MODUL PERKULIAHAN

MENINGKATKAN
KINERJA
MAINTENANCE
DENGAN METODE
STATISTIK

Pokok bahasan :

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

09
Teknik Teknik Industri Ir. Herry Agung Prabowo, MSc

Abstract Kompetensi
Dalam penjadwalan pemeliharaan Mahasiswa m ampu :
pencegahan prediksi (predictive 1. Memahami pentingnya data statistik
maintenance), masalah utama adalah untuk pemeliharaan
“Kapan sebaiknya peralatan dilepas/diganti 2. Memahami penggunaan statistik
dalam meningkatkan efisiensi
untuk dilakukan kegiatan pemeliharaan?”. kegiatan pemeliharaan.
Sistem Komponen Tunggal
Daftar Istilah :
 = Rata-rata tingkat data unit ke sistem
L = Panjang garis tunggu untuk pemeliharaan
µ = Rata-rata tingkat servis
 = Standar Deviasi
W = Waktu idle unit sampai terpelihara
x = Data dari point tertentu
x = Rata-rata aritmetika dari semua data
z = Variabel standar distribusi normal
Dalam penjadwalan pemeliharaan pencegahan (prediksi) - (preventive-predictive)
maintenance, masalah utama adalah “ Kapan sebaiknya peralatan dilepas untuk dilakukan kegiatan
pemeliharaan?”. Pada kebanyakan industri, sebagian besar peralatan dikelompokkan kurang lebih
dalam unit yang sama (homogen), misalnya semua alarm baik yang tinggi dan rendah dalam
hidrokarbon service, semua pompa sentrifugal yang beoperasi terus-menerus dalam rentang ukuran
yang sama, semua jenis kompresor dan sebagainya.
Tidak terdapat analisis data yang dapat dilakukan tanpa terlebih dahulu mengumpulkan
sejumlah data. Tidak hanya data, tetapi perencanaan program untuk mengumpulkan informasi yang
dibutuhkan dalam bentuk dan frekuensi yang diperlukan. Termasuk hal-hal seperti jangka waktu
beroperasi, jangka waktu terjadi downtime, rincian pekerjaan perawatan apa yang diperlukan dan
penyebab dari downtime.
Oleh karena itu, untuk memulai suatu program, diperlukan perancangan formulir pelaporan
pemeliharaan untuk mengumpulkan data dalam bentuk table yang dapat berguna dalam analisis
statistik. Untuk penerapan statistik di dalam menentukan waktu penggantian komponen yang paling
optimal digunakan metode Distribusi Normal.
Untuk mengetahui bagaimana cara menghitungnya, maka perlu dijelaskan terlebih dahulu
karakteristik distribusi normal tersebut.
Karakteristik dari distribusi probabilitas dan kurva normal adalah :
1. Kurva berbentuk genta atau lonceng dan memiliki satu puncak yang terletak di tengah. Nilai μ =
Md = Mo yang berada di tengah membelah kurva menjadi dua bagian yaitu ½ di bawah nilai μ =
Md = Mo dan ½ di atas nilai μ = Md = Mo.
2. Distribusi probabilitas dan kurva normal bersifat asimptotis. Kurva ini menurun di kedua arah
yaitu ke kanan untuk nilai positif tak terhingga (∞) dan ke kiri untuk nilai negatif tak terhingga (-
∞). Dengan demikian, ekor kedua kurva tidak pernah menyentuh nol, hanya mendekati nol.

Maintenance Maintenance
2 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
3. Modusnya (Mo) pada sumbu mendatar membuat fungsi mencapai puncaknya atau maksimum
pada X = μ.
4. Luas daerah yang terletak di bawah kurva normal tetapi di atas sumbu mendatar sama dengan 1.
Luas daerah tersebut terdiri dari ½ di sebelah kiri nilai tengah (μ) dan ½ di sebelah kanan nilai
tengah (μ).

-∞ ∞
μ = Md = Mo

LUAS DAERAH DI BAWAH KURVA NORMAL

Luas daerah di bawah kurva sama dengan peluang bahwa peubah acak x mengambil nilai antara x=x1
dan x=x2.

x1 μ x2
Untuk memudahkan perhitungan probabilitas pada sebuah distribusi normal, digunakan tabel khusus
yang dikenal sebagai distribusi normal standar.

Distribusi normal standar biasa dinotasikan dengan Z -N (0,1) yang artinya Z terdistribusi normal
dengan rata-rata 0 dan standar deviasi 1 (μ=0 dan σ =1).
Untuk sebuah distribusi normal dengan rata-rata μ dan standar deviasi σ, maka variabel peubah baku
untuk setiap nilai X adalah :

x- μ
Z= σ

Persamaan di atas dikenal juga dengan rumus transformasi Z.

Maintenance Maintenance
3 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Bagian-Bagian Komponen
Asumsikan sebuah kompresor bank dengan data yang diberikan pada tabel 5-1 akumulasi untuk
bantalan poros tertentu. Langkah pertama untuk merencanakan jadwal pemeliharaan adalah
merencanakan frekuensi yang terjadi dari lama waktu operasi. Untuk melakukan hal ini, data tersebut
harus dikelompokkan ke dalam kelas. Pemeriksaan pada tabel 5-1 menunjukkan kisaran 870 sampai
1140 jam atau 1140 – 870 = 270 jam. Bagilah ini menjadi, katakanlah, 9 kelas : 270/90 = 30 jam per
kelas. Tabel 5-2 mengatur data dari tabel 5-1 menjadi sebuah distribusi frekuensi. Gambar 5-1
menunjukkan data dari tabel 5-2 diplot untuk memberikan grafik dari distribusi frekuensi.
Pemeriksaan dari Gambar 5-1 menunjukkan bahwa distribusi mendekati normal. Hal ini akan menjadi
masalah dengan banyaknya komponen bagian atau item dari sebagian kecil. Rata-rata atau mean dari
data yang ditunjukkan pada tabel 5-1 adalah 1000 jam. Kedua tabel dari 5-2 dan gambar 5-1
menegaskan hal ini. Artinya adalah, menurut definisi, titik di atas dan di bawah 50% dari kasus itu
terjadi. Oleh karena itu, jika memutuskan untuk menerima kegagalan bantalan pada saat tak terduga
atau tidak direncanakan. Maka keputusannya adalah membiarkan semua bantalan tersebut beroperasi
selama 1000 jam, kemudian menurunkan kompresor untuk melakukan penggantian.

Tabel 1. Durasi Operasi Kompresor karena Kegagalan Bearing, Jam

KOMPRESO KOMPRESO KOMPRESO KOMPRESO

R WAKTU R WAKTU
NO OPERASI
8 967
4 909
6 978
3 1018
5 938
2 1010
1 1008
6 1054
2 1104
7 1040
R WAKTU R WAKTU
NO OPERASI NO OPERASI NO OPERASI
7 1059 6 1022 7 984
5 1035 2 987 4 1010
3 926 8 998 2 1041
8 1002 5 1038 5 917
4 964 7 955 1 1024
3 874 4 1015 8 959
2 1014 3 982 1 1047
6 940 8 992 7 882
1 996 1 1077 3 1089
5 1138 4 1028 6 970

Maintenance Maintenance
4 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Tabel 2. Data Distribusi Frekuensi dalam Tabel 5-1

Interval Kelas, Jam Frekuensi Kejadian

870 - 900 2
900 - 930 3
930 - 960 4
960 - 990 7
990 - 1020 10
1020 - 1050 8
1050 - 1080 3
1080 - 1110 2
1110 - 1140 1

Yang lebih realistis tentang aturan pengambilan keputusan akan mengatur program
pemeliharaan pencegahan (preventive maintenance), sehingga hanya 10% dari kegagalan akan
menjadi jenis darurat atau tak terduga. Persentase luas area di bawah kurva normal antara rata-rata
dan setiap titik ke kiri atau ke kanan didefinisikan oleh z statis, yaitu :

Ketika, x = point data apa pun

x= rata-rata dari semua data = 1000 jam pada kasus ini
= standar deviasi

Standar Deviasi didefinisikan seperti :

Standar deviasi untuk data yang ditunjukkan pada tabel 5-1, tanpa menunjukkan
penghitungan adalah 57,2 jam. Hanya melihat absis dari gambar 5-1, dapat terlihat bahwa pada
dasarnya tidak akan terjadi kegagalan sebelum 874 jam. Jika 0 persen akan gagal sebelum 874 jam
dan 50 persen akan gagal sekitar 1000 jam, maka 10 persen akan gagal disuatu tempat, kita simbolkan
dengan x jam.
Dari sebuah rumus dari tabel nilai z yang ditunjukkan pada tabel 5-3. Nilai-nilai ini area
dibawah satu setengah (sisi kanan) dari kurva normal. Karena kurva simetris terhadap rata-rata (z=0
pada rata-rata), tabel dari sebuah kurva tercukupi. Dari tabel 5-3, nilai z yang sesuai dengan x pada

Maintenance Maintenance
5 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
gambar 5-2 adalah 1,28. Disubstitusikan dalam rumus/persamaan transformasi Z (z adalah negative
karena daerah yang terpenting di kiri dari rata-rata).
Dimana n = jumlah titik data

Gambar 1. Distribusi Frekuensi Kegagalan Bearing

Gambar 2. Waktu Penggantian pada saat X

Tabel 3 , Nilai z

Daerah di Daerah di
z bawah z bawah
- kurva - kurva

0 0.0000 1.6 0.4452

0.2 0.0793 1.8 0.4641
0.4 0.1554 2.0 0.4772
0.8 0.2881 2.4 0.4918
1.0 0.3413 2.6 0.4953
1.2 0.3849 2.8 0.4974
1.4 0.4192 3.0 0.4987

Maintenance Maintenance
6 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Oleh karena itu dengan mengganti setiap bearing dari operasi pada kisaran 927 jam, maka
rata-rata 90 persen dari kegagalan yang tidak terjadwal akan dapat dihindarkan.

Sistem Multi Komponen

Mempertimbangkan masalah tersebut diatas ditinjau dari sudut pandang yang lain.
Yang terpenting sekarang ini bepusat pada di sekitar kegagalan kompresor, yang
mempengaruhi sistem multi komponen. Fenomena yang ada sekarang ini adalah bahwa
meskipun kehidupan masing-masing komponen mengikuti distribusi normal, dengan
penambahan waktu antara kegagalan sistem yang biasanya mengikuti distibusi Poison.

Distribusi Poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson.  Distibusi ini
merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai nilai 0,1, 2, 3 dst.
Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang Poisson untuk peluang
Binomial yang dapat digunakan untuk pendekatan probabilitas Binomial dalam situasi tertentu.
Rumus Poisson dapat digunakan untuk menghitung probabilitas dari jumlah kedatangan,
misalnya: probabilitas jumlah kedatangan nasabah pada suatu bank pada jam kantor.

Distribusi Poisson ini digunakan untuk menghitung probabilitas menurut satuan waktu. Distribusi
Poison adalah suatu eksperimen yang menghasilkan sejumlah nilai numerik dari variabel random
X dengan outcome terjadi selama waktu tertentu disebut dengan eksperimen poisson. Interval
waktu yang diberikan dapat dalam menit, jam, hari, minggu, bulan atau bahkan tahun. Contoh
dari hasil eksperimen poisson misalnya adalah :

 Jumlah Call Telpon per jam disuatu kantor

 Jumlah kedatangan mobil disuatu perempatan dari arah tertentu pada jam 7.00 – 8.00
 Jumlah kedatangan kedatangan Komponen/mesin untuk perawatan setiap hari di
bengkel perawatan antara jam 08.00 sd 16.00 misalnya.

Eksperimen poisson diturunkan dari proses poisson yang mempunyai ciri-ciri sebagai
berikut :

1. Tingkat kedatangan rata – rata setiap unit waktu adalah konstant.

Maintenance Maintenance
7 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Dalam ilustrasi tadi dapat berarti bahwa jika tingkat kedatangan rata – rata untuk periode jam
adalah, misalkan 72 kedatangan setiap jam, maka tingkat ini melambangkan interval waktu
pada jam kerja tadi : yaitu tingkat yang dapat dirubah kepada rata – rata yaitu 36 kedatangan
setiap ½ jam atau 1.2 kedatangan setiap menit.

2. Jumlah kedatangan pada interval waktu tidak bergantung pada ( bebas apa yang terjadi di
interval waktu yang sudah lewat. Dalam ilustrasi tadi, dapat berarti bahwa kesempatan dari
sebuah kedatangan di menit berikutnya adalah sama.

3. Tidak memiliki kesamaan bahwa akan lebih dari satu kedatangan dalam interval pendek,
semakin pendek interval, semakin mendekati nol adalah probabilitas yang lebih dari satu
kedatangan. Dalam ilustrasi tadi, bisa berarti bahwa adalah tidak mungkin untuk lebih dari
satu nasabah yang dapat melawati jalan masuk dalam waktu satu detik.

Distribusi kemungkinan dari variabel random poisson X yang menyatakan jumlah kejadian
(outcome ) yang terjadi selama interval waktu t adalah :

e  Rt (Rt )
P ( t ; Rt )
!
Dengan Rt adalah rata-rata jumlah kejadian persatuan waktu dan e = 2,71828

Untuk analisis perilaku, tambahan kelompok data sangat diperlukan. Distribusi yang kedua adalah
diperoleh dari lamanya waktu yang diperlukan untuk memperbaiki tiap kompresor.

Gambar 3 Distribusi Frekuensi antara Interval Waktu dengan Kegagalan Sistem

Maintenance Maintenance
8 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Waktu Service, Jam

Gambar 4 Distribusi Frekuensi dari Waktu yang Diperlukan untuk Perbaikan Kompresor

Perawatan harus dilakukan sehingga hanya waktu perbaikan yang dicatat, bukannya waktu idle
ditambah waktu perbaikan. Gambar 5-3 dan 5-4 menggambarkan masing-masing kedua distribusi.
Asumsikan rata-rata untuk Gambar 5-3 adalah 84 jam (3.5 hari) dan pada Gambar 5-4 adalah 30 jam
(1.25 hari). Dari data ini terdapat banyak informasi tentang sistem yang tersedia. Perhatikan bahwa
rata-rata didefinisikan sebagai titik yang membagi area di bawah kurva setengah, bukan di tengah
sumbu x.

Jumlah rata-rata kompresor yang menunggu untuk dipelihara (dengan asumsi hanya satu
orang kru pemeliharaan yang tersedia) adalah :

Dimana :
 = rata-rata tingkat kedatangan ( dalam kedatangan unit per unit waktu), pada kasus ini 1/3.5 atau
2/7 unit/hari dan
µ = rata-rata tingkat layanan ( dalam layanan unit per unit waktu), pada kasus ini 1/1.25 atau 4/5
unit/hari.

Oleh karena itu,

unit/hari

Maintenance Maintenance
9 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Sangat menarik untuk mengetahui lama waktu rata-rata kompresor idle harus menunggu
hingga kru pemeliharaan mulai bekerja pada kompresor tersebut. Hal ini dinyatakan oleh :

0.68 hari

Semenjak ini mungkin berlebihan, kuantitatif pembenaran untuk kru pemeliharaan sekarang
ini tersedia. Ekspresi di atas untuk L dan W hanya berlaku jika satu kru tersedia. Rumus-rumus lain
ada untuk dua atau lebih kru pemeliharaan. Juga ada rumus lain untuk kasus-kasus di mana distribusi
input berbeda dari yang digunakan dalam contoh ini. Perlu dicatat bahwa hasil untuk L dan W adalah
hasil rata-rata periode waktu dan waktu jarang, kalaupun pernah, akan berlaku dalam situasi individu.
Hal ini seluruhnya sama sekali tidak merugikan, jika justifikasi untuk kru lain yang sedang melakukan
pencobaan, rata-rata atau pemanfaatan jangka panjang adalah informasi yang sedang dicari.
Diskusi ini tidak dimaksudkan untuk menyajikan subyek liputan lengkap. Hal ini
dimaksudkan untuk menggambarkan kepada insinyur pemeliharaan mengenai beberapa statistik dan
metode operasi riset yang tersedia bagi dia untuk membantu dalam melakukan pengambilan
keputusan. Metode ini, sebelumnya hanya terbatas pada matematika dan statistic, telah berevolusi ke
tahap dimana mereka telah menjadi seorang insinyur peralatan.

Daftar Pustaka

1. Maintenance Engineering Handbook, 6th edition, Lidley R.Higgins and R.Keith

Mobley, McGrawHill Com., New York, 2002.
2. Operations Management., 7th edition (International Ed.), Jay Heizer and Barry
Render, Pearson-Prentice Hall, New Jersey, 2004.
3. An Introduction to Reliability and Maintainability Eng., Charles E.Ebeling,
McGrawHill Com.,New York, 1997.
4. The Reliability, Availability and Productiveness of Systems, D.J. Sherwin and
A.Boosche., Chapman and Hall., London, 1993.
5. Teknik Manajemen Pemeliharaan (Terj.), Antony Corder (Kusnul Hadi)., Erlangga,
Jakarta, 1992.

Maintenance Maintenance
10 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 6. Maintenance Management, Lawrence Mann Jr.,Lexington Books, Kanada, 1978

Maintenance Maintenance
11 Ir. Herry Agung Prabowo, MSc
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id