BAB II LANDASAN TEORI

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

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

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB II LANDASAN TEORI

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

BAB 2. Tinjauan Teoritis

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

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

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

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

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

UNIVERSITAS INDONESIA

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB 2 LANDASAN TEORI

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

8. MENGANALISIS HASIL EVALUASI

BAB II TINJAUAN PUSTAKA

ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL

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

BAB 2 LANDASAN TEORI. Definisi pemeliharaan menurut O Connor (2001,p407) adalah suatu kegiatan

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

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

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

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

3.1 Biaya Investasi Pipa

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

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

BAB III ISI. x 2. 2πσ

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

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

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

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB II LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 ERROR PERHITUNGAN NUMERIK

X a, TINJAUAN PUSTAKA

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

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

UKURAN GEJALA PUSAT (UGP)

TINJAUAN PUSTAKA Evaluasi Pengajaran

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

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

NORM VEKTOR DAN NORM MATRIKS

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

PERBANDINGAN ESTIMASI CADANGAN KLAIM

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

Analisis Kriteria Investasi

BAB II TINJAUAN PUSTAKA. Pada Bab I sudah dijelaskan bahwa tujuan penelitian ini adalah untuk

S2 MP Oleh ; N. Setyaningsih

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

3 Departemen Statistika FMIPA IPB

POLIGON TERBUKA TERIKAT SEMPURNA

BAB 2 LANDASAN TEORI

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

BAB III UKURAN PEMUSATAN DATA

BAB III METODOLOGI PENELITIAN

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

2.2.3 Ukuran Dispersi

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

Bab II Teori Pendukung

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

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

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

STATISTIKA DASAR. Oleh

Analisis Kriteria Investasi TUJUAN

Transkripsi:

22 BAB II LANDASAN TEORI 2.1 Pedahulua 2.1.1 Pegerta Mateace Beberapa pegerta perawata (mateace) meurut ahl : 1. Meurut Corder (1988), perawata merupaka suatu kombas dar tdaka yag dlakuka utuk mejaga suatu barag dalam, atau utuk memperbakya sampa, suatu kods yag bsa dterma. 2. Meurut Assaur (1993), perawata dartka sebaga suatu kegata pemelharaa fasltas pabrk serta megadaka perbaka, peyesuaa atau peggata yag dperluka agar terdapat suatu keadaa operas produks yag sesua dega yag drecaaka. 3. Meurut Dhllo (1997), perawata adalah semua tdaka yag petg dega tujua utuk meghaslka produk yag bak atau utuk megembalka kedalam keadaa yag memuaska. Perawata mes adalah semua kegata yag dbutuhka utuk mempertahaka suatu mes atau peralata agar tetap dalam kods sap utuk beroperas da jka terjad kerusaka maka dusahaka agar mes atau

23 peralata tersebut dapat dkembalka pada kods yag bak. Tetap dalam koteks yag lebh luas setap sstem perawata meyagkut semua kegata utuk mempertahaka mes, mausa, materal, cara/metode da uag dalam ragka mecapa kerja, mes yag selalu sap beroperas dalam ragka meghaslka produk yag optmal. Blachard (1980) megklasfkas perawata mejad 6 baga, yatu: a. Correctve Mateace, merupaka perawata yag terjadwal ketka suatu sstem megalam kegagala utuk memperbak sstem pada kods tertetu. b. Prevetve Mateace, melput semua aktvtas yag terjadwal utuk mejaga sstem/produk dalam kods operas tertetu. Jadwal perawata melput perode speks. Prevetve mateace d bag mejad 2 kegata, yatu: (a). Route Mateace, yatu kegata pemelharaa yag dlakuka secara rut, sebaga cotoh adalah kegata pembersha fasltas da peralata, pembera myak pelumas atau pegeceka ol, serta pegeceka baha bakar da sebagaya. (b). Perodc Mateace, yatu kegata pemelharaa yag dlakuka secara berkala. Perawata berkala dlakuka berdasarka lamaya

24 jam kerja mes produk tersebut sebaga jadwal kegata msalya setap seratus jam sekal. b. Predctve Mateace, serg berhubuga dega memotor kods program perawata prevetf dmaa metode memotor secara lagsug dguaka utuk meetuka kods peralata secara telt. c. Mateace Preveto, merupaka usaha megarahka mateace free desg yag dguaka dalam kosep Total Prevetve Mateace (TPM). Melalu desa da pegembaga peralata, keadala da pemelharaa dega memmalka dowtme dapat megkatka produktvtas da megurag baya sklus hdup. d. Adaptve Mateace, megguaka software komputer utuk memproses data yag dperluka utuk perawata. e. Perfectve Mateace, megkatka kerja, pembugkusa/ pegepaka/ pemelharaa dega megguaka software komputer. Pemlha metode peetua umur peggata pecegaha yatu dega megguaka metode umur peggata pecegaha peralata yag optmal berdasarka terjadya kerusaka, dega memperhtugka waktu yag dperluka utuk melaksaaka peggata kerusaka da pecegaha. Mmas total ogkos peggata yag dperluka perut waktu.

25 2.1.2 Kosep Relablty (Keadala) Keadala dapat ddefska sebaga probabltas sstem aka memlk kerja sesua fugs yag dbutuhka dalam perode waktu tertetu (Ebelg, 1997). Defs la keadala adalah probabltas suatu sstem aka berfugs secara ormal ketka dguaka utuk perode waktu yag dgka dalam kods operas yag spesfk (Dhllo, 1997). dperhatka, yatu: Berdasarka defs datas, maka ada beberapa hal yag perlu Probabltas, dmaa la relablty adalah berada datara 0 da1. Kemampua yag dharapka, harus dgambarka secara terag atau jelas. Utuk setap ut terdapat suatu stadar utuk meetuka apa yag dmaksud dega kemampua yag dharapka. Tujua yag dgka, dmaa keguaa peralata harus spesfk. Hal dkareaka terdapat beberapa tgkata dalam memproduks suatu barag kosume. Waktu, merupaka parameter yag petg utuk melakuka pelaa kemugka suksesya suatu sstem.

26 Kods Lgkuga, mempegaruh umur dar sstem atau peralata sepert suhu, kelembaba da kecepata gerak. Hal mejelaska bagamaa perlakua yag dterma sstem dapat memberka tgkat keadala yag berbeda dalam kods operasoalya. 2.1.3 Kosep Mataablty (Keterawata) Keterawata ddefska sebaga probabltas suatu sstem / kompoe aka kembal pada keadaa yag memuaska da dalam kods operas mampu mecapa waktu dowtme mmum (Dhllo, 1997). Defs la keterawata adalah probabltas bahwa kompoe atau sstem yag rusak aka dperbak ke dalam suatu kods tertetu dalam perode waktu tertetu sesua dega prosedur yag telah dtetuka (Ebelg, 1997). Prosedur perawata melbatka perbaka, ketersedaa sumber daya perawata (teaga kerja, suku cadag, peralata, dsb), program perawata pecegaha, keahla teaga kerja da jumlah orag yag termasuk d dalam baga perawata tersebut. 2.1.4 Kosep Avalablty (Ketersedaa) Ketersedaa dapat ddefska sebaga probabltas suatu sstem beroperas sesua fugsya dalam suatu waktu tertetu dalam kods operas yag telah dtetapka (Ebelg, 1997). Sehgga ketersedaa merupaka

27 fugs dar suatu sklus waktu operas (relablty) da waktu dowtme (mataablty). 2.1.5 Dstrbus Kerusaka Merupaka suatu dstrbus yag dguaka utuk pola data kerusaka yag terbetuk pada kompoe mes, sehgga kta dapat megetahu pola data kerusaka tersebut. Apabla pola data kerusaka telah dketahu, maka aka dapat dketahu pola data tersebut termasuk dalam dstrbus apa. Setelah dketahu pola data tersebut termasuk dalam dstrbus apa, maka aka dapat dukur parameter, yag atya parameter tersebut dguaka utuk mecar la MTTR da MTTF, yag akhrya dguaka utuk mecar realblty. Ada empat macam pola data yag dapat terbetuk, atara la : Dstrbus Webull, Dstrbus Ekspoetal, Dstrbus Normal, da Dstrbus Logormal. 2.1.5.1 Dstrbus Webull Dstrbus Webull merupaka jes dstrbus yag palg serg dguaka utuk waktu kerusaka, dkareaka dstrbus dapat dmafaatka utuk megetahu laju kerusaka yag megkat maupu laju kerusaka yag meuru. Dua parameter yag dguaka dalam dstrbus adalah θ yag dsebut dega scale parameter ( parameter skala ) da β yag dsebut dega

28 parameter betuk ( shape parameter ). Fugs Realblty yag terdapat dalam dstrbus Webull yatu : Fugs Realbltas : R ( t ) = Dmaa θ > 0, β > 0, da t > 0 Dalam dstrbus Webull yag meetuka tgkat kerusaka dar pola data yag terbetuk adalah parameter β. Jka parameter β mempegaruh laju kerusaka, maka θ mempegaruh la tegah data. 2.1.5.2 Dstrbus Ekspoetal Dstrbus dguaka utuk meghtug keadala dar dstrbus kerusaka, yag memlk laju kerusaka kosta. Dstrbus mempuya laju kerusaka yag tetap terhadap waktu, dega kata la peluag atau probabltas terjad kerusaka alat tdak tergatug pada la umur ekooms alat tersebut. Parameter yag dguaka dalam dstrbus adalah λ, yag meujukka rata rata kedataga kerusaka yag terjad. Fugs Realblty yag terdapat dalam dstrbus adalah ; Fugs Realbltas : R ( t ) = Dmaa t > 0, λ > 0

29 2.1.5.3 Dstrbus Normal Dstrbus Normal dguaka utuk memodelka feomea keausa. Parameter yag dguaka adalah ( la tegah ) da ( stadar devas ). Karea dstrbus mempuya hubuga dega dstrbus Logormal, maka dstrbus juga dapat dguaka utuk megaalsa probabltas Logormal. Fugs Realblty yag terdapat dalam dstrbus adalah : Fugs Relabltas : R ( t ) = Dmaa > 0, > 0, da t > 0 2.1.5.4 Dstrbus Logormal Dstrbus Logormal megguaka dua parameter, yatu s yag merupaka parameter betuk ( shape parameter ) da sebaga parameter lokas ( locato parameter ) yag merupaka la tegah dar suatu dstrbus kerusaka. Dstrbus memlk berbaga macam betuk sehgga serg djumpa data yag sesua dega dstrbus Webull, juga sesua dega dega data dalam dstrbus Logormal. Fugs Realblty yag terdapat pada dstrbus Logormal yatu : Fugs Relabltas : R ( t ) = 1 Dmaa s > 0, > 0 da t > 0

30 2.1.6 Idetfkas Dstrbus Idetfkas dstrbus dlakuka dalam dua tahap, yatu ; Least Square Curve Fttg da Goodess Of Ft Test. Least Square Curve Fttg Metode dguaka utuk meghtug la dex of ft ( r ). Dstrbus dega la r yag terbesar aka dplh utuk duj dega megguaka Goodess Of Ft Test. Rumus umum yag terdapat dalam Least Square Curve Fttg adalah : F ( ) = Dmaa : = data waktu ke t = jumlah data kerusaka Rumus dar Idex of Ft adalah : r = z z x x z x z x 1 2 1 2 1 2 1 2 1 1 1 *Utuk Webull, Normal, Logormal

31 Maka la : b= *Utuk Ekspoetal Rumus yag dmlk oleh masg masg dstrbus : 1. Dstrbus Webull = l dmaa adalah data waktu ke- = l [ l ] Parameter : β = b da θ = 2. Dstrbus Ekspoetal = dmaa adalah data waktu ke- = l Parameter : λ = b 3. Dstrbus Normal = dmaa adalah data waktu ke- = = [ F( ) ] Parameter : da

32 4. Dstrbus Logormal = l dmaa adalah data waktu ke- = = [ F( ) ] Parameter : s = da = Goodess Of Ft Test Setelah dlakuka perhtuga dex of ft maka tahap selajutya dlakuka peguja Goodess Of Ft utuk la dex of ft yag terbesar. Uj dlakuka dega membadgka hpotesa ol ( Ho ) yag meyataka bahwa data kerusaka megkut dstrbus plha da hpotess alteratf yag meyataka bahwa data kerusaka tdak megkut dstrbus plha. Peguja yag dlakuka dalam Goodess Of Ft ada tga macam, yatu Ma Test utuk dstrbus Webull, Bartlett Test utuk dstrbus Ekspoetal da Kolmogorov-Smrov utuk dstrbus Normal da Logormal. 2.1.7 Ma Test Utuk Ma Test hpotesa cara utuk melakuka uj adalah : Ho : Data kerusaka utuk dstrbus Webull H1 : Data kerusaka tdak berdstrbus Webull

33 Rumusya adalah : M ; Dmaa : - l (1- ) Jka la M < maka dterma. Nla dperoleh dar tabel dstrbus F dega 2.1.8 Bartlet s Test Sedagka utuk Bartlet s, hpotesa utuk melakuka uj adalah Ho : Data kerusaka berdstrbus Ekspoetal H1 : Data kerusaka tdak berdstrbus Ekspoetal Rumusya adalah : B =

34 Dmaa : adalah data waktu kerusaka ke r adalah jumlah kerusaka. B adalah la statstk utuk uj Barlett test Ho dterma jka : < B < 2.1.9 Kolmogorov-Smrov Test uj adalah : Dalam metode Kolomogorov-Smrov hpotesa dalam melakuka Ho : Data kerusaka berdstrbus Normal atau Logormal H1 : Data kerusaka tdak berdstrbus Normal atau Logormal Uj Stattstkya adalah : max {D1,D2 } Dmaa : { - } { } Da utuk meghtug stadar devas ( s ) ;

35 adalah waktu kerusaka ke s adalah stadar devas Jka < maka terma Ho. Nla dperoleh dar tabel crtcal value for Kolomogorov Smrov test for ormalty. 2.2.0 Mea Tme To Falure ( MTTF ) Mea Tme To Falure merupaka rata rata selag waktu kerusaka dar suatu dstrbus kerusaka. Perhtuga MTTF utuk masg masg dstrbus adalah : Dstrbus Webull MTTF =.Ґ Dstrbus Ekspoetal MTTF = Dstrbus Normal MTTF = Dstrbus Logormal MTTF = 2.2.1 Mea Tme To Repar ( MTTR ) Utuk meghtug la rata rata perbaka, dstrbus data utuk waktu perbaka, dstrbus data utuk waktu perbaka perlu dketahu lebh

36 dahulu. Peguja utuk meetuka dstrbus data dlakuka dega cara sepert yag ada datas. Rumus utuk masg masg dstrbus adalah : Dstrbus Webull MTTR =.Ґ Dstrbus Ekspoetal MTTR = Dstrbus Logormal Da Normal MTTR = 2.2.2 Fshboe Dagram Meurut V. Gaspersz (1998) dagram sebab akbat adalah suatu dagram yag meujukka hubuga atara sebab akbat. Berkata dega pegedala proses statstcal, dagram sebab akbat dperguaka utuk meujukka faktor - faktor peyebab. Dagram sebab akbat dsebut juga dagram tulag ka ( fshboe dagram ) karea betukya sepert keragka tulag ka da dperkealka pertama kal oleh Prof. Kaoru Ishkawa dar uverstas Tokyo tahu 1953 sehgga dsebut juga dagram Ishkawa. Meurut V. Gasperz ( 2001 ), lagkah lagkah dalam membuat suatu dagram Fshboe, atara la :

37 Memula dega peryataa masalah-masalah utama yag petg da medesak utuk dselesaka. Meulska peryataa masalah tu pada kepala ka yag merupaka akbat (effect) pada ss sebelah kaa pada kertas, kemuda meggambarka tulag belakag dar kr ke kaa da meempatka peryataa masalah tu dalam kotak. Meulska faktor-faktor peyebab utama yag mempegaruh masalah kualtas sebaga tulag besar, juga dtempatka daloam kotak. Kategorkategor peyebab utama dapat dkembagka melalu stratfkas ke dalam pegelompoka dar factor-faktor, sepert mausa, mes, peralata, materal, metode kerja, lgkuga, da la-la. Meulska peyebab peyebab sekuder yag mempegaruh peyebab tugas utama, dyataka sebaga tulag sedag.