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

Studi A
A
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
(TBM
(TBM dandan CBM)
CBM) kebijakan Opsi
Opsi 11 Opsi
Opsi 22 Opsi
Opsi 33
kebijakan pemeliharaan
pemeliharaan (TBM,
(TBM,
·· Leasing
Leasing CBM,
CBM, dan
dan pemeliharaan
pemeliharaan yang
yang Model
Model kontrak
kontrak sewa
sewa Model
Model kontrak
kontrak sewa
sewa Model
Model kontrak
kontrak sewa
sewa
·· Teori
Teori permainan
permainan dilakuakan
dilakuakan secara
secara mandiri
mandiri (in-
(in- dengan
dengan kebijakan
kebijakan dengan
dengan kebijakan
kebijakan dengan
dengan kebijakan
kebijakan
·· Model
Model kontrak
kontrak sewa
sewa dengan
dengan house)
house) oleh
oleh konsumen).
konsumen). pemeliharaan
pemeliharaan tanpa
tanpa pemeliharaan
pemeliharaan dengan
dengan pemeliharaan
pemeliharaan
teori permainan
teori permainan monitoring
monitoring (TBM)
(TBM) monitoring
monitoring (CBM)
(CBM) dilakukan
dilakukan in-house
in-house

Bab II Tinjauan Pustaka Bab I Pendahuluan

Analisis
Analisis Hasil:
Hasil:
Karakteristik
Karakteristik Sistem:
Sistem:
·· Deskripsi
Deskripsi sistem
sistem ·· Perhitungan
Perhitungan numerik
numerik Bab V Hasil dan
·· Lingkup
Lingkup penelitian
penelitian mencarii
mencarii solusi
solusi optimal
optimal Analisis
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
·· Model
Model pemeliharaan
pemeliharaan Model Kesimulan
Kesimulan Bab IV Kesimpulan
·· Model
Model kontrak
kontrak sewa
sewa dan
dan Saran
Saran dan Saran

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

Pemeliharaan
Korektif
Nilai Kontrak
Sewa

Teori Permainan Ketersediaan Waktu Downtime

Nash Peralatan (menunggu + repair)

Peralatan diperbaiki
Keuntungan
Agen dan
Konsumen

Pemeliharaan
Pencegahan

Model Accelerated Failure

Time (AFT)

AGEN
Kebijakan Pemeliharaan
Laju kerusakan
O-1 tanpa Pengawasan
berdistribusi Weibull
(TBM)

Perjanjian AGEN KONSUMEN

kontrak sewa
peralatan
Kebijakan Pemeliharaan Laju kerusakan Kebijakan Pemeliharaan
O-2 dengan Pengawasan berdistribusi Gamma terpilih
(CBM)

Menawarkan
KONSUMEN opsi kebijakan
pemeliharaan
Pemeliharaan dilakukan
Laju kerusakan
O-3 mandiri oleh konsumen
berdistribusi Weibull
(in-house)
BAB IV FORMULASI
MODEL

URAIAN MASALAH KONTRAK SEWA

Distribusi Weibull adalah distribusi waktu hidup (lifetime) yang paling banyak digunakan
dalam analisis keandalan (Rausand & Høyland, 2004) dan distribusi ini cocok digunakan untuk
menggambarkan pola kerusakan peralatan karena pada objek penelitian ini pola kerusakan
peralatan memiliki tren menaik sehingga distribusi ini cocok diterapkan untuk
menggambarkan laju kerusakan pemeliharaan berbasis waktu.

Distribusi yang banyak digunakan untuk menggambarkan proses degradasi peralatan dengan
pemeliharaan berbasis kondisi adalah distribusi normal/Gaussian dan distribusi Gamma (Jiang
dan Murthy, 2008), tetapi pada penelitian ini diasumsikan laju kerusakan berdistribusi Gamma
karena kenaikan deteriorasi terakumulasi dan tidak akan pernah turun, tren tersebut
merupakan gambaran dari proses Gamma, sedangkan distribusi normal/Gaussian memiliki tren
laju deteriorasi yang menaik tetapi suatu waktu bisa saja menurun, hal tersebut tidak berlaku
pada proses Gamma.
 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

AFT

Tingkat Kerusakan
Opsi 1 - TBM

Opsi 2 - CBM

Tingkat Kerusakan Pemeliharaan yang dilakukan in-

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

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

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

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

 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
 BAB IV FORMULASI
MODEL
Pencarian Solusi Optimal
Konsumen
Opsi 1 - TBM Opsi 2 - CBM Opsi 3 – In-house
Opsi 1 – 𝐸𝐴1 ሺ𝛿, 𝑗, ሻ
Teori Permainan Nash TBM = 𝐸𝑈1 ሺ𝛿, 𝑗, ሻ
Agen Opsi 2 - 𝐸𝐴2 ൫
𝜏, 𝐿𝑝𝑚 , 𝐿൯
Keuntungan Agen = Keuntungan Konsumen CBM = 𝐸𝑈2 ൫
𝜏, 𝐿𝑝𝑚 , 𝐿൯
Opsi 3 – 𝐸𝐴3 ሺ𝛿, 𝑗, ሻ
In-house = 𝐸𝑈3 ሺ𝛿, 𝑗, ሻ

Opsi 1 – Time Based Maintenance Opsi 3 – Pemeliharaan In-house

Opsi 2 – Condition Based Maintenance

 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
 BAB V HASIL DAN
SIMULASI
Total Biaya Pemeliharaan

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

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% 126,31 889,00 557,58 1572,89
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% 175,96 5,61 1,98 100,00 500,00 783,55
Opsi 3 - Tidak Memilih Kebijakan Pemeliharaan (In-House )
Interval / Total Biaya Total Biaya Ekspektasi
delta (δ) Avail.(A)
Jumlah PP PK PP Total Biaya
t=4/k=5 0,100 0,936 289,10 960,00 1249,10
 BAB V HASIL DAN
SIMULASI
Nilai Kontrak dan Total Keuntungan Agen dan Konsumen

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
Nilai Keuntunga
Jumlah delta i Avail.
Kontrak n Agen /
PP (δ) Total (A)
Sewa Konsumen
Biaya
7 5 0,1 1001,42 98,908% 12500,71 11499,29
6,5 5 0,1 1096,60 98,585% 12548,30 11451,70
6 5 0,1 1231,30 98,127% 12615,65 11384,35
5,5 7 0,1 1378,90 98,336% 12689,45 11310,55
3,5 5 7 0,1 1572,89 97,677% 12786,44 11213,56
4,5 7 0,1 1877,86 96,641% 12938,93 11061,07
4 11 0,1 2211,68 96,896% 13105,84 10894,16
3,5 11 0,1 2756,03 95,047% 13378,01 10621,99
3 1 0,1 3798,80 91,504% 13899,40 10100,60
 Hingga perubahan parameter skala sebesar 7 dengan nilai keuntungan sebesar 11499,29,
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 8 847,88 99,958% 12423,94 11576,06

1,63 8 12 819,84 99,907% 12409,92 11590,08
0,25 1,13 8 12 783,55 99,992% 12391,78 11608,22
0,63 72 24 578,40 99,981% 12289,20 11710,80
0,13 72 24 550,00 100,000% 12275,00 11725,00

  Hingga perubahan parameter

bentuk sebesar 2,13 dengan nilai
keuntungan sebesar 11576,06, tidak
merubah keputusan untuk tetap
memilih opsi 2, karena
keuntungannya masih lebih besar
jika dibandingkan dengan opsi
lainnya.
 BAB V HASIL DAN
SIMULASI
Uji Sensitivitas

  Perubahan Parameter Skala pada Opsi 3 – Pemeliharaan In-house

Nilai Keuntungan
Jumlah Ekspektasi
delta (δ) Avail. (A) Kontrak Agen /
PP Total Biaya
Sewa Konsumen
7 2 0,1 835,76 93,207% 10766,96 10766,96
6,5 3 0,1 914,43 94,914% 10932,44 10932,44
6 3 0,1 988,94 93,269% 10697,85 10697,85
5,5 3 0,1 1097,49 90,873% 10356,03 10356,03
3,5 5 5 0,1 1249,10 93,619% 10609,70 10609,70
4,5 5 0,1 1378,03 90,773% 10203,76 10203,76
4 5 0,1 1591,30 86,066% 9532,21 9532,21
3,5 7 0,1 1878,19 85,428% 9312,26 9312,26
3 7 0,1 2350,36 75,006% 7825,55 7825,55
 
Hingga perubahan parameter skala sebesar 6,5 dengan nilai keuntungan sebesar 10932,44,
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

Batas Nilai Keuntungan
Interval Ekspektasi
ambang Avail. (A) Kontrak Agen /
Inspeksi Total Biaya
PP Sewa Konsumen
700 8 12 983,55 99,992% 12491,78 11508,22
600 8 12 883,55 99,992% 12441,78 11558,22
500 8 12 783,55 99,992% 12391,78 11608,22
400 8 12 683,55 99,992% 12341,78 11658,22
300 8 12 583,55 99,992% 12291,78 11708,22

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 V HASIL DAN
SIMULASI
Uji Sensitivitas
Perubahan Data Set Parameter untuk Menaikkan Keandalan Peralatan
  (Distribusi
(Distribusi (Distribusi
Target Waktu Downtime yang Diizinkan
Weibull (Distribusi
Weibull 22 Gamma)
parameter) Gamma)   Opsi 1 Opsi 2 Opsi 3
parameter)
Skala =9 α = 0,25
Parameter

sebelum 48 jam 48 jam 72 jam

Parameter

Skala α = 0,25
sesudah 24 jam 24 jam 48 jam
Bentuk η = 2,65 =2
Opsi 1 - Time Based Maintenance
Bentuk η = 2,65 Interval PP
delta (δ)
Ekspektasi
Avail.(A)
Nilai Keuntungan Agen
MTTF 13,181 13,181 / Jumlah PP Total Biaya Kontrak Sewa / Penyewa
MTTF 13,181 13,181 s =8/j=2 0,100 592,42 99,288% 12296,21 11703,79
Opsi 2 - Condition Based Maintenance
Batas Interval Ekspektasi Nilai Keuntungan Agen
Avail. (A)
ambang PP Inspeksi Total Biaya Kontrak Sewa / Penyewa
Lpm = 8 8 838,52 99,986% 12419,26 11580,74
Opsi 3 - Tidak Memilih Kebijakan Pemeliharaan
Opsi 1 - Time Based Maintenance
Interval PP Ekspektasi Nilai Keuntungan Agen
Interval / Total Biaya Total Biaya Total Biaya Ekspektasi delta (δ) Avail.(A)
delta (δ) Avail.(A) / Jumlah PP Total Biaya Kontrak Sewa / Penyewa
Jumlah PP PK PP Penalti Total Biaya s = 12 / j = 1 0,100 535,75 97,061% 11379,39 11379,39
s =3/j=7 0,100 99,288% 77,46 344,00 170,97 592,42
Opsi 2 - Condition Based Maintenance
Total Biaya Total Biaya Total Biaya Total Biaya Ekspektasi
Ketika keandalan dinaikkan Keputusan untuk
Batas t Avail.(A) Biaya investasi
ambang PP PP PK Penalti Monitoring Total Biaya memilih opsi-2 dapat berUbah menjadi opsi-1,
Lpm = 8 8 99,986% 166,57 18,66 3,29 150,00 500,00 838,52 karena pada saat keandalan peralatan tinggi, maka
Opsi 3 - Tidak Memilih Kebijakan Pemeliharaan
Interval / Total Biaya Total Biaya Ekspektasi peralatan tidak memerlukan kondisi pemeliharaan
delta (δ) Avail.(A)
Jumlah PP PK PP Total Biaya yang berlebih, sehingga biaya yang dikeluarkan
t=4/k=5 0,100 97,061% 199,75 336,00 535,75
untuk pemeliharaan pun akan lebih sedikit.
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, hasil ini masih bisa
berubah jika data hipotetik untuk parameter diset berbeda

 
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
Perubahan Data Set Parameter
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.
 LAMPIRAN
Contoh Perhitungan Pencarian Solusi Opsi 1 – Time Based Maintenance menggunakan Perangkat Lunak Mathcad
 LAMPIRAN
Contoh Perhitungan Pencarian Solusi Opsi 1 – Time Based Maintenance menggunakan Perangkat Lunak Mathcad

Pencarian nilai ketersediaan

 LAMPIRAN
Contoh Perhitungan Pencarian Solusi Opsi 1 – Time Based Maintenance menggunakan Perangkat Lunak Mathcad
 LAMPIRAN
Contoh Perhitungan Pencarian Solusi Opsi 2 – Condition Based Maintenance menggunakan Perangkat Lunak Mathcad
 LAMPIRAN
Contoh Perhitungan Pencarian Solusi Opsi 2 – Condition Based Maintenance menggunakan Perangkat Lunak Mathcad

Pencarian nilai ketersediaan

 LAMPIRAN
Contoh Perhitungan Pencarian Solusi Opsi 2 – Condition Based Maintenance menggunakan Perangkat Lunak Mathcad
 LAMPIRAN
Contoh Perhitungan Pencarian Solusi Opsi 2 – Condition Based Maintenance menggunakan Perangkat Lunak Mathcad