00 Atribut.pmd


Fesa Putra Kristianto & Bobby O.P. Soepangkat, Penentuan Interval Waktu Pemeliharaan Pencegahan
pada Peralatan Sub-Unit RKC 3 di PTX Pabrik Tuban

8989

Penentuan Interval Waktu Pemeliharaan Pencegahan pada Peralatan
Sub-Unit RKC 3 di PTX Pabrik Tuban

Fesa Putra Kristianto, Bobby O.P. Soepangkat
Program Pascasarjana Magister Manajemen Teknologi ITS

Bidang Keahlian Manajemen Industri
e-mail: pputra139@gmail.com, bops_1994@me.its.ac.id

Abstract: PT X Tuban Plant has four plants (unit), namely Tuban I, Tuban II, Tuban III and Tuban IV.
Each unit plant has three sub units, i.e., Crusher Operations Sub-Unit, Raw Mill, Kiln and Coal Mill
(RKC) Sub-Unit and Finish Mill Sub-Unit. RKC 3 Sub-Unit in Tuban III has the highest number of
equipment downtime and production loss. Therefore, it was necessary to optimize the time interval
of preventive maintenance ( ) and total labor force as part of the company maintenance policy,
which would also fulfill the required reliability and availability of RKC 3 Sub-Unit. There were two
steps in determining T

p
 optimum. The first step was to obtain the best distribution of the time

between failures (TBF) and time to repair (TTR). The next step was to iterate the operating time (T
i
)

and T
p
 to determine the minimum preventive maintenance cost rate, reliability and maintainability.

This iteration was applied to sub-units of RKC 3 that possesses a series system. T
p
 at the lowest rate

of maintenance costs was the optimum T
p
. The optimum T

p
 for RKC 3 Sub-Unit is 3743,28 hour.

The preventive maintenance cost rate for optimum T
p
 is Rp33.100/hour and the reliability and

availability of sub unit are 96,7% and 99,86% respectively.Keywords: reliability, availability, pre-
ventive maintenance cost rate, and preventive maintenance.

Keywords: keandalan, ketersediaan, laju biaya pemeliharaan pencegahan

PENDAHULUAN

PT X adalah perusahaan pembuat semen
terbesar di Indonesia. Proses produksi di PT X
menggunakan proses produksi kontinu. Setiap
industri yang beroperasi secara kontinu harus
memelihara peralatan-peralatan produksinya
secara efektif agar waktu operasi pabrik dapat
mendekati bahkan mencapai kapasitas rancang-
annya (Nguyen, 2008). Kapasitas produksi PT
X mencapai 39.452 ton pe hari, apabila PT X
kehilangan waktu produksi akan menyebabkan
peningkatan oppor tunity loss sebesar Rp
821.917.808,00 per jam (Annual Report PT X,
2015).

PT X Pabrik Tuban memiliki empat unit
plant, yaitu Unit Tuban I, Unit Tuban II, Unit
Tuban III, dan Unit Tuban IV. Semua unit plant
di PT X Pabrik Tuban menggunakan proses

kering untuk memproduksi semen. Skema alur
proses pembuatan semen di PT X ditunjukkan
oleh Gambar 1. Proses pembuatan semen me-
merlukan bahan baku utama, bahan baku koreksi
1 dan bahan baku koreksi 2. Bahan baku utama
yang digunakan adalah batu kapur (lime stone)
dan tanah liat (clay). Bahan baku koreksi 1
yaitu copper slag dan pasir silika. Bahan baku
koreksi 2 yaitu gypsum (Duda, 1985).

Satu unit plant di PT X Pabrik Tuban
tersusun oleh tiga sub-unit, yaitu Sub-Unit Ope-
rasi Crusher, Sub-Unit Raw Mill, Kiln dan Coal
Mill (RKC) dan Sub-Unit Finish Mill. Proses
produksi semen di PT X Pabrik Tuban memiliki
dua penyangga produksi. Penyangga produksi
yang pertama adalah berada di antara Sub-Unit
Operasi Crusher dan Sub-Unit RKC dan yang
kedua berada di antara Sub-Unit RKC dan Sub-



Business and Finance Journal, Volume 2, No. 2, October 2017

90

Unit Finish Mill. Dengan adanya penyangga

produksi di masing-masing unit maka produksi

semen tidak sepenuhnya kontinu. Pemilihan Sub-

Unit RKC sebagai objek penelitian didasarkan

pada pertimbangan bahwa Sub-Unit RKC adalah

unit di mana terdapat reaksi kimia pembuatan

semen dan memiliki kerugian terbesar akibat

emergency downtime.

Setiap unit plant di PT X pabrik Tuban

memiliki satu Sub-Unit RKC sehingga secara

keseluruhan terdapat empat Sub-Unit RKC, yaitu

RKC 1, RKC 2, RKC 3 dan RKC 4. Penelitian

ini hanya menggunakan tiga Sub-Unit tanpa

RKC 4 dikarenakan RKC 4 baru beroperasi

pada tahun 2013. Ketiga Sub-Unit ini mempunyai

rangkaian alat yang sama akan tetapi plant yang

berbeda sehingga dilakukan pembandingan

terhadap data frekuensi kegagalan, jumlah down

time, biaya pemeliharaan dan kerugian produksi.

Tabel 1 menunjukkan pembandingan dari ketiga

Sub-Unit RKC untuk periode bulan Januari 2010

hingga bulan Juli 2016. Dari hasil pembandingan,

jumlah down time dan biaya terbesar terdapat

di RKC 3 sehingga RKC 3 dipilih sebagai objek

penelitian.

Sejauh ini, ada beberapa metode penentuan

interval waktu pemeliharaan pencegahan yang

sudah diketahui dan diimplementasikan. Salah

satunya adalah dengan melakukan optimasi in-

terval waktu pemeliharaan pencegahan (Jardine,

1970). M. Mahdavi (2008) melakukan penelitian

untuk menentukan kebijakan interval penggan-

tian komponen yang paling optimal dengan meng-

gunakan model keputusan sederhana untuk me-

maksimalkan keandalan sistem. Rakhmad (2011)

melakukan iterasi T
i
 dan T

p
 untuk meningkatkan

Gambar 1 Diagram Alir Proses Produksi Semen PT X

No. Sub-Unit 
Frekuensi 
Kegagalan 

Jumlah Down 
Time (Jam) 

Biaya Pemeliharaan Kerugian Produksi 

1 RKC 1 371 2.329 Rp 326.061.687.094 Rp 213.121.288.800 

2 RKC 2 319 2.199 Rp 284.612.481.697 Rp 211.441.245.400 

3 RKC 3 375 2.984 Rp 363.616.357.570 Rp 215.169.248.000 

 

Tabel 1 Frekuensi Kegagalan, Jumlah Down Time, Biaya Pemeliharaan dan Kerugian Produksi dari Bulan Januari
2010 sampai dengan Bulan Juli 2016 di Sub-Unit RKC

Sumber: Data down time, biaya produksi dan biaya pemeliharaan dari bulan Januari 2010 sampai
dengan bulan Juli 2016



Fesa Putra Kristianto & Bobby O.P. Soepangkat, Penentuan Interval Waktu Pemeliharaan Pencegahan
pada Peralatan Sub-Unit RKC 3 di PTX Pabrik Tuban

91

keandalan sistem minimum hingga 74% dan

penghematan biaya pemeliharaan juga dapat

ditingkatkan menjadi 139,9 USD/hari dari 145,7

USD/hari. Sutanto (2011) melakukan optimasi

laju biaya pemeliharaan pencegahan sehingga

didapatkan penghematan laju biaya pemeliharaan

pencegahan pada packer PT ISM Bogasari sebe-

sar 14,6%.

Dengan mengacu pada hasil penelitian ter-

dahulu, maka dilakukan penentuan interval wak-

tu pemeliharaan pencegahan yang dapat memi-

nimumkan laju biaya pemeliharaan pencegahan

serta keandalan dan ketersediaan yang ditetap-

kan oleh perusahaan.

KAJIAN PUSTAKA

Fungsi Keandalan

Keandalan didefinisikan sebagai probabilitas

dari suatu komponen atau sistem untuk dapat

melakukan fungsi yang telah ditetapkan menurut

konteks pengoperasian (Tsang dan Jardine,

2005), lingkungan dan periode waktu yang telah

ditentukan. Parameter distribusi, fungsi keandal-

an, mean time between failure (MTBF), dan

mean time to repair (MTTR) terhadap distribusi

weibull 2 dan weibull 3 (Ebeling, 1997) ditun-

jukkan pada Tabel 2.

Pemodelan Sistem Seri

Peralatan yang dimodelkan dengan sistem

seri dapat menjalankan fungsinya jika semua

komponen dalam sistem tersebut beroperasi.

Apabila salah satu komponen dalam sistem tidak

beroperasi akibat kegagalan, keseluruhan sistem

akan mengalami kegagalan. Blok diagram dari

tiga komponen seri pertama, kedua, dan berikut-

nya ditunjukkan pada Gambar 2.

Macam Distribusi Weibull 2 Weibull 3 

Parameter Distribusi η = parameter skala (scale 
parameter), η > 0 

β = parameter bentuk (shape 
parameter), β > 0 

η = parameter skala (scale parameter), 
η > 0 

β = parameter bentuk (shape 
parameter) 

γ = parameter lokasi (location 
parameter)  

Keandalan 

 

 

MTBF 
MTBF = )1

1
( +Γ
β

η  

Γ = fungsi gamma 

 
Γ = fungsi gamma 

MTTR 

 
Γ = fungsi gamma 

 
Γ = fungsi gamma 

 

Tabel 2 Fungsi Padat Peluang, Keandalan, MTBF, dan MTTR



Business and Finance Journal, Volume 2, No. 2, October 2017

92

5. Jika T
i
 < T

p
, maka sub sub sistem mengalami

kerusakan atau T
i
 = T

fi
, sehingga harus

dilakukan perbaikan selama T
cmi

.

6. Pengulangan langkah 3 sampai 5 sesuai de-

ngan jumlah total run yang digunakan.

7. Pengulangan langkah 2 sampai 6 dengan

nilai T
p
 yang berbeda-beda.

8. Pembuatan kurva laju biaya pemeliharaan

dan T
p
 seperti yang diilustrasikan pada Gam-

bar 3.

Biaya pemeliharaan didapatkan dengan per-

samaan berikut.

�� = �



dengan

Gambar 2 Model Sistem Seri

Optimasi Interval Waktu Pemeliharaan Pence-

gahan

Keandalan dan maintainability alat atau

sistem dapat diiterasi dengan menggunakan ran-

dom number yang dihasilkan dari fungsi RAND

() di perangkat lunak Microsoft Excel. Fitur ini

dapat digunakan untuk menghasilkan bilangan

acak antara 0 dan 1.

Langkah iterasi T
i
 dan T

p
 pada sistem seri

adalah sebagai berikut (Laggoune dkk., 2009):

1. Penetapan parameter-parameter keandalan

yang akan digunakan.

2. Penetapan nilai pertama dari T
p
.

3. Penentuan dua kelompok random number,

Rand
1
() untuk iterasi T

i
 dan Rand

2
() untuk

iterasi T
cmi

.

4. Jika T
i
 > T

p
, maka sub sub sistem tidak

mengalami kerusakan atau T
i
 = T

pmi
, namun

tetap dilakukan pemeliharaan pencegahan

selama T
pmi

.

i = Subskrip (i) untuk sub-
sistem 

 

= Interval waktu 
pemeliharaan pencegahan 
sub-sistem (i) 

r = Subskrip (r) untuk run 
 

= Lama perbaikan sub-sistem 
(i) run (i) 

N = Total percobaan 
 

= Lama operasi sub-sistem (i) 

g = Superskrip (g), indikator 
gagal 

 

=  

s = Superskrip (s). indikator 
sukses 

 

= Keandalan sub-sistem 

 

= Biaya pemeliharaan 
pencegahan sub-unit (i) 

 

= Ketersediaan sub-sistem 

 

= Biaya perbaikan sub-unit 
(i) 

 

= Laju biaya pemeliharaan 
sub sistem (i) 

 

= Waktu hidup sub-sistem 
(i) pada run ke (r) 

�����  = Biaya loss oppotunity 
 

Gambar 3 Alur Iterasi  dan  Secara Berurutan Sesuai dengan Pola Pemeliharaan Pencegahan

Multi-Komponen (Giani, 2006)



Fesa Putra Kristianto & Bobby O.P. Soepangkat, Penentuan Interval Waktu Pemeliharaan Pencegahan
pada Peralatan Sub-Unit RKC 3 di PTX Pabrik Tuban

93

 START

1)  Jumlah N =1000
2) Tentukan interval 
pemeliharaan pencegahan (Tp)
3) Cpm dan Ccm (komponen)
4) Jumlah tenaga kerjaParameter -parameter keandalan dan 

maintainability komponen.

Generate bilangan Acak (Random Number)

1) F(t) = Randi() 
2) TBF(i) = fTBF(Randi())
3) Tops(F) = If (TBF < Tp, Tf, Tp); → gagal
4) Tops(S) = If (TBF > Tp, Ts,  f(Randj()); → sukses
5) Tcm = fTTR (Randj())
6) Tpm = MTTR x 0,25
7) TS = If (TBF = Tops (S))
8) Tf = If (TBF = Tops (F))
9) TO pr = Tf + Ts
10) Tjam = Topr + Tpm + Tcm
11) R (Tp) = R(Tp) MTBF terkecil dari sub-sub unit
12) Ketersediaan = TO pr / Tjam

Kerjakan sebanyak N setiap siklus di atas

Catatan: 
Tops = lama waktu beroperasi , F=gagal, S=sukses
Tcm = lama waktu pemeliharaan perbaikan
Tpm = lama waktu pemeliharaan pencegahan

Biaya pemeliharaan pada setiap Tp

C(Tpi) = (Ccm x Jumlah gagal + CpM x Jumlah sukses + (Tpm + Tcm x biaya tenaga kerja /jam) 
+ (Tcm +Tpm x loss opportunity /Jam))

Tjam

Pilih Min dari semua Tp yang dilakukan

Untuk Tpi
berikut

Tp lain

1) Plot C(Tp) dan Tp,  R dan Tp dan A dan Tp
2) Tentukan Tp yang mendapatkan C(Tp) minimal

STOP

No

Yes

Gambar 4 Diagram Alir Iterasi T
i
 dan T

p
 untuk Sub-Unit



Business and Finance Journal, Volume 2, No. 2, October 2017

94

METODOLOGI PENELITIAN

Berikut ini adalah tahapan-tahapan yang
dilakukan untuk menentukan interval waktu
pemeliharaan pencegahan dengan laju biaya mi-
nimum adalah sebagai berikut.
1. Tahap yang pertama adalah menentukan Sub-

Unit penyusun Sub-Unit RKC 3, kemudian
membuat diagram Pareto untuk menentukan
komponen-komponen penyebab kegagalan
dari Sub-Unit penyusun Sub-Unit RKC 3.

2. Tahap kedua adalah melakukan ANAVA
untuk data waktu antar kegagalan atau time
between failure (TBF) dan waktu perbaikan
atau time to repair (TTR). Tahap ini ber-
tujuan untuk memperoleh jumlah data TBF
dan TTR setiap Sub-Sub-Unit masing-masing
sebanyak lebih dari 20 data dan berasal dari
populasi yang sama.

3. Tahap ketiga adalah tahap penilaian keandal-
an. Pada tahap ini dilakukan penentuan dis-
tribusi dan parameter dari data waktu antar-
kegagalan dan waktu perbaikan yang telah
didapatkan. Selanjutnya dapat ditentukan
fungsi padat peluang waktu antar-kegagalan,
fungsi keandalan, fungsi padat peluang waktu
perbaikan dan fungsi maintainability.

4. Tahap keempat adalah tahap penentuan inter-
val waktu pemeliharaan pencegahan dengan
menggunakan iterasi T

i
 dan T

p
. Gambar 4

menunjukkan diagram alir iterasi T
i
 dan T

p
.

HASIL PENELITIAN DAN PEMBAHASAN

Sub-Unit RKC 3 disusun oleh 15 Sub-Unit
yang tersusun secara seri seperti ditunjukkan
pada Gambar 5.

Gambar 5 Sub-Unit Peralatan Penyusun Sub-Unit
RKC 3

Untuk menentukan komponen penyusun
sub-unit, maka dibuat diagram Pareto dari fre-
kuensi kegagalan komponen sub-unit. Dari hasil
diagram Pareto tersebut diambil 20% komponen
penyebab kegagalan yang mengakibatkan 80%
kegagalan sub-unit. Gambar 6 menunjukkan dia-
gram Pareto dari komponen sub-unit reclaimer.

Gambar 6 Diagram Pareto Komponen Sub-Unit
Reclaimer

Dari Gambar 6 didapatkan tiga komponen
yang menyebabkan 80% kegagalan sub-unit.
Komponen-komponen tersebut adalah harraw
dengan frekuensi kegagalan sebanyak 24 kali,
roll dengan frekuensi kegagalan sebanyak 20



Fesa Putra Kristianto & Bobby O.P. Soepangkat, Penentuan Interval Waktu Pemeliharaan Pencegahan
pada Peralatan Sub-Unit RKC 3 di PTX Pabrik Tuban

95

kali dan rel chain dengan frekuensi kegagalan

sebanyak 7 kali. Langkah yang sama dilakukan

untuk 14 sub-unit lainnya. Tabel 3 menunjukkan

hasil diagram Pareto untuk menentukan kom-

ponen penyusun Sub-Sub-Unit.

Tabel 3 Hasil Diagram Pareto untuk Penentuan
Komponen-Komponen Penyusun Sub-Sub-Unit

Penggabungan data TBF dan TTR dari RKC

1, RKC 2 dan RKC 3 dilakukan berdasarkan

hasil ANAVA. Apabila data TBF dan TTR dari

RKC 1, RKC 2 dan RKC 3 dapat dianggap

berasal dari populasi yang sama, maka dapat

dilakukan penggabungan data sehingga jumlah

data yang akan ditentukan distribusi dan para-

meternya menggunakan perangkat lunak Weibull

++6 bisa lebih dari 20 data. Hipotesis dari

ANAVA adalah:

H
o
: .

H
1
: Paling sedikit ada satu yang berbeda.

Pada Tabel 4 ditampilkan hasil ANAVA

Sub-Unit RKC dari data waktu antar kegagalan

dan waktu perbaikan komponen sub-unit dengan

tingkat signifikansi 5%.

Tabel 4 Hasil ANAVA Sub-Unit RKC dari Data Waktu
Antar Kegagalan dan Waktu Perbaikan Komponen

Sub-Unit dengan Tingkat Signifikansi 5%

Setelah didapatkan komponen-komponen

penyebab kegagalan dari sub-unit, maka dapat

dihitung TBF dan TTR dari masing-masing

komponen sub-unit. Akan tetapi sub unit RKC

3 hanya memiliki 7 sampai 9 data untuk data

TBF dan TTR komponen sub-unit. Oleh karena

itu, dilakukan analisis variansi (ANAVA) untuk

menggabungkan data TBF dan TTR dari RKC

1, RKC 2 dan RKC 3. Asumsi-asumsi yang

digunakan adalah sebagai berikut.

1. RKC 1, RKC 2 dan RKC 3 memiliki rang-

kaian alat yang sama.

2. Alat dan komponen yang dimiliki oleh RKC

1, RKC 2 dan RKC 3 dibeli dari pemasok

yang sama.

3. RKC 1, RKC 2 dan RKC 3 memiliki waktu

awal operasi yang sama.

4. RKC 1, RKC 2 dan RKC 3 memiliki

perlakuan pemeliharaan dan operasional yang

sama.

No. Sub-Unit Komponen No. Sub-Unit Komponen 

1 Reclaimer Harraw 9 Preheater Cyclone 

  Roll   Calciner 

  Rel Chain 10 Timbangan 2 V-belt 

2 Raw Mill Roll   Kabel 

  Blader 11 Timbangan 1 V-belt 

  Support Scaveengine   Kabel 

3 Triple Gate Pipa Konektor 12 Coal Mill Roll 

4 Bucket Elevator Bucket   Hydrolic 

  Boot Level 13 Clinker Cooler Balluf 

5 Rotary Feeder Rantai   Hydrolic 

6 Fan 6 Bearing   Bullnose 

  Impeller 14 Crusher 1 Hammer 

7 Fan 1 Bearing   Bearing 

  Impeller 15 Crusher 2 Hammer 

  Kabel Kontrol   Bearing 

8 Kiln Motor Drive    

  Tyre    

  Superbolt    

  Burner    

Sumber: Hasil pengolahan dengan menggunakan pe-
rangkat lunak Minitab

No. Sub-Unit Komponen 

HASIL ANAVA 

P-Value 
Kesimpulan 

TBF TTR 

1 Reclaimer Harraw 0,77 0,92 Gagal menolak Ho 

  Roll 0,502 0,12 Gagal menolak Ho 
  Rel Chain 0,24 0,17 Gagal menolak Ho 

2 Raw Mill Roll 0,91 0,43 Gagal menolak Ho 
  Blader 0,74 0,36 Gagal menolak Ho 
  Support Scaveengine 0,067 0,85 Gagal menolak Ho 

3 Triple Gate Pipa Konektor 0,074 0,72 Gagal menolak Ho 
4 Bucket Elevator Bucket 0,601 0,84 Gagal menolak Ho 

  Boot Level 0,18 0,81 Gagal menolak Ho 
5 Rotary Feeder Rantai 0,89 0,22 Gagal menolak Ho 

6 Fan 6 Bearing 0,57 0,57 Gagal menolak Ho 
  Impeller 0,48 0,37 Gagal menolak Ho 
7 Fan 1 Bearing 0,83 0,97 Gagal menolak Ho 

  Impeller 0,12 0,39 Gagal menolak Ho 
  Kabel Kontrol 0,54 0,59 Gagal menolak Ho 

8 Kiln Motor Drive 0,79 0,85 Gagal menolak Ho 
  Tyre 0,37 0,5 Gagal menolak Ho 

  Superbolt 0,91 0,78 Gagal menolak Ho 
  Burner 0,96 0,054 Gagal menolak Ho 

9 Preheater Cyclone 0,58 0,409 Gagal menolak Ho 
  Calciner 0,43 0,69 Gagal menolak Ho 

10 Timbangan 2 V-belt 0,85 0,059 Gagal menolak Ho 
  Kabel 0,52 0,12 Gagal menolak Ho 

11 Timbangan 1 V-belt 0,603 0,056 Gagal menolak Ho 

  Kabel 0,71 0,055 Gagal menolak Ho 
12 Coal Mill Roll 0,56 0,46 Gagal menolak Ho 

  Hydrolic 0,44 0,34 Gagal menolak Ho 
13 Clinker Cooler Balluf 0,24 0,053 Gagal menolak Ho 

  Hydrolic 0,98 0,57 Gagal menolak Ho 
  Bullnose 0,14 0,76 Gagal menolak Ho 

14 Crusher 1 Hammer 0,055 0,14 Gagal menolak Ho 

  Bearing 0,15 0,87 Gagal menolak Ho 
15 Crusher 2 Hammer 0,12 0,84 Gagal menolak Ho 

  Bearing 0,93 0,96 Gagal menolak Ho 

 



Business and Finance Journal, Volume 2, No. 2, October 2017

96

Hasil ANAVA dari Sub-Unit RKC yang
ditunjukkan pada Tabel 4 disimpulkan bahwa
dengan tingkat signifikansi 5% Sub-Unit RKC
1, RKC 2 dan RKC 3 dapat dianggap berasal
dari populasi yang sama.

Setelah ditambahkan data dari RKC 1, RKC
2 dan RKC 3, jumlah data waktu antar kegagalan
dan waktu perbaikan komponen sub-unit menjadi
sebanyak 7–24 data. Karena jumlah data masih
ada yang kurang dari 20 data, maka dilakukan
lagi ANAVA untuk komponen-komponen dari
sub-unit. Jika komponen-komponen penyusun
sub unit dianggap berasal dari populasi yang
sama, maka data dari komponen-komponen sub-
unit dapat digabungkan, sehingga jumlah data
menjadi lebih dari 20 data untuk satu sub-unit.
Hipotesis dari ANAVA adalah:
H

o
: Semua rata-rata dari komponen-komponen

penyusun sub-unit adalah sama.
H

1
: Paling sedikit ada satu rata-rata dari kompo-

nen-komponen penyusun sub-unit yang ber-
beda.
Pada Tabel 5 ditampilkan hasil ANAVA

dari data waktu antar kegagalan dan waktu
perbaikan dari komponen-komponen sub-unit
dengan tingkat signifikansi 5%.

Hasil ANAVA dari komponen-komponen
Sub-Unit yang ditunjukkan pada Tabel 5 disimpul-
kan bahwa dengan tingkat signifikansi 5%
komponen-komponen penyusun sub-unit dapat
dianggap berasal dari populasi yang sama.

Data TBF dan TTR dari sub-unit masing-
masing berjumlah lebih dari 20 data, sehingga
dapat ditentukan distribusi kegagalan dan main-
tainability serta parameter keandalan dan main-
tainability. Penentuan ini dilakukan dengan meng-
gunakan perangkat lunak Weibull++6. Tabel 6
menampilkan parameter keandalan untuk sub-
unit.

Tabel 6 Parameter Keandalan Sub-Unit

No. Sub-Unit 
ANAVA 

P-Value 
Kesimpulan 

TBF TTR 
1 Raw Mill 0,95 0,73 Gagal menolak Ho 
2 Reclaimer 0,68 0,73 Gagal menolak Ho 
3 Triple Gate  - - Penyebab kegagalannya 

hanya satu komponen 
4 Bucket elevator 0,67 0,88 Gagal menolak Ho 
5 Rotary Feeder - - Penyebab kegagalannya 

hanya satu komponen 
6 Fan 6 0,49 0,34 Gagal menolak Ho 
7 Fan 1 0,97 0,73 Gagal menolak Ho 
8 Kiln 0,63 0,81 Gagal menolak Ho 
9 Preheater 0,95 0,83 Gagal menolak Ho 
10 Timbangan 2 0,83 0,95 Gagal menolak Ho 
11 Timbangan 1 0,88 0,11 Gagal menolak Ho 
12 Coal Mill 0,73 0,75 Gagal menolak Ho 
13 Clinker Cooler 0,98 0,45 Gagal menolak Ho 
14 Crusher 1 0,5 0,406 Gagal menolak Ho 
15 Crusher 2 0,96 0,91 Gagal menolak Ho 

Tabel 5 ANAVA dari Data Waktu Antar Kegagalan
dan Waktu Perbaikan Komponen-komponen Sub-

Sub-Unit dengan Tingkat Signifikansi 5%

Sumber: Hasil pengolahan dengan menggunakan perang-
kat lunak Minitab

Sub-Unit MTBF Distribusi Beta (β) Eta (η) Gamma (ϒ) 

Reclaimer 6587,03 Weibull 3 1,7085 1782,9106 4996,77 
Raw Mill 11378,8 Weibull 3 2,1387 4332,05 7542,28 

Triple Gate 6352,4 Weibull 3 1,6809 764,512 5669,725 
Bucket Elevator 10784,6 Weibull 3 1,633 2793,24 8284,715 
Rotary Feeder 11085,4 Weibull 3 1,9704 1341,33 9896,325 

Fan 6 11005 Weibull 3 1,5981 3529,49 7840,2 
Fan 1 10598,3 Weibull 3 1,8346 4644,16 6471,9 
Kiln 6205,92 Weibull 3 1,5701 2300,86 4139,29 

Preheater 6106,9 Weibull 3 2,1872 3550,97 2962,12 
Timbangan 2 10263,9 Weibull 3 2,035 4936,15 5890,6 

Coal Mill 10656,7 Weibull 3 1,4438 1986,48 8854,42 
Timbangan 1 11879,5 Weibull 3 1,137 3025,13 8990,72 

Clinker Cooler 10245,74 Weibull 3 2,2016 3995,46 6707,25 
Crusher 1 10056,17 Weibull 3 2,014 2726,15 7640,48 
Crusher 2 10141,26 Weibull 3 1,9078 3034,34 7449,04 

Sumber: Hasil pengolahan data dengan perangkat lunak
Weibull++6

Iterasi T
i
 dan T

p
 menghasilkan T

p
 optimum

yang memiliki laju biaya pemeliharaan mini-
mum, serta keandalan dan ketersediaan yang
memenuhi persyaratan perusahaan untuk sub
unit RKC 3. Gambar 7 sampai Gambar 8
menunjukkan pengaruh T

p
 terhadap laju biaya

pemeliharaan dan keandalan untuk sub unit
RKC 3.



Fesa Putra Kristianto & Bobby O.P. Soepangkat, Penentuan Interval Waktu Pemeliharaan Pencegahan
pada Peralatan Sub-Unit RKC 3 di PTX Pabrik Tuban

97

Gambar 7 Pengaruh T
p 
terhadap Laju Biaya

Pemeliharaan

Gambar 7 menunjukkan bahwa T
p 

opti-
mum adalah sebesar 3743,28 jam dengan laju
biaya pemeliharaan pencegahan sebesar Rp
33.100 per jam. Rata-rata laju biaya pemeliha-
raan sebelum dioptimasi adalah sebesar Rp
57.074 per jam, sehingga terjadi penurunan laju
biaya pemeliharaan adalah sebesar 42%.

dalan sub-unit meningkat sebesar 1,7% dari
keandalan sub unit yang dipersyaratkan.

KESIMPULAN

Dari hasil iterasi T
i
 dan T

p
, didapatkan T

p

optimum pada Sub-Unit RKC 3 adalah sebesar
3743,28 jam (155,97 hari), dengan laju biaya
pemeliharaan pencegahan sebesar Rp33.100 per
jam. Keandalan dan ketersediaan dari Sub-Unit
RKC 3 adalah sebesar 96,7% dan 99,86%.

REFERENSI

Annual Report PT Semen Indonesia Tbk-Gresik,
Tahun 2015.

Duda, W.H., 1985. Cement Data Book. Bou-
verlag GMBH. Wiesbadenund. Berlin.

Ebeling, C.E. 1997. Reliability and Maintain-
ability Engineering, International Edition.
New York: McGraw-Hill.

Giani, M. 2006. A Cost-based Optimization of
Fiberboard Pressing Plant Using Monte
Carlo Simulation (a reliability program),
Queensland University of Technology,
Australia, diunduh 1 Oktober 2010.

Jardine, A.K.S. 1970. Operational Research in
Maintenance. Manchester University Press
ND.

Laggoune, R., Chateauneuf, A., and Aissani, D.
2009. “Opportunistic Policy for Optimal
Preventive Maintenance of Multi-Com-
ponent System in Continues Operating
Units.” Computer and Chemical Engineer-
ing, Vol. 33, hal. 1499–1510.

Nguyen, D.Q., Brammer, C., and Bagajewicz,
M. 2008. “New Tool for the Evaluation
of the Scheduling of Preventive Mainte-
nance for Chemical Process Plants,” Ind.

Gambar 8 Pengaruh T
p 
terhadap Keandalan

Gambar 8 menunjukkan bahwa keandalan
sub unit RKC 3 pada T

p 
optimum (3743,28 jam)

sebesar 0,967 (96,7%). Hasil ini lebih besar
daripada nilai dipersyaratkan, yaitu 95%. Kean-

 

 



Business and Finance Journal, Volume 2, No. 2, October 2017

98

Eng. Chem. Res., Vol. 49, hal. 1910–

1924.

Sutanto E. 2011. Optimalisasi Interval Waktu

Penggantian Komponen mesin Packer

Tepung Terigu Kemasan 25 kg di PT X,

Tesis tidak dipublikasikan. Surabaya: Pro-

gram Studi Magister Manajemen Tekno-

logi ITS.

Tsang, H.C. dan Jardine, A.K. 2005. Mainte-

nance, Replacement and Reliability. New

York: CRC Press, CoRp.