PROPOSAL SKRIPSI

OPTIMALISASI PENGGUNAAN GROUND POWER UNIT

PADA KEGIATAN PERAWATAN PESAWAT UDARA DI PT.
IAA AMO DENGAN METODE FMEA

Sandi Kurniawan
201020700068

DOSEN PEMBIMBING
Indah Apriliana Sari W., ST., MT

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS MUHAMMADIYAH SIDOARJO
2023
 HALAMAN PENGESAHAN

OPTIMALISASI PENGGUNAAN GROUND POWER UNIT

PADA KEGIATAN PERAWATAN PESAWAT UDARA DI PT.
IAA AMO DENGAN METODE FMEA

Sandi Kurniawan
201020700068

Sidoarjo, 22 November 2023

Mengetahui Menyetujui,
Ketua Program Studi Teknik Dosen Pembimbing
Industri

Tedjo Sukmono, ST., MT. Indah Apriliana Sari W., ST., MT

NIDN. 0705046703 NIDN. 0720048402
 BAB I
PENDAHULUAN

1.1 Latar Belakang

PT. Indonesia AirAsia AMO (IAA AMO) merupakan perusahaan jasa
penyelenggara perawatan pesawat udara. Sebagai penyelenggara perawatan
pesawat udara PT. IAA AMO Indonesia mempunyai peralatan penunjang dalam
malakukan perawatan pesawat udara berupa Ground Power Unit (GPU). GPU
sendiri digunakan sebagai genset atau genearator ketika pesawat melakukan
perawatan[1]. Sedangkan pesawat sendiri mempunyai generator sebagai sumber
utama kelistrikan pada saat pesawat on ground yang bernama Auxelery Power
Unit (APU)[2].
Bahan bakar APU menggunakan AVTUR atau jet A-1 berjenis kerosin[3].
Pemakain setiap jamnya mencapai 100 liter dengan harga / liternya Rp
13.736,80[4]. Karena konsumsi bahan bakar APU yang besar maka untuk
kegiatan perawatan pesawat udara digunakanlah GPU sebagai alternatif sumber
kelistrikan, yang konsumsi bahan bakarnya cenderung lebih rendah dari pada
APU. Dengan bahan bakar solar atau dexlite GPU dapat bekerja setiap jamnya
dengan pemakain bahan bakar sebesar 20 liter dengan harga dexlite berkisar Rp.
17.200/liter[5]. Akan tetapi terdapat kendala pada saat pengoprasian GPU, yaitu
GPU sering mengalami breakdown yang mana pada saat kegiatana perawatan
pesawat udara peran GPU akan diganti oleh APU. Yang pemakaian bahan
bakaranya cenderung lebih banyak dibandingkan dengan GPU. Pada bulan
Oktober GPU sudah mengalami beberapa kali breakdown dengan proses
perbaikan hingga beberapa hari. Dengan ini perusahaan akan mengeluarakan
biaya lebih untuk kegiatan perawatan pesawat udara.
Banyak penelitian sebelumnya untuk mengetahui suatu kegagalan dari
sebuah mesin, proses atau servis digunakanlah metode Failure Mode and Effect
Analysis (FMEA). Ada beberapa metode yang berkembang dan sering digunakan
sebagai acuan dalam meneliti kegagalan dari sebuah sistem, servis atau mesin.
Mualai dari RCM, TPM dan FMEA[6]. RCM merupakan upaya pendekatan
pemeliharaan yang mengkombinasikan praktek dan strategi antara

3
preventive maintenance (PM) dan corective maintenance (CM) untuk,
memaksimalkan umur (life time) dan fungsi aset / sistem / equipment dengan
biaya yang minimal (minimum cost)[7]. Sedangkan TPM adalah model
pengukuran produktivitas dengan memperhatikan pengaruh semua faktor input
yang terhadap output yang sifatnya tangible[6]. Model tersebut dapat digunakan
tidak hanya pada tingkat agregat tetapi juga pada tingkat operasioanal misalnya
tingkat departemen. Salah satu teknik yang sering digunakan dalam mengevaluasi
sebuah kegagalan dari sebuah sistem, desain, proses atau servis pada sebuah
mesin untuk dihasilkan langkah penanganan yaitu dengan menggunakan metode
Failure Mode and Effect Analysis (FMEA)[8]. Metode Failure Mode and Effect
Analysis (FMEA) FMEA adalah sebuah teknik rekayasa yang digunakan untuk
menetapkan, mengidentifikasi, dan untuk menghilangkan kegagalan yang
diketahui, permasalahan, error, dan sejenisnya dari sebuah sistem, desain, proses,
dan atau jasa sebelum mencapai konsumen[9]. FMEA Merupakan metode yang
bertujuan untuk mengevaluasi desain sistem dengan mempertimbangkan
bermacam-macam jenis kegagalan dari sistem yang terdiri dari komponen-
komponen, menganalisa pengaruh-pengaruh terhadap keandalan sistem dengan
penelusuran pengaruh-pengaruh kegagalan komponen sesuai dengan level item-
item khusus dari sistem yang kritis dapat dinilai dan tindakan yang diperlukan
untuk memperbaiki desain dan mengeliminasi atau mereduksi probabilitas dari
metode-metode kegagalan yang kritis[6]. Sehingga peneliti memutuskan untuk
menggunakan metode FMEA.
1.2 Rumusan Masalah
Adapun rumusan masalah yang peneliti rumusakan sebagai beriku:
1. Mengidentifikasi apa yang menyebabkan GPU sering breakdown dan
seberapa besar nilai Reliabilitas GPU saat ini (kondisi eksisting).
1.3 Batasan Masalah
Peneliti membatasi pembahasan yang dipersoalkan maka peneliti membatasi
hanya pada mesin/alat GPU yang dilakuakan penelitian tidak membahas jenis
inputan yang mempenagruhi mesin GPU di PT IAA AMO surabaya station.
1.4 Tujuan
Tujuan dari penelitian ini yaitu:

4
1. Mengetahui komponen dari GPU yang tidak handal.
2. Menghitung kehandalan dari GPU untuk mengetahui efektifitas dari mesin
GPU.
3. Mengusulkan perencanaan perawatan dari GPU agar terhindar dari
breakdown

5
 BAB II
METODOLOGI

Metodologi penelitian adalah langkah-langkah yang diambil untuk

mencapai tujaun yang diinginkan. Dalam penelitian ini digunakan Metode
Failure Mode and Effect Analysis (FMEA). Berikut merupakan alur penelitian
yang akan dijalankan:

APU boros
Bahan bakar
100lt/jam

GPU

Pengum
pulan Kendala sering
data breakdown

Membuat grafik
BD Efect

Menghitung
reliabitiy GPU

Menghitung
MTTF & MTBF

FMEA
Usulan
perencanaan
perawatan

6
1. Menganalisa reliability mesin GPU.
Reliability didefinisikan sebagai probabilitas komponen atau sistem akan
beroperasi sesuai dengan fungsi yang diharapkan pada suatu periode waktu
yang ditentukan dalam kondisi operasi tertentu. Keandalan dapat dinyatakan
dalam bentuk Mean Time Between Failure (MTBF)[10].
2. Menghitung MTTF & MTBF.
Ukuran rata-rata suatu mesin hiingga mengalami kerusakan disebut Mean
Time To Failure (MTTF)[11]. Sedangkan Mean Time Between Failure
MTTBF yaitu waktu rata-rata kerusakan setelah mesin dilakukan perbaikan
hingga mesin mengalami kerusakan kembali[12].
3. Penerapan metode Failure Mode and Effect Analysis (FMEA).
Langkah yang diambil untuk menerepakan metode FMEA setalah dilakukan
pengambilan data yaitu[13]:
a. Menetapkan nilai severity rating (S).
Severity rating adalah tingkat keparahan efek kegagalan. Semakin parah
efek yang ditimbulkan maka semakin tinggi nilai rating yang diberikan[13].
b. Menetapkan nilai occurrence (O).
Kemungkinan kejadian (occurrence) merupakan kemungkinan bahwa
penyebab tersebut akan terjadi dan menghasilkan bentuk kegagalan selama
masa penggunaan produk[14].
c. Menetapkan nilai detection (D).
Nilai detection adalah nilai pengukuran terhadap kemampuan
mengendalikan / mengontrol kegagalan yang dapat terjadi[14].
Setelah semua data didapatkan dilakukan penentuan nilai Risk Priority
Number (RPN). Mengklasifikasikan adanya kegagalan berdasarkan nilai Risk
Priority Number (RPN) Menganalisis komponen apa saja yang menjadi
komponen kritis yang memiliki nilai downtime tertinggi atau nilai RPN terbesar
dan seberapa besar pengaruhnya terhadap sistem, sehingga dapat menentukan
perawatan yang tepat terhadap komponen komponen kritis. Untuk RPN dapat
dihitung menggunakan rumus sebagai berikut[15]:
RPN = Severity * Occurency*Detection

7
 Untuk selanjutnya didapatkan rekomendasi perbaikan atau perawatan agar
dikemudian hari tidak terjadi breakdown yang berkelanjutan.

8
3.1 Waktu dan Tempat
Waktu penelitian ini dilakukan mualai dari bulan November hingga bulan
Januari di PT. Indonesia Airasia AMO surabaya station
3.2 Pengumpulan Data
Terdapat dua jenis data pada peneitian ini yaitu:
1. Data Primer
Data primer merupakan data yang didapatkan dari responden secara
langsung, yang menjadi responden yaitu: ahli pesawat udara, teknisi GPU,
operator GPU
2. Data Sekunder
Data sekunder merupakan data yang tidak secara langsung berhubungan
dengan responden melainkan data pendukung bagai peneliti. Berupa data
data yang diambil dari jurnal, buku dan buku pedoman perawatan mesin.

3.3 Jadwal Penelitian

Berikut merupakan jadwal penelitian yang dapat dilihat pada tabel 2 sebagai
berikut:
Tabel 2. Tabel Jadwal penelitian
Bulan
Nama Kegiatan
Okt Nov Des Jan Feb Mar
1. Observasi
2. Perumusan Masalah
3. Pengambilan Data &
penentuan variabel
4. Pengolahan Data

9
 DAFTAR PUSTAKA

[1] H. A. P. L. Hestuningrum and E. Ahyudanari, “Jurnal Perhubungan Udara

Manajemen Kendaraan Ground Handling di Terminal 1 Bandara
Internasional Ground Handling Vehicle Management at International
Juanda Airport Terminal 1,” vol. 9066, pp. 99–106, 2019.
[2] D. M. Reliability, “Perencanaan Jadwal dan Aktivitas Pemeliharaan,” vol.
3, no. November, pp. 24–25, 2021, doi: 10.54706/senastindo.v3.2021.130.
[3] H. Artikel, “WARTA ARDHIA Jurnal Perhubungan Udara Perkiraan
Kebutuhan Depo Pengisian Avtur Pesawat Udara di Indonesia,” pp. 163–
171, 2014.
[4] A. P. Indhana, J. Teknik, P. Udara, and P. P. Surabaya, “Seminar nasional
inovasi teknologi penerbangan (snitp) tahun 2019,” pp. 1–6, 2019.
[5] E. N. Pratiwi, “Original articel,” vol. 3, no. 2, pp. 68–78, 2022.
[6] P. I. D, SISTEM DAN MANAJEMEN PEMELIHARAAN. YOGYAKARTA:
DEEPUBLISH, 2019.
[7] H. Dewi Widya Shinta and R. Yanti, “Analisis Perawatan Mesin dengan
Metode Reliability Centered Maintenance (RCM) terhadap Mesin Air Jet
Loom (AJL),” 2021.
[8] D. Pendekatan et al., “Pengendalian Kualitas Dengan Metode Failure Mode
Effect And Analysis,” 2019.
[9] J. T. Industri, “PERBAIKAN KUALITAS PRODUK KERATON
LUXURY DI PT. X DENGAN MENGGUNAKAN METODE FAILURE
MODE and EFFECT ANALYSIS (FMEA) dan FAULT TREE
ANALYSIS (FTA) * RICHMA YULINDA HANIF, HENDANG SETYO
RUKMI, SUSY SUSANTY,” J. Online Inst. Teknol. Nas. Juli, 2015.
[10] R. I. Rosihan and H. A. Yuniarto, “Analisis Sistem Reliability dengan
Pendekatan Reliability Block Diagram,” vol. 6131, 2019.
[11] R. E. Wulandari, D. F. Aksioma, and Haryono, “Analisis Reliabilitas dan
Availabilitas pada Mesin Menggunakan Pendekatan Analisis Markov,” J.
Sains dan Seni ITS, vol. 7, no. 2, pp. 200–205, 2018.
[12] “ANALISIS PREVENTIVE MAINTENANCE DENGAN METODE
MENGHITUNG MEAN TIME BETWEEN FAILURE (MTBF) DAN
MEAN TIME TO REPAIR(MTTR) (STUDI KASUS PT. GAJAH
TUNGGAL TBK),” J. HEURISTIC, vol. vol 17, no. 2, pp. 87–94, 2020.
[13] M. H. Aiman and M. Nuruddin, “Analisis Kecacatan Produk Pada Mesin
Pemotongan Dengan Menggunakan Metode FMEA di UD. Abdi Rakyat,”
J. Tek. Ind., vol. 9, no. 2, pp. 578–587, 2023.
[14] N. B. Puspitasari and A. Martanto, “PENGGUNAAN FMEA DALAM
MENGIDENTIFIKASI RESIKO KEGAGALAN PROSES PRODUKSI
SARUNG ATM ( ALAT TENUN MESIN ) ( STUDI KASUS PT .
ASAPUTEX JAYA TEGAL ),” pp. 93–98.
[15] M. A. Z. Ramadhan and T. Sukmono, “Penentuan Interval Waktu
Preventive Maintenance Pada Nail Making Machine Dengan Menggunakan
Metode Reliability Centered Maintenance (RCM) II,” PROZIMA
(Productivity, Optim. Manuf. Syst. Eng., vol. 2, no. 2, pp. 49–57, 2018, doi:

10
10.21070/prozima.v2i2.1349.

11