BAB IV

PEMBAHASAN
Pada bab ini akan dilakukan analisis data untuk mendapatkan kesimpulan dan
saran atas permasalahan yang ada. Analisis keandalan dilakukan dengan
menggunakan distribusi Weibull terhadap data kegagalan yang diperoleh.
Pengujian Mann’s digunakan untuk mengetahui apakah distribusi Weibull dapat
digunakan untuk mengukur keandalan komponen.

4.1 Analisis Keandalan Komponen Brake Assy

Pada bagian ini akan dilakukan pembahasan keandalan komponen sebagai
fungsi usia pemakaian. Keandalan komponen sangat penting untuk dianalisis
karena menentukan tingkat keandalan brake assy secara menyeluruh. Usia
komponen yang digunakan adalah usia sejak komponen baru (TSN/Time Since
New).
Dari catatan perawatan yang didapatkan diketahui bahwa kerusakan
komponen brake assy dapat diperbaiki oleh pihak pemeliharaan di Skatek 043.
Bila terjadi kerusakan komponen tersebut, hal yang dilakukan oleh personel
pemeliharaan adalah melakukan perawatan/maintenance komponen tersebut, agar
dapat berfungsi baik kembali.
Langkah selanjutnya dalam analisis keandalan adalah menentukan distribusi
yang digunakan, yang dalam analisis ini digunakan distribusi Weibull. Setelah itu
dilakukan pengujian Mann’s untuk mengetahui apakah distribusi Weibull dapat
digunakan untuk melakukan analisis keandalan dari komponen tertentu.
Dari data usia kegagalan komponen brake assy selama bulan Januari 2016
sampai Juni 2017 didapatkan jumlah kegagalan sebanyak 32 kali, tetapi pada
pengolahan data ini saya mengambil data kegagalan hanya 9 kali. Dari refrensi
diketahui bahan untuk distribusi Weibull dapat digunakan dengan jumlah data
minimal 3 buah.

40
 41

Tabel 4.1 Data Kegagalan Komponen Brake Assy.

Part Number MS 288775.218
USIA USIA KOMPONEN
No PESAWAT KOMPONEN (Jam, Desimal TANGGAL KET
(Jam : Menit) Menit)
1 LD – 1201 99:55 99,917 10 Februari 2017
2 LD – 1219 101:00 101 12 Oktober 2016
3 LD – 1208 172:25 172,417 21 Maret 2017
4 LD – 1214 200:25 200,417 26 Mei 2016
5 LD – 1208 227:45 227,75 27 Januari 2017
6 LD – 1217 299:25 299,417 04Mei 2017
7 LD – 1214 301:10 301,167 18 Oktober 2016
8 LD – 1224 394:00 394 10 Oktober 2016
9 LD – 1206 500:00 500 20 April 2017

4.2 Trend Failure

Data kerusakan failure didapatkan dari laporan harian dan laporan situasi
mingguan yang berisi seluruh kegiatan perawatan yang dilakukan. Laporan harian
dibuat setiap hari setelah seluruh penerbangan telah dilaksanakan. Laporan ini
kemudian dikirim ke Pusat Komando Pengendalian (Puskodal) yang berada di
Mabes AU dan disimpan sebagai arsip. Setiap hari jumat dibuat laporan situasi
mingguan yang berisi jumlah sortie penerbangan, misi yang dilakukan, kendala
yang dialami, dan kerusakan yang terjadi terhadap pesawat. Rekap dari laporan ini
dapat dilihat pada tabel 4.2 dan tabel 4.3 yang berisi seluruh data kegagalan yang
terjadi pada pesawat G 120 TP-A Grob dari bulan Januari 2016 sampai dengan
bulan Juni 2017.
 42

Tabel 4.2 Data Kegagalan Pesawat G 120 TP-A Grob Tahun 2016
PEMELIHARAAN GROB G120 TP-A
NO TIDAK JML
JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOV DES
TERJADWAL

1. Airframe 8 8 6 4 7 3 4 1 3 3 5 - 52
2. Engine 4 4 30 3 11 10 13 40 16 12 6 7 156
3. Propeller - - 1 3 2 1 1 - - - - - 8
4. Listmen 14 14 9 7 20 15 12 10 15 14 10 2 142
5. Hydroulic 13 15 10 11 17 6 10 9 16 14 20 - 141
6. Avionic 4 9 9 3 2 2 17 1 3 3 3 - 56
TOTAL 43 50 65 31 59 37 57 61 53 46 44 9 555

Tabel 4.3 Data Kegagalan Pesawat G 120 TP-A Grob Tahun 2017
PEMELIHARAAN GROB G120 TP-A
NO TIDAK JML
JAN FEB MAR APR MEI JUN
TERJADWAL
1. Airframe 6 7 9 8 7 - 37
2. Engine 11 6 26 8 9 1 61
3. Propeller 1 1 - - - - 2
4. Listmen 17 16 20 12 14 - 79
5. Hydroulic 18 17 29 17 19 - 100
6. Avionic 12 6 4 2 2 - 26
TOTAL 65 53 88 47 51 1 305

Pengelompokan data kegagalan berdasarkan sistem yang ada dalam pesawat

G 120 TP-A Grob. Hal ini dilakukan untuk mengelompokkan suatu golongan
keahlian atau pekerjaan yang dilakukan oleh mekanik dalam mengoperasikan dan
melakukan perawatan.
Secara keseluruhan dari bulan Januari 2016 sampai dengan bulan Juni 2017
dari total kegagalan yang terjadi sebanyak 860 kejadian, didapatkan urutan jumlah
total kegagalan yang terjadi menurut sistem dan ditampilkan pada tabel 4.4.
 43

Tabel 4.4 Data Jumlah Kegagalan Pesawat G 120 TP-A Grob Tahun 2016-2017
URUTAN SISTEM JUMLAH
1 Airframe 89
2 Engine 217
3 Propeller 10
4 Listmen 221
5 Hydroulic 241
6 Avionic 82

4.3 Data Kegagalan Hydroulic dan Komponen Brake Assy

Data kegagalan sistem Brake Assy dapat kita ketahui jumlahnya dari data
perawatan operasional hydroulic dari flight line dan perawatan tingkat sedang di
Skatek. Dalam hal ini flight line merupakan satuan perawatan yang bertugas untuk
menyiapkan pesawat sebelum penerbangan dan melakukan inspeksi setelah
penerbangan yang dilakasanakan oleh personil perawatan dan pemeliharaan
pesawat. Dari hasil inspeksi yang dilakukan oleh mekanik dan inspektor dibuat
catatan oleh personil administrasi teknik yang berisi segala hal yang ditemukan
dan laporan dari pilot. Data ini berisi catatan tentang pengoperasian harian
pesawat yang dibuat oleh personel flight line. Dalam data ini mencakup apapun
perpindahan komponen, jumlah kegagalan hydroulic, gejala yang terjadi, dan
troubleshooting yang dilakukan pada saat terjadi kegagalan. Sedangkan personel
Skatek merupakan pelaksana perawatan dan pemeliharaan tingkat sedang pesawat
G 120 TP-A Grob. Penggantian komponen Brake Assy dilaksanakan oleh personel
pemeliharaan di Skadron Teknik 043 khususnya di Bengkel Pemeliharaan
Pesawat I yang menangani pesawat G 120 TP-A Grob.
Data jumlah kegagalan hydroulic tanpa meninjau modus kegagalan akibat
FOD (Foreign Object Damage) yang terjadi dari bulan Januari 2016 sampai
dengan Juni 2017 ditunjukkan pada tabel 4.5.
 44

Tabel 4.5 Data Jumlah Kegagalan Hydroulic Total Pesawat G 120 TP-A Grob
TAHUN BULAN JUMLAH TAHUN BULAN JUMLAH
2016 JANUARI 10 2017 JANUARI 18
FEBRUARI 15 FEBRUARI 16
MARET 10 MARET 29
APRIL 10 APRIL 16
MEI 17 MEI 18
JUNI 6 JUNI -
JULI 10 JULI -
AGUSTUS 9 AGUSTUS -
SEPTEMBER 16 SEPTEMBER -
OKTOBER 18 OKTOBER -
NOVEMBER 16 NOVEMBER -
DESEMBER - DESEMBER -
TOTAL 137 TOTAL 97

Setelah dilakukan klarifikasi terhadap modus kegagalan yang terjadi, maka

data kegagalan pada komponen brake assy yang terjadi dari bulan Januari 2016
sampai Juni 2017 dapat dilihat pada tabel 4.6

Tabel 4.6 Data Kegagalan Brake Assy Pesawat G 120 TP-A Grob
TAHUN BULAN JUMLAH TAHUN BULAN JUMLAH
2016 JANUARI 1 2017 JANUARI 3
FEBRUARI - FEBRUARI 3
MARET - MARET 4
APRIL 1 APRIL 2
MEI 3 MEI 2
JUNI - JUNI -
JULI 1 JULI -
AGUSTUS - AGUSTUS -
SEPTEMBER 3 SEPTEMBER -
OKTOBER 5 OKTOBER -
 45

NOVEMBER 4 NOVEMBER -
DESEMBER - DESEMBER -
TOTAL 18 TOTAL 14

Setelah dilakukan klasifikasi terhadap modus kegagalan pada hydroulic yang

terjadi, maka data kegagalan pada komponen brake assy yang terjadi dari bulan
Januari 2016 sampai Juni 2017 yang ditunjukkan pada tabel 4.6. Dari seluruh data
kegagalan pada sistem hydroulic diklasifikasikan berdasarkan modus kegagalan
yang terjadi, kemudian didapatkan data kegagalan dari komponen yang sering
mengalami trouble adalah brake assy.
Dari data di tabel 4.6 diperoleh angka prosentase kegagalan komponen brake
assy terhadap kegagalan system hidroulic pada pesawat Grob adalah 13% pada
tahun 2016 dan pada tahun 2017 14%.

4.4 Perhitungan Data

4.4.1 Analisis Weibull
Dari data tabel 4.1 dapat dilaksanakan perhitungan mengenai distribusi
Weibull. Contoh perhitungan untuk mencari nilai F(x), x dan y diambil dari usia
median atau data no 5 dengan t = 227,75 dengan n = 9 (banyaknya umur
kegagalan).
i 5
F (x) = = = 0,5
n 1 9  1
x = ln (t) = ln 227,75 = 5,428249
1 1
y = ln (ln [1−𝐹(𝑥)]) = ln (ln [1−𝐹(𝑥)]) = -0.366513

Sedangkan data untuk plot grafik distribusi Weibull dari 9 komponen brake
assy ditunjukkan pada tabel 4.7.
 46

Tabel 4.7 Data Untuk Plot Grafik Distribusi Weibull

Komponen Brake Assy

i 1
i t F(x) = x = ln (t) y = ln (ln [1−𝐹(𝑥)])
n 1
1 99,917 0,1 4,604339841 -2,250367327
2 101 0,2 4,615120517 -1,499939987
3 172,417 0,3 5,149915961 -1,030930433
4 200,417 0,4 5,300400196 -0,671726992
5 227,75 0,5 5,428248536 -0,366512921
6 299,417 0,6 5,701837251 -0,087421572
7 301,167 0,7 5,707664928 0,185626759
8 394 0,8 5,976350909 0,475884995
9 500 0,9 6,214608098 0,834032445

Sedangkan untuk perhitungan dari β (shape parameter), η (scale parameter),

r2 (coefficienct of determination), dan r (coefficient of correlation) dapat dihitung
dengan nilai parameter sebagai berikut :

xy = -2,17274863 x = 5,410942915 y = -0,490150559

x 2 = 29,55639473 y 2 = 1,10294622

xy  x  y - 2,172749  (-2,652177)
a=β=

shape parameter = = = 1,723993992
x2  x
2
29,556395  29,278303

b = y  a x = -0,490150559 – (1,723993992 x 5,410942915)

= -9,818583636

𝑏  (-9,818584) 
scale parameter = η = exp(− (− 𝑎))= exp    = 297,4523295
 1,723994 

( xy  x  y ) 2
r2 (coefficienct of determination) =
2
( x 2  x )( y 2  y ) 
2
 47

(-2,17274863  -2,652176695) 2
= = 0,958076271
(29,55639473  29,27830323)(1,10294622  0,240247571)

( xy  x  y ) 2
r (coefficient of correlation) = √
 2
( x 2  x )( y 2  y ) 
2

= √0,958076271= 0,978813706

1,5
1
y = 1,724x - 9,8186
0,5
R² = 0,9581
0
Series1
0 2 4 6 8
-0,5
Linear (Series1)
-1
-1,5
-2
-2,5

Gambar 4.1 Plot Grafik Distribusi Weibull Komponen Brake Assy

Dari hasil penghitungan didapatkan nilai β = 1,723993992 yang merupakan

parameter bentuk (shape parameter) dari distribusi Weibull. Sedangkan nilai scale
parameter atau η = 297,4523295 yang merupakan usia karakteristik komponen
yang mengalami kegagalan (failure) yaitu pada usia 297 jam 27 menit. Sedangkan
nilai koefisien korelasi (r) yaitu koefisien untuk mengukur kekuatan hubungan
masing-masing variable x dan y didapatkan nilai r = 0,978813706, dengan
demikian nilai tersebut memiliki koifisien korelasi yang sangat tinggi. Sedangkan
nilai koifisien determinasi (r2) diperoleh nilai r2 = 0,958076271.

4.4.2 Pengujian Mann’s

Pengujian Mann’s untuk distribusi Weibull komponen brake assy
ditunjukkan pada tabel 4.7.
 48

Contoh perhitungan untuk mencari nilai ln ti, Zi, Mi, ln t(i+1) – ln ti dan
(ln 𝑡𝑖+1 – ln 𝑡𝑖 )
diambil dari usia median atau data i = 5 dengan t = 227:45 atau t
𝑀𝑖
= 227,75, dengan n = banyaknya umur kegagalan = 9.
Ln ti = ln 227,75 = 5,428248536
  i  0,5    5  0,5 
Zi = ln  ln1   = ln  ln 1  
  n  0,25    9  0, 25 
= -0,405746748
Mi = Zi+1 - Zi

  (i  1)  0,5    i  0,5 
= ln  ln 1   - ln  ln 1  
  n  0, 25    n  0 , 25 

  (5  1)  0,5    5  0,5 
= ln  ln 1   - ln  ln 1  
  9  0,25    9  0,25 
= 0,303567512
ln t(i+1) – ln ti = ln 299,417 – ln 227,75
= 0,273588714
(ln 𝑡𝑖+1 – ln 𝑡𝑖 ) (ln 299,417 –ln 227,75)
= = 0,901245039
𝑀𝑖 0,303567512

Sedangkan data untuk pengujian Mann’s distribusi Weibull dari 9 komponen

brake assy ditunjukkan pada tabel 4.8.

Tabel 4.8 Data Untuk Pengujian Mann’s Distribusi Weibull

Komponen Brake Assy
(ln 𝑡𝑖+1 – ln 𝑡𝑖 )
i ti ln ti Zi Mi ln t(i+1) – ln ti
𝑀𝑖
1 99,917 4,604339841 -2,89011447 1,158117368 0,010780675 0,009308794

2 101 4,615120517 -1,731997102 0,57707172 0,534795444 0,926739998

3 172,417 5,149915961 -1,154925382 0,411376503 0,150484235 0,365806588

4 200,417 5,300400196 -0,743548879 0,337802132 0,12784834 0,378471087

 49

5 227,75 5,428248536 -0,405746748 0,303567512 0,273588714 0,901245039

6 299,417 5,701837251 -0,102179235 0,295294529 0,005827678 0,019735136

7 301,167 5,707664928 0,193115294 0,316714492 0,268685981 0,848353921

8 394 5,976350909 0,509829786 0,411371121 0,238257189 0,57917821

9 500 6,214608098 0,921200907

Dari tabel didapatkan:

n : 9 (jumlah data)
𝑛
k1 : 2 = 4,5
𝑛−1
k2 : =4
2

2k1 : 9 (pembilang)
2k2 : 8 (penyebut)
dimana Mi = Zi+1 - Zi ; n = banyaknya umur kegagalan
  i  0,5 
Zi = ln  ln1  
  n  0,25 
 ln t (i +1) - ln t i 
n 1
k1
i  n1 1 
  

sehingga M =
Mi  = 4,5(2,348512)
= 1,57236
n1
 ln t (i +1) - ln t i  4(1,680326)
k 2   

i 1  M i 
Sedangkan nilai Fcrit, 0.05, 9, 8 = 3,39 (dapat dilihat pada Lampiran tabel nilai
kritis pengujian Mann’s).
Dari hasil perhitungan menunjukkan M = 1,57236 dan nilai Fcrit, 0.05, 9, 8 = 3,39
(dapat dilihat pada Lampiran tabel nilai kritis pengujian Mann’s), maka nilai M <
Fcrit dimana Ho = umur kegagalan dapat dianalisis dengan distribusi Weibull
sedangkan H1 = umur kegagalan tidak dapat dianalisis dengan distribusi Weibull,
sehingga H0 “Diterima” atau umur kegagalan komponen brake assy dapat
dianalisis dengan distribusi Weibull.
 50

4.4.3 Perhitungan Nilai Probability Density Function

Dari distribusi Weibull untuk komponen Brake Assy didapatkan nilai scale
parameter (η) = 297,4523295 dan shape parameter (β) = 1,723993992. Dengan
menggunakan nilai parameter-parameter ini maka nilai Probability Density
Function (PDF) dengan contoh perhitungan diambil dari usia data i = 5 dengan t =
227:45 atau t = 227,75, adalah :

β 1
β t   t β 
f(t) =   exp     
η η   η  

1,723993  227,75 
0,723993
  227,75 1,723993
f(5) =   exp    
297,452329  297,452329    297,452329  

= 0,002541488

f(t) vs t
0,003

0,0025

0,002
f(t)0,0015

0,001

0,0005

0
0 100 200 300 400 500 600
f(t) vs t t

Gambar 4.2 Grafik Diagram Fungsi f(t) vs t

Maka pada saat t = 255,1205556 (penggunaan usia rata-rata setiap pesawat

Grob per tahun), maka didapat nilai PDF sebesar :
 51

1,723993  255,12 
0,723993
  255,12 1,723993
f(255,12) =   exp    
297,45232  297,45232    297,45232  

= (5,795863 x 10-3) x (0,894807) x (0,4641897)

= 2,407371 x 10-3

4.4.4 Perhitungan Nilai Cummulative Distribution Function

Dari distribusi Weibull untuk komponen Brake Assy didapatkan nilai scale
parameter (η) = 297,4523295 dan shape parameter (β) = 1,723993992. Dengan
menggunakan nilai parameter-parameter ini maka nilai Cummulative Distribution
Function (CDF) dengan contoh perhitungan diambil dari usia data i = 5 dengan t =
227:45 atau t = 227,75, adalah :
  t  
F(t) = 1  exp   
    

  227,75 1,723993
F(5) = 1  exp    
  297,45232  
= 0,467985501

1
F(t) vs t
0,8

0,6
F(t)
0,4

0,2

0
0 100 200 300 400 500 600

F(t) vs t t

Gambar 4.3 Grafik Diagram Fungsi F(t) vs t

 52

Maka pada saat t = 255,1205556 (penggunaan usia rata-rata setiap pesawat

Grob per tahun), maka didapat nilai CDF sebesar :
  255,12 1,723993
F(255,12) = 1  exp    
  297,45232  
= 1 – 0,464190152
= 0,535809848

4.4.5 Perhitungan Keandalan (Reability)

Dari distribusi Weibull untuk komponen Brake Assy didapatkan nilai scale
parameter (η) = 297,4523295 dan shape parameter (β) = 1,723993992. Dari nilai
tersebut, kurva keandalan komponen Brake Assy dapat dibentuk dengan
persamaan, dengan contoh perhitungan diambil dari usia data i = 5 dengan t =
227:45 atau t = 227,75 :
  t  
R (t) = exp   
    

  227,75 1,723993
R(5) = exp    
  297,45232  

= 0,532014499

R(t) vs t
1

0,8

0,6
R(t)
0,4

0,2

0
0 100 200 300 400 500 600
R(t) vs t
t

Gambar 4.4 Grafik Diagram Fungsi R(t) vs t

 53

Maka pada saat t = 255,1205556 (penggunaan usia rata-rata setiap pesawat

Grob per tahun), maka didapat nilai Keandalan sebesar :
  255,12 1,723993
R (255,12) = exp    
  297,45232  
= 0,4641897
Keandalan (Reability) merupakan probabilitas bahwa suatu komponen
atau sistem akan beroperasi dalam suatu periode waktu tertentu. Pada gambar 4.3
merupakan diagram hasil perhitungan keandalan (reability) dari komponen brake
assy. Dari diagram, diketahui bahwa fungsi keandalan R(t) senantiasa berubah
sesuai dengan perubahan waktu.
Berdasarkan hal tersebut, keandalan akan mengalami penurunan dari
waktu ke waktu, sehingga semakin bertambahnya jam pemakaian komponen,
maka nilai keandalan akan semakin rendah.

4.4.6 Perhitungan Laju Kegagalan (Failure Rate)

Dari distribusi Weibull untuk komponen Brake Assy didapatkan nilai scale
parameter (η) = 297,4523295 dan shape parameter (β) = 1,723993992. Dari nilai
tersebut, kurva laju kegagalan λ(t) komponen brake assy dapat dibentuk dengan
persamaan, dengan contoh perhitungan diambil dari usia data i = 5 dengan t =
227:45 atau t = 227,75 :
 1
 t
λ (t) =  
  
0,723993
1,723993  227,75 
λ (5) =  
297,45232  297,45232 

= 0,004777104
 54

λ(t) vs t
0,01

0,008

0,006
λ(t)
0,004

0,002

0
0 100 200 300 400 500 600
λ(t) vs t t
Gambar 4.5 Grafik Diagram Fungsi λ(t) vs t

Maka pada saat t = 255,1205556 (penggunaan usia rata-rata setiap pesawat

Grob per tahun), maka didapat nilai Laju Kegagalan sebesar :
0,723993
1,723993  255,12 
λ (255,12) =  
297,45232  297,45232 
= (5,795863 x 10-3) x (0,894807)
= 5,186179 x 10-3
Dilihat dari hasil grafik diagram diatas, laju kegagalan semakin naik
seiring dengan bertambahnya jam pemakaian komponen, sehingga laju kegagalan
menaik (increasing failure rate). Kondisi ini sesuai dengan persamaan shape
parameter (β) = 1,723993992 dengan nilai β > 1, maka laju kegagalan merupakan
Implies Wear Out ("The New Weibull Handbook", Abernethy, 1993), yaitu
kegagalan terjadi pada saat batasan umur desain. Penyebab kegagalan jenis ini
diantaranya adalah: fatigue, corosion, erosion.

4.4.7 Perhitungan MTTF (Mean Time to Failure)

Dari distribusi Weibull untuk komponen Brake Assy didapatkan nilai scale
parameter (η) = 297,4523295 dan shape parameter (β) = 1,723993992. Dari nilai
tersebut dapat dihitung sebagai berikut :
 55

1
MTTF = η.Γ[1 + 𝛽]

nilai Г (dapat dilihat pada lampiran)

1
dengan nilai x = ( 1+ β )
1
=1+
1,723993
= 1,580049
Dari nilai tabel Г (pada lampiran), nilai x = 1,580049 didapatkan nilai Г =
0,89142 sehingga nilai MTTF adalah :
1
MTTF = η.Γ[1 + 𝛽]

= 297,4523295 x 0,89142 x 1,580049

= 418,957822
Nilai MTTF komponen brake assy adalah sebesar 418,957822 yang berarti
rata-rata komponen tersebut akan berfungsi sampai mengalami kegagalan pada
usia 418 jam 57 menit (418:57 Jam).

4.5 Hasil Pembahasan

4.5.1 Efektivitas Perawatan Komponen
Agar dapat menganalisis efektivitas perawatan pada komponen brake assy
perlunya sebuah parameter yang menunjukkan jenis kegagalan yang terjadi pada
komponen tersebut. Dari hasil perhitungan yang didapat nilai β untuk komponen
brake assy adalah 1,723993992, sesuai dengan ketentuan yang berlaku untuk nilai
β > 1 jenis kegagalan yang terjadi adalah jenis kegagalan aus (wear out),
kegagalan ini ditandai dengan meningkatnya laju kegagalan (increasing failure
rate) seiring dengan penggunaan komponen.
Untuk jenis kegagalan aus (wear out) perawatan preventif (Preventive
Maintenance) akan efektif untuk tipe penurunan performa yang berkurang sedikit
demi sedikit (degradasi gradual), tugas perawatan preventive yang dimaksud
adalah berupa lubrikasi, cek operasional, cek fungsional dan restorasi atau
overhaul. Namun pemilihan salah satu dari tugas perawatan ini harus efektif
mengurangi resiko dampak kegagalan ke level yang dapat diterima. Untuk
 56

degradasi dengan sebaran yang panjang atau umur kegagalan fungsional tidak
diketahui, maka inspeksi kondisi diperlukan untuk menentukan status prestasi dari
komponen tersebut, bila kegagalan potensial sudah teridentifikasi, maka tindakan
perbaikan dapat dilakukan. Kebijakan yang terakhir ini disebut candition based
atau sering disebut dengan on-condition artinya tindakan perbaikan dilakukan
tergantung pada kondisi prestasi komponen tersebut.

4.5.2 Laju Kegagalan (Failure Rate) Komponen Brake Assy

Apabila dilihat dari grafik pada gambar 4.5 kegagalan semakin meningkat
seiring dengan bertambahnya jam pemakaian komponen, laju kegagalan
meningkat (increasing failure rate). Kondisi ini sama dengan kurva bath tube
yang mempunyai nilai β > 1 dan apabila melihat hasil perhitungan dari shape
parameter pada komponen brake assy β = 1,723993992 maka dikategorikan
Wear-out atau Kegagalan Aus yang mengidentifikasikan kegagalan dini pada
komponen brake assy. Kegagalan aus disebabkan oleh penurunan kemampuan
(kualitas) satu atau beberapa part dari komponen karena dioperasikan terus
menerus. Penurunan kualitas ini terjadi misalnya karena gesekan mekanik part
tersebut, korosi, atau kelelahan. Menurut analisis kedua parameter diatas, yaitu
grafik Weibull Analysis dan nilai β, terjadi peningkatan laju kegagalan diakibatkan
oleh bertambahnya umur sistem atau jumlah pemakaian sistem.

4.5.3 Analisis Keandalan Komponen Brake Assy

Untuk menganalisis keandalan R(t) parameter yang digunakan untuk
menunjukkan perubahan reability adalah failure time. Apabila nilai failure time
pada suatu sistem kecil, maka akan meningkatkan nilai keandalan R pada suatu
sistem tersebut. Sebaliknya jika nilai failure time besar atau meningkat, maka nilai
keandalan dari suatu sistem tersebut akan semakin kecil. Hal tersebut disebabkan
oleh tingginya failure rate seiring dengan bertambahnya jumlah operasi dan umur
sistem, tanpa diimbangi adanya perawatan yang memadai. Sesuai dengan konsep
keandalan yaitu kamampuan sistem untuk beroperasi pada jangka waktu tertentu
 57

tanpa mengalami kegagalan. Jadi semakin tinggi nilai R, dan semakin kecil nilai
failure rate, maka dapat dikatakan sistem tersebut semakin reliabilty atau handal.
Dari hasil perhitungan keandalan R(t) juga dapat diketahui nilai
ketidakandalan dari brake assy, yaitu dengan melihat rumus dasar keandalan
R(t)=1-F(t). Dimana F(t) merupakan nilai peluang suatu komponen akan gagal
dalam suatu periode waktu tertentu. Dan nilai F(t) akan selalu berbanding terbalik
dengan nilai R(t), oleh karena itu nilai R(t) semakin besar maka nilai F(t) akan
semakin kecil. Dari hasil perhitungan dengan memasukkan nilai failure rate (t)
mulai dari 99,917 sampai 500 diperoleh grafik seperti pada gambar 4.4,
ketidakandalan brake assy akan meningkat seiring bertambahnya jam terbang.

4.6 Usul Jenis Perawatan Yang Akan Dilakukan

Dari hasil penelitian, keandalan pada komponen brake assy dikategorikan
sebagai kegagalan Aus atau Wear-out karena nilai β pada komponen brake assy
adalah β = 1,723993992. Dimana penurunan komponen brake assy dapat terjadi
karena komponen tersebut dioperasikan secara terus menerus.
Sedangkan berdasarkan program perawatan di SKATEK 043 Lanud
Adisutjipto untuk komponen brake assy adalah melakukan inspection check pada
komponen brake assy dengan interval 350 jam terbang. Komponen brake assy
memiliki TBO yang telah ditentukan untuk di-overhaul yaitu 500 hours, maka
sebelum melebihi 500 hours komponen tersebut akan diganti dengan komponen
yang serviceable, kemudian komponen yang telah diganti akan dilakukan
overhaul.
Dari hasil perhitungan MTTF (Mean Time To Failure) didapatkan hasil 418
jam 57 menit, maka usul jenis perawatan yang akan dilakukan adalah perawatan
preventif (Preventive Maintenance), dimana perawatan jenis ini adalah suatu
pencegahan timbulnya kerusakan dengan cara melakukan pengawasan pada saat
perawatan pada unit yang masih dapat berfungsi dengan baik, penyetelan dan
pengencangan pada saat pemasangan O-ring pada komponen brake assy, dan
melakukannya penggantian komponen pada saat TBO (Time Between Overhoul)
 58

dengan tujuan agar komponen tersebut lebih baik pada saat penggunaanya dan
meningkatkan kemampuan dari komponen tersebut.