cara perhitungan tingkat keandalan.
Berikut ini merupakan hasil perhitungan tingkat kehandalan komponen

kritis tiap distribusi,
1. Pada keandalan mesin terhadap komponen valve hasil dari nilai

keandalan sebesar 74% sesuai dengan distribusi lognormal.
2. Pada keandalan mesin terhadap komponen pipa injection hasil dari nilai
3. Pada keandalan mesin terhadap komponen transducer hasil dari nilai
90
Berdasarkan hasil keandalan setiap komponen terhadap komponen kritis
dengan nilai rata-rata dari keseluruhan komponen sebesar 74.3% dengan arti
bahwa dengan menerapkan tindakan perawatan pencegahan keandalan dapat
terus terjaga pada tingkat yang tinggi.
91
BAB VI
PENUTUP
6.1. Kesimpulan
Setelah melakukan penelitian berdasarkan uraian dan analisa yang telah
dilakukan pada bab sebelumnya, maka hasil yang didapatkan pada
kesimpulan ini sebegai berikut :
1. Komponen kritis yang memiliki total downtime dan frekuensi kerusakan
terbesar dari mesin kritis ialah komponen valve dengan total downtime
sebesar 1116 menit dan jumlah frekuensi sebesar 16 kali. Untuk
komponen transducer total downtime sebesar 1134 menit dan jumlah
frekuensi sebesar 11 kali, dan untuk komponen pipa injection sebesar
1074 dan jumlah frekuensi sebesar 13 kali.
2. Tindakan perawatan pada interval penggatian kebijakan usulan untuk
komponen-komponen mesin injection moulding dibagian injection unit
yaitu komponen valve memiliki interval waktu pemeriksaan sebesar 116
jam atau 4 hari selama frekuensi pemeriksaan optimal 1 bulan, untuk
transducer adalah 111 jam atau 4 hari selama frekuensi pemeriksaan
optimal 1 bulan, dan untuk komponen pipa injection 88 jam atau 3 hari
selama frekuensi pemeriksaan optimal 2 bulan.
3. Berdasarkan hasil perhitungan keandalan (reliability) terhadap
komponen yang terpilih, dapat diketahui bahwa komponen valve dalam
tingkat keandalannya sebesar 74%, untuk komponen transduser sebesar
78%, dan untuk komponen pipa injection sebesar 71% dengan rata-rata
keandalan dari komponen yang terpilih adalah 74% bertanda komponen
tersebut masih baik digunakan.
6.2. Saran
Adapun saran-saran yang dapat diberikan kepada pihak perusahaan
berdasarkan hasil penelitian berikut :
1. Untuk pencatatan data downtime harus direkap lebih teliti upaya untuk
mengetahui keadaan mesin yang lebih rinci.
92
2. Untuk anggota maintenance yang baru lebih baik harus di training dan
ilmu tentang pengenalan mesin injection moulding upaya untuk
mengetahui tingkat kerusakannya dan memperbaiki dengan SOP yang
standart.
93
DAFTAR PUSTAKA
Ahmad, N. P. (2012). Perancangan perawatan generator cooler pada water cooling

system dengan Reliability Centered Maintenance. JURNAL TEKNISI ITS,
6.
Ahmad, N., & Hidayah, N. Y. (2017). Analisis Pemeliharaan Mesin Blowmould
Dengan Metode RCM Di PT. CCAI. Jurnal Optimasi Sistem Industri, 167-
168.
Ben-Daya, M. (2006). Introduction To Maintenance Engineering. In U. Kumar, &
D. P. Murthy. India: Wiley.
Dharmayanti, D. S., Alhiman, J., & Athari, N. (2016). Usulan Preventive
Maintenance Pada Mesin Komori LS440 Dengan Menggunakan Metode
Reliability Centered Maintenance (RCMII) dan Risk Based Maintenance
(RBM) Di PT ABC. Jurnal Rekayasa Sistem & Industri, 34-35.
Dhillon, B. S. (2006). MainTainability, Maintenance, and Reliability for Engineers.
New York: Taylor & Francis.
Ebeling, C. E. (1997). An Introduction To Reliability And Maintainability
Engineering. New York: McGrwa-Hill Companies,inc.
Hadi Pranoto, M. (2015). Reliability Centered Maintenance. Jakarta: Mitra Wacana
Media.
Kusuma, A., & M, M. N. (2019). Analisa Kinerja Mesin WTP Menggunakan
Metode FMEA dan Penjadwalan Preventif Maintenance. Jurnal Teknik, 17.
Marquez, A. C. (2007). The Maintenance Management Framework. In The
Maintenance Concept (pp. 70-72). Spain: Springer-Verlag London Limited
2007.
Moubray, J. (1997). Reliability Centered Maintenance II. New York: Industrial
Press Inc 2nd Edition.
Nainggolan, E. (2017). Penerapan Metode Reliability Centered Maintenance
Menggunakan Software SPSS Pada Sistem Pendingin Generator Mitsubishi
Kapasitas 62500 kVa (Study Kasus Di PT. Toba Pulp Lestari. Tbk). Medan:
Respositori Institusi USU.
Nuruddin, A. W., & Suwardana, H. (2018). Perencanaan Pemeliharaan Mesin
Pengolahan Teh Dengan Metode Reliability Centered Maintenance (RCM).
Seminar dan Konferensi Nasional IDEC, 1.
Rinne, H. (2009). The Weibull Distribution. New York: CRC Press.
94
Sari, D. P., & Ridho, M. F. (2016). Evaluasi Manajemen Perawatan Dengan Metode
Reliability Centered Maintenance (RCM) II pada Mesin Blowing I Di Plan
I PT.Pisma Putra Textile. Jurnal Teknik Industri, Vol.XI, 75-76.
Susanto, A. D., & Azwir, H. H. (2018). Perencanaan Perawatan Pada Unit
Kompresor Tipe Screw Dengan Metode RCM di Industri Otomotif. Jurnal
Ilmiah Teknik Industri, 21.
Taufik, & Septyani, S. (2015). Penentuan Interval Waktu Perawatan Komponen
Kritis Pada Mesin Turbin Di PLN (Persero) Sektor Pembangkit Ombilin.
Optimisasi Sistem Industri, Vol. 14, 249.
Vincent, G. (2001). Total Quality Management. Bogor: Gramedia.
Walpole, R. E. (1992). Pengantar statistika. Jakarta: Edisi Ketiga, PT.Gramedia
Pustaka Utama.
95
LAMPIRAN I
DATA DOWNTIME PADA KOMPONEN TERPILIH
96
Lampiran 1. 1 Data downtime pada komponen valve
Valve
1 Waktu
Lama Lama
Kumulatif TTF
No Operasi (Jam)
(Menit) (jam)
(Jam)
1 A 8 Januari 2019 180 3 0 0
2 L 22 Januari 2019 60 1 336 1008
3 L 27 Januari 2019 60 1 120 120
4 A 22 April 2019 60 1 2040 2040
5 B 22 April 2019 60 1 23 23
6 L 30 April 2019 120 2 168 168
7 C 11 Juni 2019 120 2 1008 2016
8 D 25 September 2019 27 0.45 2544 2542
9 F 25 September 2019 180 3 21 20.55
10 I 23 Oktober 2019 12 0.2 672 669
11 C 05 November 2019 60 1 312 62.4
12 D 05 November 2019 27 0.45 23.55 23.55
13 A 25 November 2019 87 1.45 576 259.2
14 C 28 November 2019 15 0.25 48 69.6
15 H 17 Desember 2019 18 0.3 216 54
16 J 26 Desember 2019 30 0.5 216 64.8
Lampiran 1. 2 Data downtime pada komponen pipa injection
Pipa injection
2 Waktu
Lama Lama
Kumulatif TTF
No Operasi (Jam)
(Menit) (jam)
(Jam)
1 G 4 Februari 2019 120 2 0 0
2 H 3 Maret 2019 15 0.25 672 1344
3 B 23 Maret 2019 180 3 504 126
4 K 21 September 2019 60 1 4368 13104
5 A 30 September 2019 18 0.3 216 216
6 D 7 Oktober 2019 18 0.3 168 50.4
7 D 13 November 2019 138 2.3 888 266.4
97
8 I 15 November 2019 120 2 48 110.4
9 K 26 November 2019 12 0.2 264 528
10 C 27 November 2019 138 2.3 24 4.8
11 F 12 Desember 2019 60 1 360 828
12 G 18 Desember 2019 180 3 144 144
13 H 03 Maret 2020 15 0.25 384 1152
Lampiran 1. 3 Data downtime pada komponen transducer
Transducer
3 Waktu
Lama Lama
Kumulatif TTF
No Operasi (Jam)
(Menit) (jam)
(Jam)
1 L 8 Februari 2019 120 2 0 0
2 D 7 Februari 2019 60 1 24 48
3 L 5 Maret 2019 120 2 624 624
4 A 18 April 2019 180 3 1056 2112
5 I 24 Juni 2019 120 2 1608 4824
6 K 2 Agustus 2019 120 2 936 1872
7 J 24 September 2019 60 1 1272 2544
8 G 5 Oktober 2019 180 3 264 264
9 I 23 Oktober 2019 18 0.3 480 1440
10 C 22 November 2019 18 0.3 720 216
11 J 16 Desember 2019 138 2.3 576 172.8
98
LAMPIRAN II
HASIL UJI DISTRIBUSI DENGAN MENGGUNAKAN SOFTWARE

STAT:FIT TERHADAP KOMPONEN KRITIS
99
valve pada data waktu antar kerusakan (TTF)

pipa injection pada data waktu antar kerusakan (TTF)
100
Lampiran 2. 3 Hasil uji distribusi dengan softwarei stat:fit terhadap komponen
transducer pada data waktu antar kerusakan (TTF)
101
LAMPIRAN III
HASIL GRAFIK SESUAI DENGAN DISTRIBUSI
102
komponen Valve
komponen pipa injection
103
Lampiran 3. 3 Hasil grafik data waktu antar kerusakan (TTF) terhadap
komponen transducer
104
105

Moulding Dengan Type Ls 850 Di Pt. Yasunli Abadi: Perencanaan Perawatan Mesin Injection

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Moulding Dengan Type Ls 850 Di Pt. Yasunli Abadi: Perencanaan Perawatan Mesin Injection

Diunggah oleh

Hak Cipta:

Format Tersedia

PERENCANAAN PERAWATAN MESIN INJECTION

MOULDING DENGAN TYPE LS 850 DI PT. YASUNLI ABADI

PROGRAM STUDI TEKNIK INDUSTRI

‫الر ِحي ِِْم‬

Aamiin yaRabbal Alamiin.

Man jadda wajada

(Mantan Gubernur Kepri)

Assalamu ‘alaikum Wr. Wb.

Keberhasilan penulis dalam menyelesaikan penyusunan laporan ini

Wassalamu ‘alaikum Wr.Wb

Yogyakarta, Agustus 2020

BAB I PENDAHULUAN ............................................................................ 1

1.1 Latar Belakang ................................................................................... 1

BAB II TINJAUAN PUSTAKA ................................................................. 6

2.1 Tinjauan Pustaka ............................................................................... 6

BAB III METODOLOGI PENELITIAN .................................................. 32

3.1 Metode Penelitian .............................................................................. 32

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA ....................... 44

4.1 Pengumpulan Data ............................................................................. 44

BAB V ANALISIS DAN PEMBAHASAN ................................................. 78

5.1 Analisa Failure Mode and Effect Analysis (FMEA) .......................... 78

BAB VI PENUTUP ..................................................................................... 92

DAFTAR PUSTAKA ................................................................................. 94

Pada penelitian ini bagaimana penerapan pada perawatan disertai dengan

1.1. Latar Belakang

No Total Lost Time

Dalam mengetahui kerusakan – kerusakan pada mesin tersebut dari efek

1.2. Rumusan Masalah

1.3. Tujuan Penelitian

1.4. Batasan Masalah

1.5. Manfaat Penelitian

BAB II TINJAUAN PUSTAKA

2.1. Tinjauan Pustaka

Tabel 2.1 Tinjauan Pendahuluan

No Nama Peneliti Tahun Obyek Metode Hasil

Noor Ahmadi, 2017 Mesin RCM, Kesimpulan dari hasil

Agustina Dwi 2018 Unit FMEA, Berdasarkan hasil pengolahan

1. Komponen kritis adalah

Diana Puspita 2016 Unit RCM II, Berdasarkan hasil pengolahan

Dari beberapa studi terdahulu diatas, maka perbedaan peneliti dengan

Sedangkan peneliti ini bergerak dibidang manufaktur, dalam perusahaan

2.2. Landasan Teori

2.2.2. Kegiatan Perawatan

2.2.3. Jenis Perawatan

2.3. Langkah-langkah Perencanaan perawatan

2.3.1. Pengumpulan Informasi dan Pemilihan Sistem

2.3.2. Pendefinisian Batasan Sistem

2.3.3. Deskripsi Sistem

2.3.5. Failure Mode and Effect Analysis (FMEA)

Metodologi FMEA didasarkan pada pendekatan hirarki, induktif

1. Menentukan fungsi item.

Efek Ranting Keterangan

Tingkatan keseriusan operator maintenance dan

Tingkat operator maintenance dan keselamantan tidak

7 Downtime diantara 4 - 8 jam

6 Downtime diantara 1 - 4 jam

Moderat 5 Downtime diantara 0.5 - 1 jam

4 Downtime diantara 10 – 30 menit

3 Downtime terjadi hingga 10 menit

Variasi parameter proses tidak di dalam batas spesifikasi.

Variasi parameter proses di dalam batas spesifikasi.

Sumber : (Nainggolan, 2017)