BAB 2 LANDASAN TEORI

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 2. Tinjauan Teoritis

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB II LANDASAN TEORI

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

BAB 2 LANDASAN TEORI

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 2 LANDASAN TEORI

8. MENGANALISIS HASIL EVALUASI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

BAB 2 LANDASAN TEORI

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

S2 MP Oleh ; N. Setyaningsih

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB 2 LANDASAN TEORI

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

Regresi & Korelasi Linier Sederhana

BAB 2 LANDASAN TEORI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

Uji Statistika yangb digunakan dikaitan dengan jenis data

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

BAB 2 LANDASAN TEORI

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

REGRESI & KORELASI LINIER SEDERHANA

BAB 2 LANDASAN TEORI

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL

Regresi Linier Sederhana Definisi Pengaruh

Analisis Korelasi dan Regresi

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

BAB II TINJAUAN PUSTAKA

TINJAUAN PUSTAKA Evaluasi Pengajaran

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

3.1 Biaya Investasi Pipa

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB II TINJAUAN PUSTAKA

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

BAB III METODE PENELITIAN

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

BAB III ISI. x 2. 2πσ

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

UKURAN GEJALA PUSAT (UGP)

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

REGRESI & KORELASI LINIER SEDERHANA

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

; θ ) dengan parameter θ,

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

UNIVERSITAS INDONESIA

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Tabel Distribusi Frekuensi

3 Departemen Statistika FMIPA IPB

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

REGRESI LINIER SEDERHANA

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 2 LANDASAN TEORI

2.2.3 Ukuran Dispersi

BAB 2 LANDASAN TEORI

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

BAB III PERSAMAAN PANAS DIMENSI SATU

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

Transkripsi:

8 BAB LANDASAN TEORI. Prevetve Mateace.. Pegerta Perawata (Mateace) Meurut Assaur (999, p59) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peesuaa atau peggata ag dperluka utuk medapatka suatu kods operas produks ag memuaska, sesua dega ag drecaka. Dega adaa perawata dharapka semua fasltas da mes ag dmlk oleh perusahaa dapat doperaska sesua dega jadwal ag telah dtetuka. Perawata mempua peraa ag sagat meetuka dalam kegata produks dar suatu perusahaa ag meagkut kelacara atau kemaceta produks, kelambata da volume produks. Dega demka perawata memlk fugs ag sama petga dega fugs-fugs la dar suatu perusahaa. Karea petga aktvtas perawata maka dperluka perecaaa ag matag utuk mejalakaa, sehgga terheta proses produks akbat mes rusak dapat dkurag semmum mugk. Aktvtas perawata ag bear-bear bak dapat megurag baa utuk merawat mes.

9 Meurut sumber ag ddapat dar jural lmah terasoal, http://proquest.um.com/pqsweb?dd37883464&sd&fmt3&cletid 6884&RQT309&VNamePQD, maajeme pabrk-pabrk terutama ag berhubuga dega baga perawata atau mateace basaa dhadapka pada pertmbaga-pertmbaga ag salg berbetura. Sebaga cotoh, jka peralata megalam perawata ag berlebh, maka baa utuk perawata aka semak tgg, amu apabla perawataa kurag, maka aka berakbat pada megkata kerusaka-kerusaka pada peralata tersebut. Pada stuas sepert, dmaa keperlua utuk perawata bergatug pada macam-macam kods, aka sagat sult utuk meetuka strateg perawata da pemelharaa ag optmal ag aka memaksmalka keutuga ag dperoleh dar peralata-peralata tersebut dega berdasarka kepada berbaga krtera. Pegerta la megea pemelharaa meurut Hezer adalah suatu aktvtas ag berkata dega usaha mempertahaka peralata/sstem dalam kods laak bekerja... Tujua Mateace p95) adalah: Adapu tujua utama dar fugs mateace, meurut Assaur (999,

0. Kemampua berproduks dapat memeuh kebutuha sesua dega recaa produks.. Mejaga kualtas pada tgkat ag tepat utuk memeuh apa ag dbutuhka oleh produk tu sesua da kegata produks ag tdak tergaggu. 3. Utuk membatu megurag pemakaa da pempaga ag dluar batas da mejaga modal ag dvestaska dalam perusahaa selama waktu ag dtetuka sesua dega kebjaksaaa perusaha megea vestas tersebut. 4. Utuk mecapa tgkat baa mateace seredah mugk dega melaksaaka kegata mateace secara efektf da efse. 5. Meghdar kegata meteace ag dapat membahaaka keselamata para pekerja. 6. Megadaka suatu kerjasama ag erat dega fugs-fugs utama laa dar suatu perusahaa,dalam raka mecapa tujua utama perusahaa atu tgkat keutuga atau retur of vestmet ag sebak mugk da total baa ag teredah.

..3 Jes-Jes Perawata Aktvtas perawata (mateace) dapat dbedaka dalam lma jes atu prevetve mateace, correctve mateace, reactve mateace, proactve mateace da predctve mateace...3. Pegerta Prevetve Mateace Prevetve mateace adalah kegata perawata ag dlakuka utuk mecegah tmbula kerusaka da meemuka kods ag dapat meebabka fasltas atau mes produks megalam kerusaka pada waktu melakuka kegata produks. Dega demka semua fasltas atau mes ag medapat tdaka prevetve aka terjam kelacara kerjaa da selalu dalam keadaa optmal utuk melakuka kegata proses produks. Dalam pelaksaaaa prevetve mateace dapat dbedaka atas route mateace da perodc mateace. Route mateace adalah kegata perawata ag dlakuka secara rut. Cotoha pelumasa, pegeceka s baha bakar. Perodc mateace adalah kegata perawata ag dlakuka secara perodk atau dalam jagka waktu tertetu (Assaur, p90).

..3. Correctve Mateace Correctve mateace merupaka kegata perawata ag dlakuka setelah mes atau fasltas megalam kerusaka atau gaggua. Dalam hal kegata correctve mateace bersfat perbaka atu meuggu sampa kerusaka terjad terlebh dahulu, kemuda baru dperbak agar dapat beroperas kembal. Tdaka correctve dapat memaka baa perawata ag lebh murah darpada tdaka prevetve. Hal tersebut dapat terjad apabla kerusaka terjad dsaat mes atau fasltas tdak melakuka proses produks. Namu saat kerusaka terjad selama proses produks berlagsug maka baa perawata aka megalam pegkata akbat terheta proses produks. Dega demka dapat dsmpulka bahwa tdaka correctve memusatka permasalah setelah permasalaha tersebut terjad, buka megaalsa masalah utuk mecegaha agar tdak terjad...3.3 Reactve Mateace Reactve mateace adalah kegata pemelharaa ag dlakuka sebaga respo terhadap breakdow ut ag tdak terecaa, umuma sebaga hasl dar kegagala bak ag bersfat teral ataupu ag bersfat eksteral. Yag termasuk kedalam reactve mateace adalah correctve mateace.

3..3.4 Proactve Mateace Proactve mateace adalah pemelharaa ag dlakuka secara teratur da terecaa tapa meuggu mes rusak terlebh dahulu, sehgga dapat memmas kemugka terjada breakdow akbat kerusaka mes. Yag termasuk dalam proactve mateace adalah prevetve mateace da predctve mateace...3.5 Predctve Mateace Predctve mateace adalah pemelharaa ag dlakuka melalu aalsa secara fsk terhadap peralata atau kompoe dega batua pegukura strume tertetu sepert alat pegukur getara, temperatur, pegukur suara da la-la utuk medeteks kerusaka sed mugk...4 Lagkah-Lagkah Pegambla Tdaka Mateace Dalam meetuka tdaka Mateace ag dambl ada 4 tahap ag harus dlewat terlebh dahulu atu:. What Meetuka jes kompoe ag perlu dberlakukaa pemelharaa rut. Tpe kompoe dgologka dalam jes: Kompoe Krts Kompoe ag frekues kerusakaa sagat serg.

4 Kompoe Maor Kompoe ag frekues kerusakaa cukup tgg. Kompoe Mor Kompoe ag frekues kerusakaa jarag.. How Berart bagamaa cara atau tdaka pemelharaa ag dambl Ispeks Rut Prevetve Mateace Correctve Mateace 3. Who Sapa ag aka bertaggug jawab atas kerusaka da ag bertaggug jawab utuk mereparaska. 4. Where Meujuka tempat ag aka dguaka utuk mereparasa...5 Kosep-Kosep Pemelharaa..5. Kosep Relablt (Keadala) Meurut Ebelg relablt adalah probabltas suatu kompoe atau sstem ag aka berjala sesua dega fugs ag dtetapka dalam jagka waktu tertetu saat kompoe tersebut beroperas. Relablt adalah probabltas mes tdak rusak walaupu telah beroperas overtme, sedagka

5 meurut Hezer & Reder, Relablt adalah peluag suatu mes dapat berfugs secara bear pada waktu tertetu dbawah kods tertetu pula...5. Kosep Keterawata Adalah suatu probabltas suatu kompoe atau sstem ag meujuka kemampua ag dharapka pada suatu waktu tertetu saat perawata dlakuka sesua dega prosedur ag dharuska. Keterawata suatu kompoe juga dapat dkataka sebaga probabltas suatu kompoe dapat dperbak sesua dega waktu ag dberka...5.3 Kosep Avablt (Ketersedaa) Adalah probabltas suatu kompoe atau sstem ag meujuka kemampua ag dharapka pada suatu waktu tertetu ketka doperaska dalam kods operasoal tertetu. Ketersedaa juga dapat dkataka sebaga presetase waktu operasoal sebuah kompoe atau sstem selama terval waktu tertetu. Yag membedaka avablt da relablt adalah probabltas saat kompoe dalam keadaa tdak rusak walaupu pada masa lampau telah rusak tetap telah dperbak kekods semulaa. Makaa la Avablt tdak aka perah redah dar la Relablt.

6..6 Kosep Prevetve Mateace Kosep prevetve mateace pertama kal dterapka d Jepag pada tahu 97. Kosep mecakup semua hal ag berhubuga dega mateace dega segala mplemetasa d lapaga. Kosep megkut sertaka pekerja dar baga produks utuk ambl baga dalam kegataa mateace tersebut. Dega demka maka dharapka terjad kerjasama ag bak atara baga mateace da baga produks. It dasar dar prevetve mateace adalah speks da reparas bla terjad kerusaka pada fasltas. Ispeks dlakuka utuk mecegah kerusaka ag aka meggaggu proses produks. Ada tga hal utama dalam mateace adalah: Membershka ( Cleag ) Pekerjaa adalah tugas ag harus dlakuka setap mes atau fasltas laa setelah dguaka. Pembersha dapat dlakuka dega pembersha dar debu-debu ssa produks da juga mecuc peralata ag telah dpaka. Memerksa ( Ispecto ) Pekerjaa kedua adalah memerksa bag-baga dar mes ag daggap perlu. Pemerksaa rut perlu dlakuka sesua dega waktu ag telah dtetuka.

7 Memperbak ( Repar ) Pekerjaa selajuta adalah memperbak bla terdapat kerusakakerusaka sehgga dapat dguaka kembal sepert kods ormal...7 Dstrbus Kerusaka Dstrbus kerusaka adalah formas dasar megea umur paka suatu peralata dalam suatu populas. Dstrbus ag umum dguaka adalah dstrbus ekspoesal, logormal, ormal da Webull. Dstrbus kerusaka dapat memeuh berbaga fase kerusaka. Jka sampela tergolog kecl maka peaksra parameter dstrbus dlakuka dega metode kuadrat terkecl (least squares curve fttg). Dstrbus epoesal basaa dguaka jka laju kerusakaa kosta terhadap waktu. Dstrbus logormal memlk kemrpa dega dstrbus Webull sehgga jka pada suatu kasus memlk dstrbus Webull maka dstrbus Logormal, juga cocok utuk dguaka. Dstrbus ormal basaa dguaka pada feomea terjada wear out rego. Dstrbus Webull dapat dguaka pada model ag megalam laju kerusaka meak maupu meuru. Dalam perhtuga la fugs dstrbus kumulatf (F(t)) dguaka metode pedekata meda rak karea metode memberka hasl ag lebh bak utuk dstrbus kerusaka ag mempua pempaga

8 dstrbus (skewed dstrbuto). Adapu la F(t) tersebut ddekat dega persamaa : 0.3 F ( t) + 0.4..7. Dstrbus Ekspoesal Dstrbus memlk laju kerusaka ag tdak berubah da kosta terhadap waktu (Costat Falure Rate Model). Peaksra parameter dstrbus Ekspoesal dlakuka dega metode kuadrat terkecl (least squares method) atu : t l [/(-F ( t ))] F(t) ( -0.3 ) / ( + 0.4) Parameter : b Dmaa : t data kerusaka ke,,3,.., jumlah data kerusaka F(t) dhtug dega megguaka pedekata meda rak λ

9 Fugs kerusaka dstrbus Ekspoesal adalah Fugs Kepadata Probabltas t f ( t) λe λ Fugs Dstrbus Kumulatf f ( t) e λt Fugs Keadala R( t) e λt Fugs Laju Kerusaka f ( t) λ ( t ) λ R( t) Nla Rata-Rata Dstrbus Ekspoesal MTTF λ..7. Dstrbus Logormal Dstrbus logormal memlk dua parameter atu parameter betuk (s) da parameter lokas (t med ). Sepert dstrbus Webull, dstrbus Logormal memlk betuk ag bervaras. Yag serg terjad, basaa data ag dapat ddekat dega dstrbus Webull juga bsa ddekat dega dstrbus logormal. Dstrbus logormal dlakuka dega megguaka metode kuardrat terkecl (least square method) atu: l t

30 z )] ( [ t F Φ F(t) ( - 0.3 ) / ( + 0.4) b b a Parameter b s da (as) t med e Dmaa : t data kerusaka ke,,3,.., jumlah data kerusaka z la dar tabel dstrbus ormal F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus logormal adalah Fugs Kepadata Probabltas l ) ( t med t s e st t f π

3 Fugs Dstrbus Kumulatf f ( t) Φ l s t t med Fugs Keadala R( t) Φ l s t t med Fugs Laju Kerusaka f ( t) λ ( t) Φ l s t t med Nla Rata- Rata Dstrbus logormal MTTF t e med s..7.3 Dstrbus Normal Betuk dstrbus ormal memerupa loceg sehgga memlk la smetrs terhadap la rataa dega dua parameter betuk atu µ (la tegah) da σ (stadart devas). Parameter µ (la tegah) memlk sembarag la, postf maupu egatf. Sedagka parameter σ (stadart devas) selalu memlk la postf. Dstrbus ormal dlakuka dega megguaka metode kuadrat terkecl (least square method) atu: t

3 z )] ( [ t F Φ F(t) ( - 0.3 ) / ( + 0.4) b b a Parameter b a μ da b σ Dmaa : t data kerusaka ke,,3,.., jumlah data kerusaka z la dar tabel dstrbus Normal F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus Normal adalah: Fugs Kepadata Probabltas ( ) ) ( σ μ π t e st t f

33 Fugs Dstrbus Kumulatf f ( t) Φ t μ σ Fugs Keadala t μ R( t) Φ σ Fugs Laju Kerusaka f ( t) λ( t) t μ Φ σ Nla Rata- Rata Dstrbus Logormal MTTF µ..7.4 Dstrbus Webull Dstrbus Webull serg dpaka sebaga pedekata utuk megetahu karakterstk fugs kerusaka karea perubaha la aka megakbatka dstrbus Webull mempua sfat tertetu ataupu ekuvale dega dstrbus tertetu. Dstrbus Webull dlakuka dega megguaka metode kuadrat terkecl (least square method) atu: t l[l(/(-f(t)))] F(t) ( - 0.3 ) / ( + 0.4)

34 b b a Parameter β α θ e Dmaa : t data kerusaka ke,,3,.., jumlah data kerusaka F(t) dhtug dega megguaka pedekata meda rak Fugs kerusaka dstrbus Webull adalah: Fugs Kepadata Probabltas β θ β θ θ β t e t t f ) ( Fugs Dstrbus Kumulatf β θ t e t f ) (

35 Fugs Keadala R ( t) e β t α Fugs Laju Kerusaka β t λ( t ) θ θ β Nla Rata- Rata Dstrbus logormal MTTF θ Γ + β Γ( ) ( ). Γ( ) Dmaa Γ () adalah fugs gamma..8 Idetfkas Dstrbus Idetfkas dstrbus dlakuka melalu tahap atu Least Square Curve da Goodess of Ft Test..8. Least Square Curve Fttg Metode dguaka utuk meghtug la de of ft (r). Dstrbus dega la r ag terbesar aka dplh utuk duj dega megguaka Goodess of Ft Test

36 Rumus umum ag terdapat dalam metode Least Square Curve Fttg adalah: ( ) 0.4 0.3 + t F Dmaa : data waktu ke-t Jumlah data kerusaka Y Y X X Y X Y X r ft de of X X Y X XY b utuk Webull, Normal, Logormal X XY b utuk Ekspoesal b a Rumus ag dmlk masg-masg dstrbus adalah : Dstrbus Webull X l t dmaa t adalah data waktu ke

37 l l F( t) Parameter : β b da е e a b Dstrbus Ekspoesal t dmaa t adalah data waktu ke- l F ( t ) Parameter : λ b Dstrbus Normal t dmaa t adalah data waktu ke- z φ [ F( t )] a Parameter : σ da µ - b b Dstrbus Logormal X l t dmaa t adalah data waktu ke z φ [ F( t )] Parameter : s b da t med e sa

38..8. Goodess of Ft Test Setelah perhtuga de of ft dlakuka maka tahap selajuta dlakuka peguja Goodess of Ft utuk la de of ft terbesar. Uj dlakuka dega membadgka atara hpotesa ol (H 0 ) ag meataka bahwa data kerusaka megkut dstrbus plha da hpotess alteratf (H ) ag meataka bahwa data kerusaka tdak megkut dstrbus plha. Peguja ag dlakuka dalam Goodess of Ft Test ada tga macam atu Ma s Test utuk dstrbus Webull, Bartlett s Test utuk dstrbus Ekspoesal da Kolmogorov-Smrov utuk dstrbus Normal da Logormal..8.. Ma s Test adalah : Meurut Ebelg, (997, p400) hpotesa utuk melakuka uj M H o : Data kerusaka berdstrbus Webull H : Data kerusaka tdak berdstrbus Webull Uj statstka adalah : k r k + k k l t+ l t M l t+ l t M

39 Dmaa : k r k r M Z + Z Z 0.5 l l _ 0.5 Jka la M < M crt maka Ho dterma. Nla M crt dperoleh dar tabel dstrbus F dega v k da v k..8.. Bartlett s Test Meurut Ebelg, (997, p399) hpotesa utuk melakuka uj adalah : H o : Data kerusaka berdstrbus Ekspoetal H : Data kerusaka tdak berdstrbus Ekspoetal Uj statstka adalah : B r l r ( / r) t ( / r) + ( r + ) 6r r l t dmaa : t data waktu kerusaka ke- r jumlah kerusaka B la uj statstc utuk uj Bartlett s Test

40 H 0 dterma jka : X < B < X ( α /, r) ( α /, r)..8..3 Kolmogorov-Smrov Test Meurut Ebelg, (997, p40) hpotesa utuk melakuka uj adalah : H o : Data kerusaka berdstrbus Normal atau Logormal H : Data kerusaka tdak berdstrbus Normal atau Logormal Uj statstka adalah : D ma ( D D ), t D ma < t s φ < t D ma φ < t < s t t s ( t t) Utuk Logormal : t l t ( l t t) s t data waktu kerusaka ke- s stadar devas

4 Jka D < Dcrt maka terma H0. Nla Dcrt dperoleh dar tabel crtcal value for Kolmogorov-Smrov Test for ormalt...9 Mea Tme To Falure Mea Tme To Falure merupaka rata-rata selag waktu kerusaka dar suatu dstrbus kerusaka. Perhtuga la MTTF utuk masg-masg dstrbus adalah: Dstrbus Webull MTTF φ. Γ + β Dstrbus Ekspoesal MTTF λ Dstrbus Normal MTTF α Dstrbus Logormal s / MTTF t med e..0 Mea Tme To Repar Utuk dapat meghtug rata-rata perbaka, dstrbus data utuk waktu perbaka perlu dketahu terlebh dahulu. Peguja utuk meetuka

4 dstrbus data dlakuka dega cara sepert ag telah djelaska. Rumus ag dguaka utuk masg-masg dstrbus adalah: Dstrbus Webull MTTR φ. Γ + β Dstrbus Ekspoesal MTTR λ Dstrbus Normal da Logormal s / MTTR t med e.. Iterval Waktu Peggata Pecegaha Kerusaka utuk Mmas Total Dowtme Peggata pecegaha dlakuka utuk meghdar terheta mes akbat kerusaka kompoe. Utuk melakuka tdaka perawata, maka harus dketahu terval waktu atara tdaka peggata (tp) ag optmal dar suatu kompoe sehgga dcapa mmas dowtme ag maksmal. Block Replacemet Jka pada selag waktu tertetu tdak terdapat kerusaka, maka tdaka peggata dlakuka pada suatu terval ag tetap. Jka sstem rusak sebelum tercapaa tp, maka dlakuka

43 peggata kerusaka da peggata selajuta aka tetap dlakuka pada saat tp dega megabaka pergata perbaka sebeluma. Age Replacemet Dalam metode tdaka peggata dlakuka pada saat pegoperasaa sudah mecapa waktu ag dtetapka atu tp. Jka pada selag waktu tp terdapat kerusaka, maka dlakuka peggata sebaga tdaka korektf. Perhtuga umur tdaka peggata tp dmula dar awal lag dega megambl acua dar saat sstem mula bekerja kembal setelah dlakuka tdaka perawata korektf tersebut. Rumus ag dguaka dalam metode adalah : ( tp) D ( total ekspektas dowtme per sklus) ( ekspektas pajag waktu sklus) Rumus dar total ekspektas dowtme per sklus adalah : Total Ekspektas Dowtme per sklus Tp. R(tp) +Tf. (- R(Tp)) Tp R(tp) Tf Iterval waktu tdaka peggata pecegaha Probabltas suatu sklus tdaka pecegaha Iterval waktu tdaka perbaka kerusaka Relablt waktu slus pecegaha sama dega probabltas dar kerusaka ag terjad setela waktu tp atu :

44 R tp ( tp) ( t) dt Jad probablt dar suatu sklus rusak atu : R(t) Ekspektas pajag waktu sklus (tp + Tp). R(tp) + (ekspektas pajag sklus kegagala). ( R(tp)) Dmaa : R(tp) Probabltas suatu sklus tdaka pecegaha (-R(tp)) Probabltas suatu sklus tdaka kegagala Utuk meetuka ekspektas pajag sklus kegagala. Perlu dperhatka waktu rata-rata kegagala / MTTF (Mea Tme To Falure), dmaa utuk prevetve mateace dperoleh : MTTF t. f ( t) dt Nla tegah dstrbus kerusaka atu : M ( tp) t. f ( t) dt R( tp) Ekspektas pajag sklus kegagala t. f ( t) dt ( ) R tp + Tf Jad ekspektas pajag waktu sklus atu : () t dt ( tp) t f ( tp Tp) R( tp). +. + + Tf. R ( R( tp) ) ( tp + Tp). R( tp) + t. f ( t) dt + Tf.( R( )) tp

45 Da total dowtme per sklus atu : ( ) D tp Tp R( tp) + Tf ( R( tp) ) ( tp + Tp) R( tp) + ( M ( tp) + Tf ) ( R( tp) ).. Iterval Waktu Pemerksaa Sela peggata pecegaha maka pemerksaa (speks) juga dperluka dalam Prevetve Mateace utuk megkatka avalablt. Tujua dar speks adalah utuk mecega kegagala ag tdak terdeteks terutama pada saat mes tdak beroperas ag dsebabka oleh koros atau kerusaka mekak. Yag harus dgat adalah bahwa speks dapat megkatka avalablt tetap tdak dapat megkatka relabltas. Meurut Jarde, (993, p08) tdak pemerksaa juga bertujua utuk memmas dowtme mes akbat kerusaka ag terjad secara tba-tba. Kostruks model terval waktu pemerksaa optmal tersebut adalah : waktu rata rata perbaka μ waktu rata rata pemerksaa Meurut Jarde, (993, p09) total dowtme per ut waktu merupaka fugs dar frekues pemerksaa () da dotaska dega D() atu sebaga berkut:

46 D() dowtme utuk perbaka kerusaka da dowtme utuk pemerksaa. ( ) λ D ( ) + μ Keteraga : λ() laju kerusaka ag terjad jumlah pemerksaa per satua waktu µ berbadg terbalk dega /µ berbadg terbalk dega / Dasumska bahwa laju kerusaka berbadg terbalk dega jumlah pemerksaa : ( ) λ k Da karea : ( ) ( ) λ D + μ Dmaa : k la kosta dar baaka kerusaka tap satua waktu, maka dperoleh : k μ..3 Kehadala (Relabt) Dega da Tapa Prevetve Mateace Pegkata kehadala dapat dtempuh melalu perawata pecegaha. Perawata pecegaha dapat megurag pegaruh wear out da meujukka hasl ag sgfka terhadap umur sstem.

47 Meurut Ebelg (997, p04), model kehadala berkut megasumka sstem kembal ke kods baru setelah mejala prevetve mateace. Kehadala pada saat t dataka sebaga berkut : R m (t)r(t) R m (t)r(t). R(t-T) utuk 0 t T utuk T t T Keteraga : T terval waktu peggata pecegaha kerusaka. Rm(t) kehadala (relablt) sstem dega perawata pecegaha. R(t) R(T) R(t-T) Kehadala (relablt) sstem tapa perawata pecegaha. peluag kehadala hgga perawata pecegaha pertama. peluag kehadala atara waktu t-t setelah sstem dkembalka pada kods awal (T) I adalah bukt ag mereflekska bahwa dstrbus ekspoesal, ag memlk laju kerusaka kosta, bla dlakuka prevetve mateace tdak aka meghaslka dampak apapu. Dega demka, tdak ada pegkata relablt sepert ag dharapka.

48. Koefse Korelas Secara artmetka la koefse korelas bas ddapatka berdasarka hasl aalss regres sederhaa, aka tetap la tdak aka memlk art. Dalam model hpotetk utuk persamaa regres, tdak dkeal keberadaa parameter korelas ( ag dlambagka dega ρ atau rho) karea X daggap peubah tetap. Dalam hal koefse korelas tersebut tdak berpera sebaga peduga parameter atau statstc tetap melulu sebaga agka. Koefse dapat dhtug dega rumus: r.3 Lagkah-lagkah Mtab 4.3. Dagram Pareto Meurut Meer da Krueger (A Mtab Gude to Statstcs, p59), A pareto chart that ordersthe bars from largest to smallest alog wth a le that shows the cummultve percetagead cout of the bars. Ths chart ofte used wth aalzg defect a maufacturg process to help determe the tpes of defects whch are most prevalet a process. Lagkah-lagkah megguaka software Mtab 4 utuk membuat dagram Pareto adalah:

49 Plh meu Stat > Qualt Tools > Pareto Chart Klk ops Chart defects table > Iska dega data ag sesua Masuka agka 99 dalam Combe defects after the frst Tambahka judul dagram > lalu klk OK.3. Goodess of Ft Test Goodess of ft test dlakuka utuk meguj apakah la r terbesar dar perhtuga de of ft merupaka dstrbus ag sesua dega data kerusakaka ag ada. Dalam megguaka software Mtab 4, uj goodess of ft dlakuka dega metode Aderso-Darlg. Dstrbus ag memlk la koefse Aderso-Darlg terkecl, bearart dstrbus tersebut semak cocok dega data ag dujka. Berkut merupaka lagkah-lagkah dalam melakuka uj goodess of ft dega megguaka software Mtab 4: Plh meu Stat > Qualt Tools > Idvdual Dstrbuto Idetfcato Masukka data pada Sgle colum Plh semua dstrbus ag g dujka pada ops Specf Klk OK

50.3.3 Korelas Meurut Nur Irawa da Sept Puj Astut (Megolah Data Statstk dega Mudah megguaka Mtab 4, p73), Koefse korelas Pearso bergua utuk megukur tgkat keerata hubuga lear atara varable. Nla korelas berksar atara - sampa +. Nla korelas egatf berart hubuga atara varabel egatve. Sebalka la korelas postf berart hubuga atara varabel adalah postf. Suatu hubuga atara varabel dkataka berkorelas kuat apabla mak medekat atau. Sebalka, suatu hubuga atara varabel dkataka lemah apabla semak medekat 0. Berkut merupaka lagkah-lagkah uj korelas dua varable dega megguaka Mtab 4: Plh meu Basc Statstcs > Correlato. Masukka data ag aka dolah ke dalam kolom Varables. Jka g meamplka p-value, plh Dspla p-values > kemuda klk OK