i
TUGAS AKHIR (614415A)
ANALISIS KEPUTUSAN PERENCANAAN PEMELIHARAAN MESIN REPAIR KAPAL DENGAN METODE MARKOVIAN DECISION PROCESS DAN OVERALL EQUIPMENT EFFECTIVENESS (STUDI KASUS PADA PT. TAMBANGANRAYA PERMAI)
Sintia Novilia Putri NRP. 1115040040
DOSEN PEMBIMBING RENANDA NIA RACHMADITA, ST., MT. ADITYA MAHARANI, S.SI., M.T.
PROGRAM STUDI MANAJEMEN BISNIS JURUSAN TEKNIK BANGUNAN KAPAL POLITEKNIK PERKAPALAN NEGERI SURABAYA SURABAYA 2019
ii
iii
TUGAS AKHIR (614415A)
ANALISIS KEPUTUSAN PERENCANAAN PEMELIHARAAN MESIN REPAIR KAPAL DENGAN METODE MARKOVIAN DECISION PROCESS DAN OVERALL EQUIPMENT EFFECTIVENESS (STUDI KASUS PADA PT. TAMBANGANRAYA PERMAI)
Sintia Novilia Putri NRP. 1115040040
DOSEN PEMBIMBING RENANDA NIA RACHMADITA, ST., MT. ADITYA MAHARANI, S.SI., M.T.
PROGRAM STUDI MANAJEMEN BISNIS JURUSAN TEKNIK BANGUNAN KAPAL POLITEKNIK PERKAPALAN NEGERI SURABAYA SURABAYA
2019
iv
iii
LEMBAR PENGESAHAN
TUGAS AKHIR
ANALISIS KEPUTUSAN PERENCANAAN PEMELIHARAAN
MESIN REPAIR KAPAL DENGAN METODE MARKOVIAN DECISION
PROCESS DAN OVERALL EQUIPMENT EFFECTIVENESS
(STUDI KASUS PADA PT. TAMBANGANRAYA PERMAI)
Disusun Oleh:
Sintia Novilia Putri
1115040040
Diajukan Untuk Memenuhi Salah Satu Syarat Kelulusan
Program Studi D4-Manajemen Bisnis
Jurusan Teknik Bangunan Kapal
POLITEKNIK PERKAPALAN NEGERI SURABAYA
Disetujui oleh Tim Penguji Tugas Akhir Tanggal Ujian : 15 Juli 2019
Periode Wisuda : September 2019
Menyetujui,
Dosen Penguji NIDN Tanda Tangan
1. Devina Puspita Sari, ST., MT. (0015098801) (………………)
2. Yugowati Praharsi, S.Si., M.Sc., Ph.D (0628088101) (………………)
3. Aditya Maharani, S.Si., MT. (0715098302) (………………)
Dosen Pembimbing NIDN Tanda Tangan
1. Renanda Nia Rachmadita, ST., MT. (0003078105) (………………)
2. Aditya Maharani, S.Si., MT. (0715098302) (………………)
Mengetahui
Koordinator Program Studi,
Yugowati Praharsi, SSI., MSc., Ph.D
NIP. 198108282015042001
Menyetujui
Ketua Jurusan,
Ruddianto, ST.,M.T.
NIP. 196910151995011001
iv
“Halaman ini sengaja dikosongkan”
v
PERNYATAAN BEBAS PLAGIAT
No. : F.WD I. 021
Date : 3 Nopember 2015
PERNYATAAN BEBAS PLAGIAT
Rev. : 01
Page : 1 dari 1
Yang bertandatangan dibawah ini :
Nama : Sintia Novilia Putri
NRP. : 1115040040
Jurusan/Prodi : Teknik Bangunan Kapal/ D4 - Manajemen Bisnis
Dengan ini menyatakan dengan sesungguhnya bahwa :
Tugas Akhir yang akan saya kerjakan dengan judul :
“ANALISIS KEPUTUSAN PERENCANAAN PEMELIHARAAN MESIN
REPAIR KAPAL DENGAN METODE MARKOVIAN DECISION PROCESS
DAN OVERALL EQUIPMENT EFFECTIVENESS (STUDI KASUS PADA
PT. TAMBANGANRAYA PERMAI)”
Adalah benar karya saya sendiri dan bukan plagiat dari karya orang lain.
Apabila dikemudian hari terbukti terdapat plagiat dalam karya ilmiah tersebut,
maka saya bersedia menerima sanksi sesuai ketentuan peraturan yang berlaku.
Demikian surat pernyataan ini saya buat dengan penuh tanggung jawab.
Surabaya, 26 Juli 2019
Yang membuat pernyataan,
(Sintia Novilia Putri)
NRP. 1115040040
vi
“Halaman ini sengaja dikosongkan”
vii
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa, atas karunia dan rahmat-Nya
sehingga penulis bisa menyelesaikan Tugas Akhir dengan judul “Analisis
Keputusan Perencanaan Pemeliharaan Mesin Repair Kapal dengan Metode
Markovian Decision Process dan Overall Equipment Effectiveness (Studi Kasus
pada PT. Tambanganraya Permai)”. Tujuan dari penyusunan Tugas Akhir ini
adalah agar penulis dapat memenuhi salah satu syarat untuk menempuh ujian pada
sidang tugas akhir di Jurusan Teknik Bangunan Kapal Program Studi D4 –
Manajemen Bisnis Politeknik Perkapalan Negeri Surabaya untuk mendapatkan
gelar sarjana.
Penulis menyadari bahwa penulisan ini tidak dapat terselesaikan tanpa
dukungan dari berbagai pihak baik moril maupun materil. Oleh karena itu, penulis
ingin menyampaikan ucapan terima kasih kepada semua pihak yang telah
membantu dalam penyusunan tugas akhir ini, khususnya kepada:
1. Allah SWT yang telah memberikan Rahmat dan Anugerah-Nya sehingga saya
dapat menyelesaikan tugas akhir ini.
2. Kedua orang tua saya yang mendukung, mendoakan dan memotivasi saya.
3. Bapak Ir. Eko Julianto, M.Sc., MRINA., selaku Direktur Politeknik
Perkapalan Negeri Surabaya yang telah mengijinkan menggunakan sarana dn
prasarana untuk kelancaran penyelesaian Tugas Akhir.
4. Ibu Yugowati Praharsi, SSI., M.Sc., Ph.D., selaku Ketua Program Studi
Manajemen Bisnis dan sekaligus sebagai Koordinator Tugas Akhir program
studi Manajemen Bisnis.
5. Ibu Renanda Nia Rachmadita, ST., MT., selaku Dosen Pembimbing I yang
telah sabar membantu, membimbing dan memberikan motivasi kepada
penulis dalam masa pengerjaan Tugas Akhir.
6. Ibu Aditya Maharani, S.Si., MT., selaku Dosen Pembimbing II yang telah
memberikan masukan dan membimbing kepada penulis dalam masa
pengerjaan Tugas Akhir.
7. Bapak Ir. Ketut Suasta Ariawan, selaku pemberi izin untuk melakukan
pengambilan data di PT. Tambanganraya Permai.
viii
8. Bapak Singgih, bapak Slamet M., dan segenap rekan-rekan karyawan PT.
Tambanganraya Permai yang telah membantu, memberi semangat, nasehat
dan arahan.
9. Seluruh dosen pengajar D4 - Manajemen Bisnis yang telah memebrikan ilmu
kepada saya.
10. Eva, Nisma, Tyas, Yanuar sebagai teman seperjuangan yang selalu setia di
saat-saat terburuk saya.
11. Seluruh teman-teman se-angkatan Manajemen Bisnis yang mau bertukar
pikiran dalam pelaksanaan dan penyusunan Tugas Akhir.
12. Dilla, Eryta, Ayung, Ayu, Nanda, Fitri, Ruri, Laila, Mbak Danik sebagi
sahabat dan kerabat saya yang telah memberikan semangat dan dukungannya.
Penulis menyadari bahwa Tugas Akhir ini banyak kekurangan maupun
kesalahan yang perlu dibenahi. Oleh karena itu, penulis mengharapkan segala
bentuk saran serta masukan bahkan kritik yang membangun guna
menyempurnakan Tugas Akhir ini. Semoga Tugas Akhir ini dapat memberikan
manfaat serta dapat digunakan sebagai salah satu referensi untuk pengembangan
Tugas Akhir selanjutnya dikemudian hari.
Surabaya, 10 Juli 2018
Penyusun
ix
ANALISIS KEPUTUSAN PERENCANAAN PEMELIHARAAN
MESIN REPAIR KAPAL DENGAN METODE MARKOVIAN
DECISION PROCESS DAN OVERALL EQUIPMENT
EFFECTIVENESS (STUDI KASUS PADA PT.
TAMBANGANRAYA PERMAI)
Sintia Novilia Putri
ABSTRAK
PT. Tambanganraya Permai merupakan perusahaan galangan kapal yang
bergerak dibidang reparasi kapal. Salah satu untuk mendukung kelancaran proses
repair kapal bergantung pada kesiapan mesin crane, mesin pompa air dan mesin
sandblast. Permasalahan saat ini, ketiga mesin tersebut mengalami downtime
mesin cukup besar dan biaya yang dikeluarkan untuk perbaikan cukup besar.
Maka dari itu diperlukan perencanaan penjadwalan pemeliharaan mesin crane,
mesin pompa air dan mesin sandblast yang teratur dan terorganisir agar dapat
mengurangi biaya pemeliharaan. Metode yang digunakan dalam penelitian ini
adalah Markovian Decision Process (MDP) dan Overall Equipment Effectiveness
(OEE). Hasil yang didapatkan dengan menggunakan metode OEE untuk transisi
status pada mesin crane, mesin pompa air dan mesin sandblast terdapat empat
jenis status mesin yang terjadi selama tahun 2018, yaitu status baik, kerusakan
ringan, kerusakan sedang dan kerusakan berat. Sedangkan dengan menggunakan
metode MDP untuk perencanaan pemeliharaan yang tepat yaitu dengan
menggunakan usulan I membutuhkan total biaya pemeliharaan sebesar Rp
123.086.003 dengan tindakan perencanaan pemeliharaan setiap 43 jam untuk
mesin crane, setiap 43 jam untuk mesin pompa air dan setiap 43 jam untuk mesin
sandblast.
Kata kunci : Keputusan Pemeliharaan, Analisis Biaya Pemeliharaan, MDP, OEE
x
“Halaman ini sengaja dikosongkan”
xi
DECISION ANALYSIS OF REPAIR SHIP MACHINE
MAINTENANCE PLANNING USING MARKOVIAN DECISION
PROCESS AND OVERALL EQUIPMENT EFFECTIVENESS
(CASE STUDY IN PT. TAMBANGANRAYA PERMAI)
Sintia Novilia Putri
ABSTRACT
PT. Tambanganraya Permai is a shipyard company which engage in ship
repair. One of the way to support the smooth ship repair process depends on the
readiness of the crane engine, the water pumping machine and sand blast
machine. Current problem is that the three machines have a large engine
downtime, and the costs incurred for repairs are large enough. Therefore, it is
necessary to plan the scheduling of maintenance of crane machines, water pump
machines and regular sand blast machines to reduce maintenance costs. Method
that used in this study is Markovian Decision Process (MDP) and Overall
Equipment Effectiveness (OEE). The results obtained using the OEE method for
state transitions on crane machines, water pump machines and sand blast
machines have four types of engine state that occur during 2018, namely good
state, minor damage, moderate damage, and heavy damage. Whereas using the
MDP method for proper maintenance planning I need a total maintenance cost of
Rp 123,086,003 with maintenance planning actions every 43 hours for crane
machines, every 43 hours for water pumping machines and every 43 hours for
sandblaster machines.
Keyword : Maintenance Decisions, Maintenance Cost Analysis, MDP, OEE
xii
“Halaman ini sengaja dikosongkan”
xiii
DAFTAR ISI
LEMBAR PENGESAHAN ................................................................................... iii
PERNYATAAN BEBAS PLAGIAT ...................................................................... v
KATA PENGANTAR .......................................................................................... vii
ABSTRAK ............................................................................................................. ix
ABSTRACT ............................................................................................................. xi
DAFTAR ISI ........................................................................................................ xiii
DAFTAR TABEL ............................................................................................... xvii
DAFTAR GAMBAR ........................................................................................... xxi
BAB I PENDAHULUAN ....................................................................................... 1
1.1. Latar Belakang .......................................................................................... 1
1.2. Rumusan Masalah ..................................................................................... 4
1.3. Tujuan Penelitian ....................................................................................... 4
1.4. Manfaat Penelitian ..................................................................................... 4
1.5. Batasan Penelitian ..................................................................................... 5
BAB II TINJAUAN PUSTAKA ............................................................................. 7
2.1. Sejarah Perusahaan .................................................................................... 7
2.2. Crane ......................................................................................................... 7
2.3. Sandblast ................................................................................................... 8
2.4. Pompa Air .................................................................................................. 9
2.5. Pemeliharaan ........................................................................................... 10
2.6. Tujuan Pemeliharaan ............................................................................... 11
2.7. Jenis – jenis Pemeliharaan ....................................................................... 12
2.7.1. Pemeliharaan Pencegahan (Preventif Maintenance) ....................... 12
2.7.2. Pemeliharaan Perbaikan (Corrective Maintenance) ....................... 12
2.7.3. Penggantian (Replacement) ............................................................. 13
2.7.4. Autonomus Maintenance ................................................................. 13
2.8. Overall Equipment Effectiveness (OEE) ................................................. 14
2.8.1. Availability Ratio ............................................................................ 14
2.8.2. Peformance Efficiency .................................................................... 14
xiv
2.8.3. Quality Efficiency ............................................................................ 15
2.8.4. Penentuan State (Status) Mesin ....................................................... 15
2.9. Markovian Decision Process (MDP) ...................................................... 16
2.10. Keputusan Markovian Decision Process (MDP) .................................... 17
2.11. Langkah-langkah Metode Markovian Decision Process ........................ 17
2.11.1. Penentuan Data Transisi Status Mesin ............................................ 17
2.11.2. Perhitungan Jumlah Transisi Status Mesin Berdasarkan
Kondisi Mesin ................................................................................................ 19
2.11.3. Perhitungan Probabilitas Transisi Status Mesin .............................. 19
2.11.4. Perhitungan Matriks Probabilitas Transisi Usulan I (P0)
pada Item i ...................................................................................................... 20
2.11.5. Perhitungan Matriks Probabilitas Transisi Usulan II ...................... 21
2.11.6. Perhitungan Analisis Biaya Perawatan ............................................ 24
2.11.7. Perhitungan Perencanaan Waktu Pemeliharaan .............................. 26
2.12. Penelitian Terdahulu ............................................................................... 27
BAB III METODOLOGI PENELITIAN .............................................................. 29
3.1. Tempat dan Waktu Penelitian ................................................................. 29
3.2. Tahapan Penelitian .................................................................................. 29
3.3. Jadwal Kegiatan Penelitian ..................................................................... 35
BAB IV HASIL DAN PENGOLAHAN DATA ................................................... 37
4.1. Perhitungan Nilai Overall Effectiveness Equipment (OEE) ................... 37
4.1.1. Perhitungan Availability Ratio ........................................................ 37
4.1.1.1. Mesin Crane ............................................................................. 37
4.1.1.2. Mesin Pompa Air ..................................................................... 38
4.1.1.3. Mesin Sandblast ....................................................................... 39
4.1.2. Perhitungan Peformance Efficiency................................................. 40
4.1.2.1. Mesin Crane ............................................................................. 40
4.1.2.2. Mesin Pompa Air ..................................................................... 41
4.1.2.3. Mesin Sandblast ....................................................................... 41
4.1.3. Perhitungan Quality Efficiency ........................................................ 42
4.1.4. Nilai Overall Effectiveness Equipment (OEE) ................................ 43
4.1.4.1. Mesin Crane ............................................................................. 43
xv
4.1.4.2. Mesin Pompa Air ..................................................................... 44
4.1.4.3. Mesin Sandblast ....................................................................... 44
4.1.5. Penentuan State (Status) Mesin ....................................................... 45
4.1.5.1. Mesin Crane ............................................................................. 45
4.1.5.2. Mesin Pompa Air ..................................................................... 46
4.1.5.3. Mesin Sandblast ....................................................................... 46
4.2. Perhitungan Matriks Markov dengan Metode Markovian Decision
Process ............................................................................................................... 47
4.2.1. Penentuan Data Transisi State (Status) Mesin ................................ 47
4.2.1.1. Mesin Crane ............................................................................. 47
4.2.1.2. Mesin Pompa Air ..................................................................... 49
4.2.1.3. Mesin Sandblast ....................................................................... 50
4.2.2. Perhitungan Jumlah Transisi State (Status) Mesin Berdasarkan
Kondisi Mesin ................................................................................................ 51
4.2.2.1. Mesin Crane ............................................................................. 51
4.2.2.2. Mesin Pompa Air ..................................................................... 52
4.2.2.3. Mesin Sandblast ....................................................................... 54
4.2.3. Pehitungan Probabilitas Transisi State (Status) Mesin ................... 55
4.2.3.1. Mesin Crane ............................................................................. 55
4.2.3.2. Mesin Pompa Air ..................................................................... 57
4.2.3.3. Mesin Sandblast ....................................................................... 59
4.2.4. Perhitungan Matriks Probabilitas Transisi Usulan I (P0) ................ 61
4.2.4.1. Mesin Crane ............................................................................. 61
4.2.4.2. Mesin Pompa Air ..................................................................... 63
4.2.4.3. Mesin Sandblast ....................................................................... 65
4.2.5. Perhitungan Matriks Probabilitas Transisi Usulan II
(P1, P2, P3, P4)................................................................................................. 67
4.2.5.1. Mesin Crane ............................................................................. 67
4.2.5.2. Mesin Pompa Air ..................................................................... 75
4.2.5.3. Mesin Sandblast ....................................................................... 83
4.2.6. Perhitungan Biaya Pemeliharaan Usulan I dan Usulan II ............... 91
4.2.6.1. Pemeliharaan Usulan I (P0) ...................................................... 92
xvi
4.2.6.1.1. Mesin Crane........................................................................... 92
4.2.6.1.2. Mesin Pompa Air ................................................................... 92
4.2.6.1.3. Mesin Sandblast .................................................................... 93
4.2.6.2. Pemeliharaan Usulan II (P1, P2, P3, P4).................................. 94
4.2.6.2.1. Mesin Crane........................................................................... 94
4.2.6.2.2. Mesin Pompa Air ................................................................... 95
4.2.6.2.3. Mesin Sandblast .................................................................... 96
4.3. Analisis Hasil dan Pembahasan .............................................................. 98
4.3.1. Penghematan Biaya Pemeliharaan................................................... 98
4.3.2. Perencanaan Pemeliharaan Mesin ................................................... 99
4.3.2.1. Perencanaan Pemeliharaan Mesin Usulan I ............................. 99
4.3.2.2. Perencanaan Pemeliharaan Mesin Usulan II .......................... 100
BAB V PENUTUP .............................................................................................. 103
5.1. Kesimpulan ........................................................................................... 103
5.2. Saran ..................................................................................................... 103
DAFTAR PUSTAKA .......................................................................................... 105
LAMPIRAN ........................................................................................................ 117
xvii
DAFTAR TABEL
Tabel 1. 1 Tabel Biaya Perawatan PT. Tambanganraya Permai Tahun 2018........ 2
Tabel 2. 1 Tabel State Mesin................................................................................. 15
Tabel 2. 2 Keputusan - keputusan Pemeliharaan ................................................. 17
Tabel 2. 3 Tabel Data Transisi Status Mesin ........................................................ 17
Tabel 2. 4 Tabel Jumlah Transisi Status ............................................................... 19
Tabel 2. 5 Probabilitas Transisi Status Mesin ....................................................... 20
Tabel 2. 6 Matriks Probabilitas Awal (Usulan I) .................................................. 21
Tabel 2. 7 Tabel Matriks Usulan II (P1) ................................................................ 22
Tabel 2. 8 Tabel Matriks Usulan II (P2) ................................................................ 22
Tabel 2. 9 Tabel Matriks Usulan II (P3) ................................................................ 23
Tabel 2. 10 Tabel Matriks Usulan II (P4) .............................................................. 24
Tabel 2. 11 Penelitian Terdahulu .......................................................................... 27
Tabel 3. 1 Desain Data Transisi Status Mesin PT. Tambanganraya Permai
Tahun 2018 ........................................................................................................... 32
Tabel 3. 2 Jadwal Penelitian.................................................................................. 35
Tabel 4. 1 Availability Ratio Mesin Crane Tahun 2018........................................ 38
Tabel 4. 2 Availability Ratio Mesin Pompa Air Tahun 2018 ................................ 38
Tabel 4. 3 Availability Ratio Mesin Sandblast Tahun 2018 ................................. 39
Tabel 4. 4 Peformance Efficiency Mesin Crane Tahun 2018................................ 40
Tabel 4. 5 Peformance Efficiency Mesin Pompa Air Tahun 2018 ........................ 41
Tabel 4. 6 Peformance Efficiency Mesin Sandblast Tahun 2018 ......................... 42
Tabel 4. 7 Quality Efficiency Mesin Crane, Mesin Pompa Air, Mesin Sandblast
Tahun 2018 ........................................................................................................... 43
Tabel 4. 8 Nilai Overall Effectiveness Equipment (OEE) Mesin Crane Tahun 2018
............................................................................................................................... 43
Tabel 4. 9 Nilai Overall Effectiveness Equipment (OEE) Mesin Pompa Air Tahun
2018 ....................................................................................................................... 44
Tabel 4. 10 Nilai Overall Effectiveness Equipment (OEE) Mesin Sandblast Tahun
2018 ....................................................................................................................... 44
xviii
Tabel 4. 11 Klasifikasi Status Mesin Crane Tahun 2018 ...................................... 45
Tabel 4. 12 Klasifikasi Status Mesin Pompa Air Tahun 2018 .............................. 46
Tabel 4. 13 Klasifikasi Status Mesin Sandblast Tahun 2018 ................................ 46
Tabel 4. 14 Data Transisi Status Mesin Crane Tahun 2018 .................................. 47
Tabel 4. 15 Data Transisi Status Mesin Pompa Air Tahun 2018 .......................... 49
Tabel 4. 16 Data Transisi Status Mesin Sandblast Tahun 2018 ............................ 50
Tabel 4. 17 Jumlah Transisi Status Mesin Crane Tahun 2018 pada Status Baik,
Kerusakan Ringan, Kerusakan Sedang, Kerusakan Berat ..................................... 52
Tabel 4. 18 Jumlah Transisi Status Mesin Pompa Air Tahun 2018 pada Status
Baik, Kerusakan Ringan, Kerusakan Sedang, Kerusakan Berat ........................... 53
Tabel 4. 19 Jumlah Transisi Status Mesin Sandblast Tahun 2018 pada Status Baik,
Kerusakan Ringan, Kerusakan Sedang, Kerusakan Berat ..................................... 54
Tabel 4. 20 Pobabilitas Transisi Status Mesin Crane Tahun 2018 ........................ 56
Tabel 4. 21 Pobabilitas Transisi Status Mesin Pompa Air Tahun 2018 ................ 58
Tabel 4. 22 Pobabilitas Transisi Status Mesin Sandblast Tahun 2018 .................. 60
Tabel 4. 23 Matriks Probabilitas Usulan I Mesin Crane (P0) Tahun 2018 ............ 61
Tabel 4. 24 Probabilitas Steady State Mesin Crane Usulan I Tahun 2018 ............ 62
Tabel 4. 25 Matriks Probabilitas Usulan I Mesin Pompa Air (P0) Tahun 2018 .... 63
Tabel 4. 26 Probabilitas Steady State Mesin Pompa Air Usulan I Tahun 2018 .... 64
Tabel 4. 27 Matriks Probabilitas Usulan I Mesin Sandblast (P0) Tahun 2018 ...... 65
Tabel 4. 28 Probabilitas Steady State Mesin Sandblast Usulan I Tahun 2018 ...... 66
Tabel 4. 29 Matriks Probabilitas Usulan II (P1) Mesin Crane Tahun 2018........... 67
Tabel 4. 30 Probabilitas Steady State Mesin Crane Usulan II (P1)........................ 69
Tabel 4. 31 Matriks Probabilitas Usulan II (P2) Mesin Crane Tahun 2018........... 70
Tabel 4. 32 Probabilitas Steady State Mesin Crane Usulan II (P2)........................ 70
Tabel 4. 33Matriks Probabilitas Usulan II (P3) Mesin Crane Tahun 2018............ 71
Tabel 4. 34 Probabilitas Steady State Mesin Crane Usulan II (P3)........................ 72
Tabel 4. 35 Matriks Probabilitas Usulan II (P4) Mesin Crane Tahun 2018........... 73
Tabel 4. 36 Probabilitas Steady State Mesin Crane Usulan II (P4)........................ 74
Tabel 4. 37 Probabilitas Steady State Mesin Crane Usulan II (P1, P2, P3, P4) Tahun
2018 ....................................................................................................................... 75
Tabel 4. 38 Matriks Probabilitas Usulan II (P1) Mesin Pompa Air Tahun 2018 ... 75
xix
Tabel 4. 39 Probabilitas Steady State Mesin Pompa Air Usulan II (P1) ............... 77
Tabel 4. 40 Matriks Probabilitas Usulan II (P2) Mesin Pompa Air Tahun 2018 .. 78
Tabel 4. 41 Probabilitas Steady State Mesin Pompa Air Usulan II (P2) ............... 78
Tabel 4. 42 Matriks Probabilitas Usulan II (P3) Mesin Crane Tahun 2018 .......... 79
Tabel 4. 43 Probabilitas Steady State Mesin Pompa Air Usulan II (P3) ............... 80
Tabel 4. 44 Matriks Probabilitas Usulan II (P4) Mesin Pompa Air Tahun 2018 .. 81
Tabel 4. 45 Probabilitas Steady State Mesin Pompa Air Usulan II (P4) ............... 82
Tabel 4. 46 Probabilitas Steady State Mesin Pompa Air Usulan II (P1, P2, P3, P4)
Tahun 2018 ........................................................................................................... 83
Tabel 4. 47 Matriks Probabilitas Usulan II (P1) Mesin Sandblast Tahun 2018 .... 83
Tabel 4. 48 Probabilitas Steady State Mesin Sandblast Usulan II (P1) ................. 85
Tabel 4. 49 Matriks Probabilitas Usulan II (P2) Mesin Sandblast Tahun 2018 .... 86
Tabel 4. 50 Probabilitas Steady State Mesin Sandblast Usulan II (P2) ................. 87
Tabel 4. 51 Matriks Probabilitas Usulan II (P3) Mesin Sandblast Tahun 2018 .... 87
Tabel 4. 52 Probabilitas Steady State Mesin Sandblast Usulan II (P3) ................. 88
Tabel 4. 53 Matriks Probabilitas Usulan II (P4) Mesin Sandblast Tahun 2018 .... 89
Tabel 4. 54 Probabilitas Steady State Mesin Sandblast Usulan II (P4) ................. 90
Tabel 4. 55 Probabilitas Steady State Mesin Sandblast Usulan II (P1, P2, P3, P4)
Tahun 2018 ........................................................................................................... 91
Tabel 4. 56 Penghematan Biaya Pemliharaan Mesin ............................................ 98
Tabel 4. 57 Perencanaan Pemeliharaan Mesin .................................................... 102
xx
“Halaman ini sengaja dikosongkan”
xxi
DAFTAR GAMBAR
Gambar 2. 1 Crane PT. Tambanganraya Permai..................................................... 8
Gambar 2. 2 Sandblasting PT. Tambanganraya Permai ......................................... 9
Gambar 2. 3 Pompa Air PT. Tambanganraya Permai ........................................... 10
Gambar 3. 1 Diagram Penelitian ........................................................................... 29
xxii
“Halaman ini sengaja dikosongkan”
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Orientasi pembangunan nasional telah mengalami perubahan konsep
yaitu dari konsep pembangunan daratan mengarah ke eksploitasi kelautan.
Ketidakstabilan perekonomian dan semakin tajamnya persaingan di dunia industri
perkapalan (galangan kapal) mengharuskan suatu perusahaan untuk lebih
meningkatkan efisiensi kegiatan operasinya. Salah satu hal yang mendukung
kelancaran kegiatan operasi pada suatu perusahaan adalah kesiapan mesin-mesin
produksi dalam melaksanakan tugasnya. Penggunaan mesin secara continue akan
mengalami kerusakan, untuk menjaga tingkat kesiapan mesin agar hasil produksi
tetap terjamin akibat penggunaan mesin secara terus-menerus. Menurut Daryus
(2007) untuk mencapai hal itu diperlukan adanya suatu sistem perawatan yang
baik.
Beberapa perusahaan seringkali kita jumpai, masalah pemeliharaan
mesin atau maintenance kurang mendapat perhatian khusus sehingga
pemeliharaan mesin yang tidak teratur. Biasanya kegiatan pemeliharaan mesin
dilakukan setelah kondisi mesin mengalami kerusakan dan tidak dapat
dioperasikan lagi. Jika hal tersebut terus terjadi maka akan sangat merugikan
perusahaan karena menimbulkan biaya-biaya yang cukup besar seperti biaya -
biaya down time dan biaya perbaikan, serta akan berakibat pada terhentinya proses
produksi, keefektifan mesin menurun, dan tidak kalah pentingnya konsumen
dirugikan, kepercayaan perusahaan menurun membuat konsumen kurang royal
terhadap produk, ini berdampak negatif bagi perusahaan.
PT. Tambanganraya Permai berdiri pada tahun 1995, bergerak dibidang
pembuatan dan perbaikan kapal. Seiring dengan perkembangan zaman pada tahun
1998 sampai sekarang PT. Tambanganraya Permai sudah tidak membuat kapal
baru, melaikan lebih berorientasi pada perbaikan kapal. Dalam rangka menjalakan
peranannya sebagai industri perbaikan kapal atau repair kapal di Indonesia, PT.
Tambanganraya Permai harus menjaga kinerja perusahaan dengan terus
2
melakukan perbaikan – perbaikan dari segi kualitas kinerja supaya dapat terus
melayani jasa perbaikan kapal atau repair kapal. Mesin – mesin penunjang proses
repair pada PT. Tambanganraya Permai yang seringkali mengalami kerusakan
antara lain: mesin crane, mesin pompa air dan mesin sandblast. Berikut data
historis mesin pada tahun 2018 yang mengalami downtime di PT. Tambanganraya
Permai:
Tabel 1. 1 Tabel Biaya Perawatan PT. Tambanganraya Permai Tahun 2018
No Jenis Mesin
Repair Kapal
Jumlah
Mesin
Total Lama
Perbaikan
(Hari)
Waktu
Downtime
(Jam)
Biaya
(Rp)
1 Mesin Crane 1 36 430,3 377.989.350
2 Mesin Pompa Air 1 37 435,5 214.030.900
3 Mesin Sandblast 1 36,5 434,2 652.612.200
Total 1300 1.244.632.450
Berdasarkan data historis pemeliharaan mesin pada tahun 2018, mesin
tersebut memiliki total downtime yang besar mengakibatkan terganggunya proses
repair kapal dan bahkan proses terhenti sehingga sangat memungkinkan target
repair yang ditetapkan tidak dapat tercapai dan biaya yang dikeluarkan cukup
besar untuk perbaikan. Salah satu untuk mendukung kelancaran proses repair
kapal bergantung pada kesiapan mesin-mesin produksi tersebut sehingga
pemeliharaan mesin-mesin perlu dilakukan secara rutin. Pemeliharaan tersebut
dapat meliputi pemeliharaan pencegahan (preventive) dan pemeliharaan perbaikan
(corrective). Perusahaan saat ini masih mengandalkan pemeliharaan dengan cara
pengecekan sebelum dilakukannya proses pengerjaan kemudian jika ada
kerusakan ataupun kekurangan baru dilakukannya tindakan pemeliharaan. Hal ini
kurang efektif tehadap mesin, yang seharusnya ada suatu pemeliharaan yang
terjadwal, sehingga dapat menurunkan kemungkinan kerusakan pada mesin.
Berdasarkan hal-hal yang telah diutarakan diatas, agar terhindar dari
terhambatnya proses repair, biaya downtime dan perbaikan serta turunnya
kepercayaan konsumen, maka perlu dilakukan perencanaan perawatan mesin
penunjang repair di PT. Tambanganraya Permai. Dalam manajemen perawatan
mesin, Markovian Decision Process dapat digunakan sebagai suatu metode untuk
menganalisa kemungkinan transisi status mesin dari kondisi baik, rusak ringan,
rusak sedang, sampai dengan rusak berat di masa mendatang. Dimana kebijakan
pemeliharaan diambil berdasarkan sistem stokastik selama proses produksi dalam
3
manajemen perawatan perusahaan. Markovian Decision Process memiliki
kelebihan dibandingkan dengan metode pemeliharaan mesin lain yaitu akan
didapatkannya biaya pemeliharaan yang lebih optimal dan sistem penjadwalan
teratur pemeliharaan mesin dapat diketahui. Akan tetapi penentuan kebijakan
keputusan level atau state pada perawatan mesin dengan metode Markovian
Decision Process masih didasarkan pada perspektif individual, maka dari itu agar
data yang dihasilkan tidak bias maka dilakukan perhitungan untuk state pada
perawatan mesin menggunakan metode Overall Equipment Effectivenes (OEE).
Sehingga akan lebih objektif karena didasarkan atas kondisi dan kinerja dari
mesin. Pada jurnal penerapan metode Markovian Decision Process dan Overall
Equipment Effectiveness untuk menentukan kebijakan perawatan mesin produksi
di PTPN XII (Persero) Bantaran-Blitar didapatkan hasil perencanaan penjadwalan
mesin Roll CTC Triplex dilakukan pemeliharaan korektif pada status 3 dan 4
dengan persentase penghematan biaya perawatan sebesar 97,74% dari biaya
pemeliharaan yang dilakukan oleh perusahaan. Sedangkan mesin Fluid Bed Dryer
dilakukan pemeliharaan korektif pada status 4 dan pemeliharaan pencegahan pada
status 3 dengan persentase penghematan biaya perawatan sebesar 95,42% dari
biaya pemeliharaan yang dilakukan oleh perusahaan (Petrus, Effendi, & Effendi,
2014). Selain itu pada jurnal minimalisasi biaya maintenance lift menggunakan
metode markov didaptkan hasil setelah dilakukan perhitungan dengan Markov
Chain didapatkan persentase penghematan biaya perawatan sebesar 25,8% dalam
jangka waktu 1 tahun (Priambodo, 2018). (Priambodo, 2018)
Berdasarkan identifikasi permasalahan yang telah dilakukan, maka
penelitian ini bertujuan “Analisis Keputusan Perencanaan Pemeliharaan
Mesin Repair Kapal dengan Metode Markovian Decision Process dan Overall
Equipment Effectiveness (Studi Kasus pada PT. Tambanganraya Permai)”
dengan harapan dapat mengurangi biaya pemeliharanaan dan pemeliharaan mesin
yang teratur dan terorganisir sehingga proses repair dapat berjalan dengan lancar.
4
1.2. Rumusan Masalah
Berdasarkan uraian yang terdapat pada latar belakang dan untuk
memberikan penjelasan lebih lanjut terhadap permasalahan yang akan dibahas,
maka perumusan masalah ditetapkan sebagai berikut:
1. Bagaimana transisi status pada mesin crane, mesin pompa air dan mesin
sandblast berdasarkan kriteria kondisi mesin dengan metode Overall
Equipment Effectiveness ?
2. Bagaimana merencanakan waktu dan tindakan perawatan mesin sesuai
dengan kondisi mesin sehingga dapat diperoleh hasil pemeliharaan yang
optimal ?
3. Bagaimana hasil biaya perawatan mesin setelah menggunakan metode
Markovian Decision Process ?
1.3. Tujuan Penelitian
Adapun Tujuan dari penelitian ini antara lain :
1. Didapatkan transisi status pada mesin crane, mesin pompa air dan mesin
sandblast berdasarkan kriteria kondisi mesin dengan metode Overall
Equipment Effectiveness.
2. Merencanakan waktu dan tindakan perawatan mesin sesuai dengan
kondisi mesin sehingga dapat diperoleh hasil pemeliharaan yang
optimal.
3. Didapatkan hasil biaya perawatan mesin setelah menggunakan metode
Markovian Decision Process.
1.4. Manfaat Penelitian
Manfaat yang dapat diharapkan dari penelitian yang dilakukan adalah
sebagai berikut :
1. Bagi Perguruan Tinggi : Dapat memberikan kontribusi penelitian terkait
perencanaan pemeliharaan mesin untuk mengurangi biaya perawatan di
galangan.
5
2. Bagi Perusahaan : Membantu perusahaan dalam perencanaan perawatan
mesin secara matematis agar dapat mengurangi biaya perawatan di PT.
Tambanganraya Permai.
3. Bagi Penulis : Memberikan pengetahuan yang berharga melalui
keterlibatannya secara langsung pada dunia kerja serta
mengaplikasikannya ilmu pengetahuan yang diperoleh tentang metode
Markovian Decision Process dan Overall Equipment Effectiveness
dalam mengurangi biaya pemeliharanaan dan pemeliharaan mesin yang
teratur dan terorganisir.
1.5. Batasan Penelitian
Pembatasan masalah dalam melakukan penelitian diperlukan agar tidak
menyimpang dari pokok permasalahan yang akan diteliti. Penelitian ini dibatasi
dalam lingkup :
1. Penelitian dilakukan di PT. Tambanganraya Permai Jl. Nilam Barat No.
14, Perak Utara, Pabean Cantian, Surabaya pada bagian operasional.
2. Pembahasan mengenai status kerusakan mesin (baik, kerusakan ringan,
kerusakan sedang dan kerusakan berat).
3. Pembahasan hanya dilakukan pada perawatan satu mesin crane, satu
mesin pompa air dan satu mesin sandblast.
4. Penelitian hanya dilakukan sampai usulan perencanaan saja tidak
sampai pengaplikasian ke perusahaan.
5. Perhitungan biaya hanya didasarkan pada biaya pemeliharaan yang
terjadi pada saat dilakukan pemeliharaan perbaikan (corrective) dan
pencegahan (preventif).
6. Pengambilan data dalam periode 1 tahun mulai bulan Januari -
Desember tahun 2018.
6
“Halaman ini sengaja dikosongkan”
7
BAB II
TINJAUAN PUSTAKA
2.1. Sejarah Perusahaan
Perusahaan PT. Tambanganraya Permai berdiri pada tahun 1955,
bergerak dibidang pembuatan dan perbaikan kapal. PT. Tambanganraya Permai
pada mulanya bernama PT. Gandring yang kemudian berubah nama menjadi PT.
Tambanganraya Permai pada tahun 1955. PT. Gandring tersebut dulu merupakan
perusahaan milik daerah yang kemudian menjadi independen saat namanya
berubah menjadi PT. Tambanganraya Permai. Seiring dengan perkembangan
zaman pada tahun 1998 sampai sekarang PT. Tambanganraya Permai sudah tidak
membuat kapal baru, melainkan lebih beroirentasi pada perbaikan kapal. Pada saat
ini jumlah karyawan tetap ada 25 orang dan subkontraktor (tetap) ± 39 orang.
Sarana yang dimiliki perusahaan 1 Dok Kolam (Graving dock), kapasitas
3000 ton dan pendukung produksi 1 workshop + bengkel mekanik. Proses
perawatan dan perbaikan kapal pada PT. Tambanganraya Permai menggunakan
proses Docking repair. Docking repair adalah kegiatan memperbaiki kapal saat
kapal naik dok baik floating dock atau graving dock. Setelah kapal naik dok
proses selanjutnya membersihkan badan kapal dibawah garis air (pembersihan
meliputi plat, seachest, stren tube, propeller dan lain-lain). Pembersihan badan
kapal ini dibedakan menjadi dua yaitu pembersihan terhadap binatang - binatang
laut dan tumbuhan – tumbuhan laut, serta sisa- sisa cat dan perkaratan. Dalam
menjalankan proses bisnisnya PT. Tambanganraya Permai menggunakan berbagai
alat untuk menunjang proses repair kapal adalah crane, pompa air dan sandblast.
2.2. Crane
Crane merupakan alat yang digunakan untuk membantu proses
pemindahan material seperti plat dan juga sebagai alat membatu membuka pintu
dan menutup pintu graving dock dalam proses memasukan kapal ke dalam dok
maupun mengeluarkan kapal dari dok. PT. Tambanganraya Permai memiliki satu
8
buah crane dengan kemampuan muatan 25 ton, gambar dari mesin crane di
perusahaan dapat dilihat pada Gambar 2.1.
Gambar 2. 1 Crane PT. Tambanganraya Permai
(Data Penulis, 2018)
2.3. Sandblast
Sandblast merupakan alat untuk membersihkan atau mengupas lapisan
cat dan karat yang menutupi pelat kapal. Sehingga permukaan pelat yang akan
dicat ulang menjadi halus dan cat dapat melekat sepenuhnya dengan hasil yang
halus, gambar dari mesin sandblast di perusahaan dapat dilihat pada Gambar 2.2.
Proses sandblast menggunakan butiran pasir kuarsa yang ditembakkan langsung
melalui gun shoot yang diberi tekanan udara oleh kompesor bertekanan tinggi (7
bar). Sandblast dipilih karena proses ini yang paling cepat dan efesien untuk
membersihkan permukaan pelat yang terkontaminasi oleh berbagai kotoran
terutama karat dan merupakan proses persiapan awal sebelum diberikan cat dasar
(prime shop).
9
Gambar 2. 2 Sandblasting PT. Tambanganraya Permai (Data Penulis, 2018)
2.4. Pompa Air
Pompa air merupakan alat untuk menunjang kinerja dan keselamatan
pada galangan kapal di PT. TAMBANGANRAYA PERMAI dalam prose repair
kapal, gambar dari mesin pompa air di perusahaan dapat dilihat pada Gambar 2.3.
Berikut fungsi – fungsi dari pompa air:
a. Pengurasan air laut dan lumpur dari graving dock dengan tujuan kondisi kapal
bisa duduk diatas bantalan-2 pada lantai graving dock, sehingga pekerjaan
repair kapal bawah air bisa dikerjakan dengan kondisi yang aman (tidak
terganggu dengan genangan air laut yang masuk pada graving dock).
b. Pengisian tanki-2 kapal saat kapal mau masuk ataupun keluar dari graving
dock, dengan tujuan draf kapal bisa diatur agar bisa sesuai dengan kondisi yang
seimbang dan stabil.
c. Pembersihan badan-2 kapal dari lumpur yang menempel, serta pembersihan
lantai graving dock.
d. Fasilitas untuk pemadam kebakaran agar bisa lembih aman dan terjaga saat
repair kapal sedang berlangsung.
10
Gambar 2. 3 Pompa Air PT. Tambanganraya Permai (Data Penulis, 2018)
2.5. Pemeliharaan
Pemeliharaan adalah suatu kegiatan untuk memelihara atau menjaga
fasilitas/ peralatan pabrik dan mengadakan perbaikan atau penggantian yang
diperlukan agar terdapat suatu pengadaan operasi produksi yang memuaskan
sesuai dengan apa yang direncanakan (Assauri, 2008). Definisi yang sejalan
dengan Ansori dan Mustajib (2013) di dalam bukunya mendefinisikan perawatan
atau maintenance sebagai konsepsi dari semua aktivitas yang diperlukan untuk
menjaga atau mempertahankan kualitas fasilitas/ mesin agar dapat berfungsi
dengan baik seperti kondisi awal. Kegiatan maintenance (pemeliharaan) secara
garis besar dilakukan untuk mencegah kerusakan mesin/ peralatan yang digunakan
untuk produksi terlalu cepat, selain itu kegiatan perawatan haruslah memiliki
kriteria efektif, efisien, serta biaya rendah (Asgara & Hartono, 2014).
Dalam industri perkapalan pemeliharaan (maintenance) adalah kegiatan
yang penting karena industri terminal memiliki banyak alat berat yang digunakan
untuk menjalankan proses operasionalnya. Mesin – mesin penunjang dalam proses
operasional tersebut bekerja selama 24 jam sehari sehingga membutuhkan
perawatan yang baik dan terjadwal agar tetap bisa menjalankan fungsinya dalam
kegiatan operasinal.
Menurut Mobley (2008) beberapa keuntungan yang didapatkan dengan
menerapkan pemeliharaan sebagai penopang strategi perusahaan yaitu :
1. Mengurangi total biaya pemeliharaan (biaya suku cadang dan biya overtime).
11
2. Memilki stabilitas proses yang lebih baik.
3. Memperpanjang usia peralatan dan mesin.
4. Mengoptimalkan jumlah suku cadang.
5. Meningkatkan keselamatan karyawan/ operator.
6. Mengurangi kerusakan lingkungan sekitar.
2.6. Tujuan Pemeliharaan
Adapun tujuan perusahaan melakukan kegiatan perawatan adalah sebagai
berikut (Manesi, 2015) :
a. Kemampuan produksi dapat memenuhi kebutuhan sesuai dengan rencana
produksi.
b. Menjaga kualitas pada tingkat yang tepat untuk memenuhi apa yang
dibutuhkan oleh produk itu sendiri dan kegiatan produksi yang tidak
terganggu.
c. Untuk membantu mengurangi pemakaian dan penyimpangan yang di luar
batas dan menjaga modal yang di investasikan tersebut.
d. Untuk mencapai tingkat biaya pemeliharaan serendah mungkin, dengan
melaksanakan kegiatan pemeliharaan secara efektif dan efisien.
e. Menghindari kegiatan pemeliharaan yang dapat membahayakan keselamatan
para pekerja.
f. Mengadakan suatu kerja sama yang erat dengan fungsi-fungsi utama lainnya
dari suatu perusahaan dalam rangka untuk mencapai tujuan utama perusahaan
yaitu tingkat keuntungan (return on investment) yang sebaik mungkin dan
total biaya yang terendah.
Ada beberapa tujuan lain perusahaan melakukan kegiatan perawatan,
antara lain memperpanjang usia pakai dari mesin/ peralatan, menjaga fungsi dari
mesin/ peralatan agar tetap baik, menjamin ketersediaan optimum mesin/
peralatan, menjamin kesiapan operasional mesin/ peralatan, mengurangi waktu
downtime dari mesin/ peralatan, serta menjamin kepuasan pelanggan (Asgara &
Hartono, 2014).
Dengan adanya tujuan kegiatan dapat diketahui pentingnya suatu
kegiatan perawatan bagi sebuah perusahaan yang bergerak di reparasi kapal dan
12
beroperasi selama 24 jam sehari, sehingga perusahaan menuntut agar mesin-mesin
tersebut tetap dapat menjalankan fungsinya untuk menunjang kegiatan
operasional.
2.7. Jenis – jenis Pemeliharaan
Dalam kegiatan pemeliharaan yang dilakukan pada peralatan atau mesin
di dalam perusahaan memerlukan suatu prosedur yang tepat agar peralatan
tersebut tetap dapat menjalankan fungsinya. Oleh karena itu manajemne
perawatan yang efektif sehingga dapat menjamin pelaksanaan kegiatan
operasional berjalan dengan semestinya. Pemeliharaan atau maintenance dapat
dibagi menjadi beberapa jenis yaitu sebagai berikut:
2.7.1. Pemeliharaan Pencegahan (Preventif Maintenance)
Preventif maintenance adalah kegiatan pemeliharaan dan perawatan yang
dilakukan untuk mencegah timbulnya kerusakan – kerusakan yang tidak terduga
dan menemukan kondisi atau keadaan yang dapat menyebabkan fasilitas produksi
mengalami kerusakan pada waktu digunakan dalam proses produksi (Assauri,
2008).
Tujuan umum dari pemeliharaan pencegahan atau preventif maintenance
secara terjadwal adalah: (1) Mendeteksi dan mencegah kerusakan sedini mungkin,
(2) Mengurangi resiko terjadinya kerusakan pada komponen kritis, (3)
Mengurangi waktu yang kurang produktif dalam perbaikan, (4) Mengurangi
penyebab terjadinya kerusakan, (5) mengurangi beban pada bagian pemeliharaan.
2.7.2. Pemeliharaan Perbaikan (Corrective Maintenance)
Corrective maintenance adalah kegiatan pemeliharaan dan perawatan
yang dilakukan setelah terjadinya suatu kerusakan atau kelainan pada fasilitas atau
peralatan sehingga tidak dapat berfungsi dengan baik ketika sedang menjalankan
kegiatan operasional (Rully & Putri, 2015).
Kebijakan untuk melakukan corrective maintenance saja tanpa
melakukan pemeliharaan secara preventif maintenance hanya akan menimbulkan
akibat yang menghambat ataupun mengganggu kegiatan operasional apabila
13
terjadi kerusakan ang tiba-tiba pada peralatan yang digunakan untuk kegiatan
operasional.
Corrective maintenance bisa dikatakan sebagai perbaikan yang pasif
karena menunggu sampai terjadi kerusakan terlebih dahulu, baru kemudian
dilakukan perbaikan agar mesin yang mengalami kerusakan tersebut dapat
digunakan kembali dalam kegiatan operasional perusahaan.
2.7.3. Penggantian (Replacement)
Adapun penggantian (replacement) dapat dibagi menjadi dua bagian
yaitu:
1. Planned replacement (penggantian trencana) adalah pemilihan waktu terbaik
penggantian berdasarkan penentuan interval waktu optimum untuk
meminimumkan biaya perawatan. Kegiatan perawatan ini disebut juga
preventive replacement atau penggantian pencegahan.
2. Replacement upon failure (penggantian saat kerusakan) adalah penggantian
yang dilakukan jika komponen atau sistem rusak . kegiatan perawatan ini
disebut juga corrective replacement atau penggantian perbaikan.
2.7.4. Autonomus Maintenance
Suatu sistem pemeliharaan mandiri, di mana kegiatan perawatan mesin/
peralatan dilakukan oleh operator sendiri (Asgara & Hartono, 2014). Jenis
pemeliharaan ini hanya berlaku pada perawatan ringan saja yang dilakukan oleh
operator. Adapun tujuan dari Autonomus Maintenance, yaitu (Asgara & Hartono,
2014):
1. Mencegah dan mengurangi lama waktu mesin/ peralatan downtime.
2. Mencegah defect dari proses mesin.
3. Mempercepat penanganan mesin downtime.
4. Meningkatkan ketahanan mesin.
5. Menjaaga kondisi mesin dalam keadaan prima.
6. Memcegah kerusakan mesin yang lebih parah.
7. Meingkatkan pemahaman operator dan skill tentang mesin.
14
8. Mengurangi resiko kecelakaan karena operator lebih paham dengan sistem
safety dari mesin.
2.8. Overall Equipment Effectiveness (OEE)
Overall equipment effectiveness (OEE) merupakan alat ukur performa
dari suatu sistem mantenance. Dengan menggunakan metode ini maka dapat
diketahui ketersediaan mesin/ peralatan, efesiensi produksi, dan produktivitas
mesin/ peralatan.
Rumus OEE (Asgara & Hartono, 2014):
(2.1)
Dimana:
= Availability ratio
= Peformace effectiveness
= Quality efficiency
2.8.1. Availability Ratio
Availability ratio merupakan suatu ratio yang menggambarkan
pemanfaatan waktu yang tersedia untuk kegiatan operasi peralatan atau mesin.
Rumus Availability ratio (Asgara & Hartono, 2014):
(2.2)
Dimana:
Loading time = waktu yang tersedia (total availability time) per hari atau
per bulan yang dikurangi dengan downtime mesin/
peralatan yang direncanakan (planned downtime)
Operation time = hasil pengurangan loading time dengan waktu downtime
mesin (unplanned downtime).
2.8.2. Peformance Efficiency
Peformance efficiency adalah suatu rasio yang menggambarkan tolak
ukur dari efisiensi suatu kinerja mesin menjalankan proses produksi.
15
Rumus Peformance efficiency (Petrus, Effendi, & Effendi, 2014):
(2.3)
Dimana:
Processed amount = jumlah produk yang di proses/ target produk (unit)
Ideal cycle time = waktu siklus ideal/ waktu standar (jam/unit)
Operation time = waktu proses mesin (jam)
2.8.3. Quality Efficiency
Quality efficiency adalah suatu rasioyang menggambarkan kemampuan
peralatan atau mesin dalam menghasilkan produk yang sesuai dengan standar.
Rumus Quality efficiency (Asgara & Hartono, 2014):
(2.4)
Dimana:
Processed amount = jumlah produk yang di proses/ target produk (unit)
Defect amount = jumlah produk cacat/ jumlah produk yang tidak sesuai
target (unit)
2.8.4. Penentuan State (Status) Mesin
State digunakan untuk mengidentifikasi seluruh kondisi yang mungkin
dari suatu proses atau sistem (Petrus, Effendi, & Effendi, 2014). Penentuan state
(status) mesin dalam perhitungan Markovian Desicion Process yang dapat dilihat
pada Tabel 2.1.
Tabel 2. 1 Tabel State Mesin
Status Nilai OEE
(%) Kondisi
1 85,01 s/d 100 Sempurna (Baik)
2 60,01 s/d 85 Kelas Dunia (Kerusakan ringan)
3 40,01 s/d 60 Wajar (Kerusakan sedang)
4 0 s/d 40 Rendah (Kerusakan berat)
Sumber: (Malik & Hamsal, 2013)
1. Kondisi Baik
Nilai rasio OEE mencapai 85,01% sampai dengan 100% merupakan proses
operasional sempurna. Dimana pada kondisi ini proses operasinal berjalan
sesuai dengan ketentuan-ketentuan yang telah disetujui, target operasional
16
dapat terpenuhi, kecepatan operasional yang tinggi sesuai dengan waktu
siklus dan tidak ada downtime.
2. Kondisi Kerusakan Ringan
Nilai rasio OEE mencapai 60,01% sampai dengan 85% merupakan proses
operasional kelas dunia. Dimana pada kondisi ini proses operasional
perusahaan merupakan perusahaan tingkat global karena pada rasio kondisi
ini menjadi target jangka panjang untuk banyak perusahaan.
3. Kondisi Kerusakan Sedang
Nilai rasio OEE mencapai 40,01% sampai dengan 60% merupakan proses
operasional wajar. Dimana pada kondisi ini proses operasional terindikasi
banyak ruang perbaikan yang harus dilakukan untuk mencapai tingkat
perusahaan kelas dunia.
4. Kondisi Kerusakan Berat
Nilai rasio OEE mencapai 0% sampai dengan 40% merupakan proses
operasional rendah. Dimana pada kondisi ini proses operasional terhenti,
waktu perbaikan (downtime) relatif lama dengan biaya perbaikan relatif.
2.9. Markovian Decision Process (MDP)
Markovian Decision Process (MDP) memberikan kerangka matematika
untuk pemodelan pengambilan keputusan dalam situasi dimana hasil yang
sebagian acak dan sebagian dibawah kendali pembuat keputusan. Dalam metode
ini digunakan untuk menentukan keputusan kebijakan perawatan yang optimal
dari beberapa alternative kebijakan perawatan pada mesin produksi (Petrus,
Effendi, & Effendi, 2014).
Penentuan kebijakan dengan menggunakan metode Markovian Decision
Process (MDP) secara umum masih cenderung subjektif dalam penentuan
perangkaian level atau state pada perawatan karena masih didasarkan pada
perspektif individual. Oleh karena itu, agar data yang dihasilkan tidak bias maka
dilakukan perhitungan untuk state pada perawatan menggunakan metode Overall
Equipment Effectivenes (OEE) sehingga akan lebih objektif karena didasarkan
atas kondisi dan kinerja dari mesin.
17
2.10. Keputusan Markovian Decision Process (MDP)
Dalam proses operasinya suatu item akan mengalami beberapa
kemungkinan transisi status yang berubah dari satu status ke status yang lainnya.
Bila dikatakan bahwa dalam selang yng cukup pendek terdapat 4 kemungkinan
status, maka untuk mengubah kondisi status yang dialami dilakukan beberapa
tindakan yang sesuai dengan kondisi status (Rochmoeljati, 2012). Keputusan –
keputusan yang diambil dalam menentukan pemeliharaan dapat dilihat pada Tabel
2.2 berikut:
Tabel 2. 2 Keputusan - keputusan Pemeliharaan
Policy Keterangan
P0 Pemeliharaan korektif pada status 4
P1 Pemeliharaan korektif pada status 4 dan pemeliharaan
pencegahan pada status 3
P2 Pemeliharaan korektif pada status 3, 4 dan pemeliharaan
pencegahan pada status 2
P3 Pemeliharaan korektif pada status 3 dan pemeliharaan
pencegahan pada status 2, 4
P4 Pemeliharaan korektif pada status 3, 4
Sumber: (Priambodo, 2018)
2.11. Langkah-langkah Metode Markovian Decision Process
Dalam proses perhitungan dengan metode Markovian Decision Process
langakah – langkah perhitungannya sebagai berikut:
2.11.1. Penentuan Data Transisi Status Mesin
Transisi status adalah perubahan status mesin dari suatu kondisi status
yang lain (Petrus, Effendi, & Effendi, 2014). Tabel 2.3 merupakan penetuan data
transisi status yang mungkin terjadi pada mesin yaitu (Priambodo, 2018):
Tabel 2. 3 Tabel Data Transisi Status Mesin
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
1
2
3
4
5
6
7
8
9
Sumber: (Priambodo, 2018)
18
Tabel 2. 3 Tabel Data Transisi Status Mesin (Lanjutan)
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
10
11
12
Sumber: (Priambodo, 2018)
Keterangan:
B/B = Kondisi baik pada akhir bulan lalu ke kondisi baik pada akhir bulan
sekarang.
B/Kr = Kondisi baik pada akhir bulan lalu ke kondisi kerusakan ringan pada
akhir bulan sekarang.
B/Ks = Kondisi baik pada akhir bulan lalu ke kondisi kerusakan sedang akhir
bulan sekarang.
B/Kb = Kondisi baik pada akhir bulan lalu ke kondisi kerusakan berat akhir
bulan sekarang.
Kr/Kr = Kondisi kerusakan ringan pada akhir bulan lalu ke kondisi kerusakan
ringan akhir bulan sekarang.
Kr/Ks = Kondisi kerusakan ringan pada akhir bulan lalu ke kondisi kerusakan
sedang akhir bulan sekarang.
Kr/Kb = Kondisi kerusakan ringan pada akhir bulan lalu ke kondisi kerusakan
berat akhir bulan sekarang.
Ks/Ks = Kondisi kerusakan sedang pada akhir bulan lalu ke kondisi kerusakan
sedang akhir bulan sekarang.
Ks/Kb = Kondisi kerusakan sedang pada akhir bulan lalu ke kondisi kerusakan
berat akhir bulan sekarang.
Kb/B = Kondisi kerusakan berat pada akhir bulan lalu ke kondisi baik akhir
bulan sekarang.
19
2.11.2. Perhitungan Jumlah Transisi Status Mesin Berdasarkan Kondisi
Mesin
Tabel 2.4 merupakan perhitungan jumlah transisi status digunakan untuk
menentukan jumlah transisi status mesin yang berada pada status baik, kerusakan
ringan, kerusakan sedang dan kerusakan berat (Petrus, Effendi, & Effendi, 2014).
Tabel 2. 4 Tabel Jumlah Transisi Status
Bulan
Jumlah Transisi Status
Kondisi
Baik (1)
Kondisi
Kerusakan
Ringan (2)
Kondisi
Kerusakan
Sedang (3)
Kondisi
Kerusakan Berat
(4)
1 B/B + B/Kr +
B/Ks + B/Kb
Kr/Kr + Kr/Ks+
Kr/Kb Ks/Ks + Ks/Kb Kb/B
2
3
4
5
6
7
8
9
10
11
12 B/B + B/Kr +
B/Ks + B/Kb
Kr/Kr + Kr/Ks +
Kr/Kb Ks/Ks + Ks/Kb Kb/B
∑ ∑ ∑ ∑ ∑
Sumber: (Petrus, Effendi, & Effendi, 2014)
Keterangan:
∑ adalah jumlah transisi status mesin pada status baik.
∑ adalah jumlah transisi status mesin pada status kerusakan ringan.
∑ adalah jumlah transisi status mesin pada status kerusakan sedang.
∑ adalah jumlah transisi status mesin pada status kerusakan berat.
2.11.3. Perhitungan Probabilitas Transisi Status Mesin
Perhitungan probabilitas menggunakan persamaan sebagai berikut
(Priambodo, 2018):
( ) (∑ )⁄
(2.5)
Dimana:
= banyaknya perubahan kondisi mesin dari state- i ke state- j
i = state kondisi saat ini
20
j = state kondisi periode mendatang
Menentukan probabilitas transisi status pada suatu mesin, maka
ditentukan terlebih dahulu besar data transisi status yang dapat dihitung dari
proporsi state yang terjadi dari hari ke hari atau bulan ke bulan. Kemudian
dilakukan perhitungan jumlah transisi status yang masuk dalam klasifikasi transisi
status baik, kerusakan ringan, kerusakan sedang dan kerusakan berat (Petrus,
Effendi, & Effendi, 2014). Tabel 2.5 merupakan cara perhitungan probabilitas
transisi pada setiap mesin.
Tabel 2. 5 Probabilitas Transisi Status Mesin
Bulan
Status
B/B B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb Kb/B
1
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
2
3
4
5
6
7
8
9
10
11
12
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑
∑ ∑ ⁄ ∑
⁄ ∑ ⁄ ∑
⁄ ∑ ⁄ ∑
⁄ ∑ ⁄ ∑
⁄ ∑ ⁄ ∑
⁄
Sumber: (Petrus, Effendi, & Effendi, 2014)
2.11.4. Perhitungan Matriks Probabilitas Transisi Usulan I (P0) pada Item i
Matriks probabilitas transisi memungkinkan untuk melakukan
perhitungan probabilitas state di masa mendatang berdasarkan pada state saat ini
(Petrus, Effendi, & Effendi, 2014). Bentuk matriks probabilitas transisi usulan I
(P0) yang terbentuk dapat dilihat pada Tabel 2.6.
21
Tabel 2. 6 Matriks Probabilitas Awal (Usulan I)
1 2 3 4
1 ∑ ⁄ ∑
⁄ ∑ ⁄ ∑
⁄
2 0 ∑ ⁄ ∑
⁄ ∑ ⁄
3 0 0 ∑ ⁄ ∑
⁄
4 ∑ ⁄ 0 0 0
Sumber: (Rochmoeljati, 2012)
Dengan menggunakan persamaan serta hasil untuk matriks transisi
tersebut, dalam jangka panjang probabilitas terjadi kerusakan dan dalam keadaan
mapan (steady state) dapat dituliskan sebagai berikut (Petrus, Effendi, & Effendi,
2014):
[
] [ ] [
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
] (2.6)
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
∑ ⁄ ∑
⁄
∑ ⁄ ∑
⁄
∑ ⁄ ∑
⁄ ∑ ⁄
∑ ⁄ ∑
⁄ ∑ ⁄
Dari hasil dan masukkan ke syarat batas:
2.11.5. Perhitungan Matriks Probabilitas Transisi Usulan II
Perhitungan untuk mendapatkan pemeliharaan yang lebih baik sehingga
bisa mengurangi biaya pemeliharaan, maka diusulkan kebijakan pemeliharaan dari
mesin yang didapat dari perubahan matriks transisi awal sesuai dengan tindakan
yang dilakukan. Dengan dilakukannya usulan kebijakan pemeliharaan, maka
diusulkan empat perencanaan pemeliharaan mesin yang dilakukan yaitu
(Rochmoeljati, 2012):
1. Pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada
status 3 (P1). Matriks transisinya sebagai berikut:
j i
22
Tabel 2. 7 Tabel Matriks Usulan II (P1)
1 2 3 4
1 ∑ ⁄ ∑
⁄ ∑ ⁄ ∑
⁄
2 0 ∑ ⁄ ∑
⁄ ∑ ⁄
3 0 1 0 0
4 0 0 0
Sumber: (Rochmoeljati, 2012)
Dengan menggunakan persamaan serta hasil untuk matriks transisi tersebut,
dalam jangka panjang probabilitas terjadi kerusakan dan dalam keadaan
mapan (steady state) dapat dituliskan sebagai berikut (Rochmoeljati, 2012):
[
] [ ] [
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
] (2.7)
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
∑ ⁄
∑ ⁄ ∑
⁄
∑ ⁄ ∑
⁄
∑ ⁄ ∑
⁄
Dari hasil dan masukkan ke syarat batas:
2. Pemeliharaan korektif pada status 3, 4 dan pemeliharaan preventif pada
status 2(P2). Matriks transisinya sebagai berikut:
Tabel 2. 8 Tabel Matriks Usulan II (P2)
1 2 3 4
1 ∑ ⁄ ∑
⁄ ∑ ⁄ ∑
⁄
2 1 0 0 0
3 1 0 0 0
4 0 0 0
Sumber: (Rochmoeljati, 2012)
Dengan menggunakan persamaan serta hasil untuk matriks transisi tersebut,
dalam jangka panjang probabilitas terjadi kerusakan dan dalam keadaan
mapan (steady state) dapat dituliskan sebagai berikut (Rochmoeljati, 2012):
j i
j i
23
[
] [ ] [
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
] (2.8)
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
Dari hasil dan masukkan ke syarat batas:
3. Pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada
status 2, 3 (P3). Matriks transisiya sebagai berikut:
Tabel 2. 9 Tabel Matriks Usulan II (P3)
1 2 3 4
1 ∑ ⁄ ∑
⁄ ∑ ⁄ ∑
⁄
2 1 0 0 0
3 0 1 0 0
4 0 0 0
Sumber: (Rochmoeljati, 2012)
Dengan menggunakan persamaan serta hasil untuk matriks transisi tersebut,
dalam jangka panjang probabilitas terjadi kerusakan dan dalam keadaan
mapan (steady state) dapat dituliskan sebagai berikut:
[
] [ ] [
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
] (2.9)
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
j i
24
Dari hasil dan masukkan ke syarat batas:
4. Pemeliharaan korektif pada status 3, 4 (P4). Matriks transisiya sebagai
berikut:
Tabel 2. 10 Tabel Matriks Usulan II (P4)
1 2 3 4
1 ∑ ⁄ ∑
⁄ ∑ ⁄ ∑
⁄
2 0 ∑ ⁄ ∑
⁄ ∑ ⁄
3 1 0 0 0
4 0 0 0
Sumber: (Rochmoeljati, 2012)
Dengan menggunakan persamaan serta hasil untuk matriks transisi tersebut,
dalam jangka panjang probabilitas terjadi kerusakan dan dalam keadaan
mapan (steady state) dapat dituliskan sebagai berikut:
[
] [ ] [
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
∑ ⁄
] (2.10)
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
∑ ⁄
∑ ⁄ ∑
⁄
∑ ⁄ ∑
⁄
∑ ⁄ ∑
⁄
Dari hasil dan masukkan ke syarat batas:
2.11.6. Perhitungan Analisis Biaya Perawatan
Salah satu masalah yang sering ditemukan dalam sebuah perusahaan
industri perkapalan adalah kerusakan mesin sebagai penunjang kegiatan reparasi
maupun bangunan baru. Menurut Suryadi Prawirosentoso “Biaya pemeliharaan
mesin adalah biaya yang dikeluarkan perusahaan dalam usaha menjaga dan
memelihara mesin agar dapat berfungsi sesuai dengan rencana perusahaan” (Rully
j i
25
& Putri, 2015). Menurut Koesmawan A. Subandi dan Sobarsa “biaya
pemeliharaan dikelompokkan menjadi dua kategori yaitu biaya pencegahan dan
biaya perbaikan” (Rully & Putri, 2015). Biaya pencegahan merupakan biaya yang
bersifat variable, misalnya untuk kegiatan pencatatan, inseksi, pelatihan personel,
pelumasan dan lain sebagainya yang sifatnya rutin. Biaya kerusakan merupakan
biaya yang bersifat tetap. Penentuan biaya perawatan meliputi biaya perawatan
preventif dan perawatan korektif yang dilakukan pada saat mesin berhenti dan
menitik beratkan pada biaya downtime yang terjadi. Apabila dikalikan dengan
probabilitas status dalam keadaan steady state untuk masing - masing perawatan.
Akan dipilih oleh perusahaan perencanaan perawatan dan yang mempunyai biaya
rata – rata ekspektasi yang terkecil/ terendah.
1. Biaya downtime
Suatu sistem yang tidak produktif selama sistem dalam perawatan atau
perbaikan akan mengakibatkan hilangnya keuntungan. Biaya tersebut
dinamakan biaya downtime. Elemen biaya – biaya yang menentukan biaya
downtime adalah biaya operator mesin, hilangnya sebagian output produksi.
a. Biaya perawatan preventif
Biaya perawatan preventif dilambangkan
Rumus perawatan preventif (Rochmoeljati, 2012):
– (2.11)
b. Biaya perawatan korektif
Biaya perawatan korektif dilambangkan
Rumus perawatan korektif (Rochmoeljati, 2012):
– (2.12)
2. Biaya rata – rata ekspektasi
Berdasarkan pada biaya downtime dan waktu perawatan maka akan
didapatkan biaya perawatan untuk masing - masing item. Apabila dikaitkan
dengan probabilitas status dalam keadaan steady state pada jangka panjang,
maka akan didapatkan biaya rata – rata ekspektasi untuk masing – masing
26
perawatan dan dapat dinyatakan dengan rumus (Petrus, Effendi, & Effendi,
2014) :
∑
(2.13)
Dimana:
biaya rata – rata ekspektasi perawatan
biaya perawatan korektif untuk setiap item ke-
probabilitas status dalam keadaan steady state
2.11.7. Perhitungan Perencanaan Waktu Pemeliharaan
Perencanaan merupakan sebagai proses pemilihan informasi dan
pembuatan asumsi mengenai kondisi masa datang, guna mengembangkan seluruh
lintasan kegiatan (Pudji & Ilma, 2012). Waktu pemeliharaan adalah jangka waktu
tertentu yang dilakukan untuk digunakan memaintenance sesuatu. Jadi
perencanaan pemeliharaan adalah suatu kombinasi dari setiap tindakan yang
dilakukan untuk menjaga sisrtem dalam proses perawatan sampai dengan kondisi
dapat diterima dengan rumus (Pudji & Ilma, 2012):
∑
∑ (2.14)
∑
Dengan penjadwalan sebagai berikut :
∑ (2.15)
27
2.12. Penelitian Terdahulu
Dalam penyususnan penelitian ini penulis menggunakan beberapa
referensi jurnal sebagai acuan penulisan, antara lain yaitu:
Tabel 2. 11 Penelitian Terdahulu
No Nama Judul Metode Hasil Penelitian
1
Endang Pudji
W., & Fahma
Ilma
(2012)
Perencanaan Pemeliharaan
Mesin dengan
menggunakan Metode
Markov Chain untuk
Mengurangi Biaya
Pemeliharaan di PT. Philips
Indonesia
Markov
Chain
Setelah dilakukan
perhitungan preventif
dan korektif perencanaan
penjadwalan mesin
Tubing dilakukan setiap
1 bulan 11 hari, Flare
dilakukan setiap 2 bulan
23 hari dan Exhaust
Cutting Machine
dilakukan setiap 5 bulan
8 hari dengan persentase
penghematan biaya
perawatan sebesar
20,82%.
2
Rr.
Rochmoeljati
(2013)
Perencanaan Perawatan
Mesin Menggunakan
Metode Markov Chain
untuk Meminimumkan
Biaya Perawatan
Markov
Chain
Setelah dilakukan
perhitungan preventif
dan korektif didapatkan
penghematan biaya
perawatan mesin potong
sebesar 55%, mesin
tekuk sebesar 36%, dan
mesin plong sebesar 29,
5%.
3 Petrus, et al.,
(2014)
Penerapan Metode
Markovian Decision Proses
(MDP)dan Overall
Equipment Effectiveness
untuk Menentukan
Kebijakan Perawatan
Mesin Produksi Di PTPN
XII (Persero)
Bantaran - Blitar
Markovian
Decision
Proses dan
Overall
Equipment
Effectiveness
Diketahui nilai OEE
untuk kriteria penentuan
state mesin dan biaya
perawatan yang optimal
diketahui MDP untuk
keijakan keputusan
pemeliharaan untuk
mengurangi biaya
pemeliharaan
4
Badik Yuda
Asgara &
Gunawarman
Hartono
(2014)
Analisis Efektifitas Mesin
Overhead Crane dengan
Metode Overall Equipment
Effectiveness (OEE) di PT.
BTU, Divisi Boarding
Bridge
Overall
Equipment
Effectiveness
(OEE)
Diketahui nilai OEE
untuk kriteria penentuan
state mesin.
5 Hariani, et al.,
(2012)
Analisis Nilai Efektifitas
Mesin Injection Moulding
Type ARB-100.7
Menggunakan Metode
Overall Equipment
Effectiveness (OEE)
Overall
Equipment
Effectiveness
(OEE)
Diketahui nilai OEE
mesin Type ARB-100.7.
28
Tabel 2. 11 Penelitian Terdahulu (Lanjutan)
No Nama Judul Metode Hasil Penelitian
6
Sintia Novilia
Putri
(2019)
Analisis Keputusan
Perencanaan Pemeliharaan
Mesin Repair Kapal
Dengan Metode Markovian
Decision Proses dan
Overall Equipment
Effectiveness (Studi Kasus
Pada Pt. Tambanganraya
Permai)
Markovian
Decision
Proses dan
Overall
Equipment
Effectiveness
Didapatkan waktu dan
tindakan
permeliharaan mesin
untuk mengurangi
biaya pemeliharaan
mesin.
29
BAB III
METODOLOGI PENELITIAN
3.1. Tempat dan Waktu Penelitian
Penelitian ini dilakukan di PT. Tambanganraya Permai yang
berlokasikan di Jalan Nilam Barat No.14, Perak Utara, Pabean Cantian, Surabaya.
Penelitian difokuskan pada bidang teknik dan pengolahan bagian mesin crane,
mesin pompa air dan mesin sandblast. Adapun pelaksanaan penelitian dilakukan
mulai Januari sampai dengan Juni tahun 2019. Sedangkan periode data yang
diambil untuk diteliti adalah bulan Januari - Desember tahun 2018.
3.2. Tahapan Penelitian
Untuk menyelesaikan permasalahan maka perlu disusun langkah –
langkah penyelesaian masalah sebagai berikut:
Gambar 3. 1 Diagram Penelitian
30
Gambar 3. 1 Diagram Penelitian (Lanjutan)
31
Keterangan diagram penelitian:
1. Tahap Pendahuluan
a. Identifikasi Masalah
Pada bagian ini dilakukan peninjauan awal mengenai permasalahan yang
ada pada PT. Tambanganraya Permai khususnya pada bagian pemeliharaan
mesin yang memiliki potensi menggangu jalannya proses repair kapal
diperusahaan dan biaya perawatan yang dikeluarkan banyak jika tidak
direncanakan secara sistematis. Identifikasi masalah ini digunakan untuk
menentukan rumusan permasalahan dengan jelas serta menetapkan tujuan
penelitian yang dicapai.
b. Studi Literatur
Studi literatur merupakan studi yang berhubungan dengan literatur-
literatur yang berkaitan dengan penelitian yang akan dilakukan yang dapat
membantu dalam proses analisis untuk menyelesaikan permasalahan yang
diperoleh. Adapun literatur – literatur yang digunakan dalam proses
penelitian yaitu melalui jurnal dan buku terkait perawatan mesin serta metode
Markovian Decision Process sebagai strategi keputusan perencanaan
perawatan mesin untuk menguarangi biaya perawatan yang dikeluarkan dan
metode Overall Equipment Effectiveness (OEE) sebagai penentuan
perhitungan untuk level atau state pada pemeliharaan.
2. Tahap Pengumpulan Data
Data Sekunder
Data sekunder yang digunakan dalam penelitian ini adalah data jenis dan
jumlah mesin, jumlah repair kapal, historis pemeliharaan mesin dan jam kerja
mesin serta biaya pemeliharaan. Data – data tersebut diperoleh dari PT.
Tambanganraya Permai selama satu tahun terakhir, yaitu dari bulan Januari
sampai Desember tahun 2018.
32
3. Tahap Pengoalahan Data
a. Perhituangan Overall Equipment Effectiveness (OEE)
Dimana dalam tahap ini dilakukan perhitungan Availability Ratio,
Peformnce Efficiency, dan Quality Efficiency untuk penentuan level atau state
pada pemeliharaan agar data yang dihasilkan tidak bias karena dalam
perhitungan Markovian Decision Process dalam penentuan level atau state
mesin masih didasarkan pada perspektif individual.
b. Perhitungan Markovian Decision Process
Penentuan Data Transisi Status Mesin
Proses penetapan level atau state mesin yang telah diketahui dari
perhitungan OEE kedalam tabel berikut:
Tabel 3. 1 Desain Data Transisi Status Mesin PT. Tambanganraya Permai Tahun 2018
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Pada tahap ini mejawab rumusan masalah “Bagaimana transisi status
pada mesin crane, mesin pompa air dan mesin sandblast berdasarkan
kriteria kondisi mesin ?”.
Perhitungan Jumlah Transisi Status Mesin Berdasarkan Kondisi
Mesin
Setelah diketahui data transisi status mesin maka dapat diketahui
jumlah transisi status mesin bedasarkan kondisi baik, kerusakan ringan,
kerusakan sedang dan kerusakan berat.
Perhitungan Probabilitas Transisi Status Mesin
Setelah diketahui data jumlah transisi status mesin berdasarkan
kondisi baik, kerusakan ringan, kerusakan sedang dan kerusakan berat
33
maka dilakukan perhitungan probabilitas transisi status mesin yang
nantinya akan digunakan untuk perhitungan matriks probabilitas.
Perhitungan Matriks Probabilitas Transisi Usulan I (P0)
Perhitungan matriks probabilitas transisi usulan I dilakukan pada
status 4 merupakan pemeliharaan pada kondisi kerusakan berat. Dalam
proses ini akan diketahui matriks probabilitas steady state pada setiap
mesin.
Setealah itu matriks probabilitas steady state digunkan untuk
perhitungan analisa biaya pemeliharaan mesin secara korektif pada
usulan I (pemeliharaan pada status 4) merupakan biaya yang dikeluarkan
perusahaan dengan metode Markovian Decision Process. Dalam proses
perhitungan biaya ini akan diketahui jumlah biaya rata – rata ekpektasi
dari pemeliharaan mesin crane, mesin pompa air dan mesin sandblast
pada pemeliharaan usulan I.
Pemeliharaan Matriks Probabilitas Transisi Usulan II
Perhitungan matriks probabilitas transisi usulan II sesuai tindakan
yang dilakukan untuk menentukan probabilitas steady state jangka
panjang pada masing – masing mesin. Probabilitas pemeliharaan transisi
usulan 1 (P1) dimana perhitungan dilakukan pada pemeliharaan korektif
pada status 4 dan pemeliharaan preventif pada status 3. Probabilitas
pemeliharaan transisi usulan 2 (P2) dimana perhitungan dilakukan pada
pemeliharaan korektif pada status 3, 4 dan pemeliharaan preventif pada
status 2. Probabilitas pemeliharaan transisi usulan 3 (P3) dimana
perhitungan dilakukan pada pemeliharaan korektif pada status 4 dan
pemeliharaan preventif pada status 2, 3. Probabilitas pemeliharaan
transisi usulan 4 (P4) dimana perhitungan dilakukan pada pemeliharaan
korektif pada status 3, 4. Dalam proses ini akan diketahui matriks
probabilitas steady state pada setiap mesin berdasarkan tindakan/
kegiatan pemeliharaan (P1, P2, P3 dan P4).
Setealah itu matriks probabilitas steady state digunkan untuk
perhitungan analisa biaya pemeliharaan mesin sesuai dengan tindakan/
kegiatan pemeliharaan merupakan biaya yang dikeluarkan perusahaan
34
dengan metode Markovian Decision Process. Dalam proses perhitungan
biaya ini akan dipilih biaya yang paling rendah dari hasil perhitungan
biaya sesuai tindakan/ kegiatan pemeliharaan pada setiap mesin. Setelah
itu dapat diketahui biaya rata – rata ekpektasi dari pemeliharaan mesin
crane, mesin pompa air dan mesin sandblast pada pemeliharaan usulan II.
4. Tahap Analisis Hasil Pengolahan Data
Tahap selanjutnya adalah menganalisa hasil pengolahan data yang sudah
diperoleh menggunakan metode Markovian Decision Process dan Overall
Equipment Effectiveness (OEE) dengan menyusun kebijakan atau memilih
diantara dua usulan tersebut mana yang hasil perhitungan perencaaan
pemeliharaannya optimal dari segi biaya dan pemeliharaan mesin.
5. Tahap Penyelesaian
Setelah dilakukan analisa kemudian dapat ditarik kesimpulan dari hasil yang
menjadi jawaban dari tujuan penelitian. Selain itu juga memberikan saran yang
berguna untuk penelitian selanjutnya.
35
3.3. Jadwal Kegiatan Penelitian
Penelitian ini dilakukan selama 6 bulan sejak Januari 2019 sampai Juni 2019. Adapun detail dari jadwal kegiatan penelitian
dapat dilihat melalui bar chat berikut :
Tabel 3. 2 Jadwal Penelitian
NO KEGIATAN
BULAN
JANUARI FEBRUARI MARET APRIL MEI JUNI JULI
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2
1 Identifikasi Masalah
2 Studi Penelitian
3 Penyusunan Proposal TA
4 Pendaftaran Judul
Proposal TA
5 Sidang Proposal TA
6 Revisi Proposal TA
7 Pengumpulan Data
8 Pengolahan Data
8 Analisis Permasalahan
9 Progres TA
10 Penyusunan Laporan TA
11 Sidang TA
36
“Halaman ini sengaja dikosongkan”
37
BAB IV
HASIL DAN PENGOLAHAN DATA
4.1. Perhitungan Nilai Overall Effectiveness Equipment (OEE)
Overall Effectiveness Equipment (OEE) merupakan nilai yang
menunjukkan ukuran efektivitas mesin dalam suatu pabrik. Nilai OEE memiliki
empat tingkatan atau level yang menjelaskan kondisi suatu mesin. Nilai OEE
didapatkan dengan terlebih dahulu ditentukan nilai availability ratio, peformance
efficiency, dan quality efficiency.
4.1.1. Perhitungan Availability Ratio
Perhitungan availability ratio dilakukan berdasarkan ratio waktu
operation time terhadap loading time mesin. Data mesin yang diambil merupakan
data mesin crane, mesin pompa air dan mesin sandblast yang ada di PT.
Tambanganraya Permai.
4.1.1.1. Mesin Crane
Salah satu contoh perhitungan availability ratio pada bulan Januari 2018
mesin crane didapatkan dari Persamaan 2.2 yaitu:
jam/hari
jam/hari
Cara yang sama digunakan juga untuk menghitung availability ratio pada
mesin crane pada tahun 2018. Hasil perhitungan nilai availability ratio dapat
dilihat pada Tabel 4.1.
38
Tabel 4. 1 Availability Ratio Mesin Crane Tahun 2018
Bulan
Jumlah
Jam
Kerja
Tersedia
(jam)
Planned
Downtime
(jam)
Unplanned
Downtime
(jam)
Loading
Time
(jam)
Operation
Time
(jam)
Availability
Ratio
(%)
Januari 547 84 40 463 423 91,36
Februari 535 60 37 475 438 92,21
Maret 550 72 36 478 442 95,51
April 547 96 36 451 415 92,02
Mei 548 96 36 452 416 92,04
Juni 535 60 36,8 475 438,2 92,25
Juli 535 60 36,5 475 438,5 92,32
Agustus 535 60 36 475 439 92,42
September 550 72 36 478 442 92,47
Oktober 540 96 32 444 412 92,79
November 540 84 33 456 423 92,76
Desember 535 60 33 475 442 93,05
Sumber: Hasil Pengolahan Data
4.1.1.2. Mesin Pompa Air
Salah satu contoh perhitungan availability ratio pada bulan Januari 2018
mesin pompa air didapatkan dari Persamaan 2.2 yaitu:
jam/hari
jam/hari
Cara yang sama digunakan juga untuk menghitung availability ratio pada
mesin pompa air pada tahun 2018. Hasil perhitungan nilai availability ratio dapat
dilihat pada Tabel 4.2.
Tabel 4. 2 Availability Ratio Mesin Pompa Air Tahun 2018
Bulan
Jumlah
Jam
Kerja
Tersedia
(jam)
Planned
Downtime
(jam)
Unplanned
Downtime
(jam)
Loading
Time
(jam)
Operation
Time
(jam)
Availability
Ratio
(%)
Januari 547 84 36 463 427 92,22
Sumber: Hasil Pengolahan Data
39
Tabel 4. 2 Availability Ratio Mesin Pompa Air Tahun 2018 (Lanjutan)
Bulan
Jumlah
Jam
Kerja
Tersedia
(jam)
Planned
Downtime
(jam)
Unplanned
Downtime
(jam)
Loading
Time
(jam)
Operation
Time
(jam)
Availability
Ratio
(%)
Februari 535 60 37 475 438 92,21
Maret 550 72 38 478 440 92,05
April 547 96 36 451 415 92,02
Mei 548 84 40 464 424 91,38
Juni 535 60 37 475 438 92,21
Juli 535 60 36 475 439 92,42
Agustus 535 60 36 475 439 92,42
September 550 72 37 478 441 92,26
Oktober 540 96 33,5 444 410,5 92,45
November 540 84 34 456 422 92,54
Desember 535 60 35 475 440 92,63
Sumber: Hasil Pengolahan Data
4.1.1.3. Mesin Sandblast
Salah satu contoh perhitungan availability ratio pada bulan Januari 2018
mesin sandblast didapatkan dari Persamaan 2.2 yaitu:
jam/hari
jam/hari
Cara yang sama digunakan juga untuk menghitung availability ratio pada
mesin sandblast pada tahun 2018. Hasil perhitungan nilai availability ratio dapat
dilihat pada Tabel 4.3.
Tabel 4. 3 Availability Ratio Mesin Sandblast Tahun 2018
Bulan
Jumlah
Jam
Kerja
Tersedia
(jam)
Planned
Downtime
(jam)
Unplanned
Downtime
(jam)
Loading
Time
(jam)
Operation
Time
(jam)
Availability
Ratio
(%)
Januari 547 84 36 463 427 92,22
Februari 535 60 37 475 438 92,21
Sumber: Hasil Pengolahan Data
40
Tabel 4. 3 Availability Ratio Mesin Sandblast Tahun 2018 (Lanjutan)
Bulan
Jumlah
Jam
Kerja
Tersedia
(jam)
Planned
Downtime
(jam)
Unplanned
Downtime
(jam)
Loading
Time
(jam)
Operation
Time
(jam)
Availability
Ratio
(%)
Maret 550 72 38 478 440 92,05
April 547 96 36 451 415 92,02
Mei 548 84 40 464 424 91,38
Juni 535 72 37 463 426 92,01
Juli 535 72 36,7 463 426,3 92,07
Agustus 535 72 36,5 463 426,5 92,12
September 550 72 37 478 441 92,26
Oktober 540 96 32 444 412 92,79
November 540 84 33 456 423 92,76
Desember 535 72 35 463 428 92,44
Sumber: Hasil Pengolahan Data
4.1.2. Perhitungan Peformance Efficiency
Perhitungan peformance efficiency merupakan ratio yang mengambarkan
kemampuan dari mesin. Data mesin yang diambil merupakan data mesin mesin
crane, mesin pompa air dan mesin sandblast yang ada di PT. Tambanganraya
Permai.
4.1.2.1. Mesin Crane
Salah satu contoh perhitungan peformance efficiency pada bulan Januari 2018
mesin crane didapatkan dari Persamaan 2.3 yaitu:
Cara yang sama digunakan juga untuk menghitung peformance efficiency
pada mesin crane pada tahun 2018. Hasil perhitungan nilai peformance efficiency
dapat dilihat pada Tabel 4.4.
Tabel 4. 4 Peformance Efficiency Mesin Crane Tahun 2018
Bulan Target Kapal
(unit)
Ideal Cyle Time
(jam/unit)
Operation Time
(jam)
Peformance
Efficiency
(%)
Januari 4 96 423 90,78
Februari 4 96 438 87,67
Maret 4 96 442 86,88
April 4 96 415 92,53
Mei 4 96 416 92,31
Juni 4 96 438,2 87,63
Juli 4 96 438,5 87,57
Sumber: Hasil Pengolahan Data
41
Tabel 4. 4 Peformance Efficiency Mesin Crane Tahun 2018 (Lanjutan)
Bulan Target Kapal
(unit)
Ideal Cyle Time
(jam/unit)
Operation Time
(jam)
Peformance
Efficiency
(%)
Agustus 4 96 439 87,47
September 4 96 442 86,88
Oktober 4 96 412 93,20
November 4 96 423 90,78
Desember 4 96 442 86,88
Sumber: Hasil Pengolahan Data
4.1.2.2. Mesin Pompa Air
Salah satu contoh perhitungan peformance efficiency pada bulan Januari 2018
mesin pompa air didapatkan dari Persamaan 2.3 yaitu:
Cara yang sama digunakan juga untuk menghitung peformance efficiency
pada mesin pompa air pada tahun 2018. Hasil perhitungan nilai peformance
efficiency dapat dilihat pada Tabel 4.5.
Tabel 4. 5 Peformance Efficiency Mesin Pompa Air Tahun 2018
Bulan Target Kapal
(unit)
Ideal Cyle Time
(jam/unit)
Operation Time
(jam)
Peformance
Efficiency
(%)
Januari 4 96 427 89,93
Februari 4 96 438 87,67
Maret 4 96 440 87,27
April 4 96 415 92,53
Mei 4 96 424 90,57
Juni 4 96 438 87,67
Juli 4 96 439 87,47
Agustus 4 96 439 87,47
September 4 96 441 87,07
Oktober 4 96 410,5 93,54
November 4 96 422 91,00
Desember 4 96 440 87,27
Sumber: Hasil Pengolahan Data
4.1.2.3. Mesin Sandblast
Salah satu contoh perhitungan peformance efficiency pada bulan Januari 2018
mesin sandblast didapatkan dari Persamaan 2.3 yaitu:
42
Cara yang sama digunakan juga untuk menghitung peformance efficiency
pada mesin sandblast pada tahun 2018. Hasil perhitungan nilai peformance
efficiency dapat dilihat pada Tabel 4.6.
Tabel 4. 6 Peformance Efficiency Mesin Sandblast Tahun 2018
Bulan Target Kapal
(unit)
Ideal Cyle Time
(jam/unit)
Operation Time
(jam)
Peformance
Efficiency
(%)
Januari 4 96 427 89,93
Februari 4 96 438 87,67
Maret 4 96 440 87,27
April 4 96 415 92,53
Mei 4 96 424 90,57
Juni 4 96 426 90,14
Juli 4 96 426,3 90,08
Agustus 4 96 426,5 90,04
September 4 96 441 87,07
Oktober 4 96 412 93,20
November 4 96 423 90,78
Desember 4 96 428 89,72
Sumber: Hasil Pengolahan Data
4.1.3. Perhitungan Quality Efficiency
Perhitungan quality efficiency dilakukan berdasarkan ratio jumlah yang
baik terhadap total produk yang di proses. Data mesin yang diambil merupakan
data mesin mesin crane, mesin pompa air dan mesin sandblast yang ada di PT.
Tambanganraya Permai.
Dalam perhitungan quality efficiency mesin mesin crane, mesin pompa air
dan mesin sandblast sama dikarenakan ketiga mesin tersebut merupakan mesin
penunjang dalam proses repair kapal maka data target dan defect sama pada tahun
2018. Salah satu contoh perhitungan quality efficiency pada bulan Januari 2018
didapatkan dari Persamaan 2.4 yaitu:
Cara yang sama digunakan juga untuk menghitung quality efficiency pada
mesin pada tahun 2018. Hasil perhitungan nilai quality efficiency dapat dilihat
pada Tabel 4.7.
43
Tabel 4. 7 Quality Efficiency Mesin Crane, Mesin Pompa Air, Mesin Sandblast Tahun 2018
Bulan Target Kapal
(unit)
Defect
(unit)
Quality Efficiency
(%)
Januari 4 1 75
Februari 4 1 75
Maret 4 3 25
April 4 0 100
Mei 4 1 75
Juni 4 2 50
Juli 4 2 50
Agustus 4 2 50
September 4 3 25
Oktober 4 0 100
November 4 1 75
Desember 4 2 50
Sumber: Hasil Pengolahan Data
4.1.4. Nilai Overall Effectiveness Equipment (OEE)
Nilai overall effectiveness equipment (OEE) merupakan perkalian dari
nilai availability ratio, peformance efficiency, dan quality efficiency.
4.1.4.1. Mesin Crane
Salah satu contoh perhitungan overall effectiveness equipment (OEE) pada
bulan Januari 2018 mesin crane didapatkan dari Persamaan 2.1 yaitu:
Cara yang sama digunakan juga untuk menghitung overall effectiveness
equipment pada crane pada tahun 2018. Hasil perhitungan nilai overall
effectiveness equipment dapat dilihat pada Tabel 4.8.
Tabel 4. 8 Nilai Overall Effectiveness Equipment (OEE) Mesin Crane Tahun 2018
Bulan Availability Ratio
(%)
Peformance Efficiency
(%)
Quality Efficiency
(%)
OEE
(%)
Januari 91,36 90,78 75 62,2
Februari 92,21 87,67 75 60,63
Maret 95,51 86,88 25 20,74
April 92,02 92,53 100 85,14
Mei 92,04 92,31 75 63,71
Juni 92,25 87,63 50 40,43
Juli 92,32 87,57 50 40,42
Agustus 92,42 87,47 50 40,41
September 92,47 86,88 25 20,08
Oktober 92,79 93,20 100 86,49
November 92,76 90,78 75 63,16
Desember 93,05 86,88 50 40,42
Sumber: Hasil Pengolahan Data
44
4.1.4.2. Mesin Pompa Air
Salah satu contoh perhitungan overall effectiveness equipment (OEE) pada
bulan Januari 2018 mesin pompa air didapatkan dari Persamaan 2.1 yaitu:
Cara yang sama digunakan juga untuk menghitung overall effectiveness
equipment pada mesin pompa air pada tahun 2018. Hasil perhitungan nilai overall
effectiveness equipmentnya dapat dilihat pada Tabel 4.9.
Tabel 4. 9 Nilai Overall Effectiveness Equipment (OEE) Mesin Pompa Air Tahun 2018
Bulan
Availability
Ratio
(%)
Peformance
Efficiency
(%)
Quality
Efficiency
(%)
OEE
(%)
Januari 92,22 89,93 75 62,2
Februari 92,21 87,67 75 60,63
Maret 92,05 87,27 25 20,08
April 92,02 92,53 100 85,14
Mei 91,38 90,57 75 62,07
Juni 92,21 87,67 50 40,42
Juli 92,42 87,47 50 40,42
Agustus 92,42 87,47 50 40,42
September 92,26 87,07 25 20,08
Oktober 92,45 93,54 100 86,49
November 92,54 91,00 75 63,16
Desember 92,63 87,27 50 40,42
Sumber: Hasil Pengolahan Data
4.1.4.3. Mesin Sandblast
Salah satu contoh perhitungan overall effectiveness equipment (OEE) pada
bulan Januari 2018 mesin sandblast didapatkan dari Persamaan 2.1 yaitu:
Cara yang sama digunakan juga untuk menghitung overall effectiveness
equipment pada mesin sandblast pada tahun 2018. Hasil perhitungan nilai overall
effectiveness equipmentnya dapat dilihat pada Tabel 4.10.
Tabel 4. 10 Nilai Overall Effectiveness Equipment (OEE) Mesin Sandblast Tahun 2018
Bulan
Availability
Ratio
(%)
Peformance
Efficiency
(%)
Quality
Efficiency
(%)
OEE
(%)
Januari 92,22 89,93 75 62,2
Februari 92,21 87,67 75 62,63
Maret 92,05 87,27 25 20,08
Sumber: Hasil Pengolahan Data
45
Tabel 4. 10 Nilai Overall Effectiveness Equipment (OEE) Mesin Sandblast Tahun 2018 (Lanjutan)
Bulan
Availability
Ratio
(%)
Peformance
Efficiency
(%)
Quality
Efficiency
(%)
OEE
(%)
April 92,02 92,53 100 85,14
Mei 91,38 90,57 75 62,07
Juni 92,01 90,14 50 41,47
Juli 92,07 90,08 50 41,46
Agustus 92,12 90,04 50 41,45
September 92,26 87,07 25 20,08
Oktober 92,79 93,20 100 86,49
November 92,76 90,78 75 63,16
Desember 92,44 89,72 50 41,47
Sumber: Hasil Pengolahan Data
4.1.5. Penentuan State (Status) Mesin
Penentuan status mesin dilakukan berdasarkan nilai OEE dari masing-
masing mesin selama periode tahun 2018. Klasifikasi status mesin ini sudah
ditetapkan menjadi standart menurut Malik dan Hamsal pada Tabel 2.1.
4.1.5.1. Mesin Crane
Menentukan atau mengklasifikasikan state (status) mesin crane didasarkan
dari hasil perhitungan OEE yang telah dihitung pada Tabel 4.8. Hasil
mengklasifikasi state (status) mesin crane dapat dilihat pada Tabel 4.11.
Tabel 4. 11 Klasifikasi Status Mesin Crane Tahun 2018
Bulan OEE
(%) Status Keterangan
Januari 62,2 2 Kerusakan Ringan
Februari 60,63 2 Kerusakan Ringan
Maret 20,74 4 Kerusakan Berat
April 85,14 1 Baik
Mei 63,71 2 Kerusakan Ringan
Juni 40,43 3 Kerusakan Sedang
Juli 40,42 3 Kerusakan Sedang
Agustus 40,41 3 Kerusakan Sedang
September 20,08 4 Kerusakan Berat
Oktober 86,49 1 Baik
November 63,16 2 Kerusakan Ringan
Desember 40,42 3 Kerusakan Sedang
Sumber: Hasil Pengolahan Data
Berdasarkan tabel diatas menunjukan bahwa terdapat empat jenis status mesin
terjadi pada mesin crane selama tahun 2018, yaitu status baik, kerusakan ringan,
kerusakan sedang dan kerusakan berat. Oleh karena itu, pada tahap selanjutnya
data yang digunakan untuk perhitungan matriks Markovian Decision Process
melibatkan seluruh jenis status mesin.
46
4.1.5.2. Mesin Pompa Air
Menentukan atau mengklasifikasikan state (status) mesin pompa air
didasarkan dari hasil perhitungan OEE yang telah dihitung pada Tabel 4.9. Hasil
mengklasifikasi state (status) mesin pompa air dapat dilihat pada Tabel 4.12.
Tabel 4. 12 Klasifikasi Status Mesin Pompa Air Tahun 2018
Bulan OEE
(%) Status Keterangan
Januari 62,2 2 Kerusakan Ringan
Februari 60,63 2 Kerusakan Ringan
Maret 20,08 4 Kerusakan Berat
April 85,14 1 Baik
Mei 62,07 2 Kerusakan Ringan
Juni 40,42 3 Kerusakan Sedang
Juli 40,42 3 Kerusakan Sedang
Agustus 40,42 3 Kerusakan Sedang
September 20,08 4 Kerusakan Berat
Oktober 86,49 1 Baik
November 63,16 2 Kerusakan Ringan
Desember 40,42 4 Kerusakan Berat
Sumber: Hasil Pengolahan Data
Berdasarkan tabel diatas menunjukan bahwa terdapat empat jenis status mesin
terjadi pada mesin pompa air selama tahun 2018, yaitu status baik, kerusakan
ringan, kerusakan sedang dan kerusakan berat. Oleh karena itu, pada tahap
selanjutnya data yang digunakan untuk perhitungan matriks Markovian Decision
Process melibatkan seluruh jenis status mesin.
4.1.5.3. Mesin Sandblast
Menentukan atau mengklasifikasikan state (status) mesin sandblast
didasarkan dari hasil perhitungan OEE yang telah dihitung pada Tabel 4.10. Hasil
mengklasifikasi state (status) mesin sandblast dapat dilihat pada Tabel 4.13.
Tabel 4. 13 Klasifikasi Status Mesin Sandblast Tahun 2018
Bulan OEE
(%) Status Keterangan
Januari 62,2 2 Kerusakan Ringan
Februari 62,63 2 Kerusakan Ringan
Maret 20,08 4 Kerusakan Berat
April 85,14 1 Baik
Mei 62,07 2 Kerusakan Ringan
Juni 41,47 3 Kerusakan Sedang
Juli 41,46 3 Kerusakan Sedang
Agustus 41,45 3 Kerusakan Sedang
September 20,08 4 Kerusakan Berat
Oktober 86,49 1 Baik
Sumber: Hasil Pengolahan Data
47
Tabel 4. 13 Klasifikasi Status Mesin Sandblast Tahun 2018 (Lanjutan)
Bulan OEE
(%) Status Keterangan
November 63,16 2 Kerusakan Ringan
Desember 41,47 4 Kerusakan Sedang
Sumber: Hasil Pengolahan Data
Berdasarkan tabel diatas menunjukan bahwa terdapat empat jenis status mesin
terjadi pada mesin sandblast selama tahun 2018, yaitu status baik, kerusakan
ringan, kerusakan sedang dan kerusakan berat. Oleh karena itu, pada tahap
selanjutnya data yang digunakan untuk perhitungan matriks Markovian Decision
Process melibatkan seluruh jenis status mesin.
4.2. Perhitungan Matriks Markov dengan Metode Markovian Decision
Process
Proses perhitungan matriks markov dengan metode Markovian Decision
Process terdapat enam tahap perhitungan yang saling terkait satu sama lain, yaitu
penentuan data transisi status mesin, perhitungan jumlah transisi status mesin,
perhitungan probabilitas transisi status mesin, perhitungan matriks probabilitas
transisi usulan I, perhitungan matriks probabilitas transisi usulan II, perhitungan
biaya pemeliharaan usulan I dan II.
4.2.1. Penentuan Data Transisi State (Status) Mesin
Penentuan data transisi status mesin ini merupakan perubahan status
mesin dari suatu kondisi status ke kondisi status yang lain. Penentuan data transisi
status mesin ini didasarkan menurut Bambang Priambodo pada Tabel 2.3.
4.2.1.1. Mesin Crane
Penentuan data transisi status yang terjadi pada mesin crane didapat dari
penentuan status mesin crane yang telah dihitung pada Tabel 4.11. Hasil
penentuan data transisi status yang terjadi pada mesin crane pada tahun 2018
dapat dilihat pada Tabel 4.14.
Tabel 4. 14 Data Transisi Status Mesin Crane Tahun 2018
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
Januari 1
Sumber: Hasil Pengolahan Data
48
Tabel 4. 14 Data Transisi Status Mesin Crane Tahun 2018 (Lanjutan)
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
Februari 1
Maret 1
April 1
Mei 1
Juni 1
Juli 1
Agustus 1
September 1
Oktober 1
November 1
Desember 1
Sumber: Hasil Pengolahan Data
Keterangan:
B/B bulan januari = 0 (jumlah mesin Crane pada kondisi baik ke kondisi baik
terdapat 0 mesin).
B/Kr bulan januari = 1 (jumlah mesin Crane pada kondisi baik ke kondisi
kerusakan ringan terdapat 1 mesin).
B/Ks bulan januari = 0 (jumlah mesin Crane pada kondisi baik ke kondisi
kerusakan sedang terdapat 0 mesin).
B/Kb bulan januari = 0 (jumlah mesin Crane pada kondisi baik ke kondisi
kerusakan berat terdapat 0 mesin).
Kr/Kr bulan januari = 0 (jumlah mesin Crane pada kondisi kerusakan ringan ke
kondisi kerusakan ringan terdapat 0 mesin).
Kr/Ks bulan januari = 0 (jumlah mesin Crane pada kondisi kerusakan ringan ke
kondisi kerusakan sedang terdapat 0 mesin).
Kr/Kb bulan januari = 0 (jumlah mesin Crane pada kondisi kerusakan ringan ke
kondisi kerusakan berat terdapat 0 mesin).
Ks/Ks bulan januari = 0 (jumlah mesin Crane pada kondisi kerusakan sedang ke
kondisi kerusakan sedang terdapat 0 mesin).
Ks/Kb bulan januari = 0 (jumlah mesin Crane pada kondisi kerusakan sedang ke
kondisi kerusakan berat terdapat 0 mesin).
Kb/B bulan januari = 0 (jumlah mesin Crane pada kondisi kerusakan berat ke
kondisi baik terdapat 0 mesin).
Untuk selanjutnya keterangannya sama.
49
4.2.1.2. Mesin Pompa Air
Penentuan data transisi status yang terjadi pada mesin pompa air didapat dari
penentuan status mesin pompa air yang telah dihitung pada Tabel 4.12. Hasil
penentuan data transisi status yang terjadi pada mesin pompa air pada tahun 2018
dapat dilihat pada Tabel 4.15.
Tabel 4. 15 Data Transisi Status Mesin Pompa Air Tahun 2018
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
Januari 1
Februari 1
Maret 1
April 1
Mei 1
Juni 1
Juli 1
Agustus 1
September 1
Oktober 1
November 1
Desember 1
Sumber: Hasil Pengolahan Data
Keterangan:
B/B bulan januari = 0 (jumlah mesin Crane pada kondisi baik ke kondisi baik
terdapat 0 mesin).
B/Kr bulan januari = 0 (jumlah mesin Pompa Air pada kondisi baik ke kondisi
kerusakan ringan terdapat 0 mesin).
B/Ks bulan januari = 0 (jumlah mesin Pompa Air pada kondisi baik ke kondisi
kerusakan sedang terdapat 0 mesin).
B/Kb bulan januari = 0 (jumlah mesin Pompa Air pada kondisi baik ke kondisi
kerusakan berat terdapat 0 mesin).
Kr/Kr bulan januari = 1 (jumlah mesin Pompa Air pada kondisi kerusakan ringan
ke kondisi kerusakan ringan terdapat 1 mesin).
Kr/Ks bulan januari = 0 (jumlah mesin Pompa Air pada kondisi kerusakan ringan
ke kondisi kerusakan sedang terdapat 0 mesin).
Kr/Kb bulan januari = 0 (jumlah mesin Pompa Air pada kondisi kerusakan ringan
ke kondisi kerusakan berat terdapat 0 mesin).
50
Ks/Ks bulan januari = 0 (jumlah mesin Pompa Air pada kondisi kerusakan sedang
ke kondisi kerusakan sedang terdapat 0 mesin).
Ks/Kb bulan januari = 0 (jumlah mesin Pompa Air pada kondisi kerusakan sedang
ke kondisi kerusakan berat terdapat 0 mesin).
Kb/B bulan januari = 0 (jumlah mesin Pompa Air pada kondisi kerusakan berat
ke kondisi baik terdapat 0 mesin).
Untuk selanjutnya keterangannya sama.
4.2.1.3. Mesin Sandblast
Penentuan data transisi status yang terjadi pada mesin sandblast didapat dari
penentuan status mesin sandblast yang telah dihitung pada Tabel 4.13. Hasil
penentuan data transisi status yang terjadi pada mesin sandblast pada tahun 2018
dapat dilihat pada Tabel 4.16.
Tabel 4. 16 Data Transisi Status Mesin Sandblast Tahun 2018
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
Januari 1
Februari 1
Maret 1
April 1
Mei 1
Juni 1
Juli 1
Agustus 1
September 1
Oktober 1
November 1
Desember 1
Sumber: Hasil Pengolahan Data
Keterangan:
B/B bulan januari = 0 (jumlah mesin Sandblast pada kondisi baik ke kondisi
baik terdapat 0 mesin).
B/Kr bulan januari = 2 (jumlah mesin Sandblast pada kondisi baik ke kondisi
kerusakan ringan terdapat 2 mesin).
B/Ks bulan januari = 0 (jumlah mesin Sandblast pada kondisi baik ke kondisi
kerusakan sedang terdapat 0 mesin).
51
B/Kb bulan januari = 0 (jumlah mesin Sandblast pada kondisi baik ke kondisi
kerusakan berat terdapat 0 mesin).
Kr/Kr bulan januari = 0 (jumlah mesin Sandblast pada kondisi kerusakan ringan
ke kondisi kerusakan ringan terdapat 0 mesin).
Kr/Ks bulan januari = 0 (jumlah mesin Sandblast pada kondisi kerusakan ringan
ke kondisi kerusakan sedang terdapat 0 mesin).
Kr/Kb bulan januari = 0 (jumlah mesin Sandblast pada kondisi kerusakan ringan
ke kondisi kerusakan berat terdapat 0 mesin).
Ks/Ks bulan januari = 0 (jumlah mesin Sandblast pada kondisi kerusakan sedang
ke kondisi kerusakan sedang terdapat 0 mesin).
Ks/Kb bulan januari = 0 (jumlah mesin Sandblast pada kondisi kerusakan sedang
ke kondisi kerusakan berat terdapat 0 mesin).
Kb/B bulan januari = 0 (jumlah mesin Sandblast pada kondisi kerusakan berat ke
kondisi baik terdapat 0 mesin).
Untuk selanjutnya keterangannya sama.
4.2.2. Perhitungan Jumlah Transisi State (Status) Mesin Berdasarkan
Kondisi Mesin
Perhitungan jumlah transisi status mesin ini digunakan untuk
menentukan jumlah transisi status mesin yang berada pada empat kondisi, yaitu
baik, kerusakan ringan, kerusakan sedang, kerusakan berat.
4.2.2.1. Mesin Crane
Perhitungan jumlah transisi status mesin crane pada kondisi baik, kerusakan
ringan, kerusakan sedang dan kerusakan berat didapatkan dari hasil penentuan
data transisi status mesin crane pada Tabel 4. 14. Salah satu contoh jumlah transisi
status mesin crane pada bulan Januari 2018 didapatkan dengan rumus yang
terdapat pada Tabel 2.4 yaitu:
52
Menggunakan cara yang sama digunakan juga untuk menghitung jumlah
transisi status pada mesin crane pada tahun 2018. Hasil perhitungan jumlah
transisi status dapat dilihat pada Tabel 4.17.
Tabel 4. 17 Jumlah Transisi Status Mesin Crane Tahun 2018 pada Status Baik, Kerusakan Ringan,
Kerusakan Sedang, Kerusakan Berat
Bulan
Jumlah Transisi Status
Kondisi
Baik
Kondisi
Kerusakan
Ringan
Kondisi
Kerusakan
Sedang
Kondisi
Kerusakan Berat
Januari 1 0 0 0
Februari 0 1 0 0
Maret 0 1 0 0
April 0 0 0 1
Mei 1 0 0 0
Juni 0 1 0 0
Juli 0 0 1 0
Agustus 0 0 1 0
September 0 0 1 0
Oktober 0 0 0 1
November 1 0 0 0
Desember 0 1 0 0
Jumlah 3 4 3 2
Sumber: Hasil Pengolahan Data
Berdasarkan Tabel 4.17 jumlah transisi status mesin crane tahun 2018 pada
status baik sebanyak 3, pada status kerusakan ringan sebanyak 4, pada status
kerusakan sedang sebanyak 3, dan pada status kerusakan berat sebanyak 2. Pada
tahap selanjutnya jumlah transisi status mesin crane ini digunakan untuk
perhitungan probabilitas transisi mesin crane.
4.2.2.2. Mesin Pompa Air
Perhitungan jumlah transisi status mesin pompa air pada kondisi baik,
kerusakan ringan, kerusakan sedang dan kerusakan berat didapatkan dari hasil
penentuan data transisi status mesin pompa air pada Tabel 4. 15. Salah satu contoh
53
jumlah transisi status mesin pompa air pada bulan Januari 2018 didapatkan
dengan rumus yang terdapat pada Tabel 2.4 yaitu:
Menggunakan cara yang sama digunakan juga untuk menghitung jumlah
transisi status pada mesin pompa air pada tahun 2018. Hasil perhitungan jumlah
transisi status dapat dilihat pada Tabel 4.18.
Tabel 4. 18 Jumlah Transisi Status Mesin Pompa Air Tahun 2018 pada Status Baik, Kerusakan
Ringan, Kerusakan Sedang, Kerusakan Berat
Bulan
Jumlah Transisi Status
Kondisi
Baik
Kondisi
Kerusakan
Ringan
Kondisi
Kerusakan
Sedang
Kondisi
Kerusakan Berat
Januari 0 1 0 0
Februari 0 1 0 0
Maret 0 1 0 0
April 0 0 0 1
Mei 1 0 0 0
Juni 0 1 0 0
Juli 0 0 1 0
Agustus 0 0 1 0
September 0 0 1 0
Oktober 0 0 0 1
November 1 0 0 0
Desember 0 1 0 0
Jumlah 2 5 3 2
Sumber: Hasil Pengolahan Data
Berdasarkan Tabel 4.18 jumlah transisi status mesin pompa air tahun 2018
pada status baik sebanyak 3, pada status kerusakan ringan sebanyak 4, pada status
kerusakan sedang sebanyak 3, dan pada status kerusakan berat sebanyak 2. Pada
54
tahap selanjutnya jumlah transisi status mesin pompa air ini digunakan untuk
perhitungan probabilitas transisi mesin pompa air.
4.2.2.3. Mesin Sandblast
Perhitungan jumlah transisi status mesin sandblast pada kondisi baik,
kerusakan ringan, kerusakan sedang dan kerusakan berat didapatkan dari hasil
penentuan data transisi status mesin sandblast pada Tabel 4. 16. Salah satu contoh
jumlah transisi status mesin sandblast pada bulan Januari 2018 didapatkan dengan
rumus yang terdapat pada Tabel 2.4 yaitu:
Menggunakan cara yang sama digunakan juga untuk menghitung jumlah
transisi status pada mesin sandblast pada tahun 2018. Hasil perhitungan jumlah
transisi status dapat dilihat pada Tabel 4.19.
Tabel 4. 19 Jumlah Transisi Status Mesin Sandblast Tahun 2018 pada Status Baik, Kerusakan
Ringan, Kerusakan Sedang, Kerusakan Berat
Bulan
Jumlah Transisi Status
Kondisi
Baik
Kondisi
Kerusakan
Ringan
Kondisi
Kerusakan
Sedang
Kondisi
Kerusakan Berat
Januari 1 0 0 0
Februari 0 1 0 0
Maret 0 1 0 0
April 0 0 0 1
Mei 1 0 0 0
Juni 0 1 0 0
Juli 0 0 1 0
Sumber: Hasil Pengolahan Data
55
Tabel 4. 19 Jumlah Transisi Status Mesin Sandblast Tahun 2018 pada Status Baik, Kerusakan
Ringan, Kerusakan Sedang, Kerusakan Berat (Lanjutan)
Bulan
Jumlah Transisi Status
Kondisi
Baik
Kondisi
Kerusakan
Ringan
Kondisi
Kerusakan
Sedang
Kondisi
Kerusakan Berat
Agustus 0 0 1 0
September 0 0 1 0
Oktober 0 0 0 1
November 1 0 0 0
Desember 0 1 0 0
Jumlah 3 4 3 2
Sumber: Hasil Pengolahan Data
Berdasarkan Tabel 4.19 jumlah transisi status mesin sandblast tahun 2018
pada status baik sebanyak 3, pada status kerusakan ringan sebanyak 4, pada status
kerusakan sedang sebanyak 3, dan pada status kerusakan berat sebanyak 2. Pada
tahap selanjutnya jumlah transisi status mesin sandblast ini digunakan untuk
perhitungan probabilitas transisi mesin sandblast.
4.2.3. Pehitungan Probabilitas Transisi State (Status) Mesin
Melakukan perhitungan probabilitas transisi status mesin ini dengan
mengelola proporsi jumlah masing - masing mesin yang mengalami transisi
status, maka diperoleh probabilitas status mesin.
4.2.3.1. Mesin Crane
Perhitungan probabilitas transisi status mesin crane ini menggunakan hasil
dari penentuan data transisi status mesin crane pada Tabel 4.14 dan jumlah transisi
status mesin crane pada Tabel 4.17. Salah satu perhitungan probabilitas transisi
status mesin crane pada bulan Januari 2018 didapatkan dengan rumus dari
Persamaan 2.5 yaitu:
⁄ pada bulan Januari
∑
⁄ pada bulan Januari
∑
56
⁄ pada bulan Januari
∑
⁄ pada bulan Januari
∑
⁄ pada bulan Januari
∑
Selanjutnya untuk menghitung perhitungan probabilitas transisi status mesin
crane pada tahun 2018 menggunakan cara yang sama. Hasil perhitungan
probabilitas transisi status mesin crane dapat dilihat pada Tabel 4.20.
Tabel 4. 20 Pobabilitas Transisi Status Mesin Crane Tahun 2018
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
Januari 0
0 0 0 0 0 0 0 0
Februari 0 0 0 0
0 0 0 0 0
Maret 0 0 0 0 0 0
0 0 0
April 0 0 0 0 0 0 0 0 0
Mei 0
0 0 0 0 0 0 0 0
Juni 0 0 0 0 0
0 0 0 0
Juli 0 0 0 0 0 0 0
0 0
Agustus 0 0 0 0 0 0 0
0 0
September 0 0 0 0 0 0 0 0
0
Oktober 0 0 0 0 0 0 0 0 0
November 0
0 0 0 0 0 0 0 0
Sumber: Hasil Pengolahan Data
57
Tabel 4. 20 Pobabilitas Transisi Status Mesin Crane Tahun 2018 (Lanjutan)
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
Desember 0 0 0 0 0
0 0 0 0
∑ 0 0,99 0 0 0,25 0,5 0,25 0,67 0,33 1
Sumber: Hasil Pengolahan Data
Berdasarkan Tabel 4.20 probabilitas transisi status mesin crane pada kondisi
baik (B/B) sebesar 0, pada kondisi baik (B/Kr) sebesar 0,99, pada kondisi baik
(B/Ks) sebesar 0, kondisi baik (B/Kb) sebesar 0, pada kondisi kerusakan ringan
(Kr/Kr) sebesar 0,25, pada kondisi kerusakan ringan (Kr/Ks) sebesar 0,5, pada
kondisi kerusakan ringan (Kr/Kb) sebesar 0,25, pada kondisi kerusakan sedang
(Ks/Ks) sebesar 0,67, pada kondisi kerusakan sedang (Ks/Kb) sebesar 0,33 dan
pada kondisi kerusakan berat (Kb/B) sebesar 1. Pada tahap selanjutnya
perhitungan probabilitas transisi status mesin crane ini digunakan untuk
perhitungan matriks probabilitas transisi usulan I dan usulan II pada mesin crane.
4.2.3.2. Mesin Pompa Air
Perhitungan probabilitas transisi status mesin pompa air ini menggunakan
hasil dari penentuan data transisi status mesin pompa air pada Tabel 4.15 dan
jumlah transisi status mesin pompa air pada Tabel 4.18. Salah satu perhitungan
probabilitas transisi status mesin pompa air pada bulan Januari 2018 didapatkan
dengan rumus dari Persamaan 2.5 yaitu:
⁄ pada bulan Januari
∑
⁄ pada bulan Januari
∑
⁄ pada bulan Januari
∑
58
⁄ pada bulan Januari
∑
⁄ pada bulan Januari
∑
Selanjutnya untuk menghitung perhitungan probabilitas transisi status mesin
pompa air pada tahun 2018 menggunakan cara yang sama. Hasil perhitungan
probabilitas transisi status mesin pompa air dapat dilihat pada Tabel 4.21.
Tabel 4. 21 Pobabilitas Transisi Status Mesin Pompa Air Tahun 2018
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
Januari 0 0 0 0
0 0 0 0 0
Februari 0 0 0 0
0 0 0 0 0
Maret 0 0 0 0 0 0
0 0 0
April 0 0 0 0 0 0 0 0 0
Mei 0
0 0 0 0 0 0 0 0
Juni 0 0 0 0 0
0 0 0 0
Juli 0 0 0 0 0 0 0
0 0
Agustus 0 0 0 0 0 0 0
0 0
September 0 0 0 0 0 0 0 0
0
Oktober 0 0 0 0 0 0 0 0 0
November 0
0 0 0 0 0 0 0 0
Desember 0 0 0 0 0
0 0 0 0
∑ 0 1 0 0 0,4 0,4 0,2 0,67 0,33 1
Sumber: Hasil Pengolahan Data
59
Berdasarkan Tabel 4.21 probabilitas transisi status mesin pompa air pada
kondisi baik (B/B) sebesar 0, pada kondisi baik (B/Kr) sebesar 1, pada kondisi
baik (B/Ks) sebesar 0, kondisi baik (B/Kb) sebesar 0, pada kondisi kerusakan
ringan (Kr/Kr) sebesar 0,4, pada kondisi kerusakan ringan (Kr/Ks) sebesar 0,4,
pada kondisi kerusakan ringan (Kr/Kb) sebesar 0,2, pada kondisi kerusakan
sedang (Ks/Ks) sebesar 0,67, pada kondisi kerusakan sedang (Ks/Kb) sebesar 0,33
dan pada kondisi kerusakan berat (Kb/B) sebesar 1. Pada tahap selanjutnya
perhitungan probabilitas transisi status mesin pompa air ini digunakan untuk
perhitungan matriks probabilitas transisi usulan I dan usulan II pada mesin pompa
air.
4.2.3.3. Mesin Sandblast
Perhitungan probabilitas transisi status mesin sandblast ini menggunakan
hasil dari penentuan data transisi status mesin sandblast pada Tabel 4.16 dan
jumlah transisi status mesin sandblast pada Tabel 4.19. Salah satu perhitungan
probabilitas transisi status mesin sandblast pada bulan Januari 2018 didapatkan
dengan rumus dari Persamaan 2.5 yaitu:
⁄ pada bulan Januari
∑
⁄ pada bulan Januari
∑
⁄ pada bulan Januari
∑
⁄ pada bulan Januari
∑
60
⁄ pada bulan Januari
∑
Selanjutnya untuk menghitung perhitungan probabilitas transisi status mesin
sandblast pada tahun 2018 menggunakan cara yang sama. Hasil perhitungan
probabilitas transisi status mesin sandblast dapat dilihat pada Tabel 4.22.
Tabel 4. 22 Pobabilitas Transisi Status Mesin Sandblast Tahun 2018
Bulan
Status
B/
B
B/
Kr
B/
Ks
B/
Kb
Kr/
Kr
Kr/
Ks
Kr/
Kb
Ks/
Ks
Ks/
Kb
Kb/
B
Januari 0
0 0 0 0 0 0 0 0
Februari 0 0 0 0
0 0 0 0 0
Maret 0 0 0 0 0 0
0 0 0
April 0 0 0 0 0 0 0 0 0
Mei 0
0 0 0 0 0 0 0 0
Juni 0 0 0 0 0
0 0 0 0
Juli 0 0 0 0 0 0 0
0 0
Agustus 0 0 0 0 0 0 0
0 0
September 0 0 0 0 0 0 0 0
0
Oktober 0 0 0 0 0 0 0 0 0
November 0
0 0 0 0 0 0 0 0
Desember 0 0 0 0 0
0 0 0 0
∑ 0 0,99 0 0 0,25 0,5 0,25 0,67 0,33 1
Sumber: Hasil Pengolahan Data
Berdasarkan Tabel 4.22 probabilitas transisi status mesin sandblast pada
kondisi baik (B/B) sebesar 0, pada kondisi baik (B/Kr) sebesar 0,99, pada kondisi
baik (B/Ks) sebesar 0, kondisi baik (B/Kb) sebesar 0, pada kondisi kerusakan
ringan (Kr/Kr) sebesar 0,25, pada kondisi kerusakan ringan (Kr/Ks) sebesar 0,5,
pada kondisi kerusakan ringan (Kr/Kb) sebesar 0,25, pada kondisi kerusakan
sedang (Ks/Ks) sebesar 0,67, pada kondisi kerusakan sedang (Ks/Kb) sebesar 0,33
61
dan pada kondisi kerusakan berat (Kb/B) sebesar 1. Pada tahap selanjutnya
perhitungan probabilitas transisi status mesin sandblast ini digunakan untuk
perhitungan matriks probabilitas transisi usulan I dan usulan II pada mesin
sandblast.
4.2.4. Perhitungan Matriks Probabilitas Transisi Usulan I (P0)
Matriks probabilitas transisi usulan I (P0) ini merupakan pemeliharaan
pada kondisi kerusakan berat (status 4) untuk menentukan probabilitas steady
state untuk jangka panjang pada masing – masing mesin. Perhitungan matriks
probabilitas transisi usulan I (P0) ini didasarkan menurut Rochmoeljati pada Tabel
2.6.
4.2.4.1. Mesin Crane
Perhitungan matriks probabilitas transisi usulan I (P0) mesin crane pada tahun
2018 menggunakan hasil dari perhitungan probabilitas transisi status mesin crane
pada Tabel 4.20. Hasil perhitungan matriks probabilitas transisi usulan I (P0)
mesin crane dapat dilihat pada Tabel 4.23.
Tabel 4. 23 Matriks Probabilitas Usulan I Mesin Crane (P0) Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 0 0,25 0,5 0,25
3 0 0 0,67 0,33
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka panjang
probabilitas terjadi kerusakan dan dalam keadaan mapan (steady state) dapat
dihitung dari Persamaan 2.6 dengan menggunakan Tabel 4.23 sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
j i
62
Penyelesaian persamaan diatas sebagai berikut:
⁄
⁄
⁄
186
Tabel 4. 24 Probabilitas Steady State Mesin Crane Usulan I Tahun 2018
Kegiatan
Pemeliharaan
Probabilitas (P0)
Baik
(π1)
Kerusakan Ringan
(π2)
Kerusakan Sedang
(π3)
Keusakan Berat
(π4)
Crane 0,188 0,248 0,376 0,186
Sumber: Hasil Pengolahan Data
63
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan I mesin
crane (P0) pada tahun 2018 didapatkan probabilitas steady state mesin crane yang
terdapat pada Tabel 4.24. Probabilitas steady state mesin crane pada usulan I
(kegiatan pemeliharaan korektif pada kondisi kerusakan berat atau status 4) ini
memiliki peluang mesin crane dalam kondisi baik sebesar 0,188; peluang mesin
crane dalam kondisi kerusakan ringan sebesar 0,248; peluang mesin crane dalam
kondisi kerusakan sedang sebesar 0,376 dan peluang mesin crane dalam kondisi
kerusakan berat sebesar 0,186. Probabilitas steady state ini nanti digunakan untuk
perhitungan keputusan perencanaan pemeliharan mesin crane pada usulan I.
4.2.4.2. Mesin Pompa Air
Perhitungan matriks probabilitas transisi usulan I (P0) mesin pompa air pada
tahun 2018 menggunakan hasil dari perhitungan probabilitas transisi status mesin
pompa air pada Tabel 4.21. Hasil perhitungan matriks probabilitas transisi usulan
I (P0) mesin pompa air dapat dilihat pada Tabel 4.25.
Tabel 4. 25 Matriks Probabilitas Usulan I Mesin Pompa Air (P0) Tahun 2018
1 2 3 4
1 0 1 0 0
2 0 0,4 0,4 0,2
3 0 0 0,67 0,33
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka panjang
probabilitas terjadi kerusakan dan dalam keadaan mapan (steady state) dapat
dihitung dari Persamaan 2.6 dengan menggunakan Tabel 4.25 sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
j i
64
Penyelesaian persamaan diatas sebagai berikut:
⁄
⁄
⁄
Tabel 4. 26 Probabilitas Steady State Mesin Pompa Air Usulan I Tahun 2018
Kegiatan
Pemeliharaan
Probabilitas (P0)
Baik
(π1)
Kerusakan Ringan
(π2)
Kerusakan Sedang
(π3)
Keusakan Berat
(π4)
Pompa Air 0,175 0,292 0,355 0,177
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan I mesin
pompa air (P0) pada tahun 2018 didapatkan probabilitas steady state mesin pompa
65
air yang terdapat pada Tabel 4.26. Probabilitas steady state mesin pompa air pada
usulan I (kegiatan pemeliharaan korektif pada kondisi kerusakan berat atau status
4) ini memiliki peluang pompa air dalam kondisi baik sebesar 0,175; peluang
mesin pompa air dalam kondisi kerusakan ringan sebesar 0,292; peluang mesin
pompa air dalam kondisi kerusakan sedang sebesar 0,355 dan peluang mesin
pompa air dalam kondisi kerusakan berat sebesar 0,177. Probabilitas steady state
ini nanti digunakan untuk perhitungan keputusan perencanaan pemeliharan mesin
pompa air pada usulan I.
4.2.4.3. Mesin Sandblast
Perhitungan matriks probabilitas transisi usulan I (P0) mesin sandblast pada
tahun 2018 menggunakan hasil dari perhitungan probabilitas transisi status mesin
sandblast pada Tabel 4.22. Hasil perhitungan matriks probabilitas transisi usulan I
(P0) mesin sandblast dapat dilihat pada Tabel 4.27.
Tabel 4. 27 Matriks Probabilitas Usulan I Mesin Sandblast (P0) Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 0 0,25 0,5 0,25
3 0 0 0,67 0,33
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka panjang
probabilitas terjadi kerusakan dan dalam keadaan mapan (steady state) dapat
dihitung dari Persamaan 2.6 dengan menggunakan Tabel 4.27 sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
j i
66
Penyelesaian persamaan diatas sebagai berikut:
⁄
⁄
⁄
186
Tabel 4. 28 Probabilitas Steady State Mesin Sandblast Usulan I Tahun 2018
Kegiatan
Pemeliharaan
Probabilitas (P0)
Baik
(π1)
Kerusakan Ringan
(π2)
Kerusakan Sedang
(π3)
Keusakan Berat
(π4)
Sandblast 0,188 0,248 0,376 0,186
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan I mesin
sandblast (P0) pada tahun 2018 didapatkan probabilitas steady state mesin
sandblast yang terdapat pada Tabel 4.28. Probabilitas steady state mesin sandblast
67
pada usulan I (kegiatan pemeliharaan korektif pada kondisi kerusakan berat atau
status 4) ini memiliki peluang mesin sandblast dalam kondisi baik sebesar 0,188;
peluang mesin sandblast dalam kondisi kerusakan ringan sebesar 0,248; peluang
mesin sandblast dalam kondisi kerusakan sedang sebesar 0,376 dan peluang
mesin sandblast dalam kondisi kerusakan berat sebesar 0,186. Probabilitas steady
state ini nanti digunakan untuk perhitungan keputusan perencanaan pemeliharan
mesin sandblast pada usulan I.
4.2.5. Perhitungan Matriks Probabilitas Transisi Usulan II (P1, P2, P3, P4)
Matriks probabilitas transisi usulan II ini merupakan pemeliharaan yang
didapatkan sesuai dengan tindakan transisi usulan (P1, P2, P3, P4) untuk
menentukan probabilitas steady state untuk jangka panjang pada masing – masing
mesin.
4.2.5.1. Mesin Crane
1. P1 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif
pada ststus 3)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P1 mesin crane pada tahun 2018 menggunakan hasil dari
perhitungan probabilitas transisi status mesin crane pada Tabel 4.20 dan
didasarkan pada Tabel 2.7. Hasil perhitungan matriks probabilitas transisi
usulan II dengan tindakan transisi usulan P1 mesin crane dapat dilihat
pada Tabel 4.29.
Tabel 4. 29 Matriks Probabilitas Usulan II (P1) Mesin Crane Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 0 0,25 0,5 0,25
3 0 1 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.7 dengan menggunakan Tabel 4.29
sebagai berikut:
j i
68
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
Penyelesaian persamaan diatas sebagai berikut:
⁄
69
⁄
Tabel 4. 30 Probabilitas Steady State Mesin Crane Usulan II (P1)
Kegiatan
Pemeliharaan
Probabilitas (P1)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Crane 0,126 0,499 0,249 0,125
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin crane (P1) pada tahun 2018 didapatkan probabilitas steady state
mesin crane yang terdapat pada Tabel 4.30. Probabilitas steady state
mesin crane pada usulan II dengan tindakan P1 (kegiatan pemeliharaan
korektif pada status 4 dan pemeliharaan preventif pada ststus 3) ini
memiliki peluang crane dalam kondisi baik sebesar 0,126; peluang mesin
crane dalam kondisi kerusakan ringan sebesar 0,449; peluang mesin crane
dalam kondisi kerusakan sedang sebesar 0,249 dan peluang mesin crane
dalam kondisi kerusakan berat sebesar 0,125.
2. P2 (pemeliharaan korektif pada status 3,4 dan pemeliharaan
preventif pada status 2)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P2 mesin crane pada tahun 2018 menggunakan hasil dari
perhitungan probabilitas transisi status mesin crane pada Tabel 4.20 dan
didasarkan pada Tabel 2.8. Hasil perhitungan matriks probabilitas transisi
usulan II dengan tindakan transisi usulan P2 mesin crane dapat dilihat
pada Tabel 4.31.
70
Tabel 4. 31 Matriks Probabilitas Usulan II (P2) Mesin Crane Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 1 0 0 0
3 1 0 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.8 dengan menggunakan Tabel 4.31
sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
Penyelesaian persamaan diatas sebagai berikut:
⁄
Tabel 4. 32 Probabilitas Steady State Mesin Crane Usulan II (P2)
Kegiatan
Pemeliharaan
Probabilitas (P2)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Crane 1,01 0,999 0 0
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin crane (P2) pada tahun 2018 didapatkan probabilitas steady state
j i
71
mesin crane yang terdapat pada Tabel 4.32. Probabilitas steady state
mesin crane pada usulan II dengan tindakan P2 (kegiatan pemeliharaan
korektif pada status 3,4 dan pemeliharaan preventif pada ststus 2) ini
memiliki peluang crane dalam kondisi baik sebesar 1,01; peluang mesin
crane dalam kondisi kerusakan ringan sebesar 0,999; peluang mesin crane
dalam kondisi kerusakan sedang sebesar 0 dan peluang mesin crane dalam
kondisi kerusakan berat sebesar 0.
3. P3 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif
pada status 2,3)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P3 mesin crane pada tahun 2018 menggunakan hasil dari
perhitungan probabilitas transisi status mesin crane pada Tabel 4.20 dan
didasarkan pada Tabel 2.9. Hasil perhitungan matriks probabilitas transisi
usulan II dengan tindakan transisi usulan P3 mesin crane dapat dilihat
pada Tabel 4.33.
Tabel 4. 33Matriks Probabilitas Usulan II (P3) Mesin Crane Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 1 0 0 0
3 0 1 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.9 dengan menggunakan Tabel 4.33
sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
j i
72
Penyelesaian persamaan diatas sebagai berikut:
⁄
Tabel 4. 34 Probabilitas Steady State Mesin Crane Usulan II (P3)
Kegiatan
Pemeliharaan
Probabilitas (P3)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Crane 0,5 0,495 0 0,005
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin crane (P3) pada tahun 2018 didapatkan probabilitas steady state
mesin crane yang terdapat pada Tabel 4.34. Probabilitas steady state
mesin crane pada usulan II dengan tindakan P3 (kegiatan pemeliharaan
korektif pada status 4 dan pemeliharaan preventif pada ststus 2,3) ini
memiliki peluang crane dalam kondisi baik sebesar 0,5; peluang mesin
crane dalam kondisi kerusakan ringan sebesar 0,495; peluang mesin crane
dalam kondisi kerusakan sedang sebesar 0 dan peluang mesin crane dalam
kondisi kerusakan berat sebesar 0,005.
73
4. P4 (pemeliharaan korektif pada status 3, 4)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P4 mesin crane pada tahun 2018 menggunakan hasil dari
perhitungan probabilitas transisi status mesin crane pada Tabel 4.20 dan
didasarkan pada Tabel 2.10. Hasil perhitungan matriks probabilitas
transisi usulan II dengan tindakan transisi usulan P4 mesin crane dapat
dilihat pada Tabel 4.35.
Tabel 4. 35 Matriks Probabilitas Usulan II (P4) Mesin Crane Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 0 0,25 0,5 0,25
3 1 0 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.10 dengan menggunakan Tabel
4.35 sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
Penyelesaian persamaan diatas sebagai berikut:
⁄
j i
74
⁄
Tabel 4. 36 Probabilitas Steady State Mesin Crane Usulan II (P4)
Kegiatan
Pemeliharaan
Probabilitas (P4)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Crane 0,284 0,375 0,247 0,094
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin crane (P4) pada tahun 2018 didapatkan probabilitas steady state
mesin crane yang terdapat pada Tabel 4.36. Probabilitas steady state
mesin crane pada usulan II dengan tindakan P4 (kegiatan pemeliharaan
korektif pada status 3,4) ini memiliki peluang crane dalam kondisi baik
sebesar 0,284; peluang mesin crane dalam kondisi kerusakan ringan
sebesar 0,375; peluang mesin crane dalam kondisi kerusakan sedang
75
sebesar 0,247 dan peluang mesin crane dalam kondisi kerusakan berat
sebesar 0,094.
Tabel 4. 37 Probabilitas Steady State Mesin Crane Usulan II (P1, P2, P3, P4) Tahun 2018
Kegiatan
Pemeliharaan
Probabilitas
Baik
(π1)
Kerusakan Ringan
(π2)
Kerusakan Sedang
(π3)
Keusakan Berat
(π4)
P1 0,126 0,499 0,249 0,125
P2 1,01 0,999 0 0
P3 0,5 0,495 0 0,005
P4 0,284 0,375 0,247 0,094
Sumber: Hasil Pengolahan Data
Berdasarkan hasil dari perhitungan matriks probabilitas transisi usulan II
mesin crane tahun 2018 diatas, maka didapatkan probabilitas steady state mesin
crane yang terdapat pada Tabel 4.37. Probabilitas steady state mesin crane pada
usulan II ini dilakukan pemeliharaan sesuai dengan tidakan (P1, P2, P3, P4). Dapat
dilihat dari tabel tersebut peluang - peluang pemeliharaan mesin crane yang
dilakukan sesuai dengan tidakan pemeliharaan. Hasil dari probabilitas steady state
mesin crane ini nanti digunakan untuk menentukan kapan pemeliharaan mesin
crane harus dilakukan.
4.2.5.2. Mesin Pompa Air
1. P1 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif
pada status 3)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P1 mesin pompa air pada tahun 2018 menggunakan hasil
dari perhitungan probabilitas transisi status mesin pompa air pada Tabel
4.21 dan didasarkan pada Tabel 2.7. Hasil perhitungan matriks
probabilitas transisi usulan II dengan tindakan transisi usulan P1 mesin
pompa air dapat dilihat pada Tabel 4.38.
Tabel 4. 38 Matriks Probabilitas Usulan II (P1) Mesin Pompa Air Tahun 2018
1 2 3 4
1 0 1 0 0
2 0 0,4 0,4 0,2
3 0 1 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
j i
76
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.7 dengan menggunakan Tabel 4.38
sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
Penyelesaian persamaan diatas sebagai berikut:
⁄
77
⁄
Tabel 4. 39 Probabilitas Steady State Mesin Pompa Air Usulan II (P1)
Kegiatan
Pemeliharaan
Probabilitas (P1)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Pompa Air 0,111 0,555 0,222 0,111
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin pompa air (P1) pada tahun 2018 didapatkan probabilitas steady
state mesin pompa air yang terdapat pada Tabel 4.39. Probabilitas steady
state mesin pompa air pada usulan II dengan tindakan P1 (kegiatan
pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada
status 3) ini memiliki peluang pompa air dalam kondisi baik sebesar
0,111; peluang mesin pompa air dalam kondisi kerusakan ringan sebesar
0,555; peluang mesin pompa air dalam kondisi kerusakan sedang sebesar
0,222 dan peluang mesin pompa air dalam kondisi kerusakan berat
sebesar 0,111.
2. P2 (pemeliharaan korektif pada status 3,4 dan pemeliharaan
preventif pada status 2)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P2 mesin pompa air pada tahun 2018 menggunakan hasil
dari perhitungan probabilitas transisi status mesin pompa air pada Tabel
4.21 dan didasarkan pada Tabel 2.8. Hasil perhitungan matriks
78
probabilitas transisi usulan II dengan tindakan transisi usulan P2 mesin
pompa air dapat dilihat pada Tabel 4.40.
Tabel 4. 40 Matriks Probabilitas Usulan II (P2) Mesin Pompa Air Tahun 2018
1 2 3 4
1 0 1 0 0
2 1 0 0 0
3 1 0 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.8 dengan menggunakan Tabel 4.40
sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
Penyelesaian persamaan diatas sebagai berikut:
Tabel 4. 41 Probabilitas Steady State Mesin Pompa Air Usulan II (P2)
Kegiatan
Pemeliharaan
Probabilitas (P2)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Pompa Air 1 1 0 0
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin pompa air (P2) pada tahun 2018 didapatkan probabilitas steady
j i
79
state mesin pompa air yang terdapat pada Tabel 4.41. Probabilitas steady
state mesin pompa air pada usulan II dengan tindakan P2 (kegiatan
pemeliharaan korektif pada status 3,4 dan pemeliharaan preventif pada
status 2) ini memiliki peluang pompa air dalam kondisi baik sebesar 1;
peluang mesin pompa air dalam kondisi kerusakan ringan sebesar 1;
peluang mesin pompa air dalam kondisi kerusakan sedang sebesar 0 dan
peluang mesin pompa air dalam kondisi kerusakan berat sebesar 0.
3. P3 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif
pada ststus 2,3)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P3 mesin pompa air pada tahun 2018 menggunakan hasil
dari perhitungan probabilitas transisi status mesin pompa air pada Tabel
4.21 dan didasarkan pada Tabel 2.9. Hasil perhitungan matriks
probabilitas transisi usulan II dengan tindakan transisi usulan P3 mesin
pompa air dapat dilihat pada Tabel 4.42.
Tabel 4. 42 Matriks Probabilitas Usulan II (P3) Mesin Crane Tahun 2018
1 2 3 4
1 0 1 0 0
2 1 0 0 0
3 0 1 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.9 dengan menggunakan Tabel 4.42
sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
j i
80
Penyelesaian persamaan diatas sebagai berikut:
⁄
Tabel 4. 43 Probabilitas Steady State Mesin Pompa Air Usulan II (P3)
Kegiatan
Pemeliharaan
Probabilitas (P3)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Pompa Air 0,5 0,5 0 0
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin pompa air (P3) pada tahun 2018 didapatkan probabilitas steady
state mesin pompa air yang terdapat pada Tabel 4.43. Probabilitas steady
state mesin pompa air pada usulan II dengan tindakan P3 (kegiatan
pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada
status 2,3) ini memiliki peluang pompa air dalam kondisi baik sebesar 0,5;
peluang mesin pompa air dalam kondisi kerusakan ringan sebesar 0,5;
peluang mesin pompa air dalam kondisi kerusakan sedang sebesar 0 dan
peluang mesin pompa air dalam kondisi kerusakan berat sebesar 0.
81
4. P4 (pemeliharaan korektif pada status 3, 4)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P4 mesin pompa air pada tahun 2018 menggunakan hasil
dari perhitungan probabilitas transisi status mesin pompa air pada Tabel
4.21 dan didasarkan pada Tabel 2.10. Hasil perhitungan matriks
probabilitas transisi usulan II dengan tindakan transisi usulan P4 mesin
pompa air dapat dilihat pada Tabel 4.44.
Tabel 4. 44 Matriks Probabilitas Usulan II (P4) Mesin Pompa Air Tahun 2018
1 2 3 4
1 0 1 0 0
2 0 0,4 0,4 0,2
3 1 0 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.10 dengan menggunakan Tabel
4.44 sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
Penyelesaian persamaan diatas sebagai berikut:
⁄
j i
82
⁄
Tabel 4. 45 Probabilitas Steady State Mesin Pompa Air Usulan II (P4)
Kegiatan
Pemeliharaan
Probabilitas (P4)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Pompa Air 0,272 0,454 0,182 0,089
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin pompa air (P4) pada tahun 2018 didapatkan probabilitas steady
state mesin pompa air yang terdapat pada Tabel 4.45. Probabilitas steady
state mesin pompa air pada usulan II dengan tindakan P4 (kegiatan
pemeliharaan korektif pada status 3,4) ini memiliki peluang pompa air
dalam kondisi baik sebesar 0,272; peluang mesin pompa air dalam kondisi
kerusakan ringan sebesar 0,454; peluang mesin pompa air dalam kondisi
83
kerusakan sedang sebesar 0,182 dan peluang mesin pompa air dalam
kondisi kerusakan berat sebesar 0,089.
Tabel 4. 46 Probabilitas Steady State Mesin Pompa Air Usulan II (P1, P2, P3, P4) Tahun 2018
Kegiatan
Pemeliharaan
Probabilitas
Baik
(π1)
Kerusakan Ringan
(π2)
Kerusakan Sedang
(π3)
Keusakan Berat
(π4)
P1 0,111 0,555 0,222 0,111
P2 1 1 0 0
P3 0,5 0,5 0 0
P4 0,272 0,454 0,182 0,089
Sumber: Hasil Pengolahan Data
Berdasarkan hasil dari perhitungan matriks probabilitas transisi usulan II
mesin pompa air tahun 2018 didapatkan probabilitas steady state mesin pompa air
yang terdapat pada Tabel 4.46. Probabilitas steady state mesin pompa air pada
usulan II ini dilakukan pemeliharaan sesuai dengan tidakan (P1, P2, P3, P4). Dapat
dilihat dari tabel tersebut peluang - peluang pemeliharaan mesin pompa air yang
dilakukan sesuai dengan tidakan pemeliharaan. Hasil dari probabilitas steady state
mesin pompa air ini nanti digunakan untuk menentukan kapan pemeliharaan
mesin pompa air harus dilakukan.
4.2.5.3. Mesin Sandblast
1. P1 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif
pada status 3)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P1 mesin sandblast pada tahun 2018 menggunakan hasil
dari perhitungan probabilitas transisi status mesin sandblast pada Tabel
4.22 dan didasarkan pada Tabel 2.7. Hasil perhitungan matriks
probabilitas transisi usulan II dengan tindakan transisi usulan P1 mesin
sandblast dapat dilihat pada Tabel 4.47.
Tabel 4. 47 Matriks Probabilitas Usulan II (P1) Mesin Sandblast Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 0 0,25 0,5 0,25
3 0 1 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
j i
84
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.7 dengan menggunakan Tabel 4.47
sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
Penyelesaian persamaan diatas sebagai berikut:
⁄
85
⁄
Tabel 4. 48 Probabilitas Steady State Mesin Sandblast Usulan II (P1)
Kegiatan
Pemeliharaan
Probabilitas (P1)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Sandblast 0,126 0,499 0,249 0,125
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin sandblast (P1) pada tahun 2018 didapatkan probabilitas steady state
mesin sandblast yang terdapat pada Tabel 4.48. Probabilitas steady state
mesin sandblast pada usulan II dengan tindakan P1 (kegiatan
pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada
status 3) ini memiliki peluang sandblast dalam kondisi baik sebesar
0,126; peluang mesin sandblast dalam kondisi kerusakan ringan sebesar
0,499; peluang mesin sandblast dalam kondisi kerusakan sedang sebesar
0,249 dan peluang mesin sandblast dalam kondisi kerusakan berat sebesar
0,125.
2. P2 (pemeliharaan korektif pada status 3,4 dan pemeliharaan preventif
pada status 2)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P2 mesin sandblast pada tahun 2018 menggunakan hasil
dari perhitungan probabilitas transisi status mesin sandblast pada Tabel
4.22 dan didasarkan pada Tabel 2.8. Hasil perhitungan matriks
86
probabilitas transisi usulan II dengan tindakan transisi usulan P2 mesin
sandblast dapat dilihat pada Tabel 4.49.
Tabel 4. 49 Matriks Probabilitas Usulan II (P2) Mesin Sandblast Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 1 0 0 0
3 1 0 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.8 dengan menggunakan Tabel 4.49
sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
Penyelesaian persamaan diatas sebagai berikut:
⁄
j i
87
Tabel 4. 50 Probabilitas Steady State Mesin Sandblast Usulan II (P2)
Kegiatan
Pemeliharaan
Probabilitas (P2)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Sandblast 1,01 0,999 0 0
Sumber: Hasil Pengolahan Data
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin sandblast (P2) pada tahun 2018 didapatkan probabilitas steady state
mesin sandblast yang terdapat pada Tabel 4.50. Probabilitas steady state
mesin sandblast pada usulan II dengan tindakan P2 (kegiatan
pemeliharaan korektif pada status 3,4 dan pemeliharaan preventif pada
status 2) ini memiliki peluang sandblast dalam kondisi baik sebesar 1,01;
peluang mesin sandblast dalam kondisi kerusakan ringan sebesar 0.999;
peluang mesin sandblast dalam kondisi kerusakan sedang sebesar 0 dan
peluang mesin sandblast dalam kondisi kerusakan berat sebesar 0.
3. P3 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif
pada ststus 2,3)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P3 mesin sandblast pada tahun 2018 menggunakan hasil
dari perhitungan probabilitas transisi status mesin sandblast pada Tabel
4.22 dan didasarkan pada Tabel 2.9. Hasil perhitungan matriks
probabilitas transisi usulan II dengan tindakan transisi usulan P3 mesin
sandblast dapat dilihat pada Tabel 4.51.
Tabel 4. 51 Matriks Probabilitas Usulan II (P3) Mesin Sandblast Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 1 0 0 0
3 0 1 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.9 dengan menggunakan Tabel 4.51
sebagai berikut:
j i
88
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
Penyelesaian persamaan diatas sebagai berikut:
⁄
Tabel 4. 52 Probabilitas Steady State Mesin Sandblast Usulan II (P3)
Kegiatan
Pemeliharaan
Probabilitas (P3)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Sandblast 0,5 0,495 0 0,005
Sumber: Hasil Pengolahan Data
89
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin sandblast (P3) pada tahun 2018 didapatkan probabilitas steady state
mesin sandblast yang terdapat pada Tabel 4.52. Probabilitas steady state
mesin sandblast pada usulan II dengan tindakan P3 (kegiatan
pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada
status 2,3) ini memiliki peluang sandblast dalam kondisi baik sebesar 0,5;
peluang mesin sandblast dalam kondisi kerusakan ringan sebesar 0,495;
peluang mesin sandblast dalam kondisi kerusakan sedang sebesar 0 dan
peluang mesin sandblast dalam kondisi kerusakan berat sebesar 0,005.
4. P4 (pemeliharaan korektif pada status 3, 4)
Perhitungan matriks probabilitas transisi usulan II dengan tindakan
transisi usulan P4 mesin sandblast pada tahun 2018 menggunakan hasil
dari perhitungan probabilitas transisi status mesin sandblast pada Tabel
4.22 dan didasarkan pada Tabel 2.10. Hasil perhitungan matriks
probabilitas transisi usulan II dengan tindakan transisi usulan P4 mesin
sandblast dapat dilihat pada Tabel 4.53.
Tabel 4. 53 Matriks Probabilitas Usulan II (P4) Mesin Sandblast Tahun 2018
1 2 3 4
1 0 0,99 0 0
2 0 0,25 0,5 0,25
3 1 0 0 0
4 1 0 0 0
Sumber: Hasil Pengolahan Data
Setelah didapatkan matriks probailitas transisi diatas, dalam jangka
panjang probabilitas terjadi kerusakan dan dalam keadaan mapan (steady
state) dapat dihitung dari Persamaan 2.10 dengan menggunakan Tabel
4.53 sebagai berikut:
[
] [ ] [
]
Cacatan:
Maka akan didapatkan persamaan sebagai berikut:
j i
90
Penyelesaian persamaan diatas sebagai berikut:
⁄
⁄
Tabel 4. 54 Probabilitas Steady State Mesin Sandblast Usulan II (P4)
Kegiatan
Pemeliharaan
Probabilitas (P4)
Baik
(π1)
Kerusakan
Ringan
(π2)
Kerusakan
Sedang
(π3)
Keusakan
Berat
(π4)
Sandblast 0,327 0,432 0,216 0,026
Sumber: Hasil Pengolahan Data
91
Berdasarkan hasil perhitungan matriks probabilitas transisi usulan II
mesin sandblast (P4) pada tahun 2018 didapatkan probabilitas steady state
mesin sandblast yang terdapat pada Tabel 4.54. Probabilitas steady state
mesin sandblast pada usulan II dengan tindakan P4 (kegiatan
pemeliharaan korektif pada status 3,4) ini memiliki peluang mesin
sandblast dalam kondisi baik sebesar 0,327; peluang mesin sandblast
dalam kondisi kerusakan ringan sebesar 0,432; peluang mesin sandblast
dalam kondisi kerusakan sedang sebesar 0,216 dan peluang mesin
sandblast dalam kondisi kerusakan berat sebesar 0,026.
Tabel 4. 55 Probabilitas Steady State Mesin Sandblast Usulan II (P1, P2, P3, P4) Tahun 2018
Kegiatan
Pemeliharaan
Probabilitas
Baik
(π1)
Kerusakan Ringan
(π2)
Kerusakan Sedang
(π3)
Keusakan Berat
(π4)
P1 0,126 0,499 0,249 0,125
P2 1.01 0,999 0 0
P3 0,5 0,495 0 0,005
P4 0,327 0,432 0,216 0,026
Sumber: Hasil Pengolahan Data
Berdasarkan hasil dari perhitungan matriks probabilitas transisi usulan II
mesin sandblast tahun 2018 didapatkan probabilitas steady state mesin sandblast
yang terdapat pada Tabel 4.55. Probabilitas steady state mesin sandblast pada
usulan II ini dilakukan pemeliharaan sesuai dengan tidakan (P1, P2, P3, P4). Dapat
dilihat dari tabel tersebut peluang - peluang pemeliharaan mesin sandblast yang
dilakukan sesuai dengan tidakan pemeliharaan. Hasil dari probabilitas steady state
mesin sandblast ini nanti digunakan untuk menentukan kapan pemeliharaan mesin
sandblast harus dilakukan.
4.2.6. Perhitungan Biaya Pemeliharaan Usulan I dan Usulan II
Melakukan pehitungan biaya pemeliharaan mesin ini merupakan
pehitungan biaya pemeliharaan mesin yang didapatkan berdasarkan data waktu
pemeliharaan korektif dan preventif juga berdasarkan data biaya pemeliharaan
korektif dan preventif.
92
4.2.6.1. Pemeliharaan Usulan I (P0)
Melakukan perhitungan biaya pemeliharaan mesin usulan I (P0) ini dilakukan
dengan menghitung biaya pemeliharaan berdasarkan pemeliharaan korektif karena
pemeliharaan pada kondisi kerusakan berat (status 4) dan juga bedasarkan hasil
probabilitas steady state masing-masing mesin yang telah dihitung, maka akan
diperoleh biaya pemeliharaan masing-masing mesin dengan usulan I.
4.2.6.1.1. Mesin Crane
Perhitungan biaya pemeliharaan mesin crane ini menggunakan hasil dari
perhitungan probabilitas steady state mesin crane pada Tabel 4.24. Perhitungan
biaya pemeliharaan mesin crane tahun 2018 didapatkan dari perhitungan biaya
pemeliharaan korektif dengan Persamaan 2.12 dan biaya rata-rata ekspektasi
dengan Persamaan 2.13.
⁄
Berdasarkan hasil perhitungan diatas dapat diketahui biaya pemeliharaan
mesin crane yang dikeluarkan perusahaan menggunakan usulan I dengan kondisi
kerusakan berat (status 4) sebesar Rp 41.178.419.
4.2.6.1.2. Mesin Pompa Air
Perhitungan biaya pemeliharaan mesin pompa air ini menggunakan hasil dari
perhitungan probabilitas steady state mesin pompa air pada Tabel 4.26.
Perhitungan biaya pemeliharaan mesin pompa air tahun 2018 didapatkan dari
perhitungan biaya pemeliharaan korektif dengan Persamaan 2.12 dan biaya rata-
rata ekspektasi dengan Persamaan 2.13.
⁄
93
Berdasarkan hasil perhitungan diatas dapat diketahui biaya pemeliharaan
mesin crane yang dikeluarkan perusahaan menggunakan usulan I dengan kondisi
kerusakan berat (status 4) sebesar Rp 20.829.503.
4.2.6.1.3. Mesin Sandblast
Perhitungan biaya pemeliharaan mesin sandblast ini menggunakan hasil dari
perhitungan probabilitas steady state mesin sandblast pada Tabel 4.28.
Perhitungan biaya pemeliharaan mesin sandblast tahun 2018 didapatkan dari
perhitungan biaya pemeliharaan korektif dengan Persamaan 2.12 dan biaya rata-
rata ekspektasi dengan Persamaan 2.13.
⁄
Berdasarkan hasil perhitungan diatas dapat diketahui biaya pemeliharaan
mesin sandblast yang dikeluarkan perusahaan menggunakan usulan I dengan
kondisi kerusakan berat (status 4) sebesar Rp 61.078.080.
Setelah dilakukan perhitungan biaya pemeliharaan usulan I pada masing-
masing mesin maka diperoleh total biaya pemeliharaan mesin yang dikeluarkan
perusahaan menggunakan usulan I sebesar Rp 123.086.003.
94
4.2.6.2. Pemeliharaan Usulan II (P1, P2, P3, P4)
Melakukan perhitungan biaya pemeliharaan mesin usulan II ini dilakukan
dengan menghitung biaya pemeliharaan berdasarkan pemeliharaan korektif dan
preventif dan juga bedasarkan hasil probabilitas steady state masing-masing mesin
sesuai dengan tindakan transisi usulan (P1, P2, P3, P4) yang telah dihitung, maka
akan diperoleh biaya pemeliharaan masing-masing mesin dengan usulan II.
4.2.6.2.1. Mesin Crane
Perhitungan biaya pemeliharaan mesin crane ini menggunakan hasil dari
perhitungan probabilitas steady state mesin crane pada Tabel 4.37. Perhitungan
biaya pemeliharaan mesin crane tahun 2018 didapatkan dari perhitungan biaya
pemeliharaan preventif dan korektif dengan Persamaan 2.11 dan Persamaan 2.12
dan juga biaya rata-rata ekspektasi dengan Persamaan 2.13.
⁄
⁄
P1 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada status
3)
P2 (pemeliharaan korektif pada status 3,4 dan pemeliharaan preventif pada
status 2)
P3 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada status
2,3)
95
P4 (pemeliharaan korektif pada status 3,4)
Berdasarkan hasil perhitungan diatas didapatkan biaya rata-rata ekpektasi
yang paling rendah terletak pada tindakan pemeliharaan usulan P1 (pemeliharaan
korektif pada status 4 dan pemeliharaan preventif pada status 3). Maka dapat
diketahui biaya pemeliharaan mesin crane yang dikeluarkan perusahaan
menggunakan usulan II dengan pemeliharaan korektif pada status 4 dan
pemeliharaan preventif pada status 3 sebesar Rp 66.667.069.
4.2.6.2.2. Mesin Pompa Air
Perhitungan biaya pemeliharaan mesin pompa air ini menggunakan hasil dari
perhitungan probabilitas steady state mesin pompa air pada Tabel 4.46.
Perhitungan biaya pemeliharaan mesin pompa air tahun 2018 didapatkan dari
perhitungan biaya pemeliharaan preventif dan korektif dengan Persamaan 2.11
dan Persamaan 2.12 dan juga biaya rata-rata ekspektasi dengan Persamaan 2.13.
⁄
⁄
P1 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada status
3)
P2 (pemeliharaan korektif pada status 3,4 dan pemeliharaan preventif pada
status 2)
96
P3 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada status
2,3)
P4 (pemeliharaan korektif pada status 3,4)
Berdasarkan hasil perhitungan diatas didapatkan biaya rata-rata ekpektasi
yang paling rendah terletak pada tindakan pemeliharaan usulan P4 (pemeliharaan
korektif pada status 3,4). Maka dapat diketahui biaya pemeliharaan mesin pompa
air yang dikeluarkan perusahaan menggunakan usulan II dengan pemeliharaan
korektif pada status 3,4 sebesar Rp 31.891.500.
4.2.6.2.3. Mesin Sandblast
Perhitungan biaya pemeliharaan mesin sandblast ini menggunakan hasil dari
perhitungan probabilitas steady state mesin sandblast pada Tabel 4.55.
Perhitungan biaya pemeliharaan mesin sandblast tahun 2018 didapatkan dari
perhitungan biaya pemeliharaan preventif dan korektif dengan Persamaan 2.11
dan Persamaan 2.12 dan juga biaya rata-rata ekspektasi dengan Persamaan 2.13.
⁄
⁄
P1 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada status
3)
97
P2 (pemeliharaan korektif pada status 3,4 dan pemeliharaan preventif pada
status 2)
P3 (pemeliharaan korektif pada status 4 dan pemeliharaan preventif pada status
2,3)
P4 (pemeliharaan korektif pada status 3,4)
Berdasarkan hasil perhitungan diatas didapatkan biaya rata-rata ekpektasi
yang paling rendah terletak pada tindakan pemeliharaan usulan P4 (pemeliharaan
korektif pada status 3,4). Maka dapat diketahui biaya pemeliharaan mesin
sandblast yang dikeluarkan perusahaan menggunakan usulan II dengan
pemeliharaan korektif pada status 3,4 sebesar Rp 79.467.180.
Setelah dilakukan perhitungan biaya pemeliharaan usulan II pada masing-
masing mesin maka diperoleh total biaya pemeliharaan mesin yang dikeluarkan
perusahaan menggunakan usulan II sebesar Rp 178.025.748.
98
4.3. Analisis Hasil dan Pembahasan
Proses analisis hasil dan pembahasan ini akan diketahui penghematan
biaya dan perencanaan pemeliharaan mesin dengan menggunakan hasil
perhitungan biaya pemeliharaan dengan usulan I dan usulan II.
4.3.1. Penghematan Biaya Pemeliharaan
Setelah menghitung biaya rata-rata ekspektasi pemeliharaan usulan I dan
biaya rata-rata ekspektasi pemeliharaan terendah dari pemeliharaan usulan II pada
keadaan steady state dari Januari sampai Desember 2018 untuk keseluruahan
mesin repair kapal yang dididentifikasi, maka diperoleh penghematan biaya
pemeliharaan mesin yang dapat dilihat pada Tabel 4.56.
Tabel 4. 56 Penghematan Biaya Pemliharaan Mesin
Total Biaya
Pemeliharaan Mesin
(Crane, Pompa Air,
Sandblast)
Penghematan
(dari kondisi
perusahaan tahun
2018)
Penghematan
(dari kondisi
perusahaan tahun
2018 dalam %)
Biaya pemeliharaan
kondisi perusahaan Rp 1.892.593.600
Ekspektasi biaya
pemeliharaan
usulan I
Rp 123.086.003 Rp. 1.121.546.447 50,1%
Ekspektasi biaya
pemeliharaan
usulan II
Rp 178.025.748 Rp 1.066.606.702 45,7%
Sumber: Hasil Pengolahan Data
99
Berdasarkan Tabel 4.56 dapat diketahui penghematan biaya
pemeliharaan sebesar Rp. 1.121.546.447 untuk usulan I dan Rp 1.066.606.702
untuk usulan II atau jika dipresentasikan sebesar 50,1% untuk usulan I dan 45,7%
usulan II. Jadi dari hasil tersebut pemeliharaan usulan I menggunakan metode
Markovian Decision Proses yang lebih dapat menghemat biaya pemeliharaan
mesin dari biaya pemeliharaan yang sudah dikeluarkan oleh perusahaan.
4.3.2. Perencanaan Pemeliharaan Mesin
Pemeliharaan kerusakan mesin crane, mesin pompa air dan mesin
sandblast pada kondisi perusahaan dalam 1 tahun memerlukan waktu 1300 jam
didapat dari penjumlahan waktu total pemeliharaan korektif untuk mesin crane,
mesin pompa air dan mesin sandblast. Selain itu memerlukan biaya pemeliharaan
sebesar Rp 1.244.632.450 dengan 12 bulan masa kerja selama 1 tahun.
4.3.2.1. Perencanaan Pemeliharaan Mesin Usulan I
Pemeliharaan mesin yang diidentifikasi untuk kondisi perusahaan dan
pemeliharaan usulan I menggunakan metode Markovian Decision Process selama
1 tahun memerlukan waktu sebagai berikut, dihitung dengan Persamaan 2.14:
Jadi pemeliharaan mesin membutuhkan waktu selama 129 jam dan membutuhkan
biaya pemeliharaan sebesar Rp 123.086.003 dengan pemeliharaan usulan I.
Perencanaan penjadwalan pemeliharaan masing-masing mesin dapat dihitung
dengan Persamaan 2.14 dan Persamaan 2.15 sebagai berikut:
A. Perencanaan jadwal pemeliharaan untuk mesin crane
100
Jadi pemeliharaan dilakukan setiap:
B. Perencanaan jadwal pemeliharaan untuk mesin pompa air
Jadi pemeliharaan dilakukan setiap:
C. Perencanaan jadwal pemeliharaan untuk mesin sandblast
Jadi pemeliharaan dilakukan setiap:
4.3.2.2. Perencanaan Pemeliharaan Mesin Usulan II
Pemeliharaan mesin yang diidentifikasi untuk kondisi perusahaan dan
pemeliharaan usulan II menggunakan metode Markovian Decision Process
selama 1 tahun memerlukan waktu sebagai berikut, dihitungn dengan Persamaan
2.14:
Jadi pemeliharaan mesin membutuhkan waktu selama 186 jam dan membutuhkan
biaya pemeliharaan sebesar Rp 178.025.748 dengan pemeliharaan usulan II.
101
Perencanaan penjadwalan pemeliharaan masing-masing mesin dapat dihitung
dengan Persamaan 2.14 dan Persamaan 2.15 sebagai berikut:
A. Perencanaan jadwal pemeliharaan untuk mesin crane
Jadi pemeliharaan dilakukan setiap:
B. Perencanaan jadwal pemeliharaan untuk mesin pompa air
Jadi pemeliharaan dilakukan setiap:
C. Perencanaan jadwal pemeliharaan untuk mesin sandblast
Jadi pemeliharaan dilakukan setiap:
102
Tabel 4. 57 Perencanaan Pemeliharaan Mesin
Total Waktu Pemeliharaan
Mesin
(Crane, Pompa Air, Sandblast
dalam 1 Tahun)
Perencanaan Pemeliharaan Mesin
Crane Pompa
Air Sandblast
Perencanaan
pemeliharaan
mesin kondisi
perusahaan
1300 jam
Perencanaan
pemeliharaan
mesin usulan I
129 jam 43 jam
(0,4 bulan)
43 jam
(0,4 bulan)
43 jam
(0,4 bulan)
Perencanaan
pemeliharaan
mesin usulan II
186 jam 62 jam
(0,6 bulan)
62 jam
(0,6 bulan)
62 jam
(0,6 bulan)
Sumber: Hasil Pengolahan Data
Berdasarkan Tabel 4.57 dapat diketahui perencanaan pemeliharaan mesin
dalam 1 tahun membutuhkan waktu selama 129 jam untuk usulan I dan 186 jam
untuk usulan II. Jadi dari hasil tersebut pemeliharaan usulan I menggunakan
metode Markovian Decision Process yang lebih dapat menghemat waktu
pemeliharaan mesin dari biaya pemeliharaan yang sudah dikeluarkan oleh
perusahaan.
103
BAB V
PENUTUP
5.1. Kesimpulan
Berdasarkan pengolahan data dan pembahasan yang dilakukan pada Bab
IV, maka kesimpulan yang dapat diambil dalam penelitian ini adalah sebagai
berikut:
1. Transisi status pada mesin Crane, mesin Pompa Air dan mesin Sandblast di
PT. Tambanganraya Permai berdasarkan kriteria kondisi mesin dengan
metode Overall Equipment Effectiveness terdapat empat jenis status mesin
pada masing – masing mesin yang terjadi selama tahun 2018, yaitu status
baik, kerusakan ringan, kerusakan sedang dan kerusakan berat. Rata-rata
Mesin Crane sering mengalami kerusakan ringan, rata-rata Mesin Pompa Air
sering mengalami kerusakan sedang, dan rata-rata Mesin Sandblast sering
mengalami kerusakan berat.
2. Waktu pemeliharaan mesin repair kapal pada PT. Tambanganraya Permai
yang tepat dan baik dilakukan perawatan dengan metode Markovian Decision
Process usulan I setiap 43 jam untuk mesin Crane, 43 jam untuk mesin
Pompa Air dan 43 jam untuk mesin Sandblast untuk mencegah terjadinya
kerusakan.
3. Biaya pemeliharaan mesin repair kapal pada PT. Tambanganraya Permai
adalah menggunakan metode Markovian Decision Process usulan I sebesar
Rp 123.086.003 dimana lebih hemat dari biaya pemeliharaan perusahaan
sebesar Rp. 1.121.546.447 atau 50,1%.
5.2. Saran
Berdasarkan hasil penelitian dan juga kesimpulan yang telah diuraikan,
maka penulis memberikan saran yakni:
1. Untuk perusahaan PT. Tambanganraya Permai sebaiknya mempertimbangkan
untuk menerapkan metode Markovian Decision Process usulan I dalam
104
perencanaan pemeliharaan mesin agar waktu dan biaya yang dikeluarkan
untuk pemeliharaan mesin lebih tepat dan baik.
2. Untuk peniliti selanjutnya yang ingin meneruskan penelitian ini bisa
menambah metode penelitian agar pemeliharaan mesin lebih baik lagi dengan
menghitung nilai keandalan mesin, membreakdown masing - masing
komponen kritis pada setiap mesin.
105
DAFTAR PUSTAKA
Andriani, M. N., Firdaniza, & Iin, I. (2017). Reabilitas Suatu Mesin
Menggunakan Rantai Markov (Studi Kasus: Mesin Proofer di Pabrik Roti
Super Jam Banten). Jurnal Matematika Integratif Vol.13, No.01, pp.41-
47.
Ansori, N., & Mustajib, M. (2013). Sistem Perawatan Terpadu. Graha Ilmu,
Yogyakarta.
Asgara, B. Y., & Hartono, G. (2014). Analisis Efektifitas Mesin Overhead Crane
dengan Metode Overall Equipment Efektiveness (OEE) di PT. BTU, Divisi
Boarding Bridge. INASEA Vol.15, No.01, pp.62 -70.
Assauri, S. (2008). Manajemen Produksi dan Operasi Edisi Revisi 2008.
Penerbit Fakultas Ekonomi Universitas Indonesia, Jakarta.
Erni, N., & Benny, W. (2011). Usulan Penerapan Teori Markov dalam
Pengambilan Keputusan Perawatan Tahunan pada PT. Pupuk Kijang.
Jurnal Inovasi Vol.07, No.01, pp.56-63.
Hariani, L. I., R, Renanda. N., & Setiawan, T. A. (2012). Analisis Nilai Efektivitas
Mesin Injection Moulding Type ARB-1007 Menggunakan Metode Overall
Equipment Effectiveness (OEE). pp.290-298.
Malik, N. A., & Hamsal, M. (2013). Pengukuran Kinerja Operasional Melalui
Implementasi Total Produktive Maintenance di PT. XYZ. Journal of
Business and Enterprenuership Vol.01, No.02, pp.51-73.
Manesi, D. (2015). Penerapan Preventif Maintenance untuk Meningkatkan
Kinerja Fasilitas Praktik Laboratorium Prodi Pendidikan Teknik Mesin
Udana. Jurnal Teknologi FST Udana Vol.03, No.04, pp.9-17.
Petrus, A., Effendi, U., & Effendi, M. (2014). Penerpan Metode Markovian
Decision Proses dan Overall Equipment Effectiveness untuk Menentukan
Kebijakan Perawatan Mesin Produksi di PTPN XII (Persero) Bantaran-
Blitar.
Priambodo, B. (2018). Minimalisasi Biaya Maintenance Lift Menggunakan
Metode Markov. pp.12-16.
106
Pudji, E., & Ilma, F. (2012). Perencanaan Pemeliharaan Mesin dengan
Menggunakan Metode Markov Chain untuk Mengurangi Biaya
Pemeliharaan di PT. Pholips Indonesia. Prosiding Seminar Nasional
Aplikasi Sains & Teknologi (SNASI) PERIODE III Yogyakarta,
pp.45-54.
Rochmoeljati, R. (2012). Perencanaan Perawatan Mesin Menggunakan Metode
Markov Chain untuk Meminimumkan Biaya Perawatan. Jurnal Teknik
Industri FTI UPNV Jatim, pp.63-74.
Rully, T., & Putri, C. F. (2015). Analisa Kebijakan Pemeliharaan Mesin dalam
Rangka Meminimumkan Biaya Pemeliharaan pada PT. Paramount Bed
Indonesia. Jurnal Ilmiah Manajemen Fakultas Ekonomi Vol.01, No.02,
pp.86-93.
117
LAMPIRAN
Lampiran 1: Data Jenis Dan Jumlah Mesin Repair Kapal
No Jenis Mesin Repair Kapal Jumlah
1 Pompa Air 1
2 Crane 1
3 Generator Sandblast 2
118
POMPA AIR
Engine:
Brand: MITSUBISHI 6DB
Type: OHV 4 stroke engine
Starter: Recoil
Cylinder Number: Single
Ignition Sysmte: Transistor
Max. Output: 6 HP
Lubrication Oil Capacity: 0,6 L
CRANE
Mitsubishi
Typ : 6 DB 10P
Construction :Engine
Year :1995
ID :M3727
Serial / Chassisnr :151450
Extras :Used
SANDBLAST
Status :Checked
Make :Boge
Model :S100-2
Motor KW :75.0
Max Bar :10.0
119
Lampiran 2: Data Downtime Mesin Repair Kapal di PT. Tambanganraya Permai
Tahun 2018
120
121
122
Lampiran 3: Jumlah Jam Kerja yang Tersedia di PT. Tambanganraya Permai
123
Lampiran 4: Data Jumlah Kapal Repair di PT. Tambanganraya Permain Tahun 2018
No. Nama Kapal Naik dok Turun dok
1 KM. F 31-Des-17 13-Jan-18
2 KM. H VIII 13-Jan-18 23-Jan-18
3 KM. SM I 23-Jan-18 29-Jan-18
4 KM. TS 29-Jan-18 07-Feb-18
5 KM. PI 07-Feb-18 15-Feb-18
6 KM. C 1 15-Feb-18 25-Feb-18
7 KM. BS I 25-Feb-18 13-Mar-18
8 KM. HB 13-Mar-18 24-Mar-18
9 KM. GD 24-Mar-18 04-Apr-18
10 KM. SN 11 04-Apr-18 13-Apr-18
11 KM. KN 13-Apr-18 21-Apr-18
12 KM. MK I 21-Apr-18 28-Apr-18
13 KM. BM 79 28-Apr-18 12-Mei-18
14 KM. LB16 12-Mei-18 24-Mei-18
15 KM. P 24-Mei-18 30-Mei-18
16 KM. MM 30-Mei-18 05-Jun-18
17 KM. IM 05-Jun-18 12-Jun-18
18 KM. TA 12-Jun-18 01-Jul-18
19 KM. S XXVII 01-Jul-18 12-Jul-18
20 KM. LD 12-Jul-18 11-Agu-18
124
No. Nama Kapal Naik dok Turun dok
21 11-Agu-18 12-Agu-18
22 KM. T 12-Agu-18 29-Agu-18
23 KM. S 89 SANDAR
24 KM. PK SANDAR
25 KM. B 10 29-Agu-18 07-Sep-18
26 KM. SP 07-Sep-18 15-Sep-18
27 KM. TB 15-Sep-18 25-Sep-18
28 KM. AP 25-Sep-18 07-Okt-18
29 KM. RS 07-Okt-18 21-Okt-18
30 KM. BM 21-Okt-18 01-Nov-18
31 KM. WM 3 01-Nov-18 19-Nov-18
32 KM. TX 2 19-Nov-18 03-Des-18
33 KM. MP 03-Des-18 10-Des-18
125
Lampiran 5: Data Biaya Pemeliharaan di PT. Tambanganraya Permai Tahun 2018
126
127
Lampiran 6 : Perkiraan Biaya Downtime Perbaikan dan Percegahan di PT.
Tambanganraya Permai
128
BIODATA PENULIS
Sintia Novilia Putri dilahirkan di Blitar pada tanggal 13
November 1996 dari ayah Nur Eko Sulistyo dan ibu Dewi
Lestari. Penulis adalah putri kedua dari tiga bersaudara.
Tahun 2015 penulis lulus dari SMA Negeri 1 Srengat dan
pada tahun itu juga penulis melanjutkan pendidikan di
perguruan tinggi, tepatnya di Politeknik Perkapalan Negeri
Surabaya (PPNS) Jurusan Teknik Bangunan Kapal
Program Studi D4 – Manajemen Bisnis. Selama mengikuti
perkuliahan penulis pernah menjadi Panitia Pemilihan
Umum Pusat “Pemilihan Umum Raya CAPRESBEM 2017 PPNS”, Sekretaris Divisi
Dagri HMMBM (Himpunan Mahasiswa Manajemen Bisnis Maritim). Dan juga
penulis pernah mengikuti pubilkasi jurnal Daya Saing Jurnal Ekonomi Manajemen
Surber Daya di NCMAB Surakarta pada tahun 2018. Selain itu penulis juga pernah
melakukan On The Job Training (OJT) di Teminal Nilam Utara dan PT.
Tambanganraya Permai yang berlokasi di Perak, Surabaya. Penulis menyelesaikan
kuliah pada tahun 2019.
E-mail: [email protected]