MODEL KONTRAK SEWA DENGAN MEMPERTIMBANGKAN SISTEM

KEBIJAKAN PEMELIHARAAN
TANPA PENGAWASAN DAN DENGAN PENGAWASAN

Disusun oleh:
Putri Zsa Zsa Leani Leuser

Pembimbing:
Prof. Ir. Bermawi P. Iskandar, M.Sc., Ph.D.

Institut Teknologi Bandung

Teknik dan Manajemen Industri
2021
OUTLIN
E
BAB I PENDAHULUAN
- Latar Belakang
1 - Posisi Penelitian
- Rumusan Masalah
4 BAB V HASIL DAN ANALISIS

- Tujuan Penelitian

2 BAB III METODOLOGI PENELITIAN 5 BAB VI KESIMPULAN DAN

SARAN

3 BAB IV FORMULASI MODEL 6 DAFTAR PUSTAKA

 BAB I
PENDAHULUAN

LATAR BELAKANG
Penelitian Kebijakan
Sebelumnya Pemeliharaaan

Iskandar dan Time-Based

Husniah Maintenance Celah Penelitian:
(2017) (TBM) Membuat model kontrak sewa dengan
menggabungkan kebijakan pemeliharaan
yang dilakukan oleh tiga model acuan
Condition-Based menjadi sebuah opsi yang akan
Husniah dkk
Maintenance ditawarkan oleh agen kepada konsumen,
(2019)
(TBM) dimana opsi pemeliharaannya terdiri dari
Time-based maintenance, condition-based
maintenance, dan pemeliharaan yang
dilakukan in-house oleh konsumen.
Iskandar dkk Pemeliharaan
(2014) (in-house)

3
 BAB I
PENDAHULUAN
RUMUSAN MASALAH
• Bagaimana memodelkan kebijakan pemeliharaan
tanpa monitoring, dengan monitoring dan
dilakukan in-house oleh konsumen untuk peralatan
yang disewakan?
• Bagaimana membuat model keputusan agen dan
konsumen untuk masing-masing opsi?
• Bagaimana memilih opsi kontrak terbaik oleh agen
dan konsumen yang terintergrasi untuk mencapai
keuntungan optimal?
TUJUAN PENELITIAN
• Mendapatkan model kebijakan pemeliharaan
tanpa sistem monitoring, dengan sistem
monitoring dan dilakukan in-house oleh
konsumen.
• Menghasilkan model optimasi keuntungan
masing-masing opsi untuk agen dan konsumen.
• Mendapatkan simpulan opsi kebijakan mana
yang harus dipilih oleh agen dan konsumen
secara terkoordinasi yang dapat
mengoptimalkan keuntungan masing-masing
pihak.
4
 BAB I
PENDAHULUAN

POSISI PENELITIAN

Dampak
Kebijakan Jumlah Kondisi
Penulis Judul Tipe Pemeliharaan Pemeliharaaan Variabel Keputusan Fungsi Tujuan
Pemeliharaan Komponen Objek
Pencegahan
Iskandar Maintenance Service Contracts Tanpa monitoring (Time- PK: Minimal Repair Single Meminimasi
dkk for Equipment Sold with Two - Baru Tingkat PP dan Jumlah PP Ekspektasi Total
Based Maintenance) PP: Minimal Repair Component
(2014) Dimensional Warranties Biaya Pemeliharaan

Iskandar
dan Optimal Preventive Tanpa monitoring (Time- PK: Minimal Repair Pengurangan Laju Single Meminimasi
Miantenance for a Two- Baru Tingkat PP dan Jumlah PP Ekspektasi Total
Husniah Based Maintenance) PP: Imperfect Repair Kerusakan Component
Dimensional Lease Contract Biaya Pemeliharaan
(2017)

Husniah, Optimal Condition-Based Dengan monitoring Meminimasi

PK dan PP : Imperfect Single
dkk Miantenance Policy for Leased (Condition-Based - Remanufaktur Interval Monitoring dan Ekspektasi Total
Repair Component Batas PP
(2019) Remanufactured System Maintenance) Biaya Pemeliharaan

Opsi 1 Opsi 1
Tanpa Monitoring (TBM) PK: Minimal Repair Opsi 1
Model Kontrak Sewa dengan PP: Imperfect Repair Tingkat PP dan Jumlah PP
Opsi 2 Memaksimasi
Leuser Mempertimbangkan Kebijakan Dengan Monitoring Opsi 2 Single Opsi 2 Ekspektasi Total
Pemeliharaan tanpa PK dan PP: Perfect Pengurangan Umur Baru Interval Monitoring dan
(2021) (CBM) Component Keuntungan Agen
Pengawasan dan dengan Opsi 3 Repair Batas PP dan Konsumen
Pengawasan Opsi 3 Opsi 3
Pemeliharaan dilakukan PK: Minimal Repair Tingkat PP dan Jumlah PP
in-house
PP: Imperfect Repair
 BAB III METODOLOGI
PENELITIAN

Mulai
Mulai

A
A
Studi
Studi Literatur:
Literatur:
·· Peralatan
Peralatan
·· Model Identifikasi
Identifikasi Masalah:
Masalah:
Model kegagalan
kegagalan Penelitian
·· Kebijakan Penelitian ini
ini menawatkan
menawatkan
Kebijakan Pemeliharaan
Pemeliharaan kontrak
kontrak sewa
sewa dengan
dengan opsi
opsi Opsi
Opsi 11 Opsi
Opsi 22 Opsi
Opsi 33
(TBM
(TBM dandan CBM)
CBM) kebijakan
kebijakan pemeliharaan
pemeliharaan (TBM,
(TBM,
·· Leasing
Leasing CBM, Model
Model kontrak
kontrak sewa
sewa Model
Model kontrak
kontrak sewa
sewa Model
Model kontrak
kontrak sewa
sewa
CBM, dan
dan pemeliharaan
pemeliharaan yang
yang dengan
·· Teori
Teori permainan
permainan dilakuakan
dilakuakan secara
secara mandiri
mandiri (in-
(in- dengan kebijakan
kebijakan dengan
dengan kebijakan
kebijakan dengan
dengan kebijakan
kebijakan
·· Model pemeliharaan
pemeliharaan tanpa
tanpa pemeliharaan
pemeliharaan dengan
dengan pemeliharaan
pemeliharaan
Model kontrak
kontrak sewa
sewa dengan
dengan house)
house) oleh
oleh konsumen).
konsumen). monitoring
monitoring (TBM)
(TBM) monitoring
monitoring (CBM)
(CBM) dilakukan
dilakukan in-house
in-house
teori
teori permainan
permainan

Bab II Tinjauan Pustaka Bab I Pendahuluan

Analisis
Analisis Hasil:
Hasil:
Karakteristik
Karakteristik Sistem:
Sistem: ·· Perhitungan Bab V Hasil dan
Perhitungan numerik
numerik
·· Deskripsi
Deskripsi sistem
sistem mencarii
mencarii solusi
solusi optimal
optimal Analisis
·· Lingkup
Lingkup penelitian
penelitian menggunakan
menggunakan data
data hipotetik
hipotetik
·· Uji
Uji kepekaan
kepekaan dan
dan analisis
analisis

Formulasi
Formulasi Model:
Model:
·· Model
Model kerusakan
kerusakan Bab IV Formulasi Kesimulan Bab IV Kesimpulan
Kesimulan
·· Model
Model pemeliharaan
pemeliharaan Model dan
dan Saran
Saran dan Saran
·· Model
Model kontrak
kontrak sewa
sewa

Selesai
Selesai
A
A
 BAB IV FORMULASI
MODEL
URAIAN MASALAH KONTRAK SEWA

OPSI KEBIJAKAN
PEMELIHARAAN

OPSI 1 OPSI 2
OPSI 3
TIME-BASED CONDITION-BASED
IN-HOUSE
MAINTENANCE (TBM) MAINTENANCE (TBM)

NILAI KONTRAK NILAI KONTRAK NILAI KONTRAK

SEWA OPSI 1 SEWA OPSI 2 SEWA OPSI 3
 BAB IV FORMULASI
MODEL
URAIAN MASALAH KONTRAK SEWA

Model Kerusakan Model Maintenance Model Kontrak Sewa

Model Accelerated Failure Time Opsi 1 dan 3 – TBM dan In-House Proses formulasi masalah
(AFT) 1. PK = minimal repair keputusan dari pemilik dan
2. PP = imperfect repair penyewa akan menggunakan
Distribusi: model teori permainan nash.
Opsi 2 - CBM Opsi 2 - CBM
Gamma 3. PK = perfect repair
Opsi 1 dan 3 – TBM dan In-House 4. PP = perfect repair
Weibull
 BAB IV FORMULASI
MODEL
Model Kerusakan

Opsi 1 dan 3 – TBM dan In-House Opsi 2 - CBM

 
𝜃𝑦 =
𝑆0 𝛾
(𝑆) 𝜃 0
AFT  
𝛽 𝑦 (𝑡 )=
𝑆0
( ) 𝛽 .𝑡
𝛾

0
𝑆

𝜂
Tingkat Kerusakan
𝑡
Opsi 1 - TBM   ( ) 𝜃𝑦   𝑓 (𝑡 )
F ( t )=1 −𝑒 r (t)=
(1 − 𝐹 ( 𝑡 ))
𝛽 𝑦 ( 𝜏 𝑘 − 𝜏 𝑘 −1 )
  𝛼 𝛽 ( 𝜏 𝑘 −𝜏 𝑘− 1) ( −𝛼 Δ 𝑋 𝑘 ) 𝑑 Δ 𝑋 𝑘
Opsi 2 - CBM 𝑓𝛽 ( 𝜏 𝑘 − 𝜏 𝑘− 1 ), 𝛼 (
Δ 𝑋 𝑘 )= Δ 𝑋𝑘 𝑦
𝑒
𝑦
Γ ( 𝛽 𝑦 ( 𝜏 𝑘 − 𝜏 𝑘 −1 ) )

Tingkat Kerusakan Pemeliharaan yang dilakukan in-

Opsi 3 – In-House asumsi house kurang efektif jika
  ¿   dimana,
dibandingkan dengan outsourced.
 BAB IV FORMULASI
MODEL
Pencarian Solusi

Opsi 1 - TBM Opsi 2 - CBM Opsi 3 – In - house

Downtime Ada Ada Ada

Biaya penalti Ada Ada Tidak ada

= tingkat PP = interval monitoring = tingkat PP
Variabel
Variabel keputusan
keputusan = jumlah PP = Batas ambang PP = jumlah PP

Asumsi yang membedakan pemeliharaan yang dilakukan oleh agen dan dilakukan in-house
1. Laju kerusakan berdistribusi Weibull
2. Downtime berdistribusi eksponensial
3. Laju downtime pada PK in-house akan lebih besar jika dibandingkan PK outsourced pada agen, karena agen memiliki
personil dan sistem pendukung yang lebih baik. (Iskandar dkk, 2014)
4. Karena PP dan PK dilakukan in-house maka tidak ada biaya penalti.
5. PP dan PK yang dilakukan in-house kurang efektif, sehingga laju kerusakan peralatan yang dilakukan in-house akan
lebih tinggi jika dibandingkan dengan outsourced. (Iskandar dkk, 2014)
 BAB IV FORMULASI
MODEL
PP
(Perbaikan tidak
sempurna)

σ 2σ (j-1)σ jσ
0

PK
(perbaikan
minimal)

Model Ekspektasi Total Biaya Pemeliharaan – Opsi 1 (TBM)

Ekspektasi total biaya maintenance A1 = Ekspektasi Biaya PK + Ekspektasi Biaya PP + Ekspektasi Biaya
Penalti
𝐽  ( 𝛿 , 𝑗 , ) =𝐽 𝑓 ( 𝛿 , 𝑗 , )+𝐽 𝑝 ( 𝛿 , 𝑗 , ) +𝐽 𝑑 ( 𝛿 , 𝑗 , )

Model Ekspektasi Total Biaya Pemeliharaan – Opsi 3 (In-house)

Ekspektasi total biaya maintenance A3 = Ekspektasi Biaya PK + Ekspektasi Biaya PP

𝐶𝑁
  ( 𝛿 , 𝑗 , ) =𝐶𝑁 𝑓 ( 𝛿 , 𝑗 , ) +𝐶𝑁 𝑝𝑚 ( 𝛿 , 𝑗 , )
 BAB IV FORMULASI
MODEL
Model Ekspektasi Total Biaya Pemeliharaan – Opsi 2 (CBM)

Tindakan x
PK
Tindakan
PK
Tindakan
PP x
Lf `

x
Lpm
Tidak ada
tindakan
Degradasi

pemeliharaan
Status

x x
vd
vd
Tidak ada
tindakan
pemeliharaan

L₀ t
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 L=24
Waktu

Ekspektasi total biaya maintenance A2 = Ekspektasi Biaya Montirong + Biaya Investasi Awal + Ekspektasi Biaya
PK + Ekspektasi Biaya PP + Ekspektasi Biaya Penalti

𝐸𝑇𝐶
  ( 𝜏 , 𝐿 𝑝𝑚 , 𝐿 )=𝐸𝐶 𝑖 ( 𝜏 )+𝐶 𝑎 +𝐸𝐶 𝑓 ( 𝜏 , 𝐿 𝑝𝑚 , 𝐿 ) +𝐸𝐶 𝑝𝑚 ( 𝜏 , 𝐿 𝑝𝑚 , 𝐿 ) +𝐸𝐶 𝑑 ( 𝜏 , 𝐿 𝑝𝑚 , 𝐿 )
BAB IV FORMULASI
MODEL

  Konsumen
Opsi 3 – In-
Agen   Opsi 1 - TBM Opsi 2 - CBM house

Opsi 1 –
Pencarian Solusi Optimal TBM
 BAB IV FORMULASI
MODEL
Pencarian Solusi Optimal

Model nilai kontrak sewa untuk opsi 1

Model nilai kontrak sewa untuk opsi 2

Model nilai kontrak sewa untuk opsi 3

 BAB V HASIL DAN
SIMULASI
Input   (Distribusi Weibull 2 (Distribusi
parameter) Gamma)
Skala =5 α = 0.25

Parameter
Parameter
Skala α = 0.25
Bentuk η = 3.5 = 1.13
Bentuk η = 3.5
MTTF
MTTF 4.006
4.006 4.025
4.025

Opsi 1 - TBM Opsi 2 - CBM Opsi 3 – in-house

Notasi Nominal Satuan Notasi Nominal Satuan Notasi Nominal Satuan
450 km 450 km 450 km
500 km 500 km 500 km
γ 1.1 - γ 1.1 - γ 1.1 -
20 Satuan uang 0 - 25 Satuan uang
100 Satuan uang 80 - 120 Satuan uang
10 Satuan uang 180 Satuan uang 20 Satuan uang
24 Bulan 250 Satuan uang 24 Bulan
48 Jam 50 Satuan uang 72 Jam
5 Satuan uang 500 Satuan uang 1000 Satuan uang
1000 Satuan uang 24 Bulan ρ 1.2  
48 Jam
5 Satuan uang
1000 Satuan uang
 BAB V HASIL DAN
SIMULASI
Total Biaya Pemeliharaan

Opsi 1 - TBM Opsi 2 - CBM Opsi 3 – In-house

Jumlah PP terhadap Ekspektasi Total Biaya dengan δ = Interval Monitoring terhadap Ekspektasi Total Biaya
0.1 dengan Lpm = 8 Jumlah PP terhadap Ekspektasi Total Biaya dengan δ =
0.1
50000 2000
Ekspektasi Total Biaya

Ekspektasi Total Biaya

12000

Ekspektasi Total Biaya

40000 1500 10000
30000 8000
1000 6000
20000
4000
10000 500
2000
0 0 0
0 5 10 15 20 25 0 5 10 15 20 25 30 0 5 10 15 20 25
Jumlah PP Interval Monitoring Jumlah PP

Opsi 1 - Time Based Maintenance

Interval / Total Biaya Total Biaya Total Biaya Ekspektasi
delta (δ) Avail.(A)
Jumlah PP PK PP Penalti Total Biaya
s =3/j=7 0.100 97.677% 126.305 889 557.581 1572.886
Opsi 2 - Condition Based Maintenance
Batas Total Biaya Total Biaya Total Biaya Total Biaya Ekspektasi
t Avail.(A) Biaya investasi
ambang PP PP PK Penalti Monitoring Total Biaya
8 12 99.992% 175.959 5.612 1.982 100 500 783.554
Opsi 3 - Tidak Memilih Kebijakan Pemeliharaan
Interval / Total Biaya Total Biaya Ekspektasi
delta (δ) Avail.(A)
Jumlah PP PK PP Total Biaya
t=4/k=5 0.100 0.936 289.104 960.000 1249.104
 BAB V HASIL DAN
SIMULASI
Nilai Kontrak dan Total Keuntungan Agen dan Konsumen
Opsi 1 - Time Based Maintenance
Interval PP Ekspektasi Nilai Keuntungan Agen
delta (δ) Avail.(A)
/ Jumlah PP Total Biaya Kontrak Sewa / Penyewa
s =3/j=7 0.100 1572.886 97.677% 12786.443 11213.557
Opsi 2 - Condition Based Maintenance
Batas Interval Ekspektasi Nilai Keuntungan Agen
Avail. (A)
ambang PP Inspeksi Total Biaya Kontrak Sewa / Penyewa
8 12 783.5535 99.992% 12391.777 11608.22323
Opsi 3 - Tidak Memilih Kebijakan Pemeliharaan
Interval PP Ekspektasi Nilai Keuntungan Agen
delta (δ) Avail.(A)
/ Jumlah PP Total Biaya Kontrak Sewa / Penyewa
t=4/k=5 0.100 1249.104 93.619% 10609.698 10609.698

Kesimpulan:
Dilihat dari Keuntungan yang akan didapat Agen dan Konsumen, maka opsi 2 (CBM) yang terpilih
karena memberikan keuntungan terbesar jika dibandingkan dengan kebijakan pemeliharaan yang
dilakukan dengan TBM ataupun dengan in-house.

Hal tersebut juga bisa dilihat dari nilai ekspektasi total biaya pemeliharaan dan availability dari
peralatan, dimana availability dari peralatan dalam opsi 2 jauh lebih tinggi jika dibandingkan dengan
opsi lainnya.
 BAB V HASIL DAN
SIMULASI
Uji Sensitivitas

  Perubahan Parameter Skala pada Opsi 1 – TBM

Ekspektas Perubahan Parameter Skala terhadap Ekspektasi Keuntungan Opsi - 1

Nilai Keuntunga
Jumlah delta i Avail. 12000
Kontrak n Agen /
PP (δ) Total (A)
Sewa Konsumen 11500
Biaya

Ekspektasi Keuntungan
11000
7 5 0.1 1001.423 98.908% 12500.712 11499.288
10500
6.5 5 0.1 1096.604 98.585% 12548.302 11451.698
10000
6 5 0.1 1231.304 98.127% 12615.652 11384.348
5.5 7 0.1 1378.902 98.336% 12689.451 11310.549 9500

3.5 5 7 0.1 1572.886 97.677% 12786.443 11213.557 9000

2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5
4.5 7 0.1 1877.861 96.641% 12938.930 11061.070 Parameter Skala (𝜃0)
4 11 0.1 2211.679 96.896% 13105.839 10894.161
3.5 11 0.1 2756.026 95.047% 13378.013 10621.987
3 11 0.1 3798.801 91.504% 13899.401 10100.599

  Hingga perubahan parameter skala sebesar 7 dengan nilai keuntungan sebesar

11499.288, belum merubah keputusan untuk tetap memilih opsi 2, karena keuntungannya
masih lebih besar jika dibandingkan dengan opsi 1.
 BAB V HASIL DAN
SIMULASI
Uji Sensitivitas

  Perubahan Parameter Bentuk pada Opsi 2 – CBM

Batas Interval Ekspektasi Nilai Keuntungan Agen /
α Avail. (A)
ambang PP Inspeksi Total Biaya Kontrak Sewa Konsumen
2.13 8 8 847.881 99.958% 12423.941 11576.059
1.63 8 12 819.840 99.907% 12409.920 11590.080
0.25 1.13 8 12 783.554 99.992% 12391.777 11608.223
0.63 72 24 578.401 99.981% 12289.201 11710.799
0.13 72 24 550.000 100.000% 12275.000 11725.000

Perubahan Parameter Bentuk terhadap Ekspektasi Keuntungan Opsi 2 - CBM

12
  Hingga perubahan parameter
10 bentuk sebesar 2.13 dengan nilai
Ekspektasi Keuntungan

8 keuntungan sebesar 11576.059,

6 tidak merubah keputusan untuk
4 tetap memilih opsi 2, karena
2 keuntungannya masih lebih besar
0 jika dibandingkan dengan opsi
0 1 2 3 4 5 6 7 8 9 10
lainnya.
Parameter Bentuk (β0)
 BAB V HASIL DAN
SIMULASI
Uji Sensitivitas

  Perubahan Parameter Skala pada Opsi 3 – Pemeliharaan In-house

Nilai Keuntungan
Jumlah Ekspektasi Perubahan Parameter Skala terhadap Ekspektasi Keuntungan Opsi - 3
delta (δ) Avail. (A) Kontrak Agen /
PP Total Biaya 12000
Sewa Konsumen
10000
7 2 0.1 835.759 93.207% 10766.960 10766.960

Ekspektasi Keuntungan
6.5 3 0.1 914.431 94.914% 10932.442 10932.442 8000

6 3 0.1 988.936 93.269% 10697.849 10697.849 6000

5.5 3 0.1 1097.493 90.873% 10356.034 10356.034
4000
3.5 5 5 0.1 1249.104 93.619% 10609.698 10609.698
2000
4.5 5 0.1 1378.028 90.773% 10203.756 10203.756
4 5 0.1 1591.305 86.066% 9532.211 9532.211 0
2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5
3.5 7 0.1 1878.191 85.428% 9312.257 9312.257 Parameter Skala (0)
3 7 0.1 2350.356 75.006% 7825.549 7825.549

 
Hingga perubahan parameter skala sebesar 6.5 dengan nilai keuntungan sebesar
10932.442, belum merubah keputusan untuk tetap memilih opsi 2, karena keuntungannya
masih lebih besar jika dibandingkan dengan opsi 3.
 BAB V HASIL DAN
SIMULASI
Uji Sensitivitas

  Perubahan Komponen Biaya Investasi pada Opsi 2 – CBM

Perubahan Biaya Investasi terhadap Ekspektasi Keuntungan Opsi 2 - CBM
Batas Nilai Keuntungan 12
Interval Ekspektasi
ambang Avail. (A) Kontrak Agen / 10
Inspeksi Total Biaya

Ekspektasi Keuntungan
PP Sewa Konsumen 8

700 8 12 983.554 99.992% 12491.777 11508.223 6

600 8 12 883.554 99.992% 12441.777 11558.223 4

500 8 12 783.554 99.992% 12391.777 11608.223 2

400 8 12 683.554 99.992% 12341.777 11658.223 0

0 1 2 3 4 5 6 7 8 9 10
300 8 12 583.554 99.992% 12291.777 11708.223
Biaya Investasi (Ca)

Hingga kenaikkan komponen biaya investasi sebesar 700, opsi 2 masih layak untuk dipilih
karena keuntungan untuk agen dan konsumen masih diatas keuntungan opsi 1 dan opsi 3.
BAB VI KESIMPULAN DAN
SARAN

KESIMPULAN

Mendapatkan model kebijakan pemeliharaan tanpa sistem monitoring, dengan sistem

monitoring dan dilakukan in-house oleh konsumen.

Menghasilkan model optimasi keuntungan masing-masing opsi untuk agen dan

konsumen

Opsi kebijakan pemeliharaan 2 (Condition-based maintenance) terpilih karena

memberikan nilai keuntungan terbesar bagi agen dan konsumen

 
Melakukan uji sensitivitas terhadap:
Perubahan Parameter Skala pada Opsi 1 – TBM
Perubahan Parameter Bentuk pada Opsi 2 – CBM
Perubahan Parameter Skala pada Opsi 3 – Pemeliharaan In-house
Perubahan Komponen Biaya Investasi pada Opsi 2 – CBM
BAB VI KESIMPULAN DAN
SARAN

SARAN

Membuat model kontrak sewa untuk multikomponen dengan masih mempertimbangkan

kebijakan pemeliharaan dengan monitoring atau tanpa monitoring

Menggunakan pendekatan teori permainan lain untuk mencari keputusan optimal terbaik
antara beberapa pihak yang terlibat
DAFTAR PUSTAKA

Ahmad, R., & Kamaruddin, S. (2012). An overview of time-based and condition-based maintenance in industrial
application. Computers & Industrial Engineering, 135-149.
Blanche, K., & Shrivastava, A. (1994). Defining failure of manufacturing machinery and equipment. Annual Reliability
and Maintainability Symposium.
Blischke, W., & Murthy , D. (2000). Reliability: modeling, prediction, and optimization, Wiley series in probability and
statistics.
Chen, N., Ye, Z., Xiang, Y., & Zhang, L. (2015). Condition-Based Maintenance using the Inverse Gaussian Degradation
Model. European Journal of Operation Research.
Fishbein, B., McCarry, L., & Dillon , P. (2000). Leasing: a step toward producer responsibility. New York: INFORM,
Inc.
Hamidi, M., Liao, H., & Szidarovszky, F. (2016). Non-cooperative and cooperative game-theoretic models for usage-
based lease contracts. European Journal of Operational Research, 163-174.
Henley, E., & Kumamoto, H. (1981). Reliability engineering and risk assessment. IEEE Press.
Husniah, H., Pasaribu, U., & Iskandar, B. (2019). Optimal condition-based maintenance policy for leased
remanufactured system.
Iskandar, B., & Husniah, H. (2017). Optimal preventive maintenance for a two dimensional lease contract. Computer &
Industrial Engineering, 693-703.
DAFTAR PUSTAKA

Iskandar, B., & Husniah, H. (2019). Condition-based maintenance policy for leased equipment considering usage rate.
CIE49 Proceedings. Beihang University.
Jiang, R., & Murthy, D. (2008). Maintenance: decision models for management. Science Press.
Keizer, M., Flapper, S., & Teunter, R. (2017). Condition-Based Maintenance Policies for Systems with Multiple
Dependent Components: A Review. European Journal of Operation Research.
Kim, J., Ahn, Y., & Yeo, H. (2016). A comparative study of time-based maintenance and condition-based maintenance
for optimal choice of maintenance policy. Structure and Infrastructure Engineering.
Lawless, J. (2003). Statistical models and methods for lifetime data, Technometrics.
Murthy, D., & Jack, N. (2014). Extended warranties, maintenance service and lease contracts. Springer.
Mustofa, & Iskandar , B. (2012). Peningkatan keandalan, strategi layanan, dan pemeliharaan pencegahan untuk
mengurangi Biaya garansi produk.
Pham, H., & Wang, H. (1996). Imperfect maintenance. European Journal of Operation Research, 94(3), 425-438.
Rausand, M., & Høyland, A. (2004). System reliability theory: models, statistical methods, and applications (2nd ed.).
(Hoboken, Ed.) Wiley.
Rigdon, S., & Basu, A. (2000). Statistical methods for the reliability of repairable systems. Wiley.
DAFTAR PUSTAKA

Schallheim , J. (1994). Lease or buy? principles for sound decision making. Harvard Business School Press, Cambridge.
Tam, A., Chan, W., & Price, J. (2006). Optimal Maintenance Intervals for a Multi-Component System. Production
Planning and Control.
Xia, T., Xi, L., Pan, E., Fang, X., & Gebraeel, N. (2017). Lease-Oriented Opportunistic Maintenance for Multi-Unit
Leased Systems Under Product-Service Paradigm. Manufacturing Science ang Engineering.
Zhang, Y., Zhang, X., Zeng, J., Wang, J., & Xue, S. (2019). Lessees' satisfaction and optimal condition-based
maintenance policy for leased system. Reliability Engineering and System Safety.