Muhammad Rakha Anargya Santoso (1), Rusindiyanto Rusindiyanto (2)
General Background Machine reliability is essential in metalworking industries because production continuity depends on high-precision equipment that can operate with minimal downtime. Specific Background The observed universal milling machine experienced frequent breakdowns that interrupted production activities, indicating that its existing care system was not fully planned or documented. Knowledge Gap Although previous studies have applied reliability-based approaches to industrial equipment, the specific integration of Mean Time Between Failure and Failure Mode and Effect Analysis for determining component-level repair ranking and scheduled care on the observed universal milling machine remains necessary. Aims This study aims to identify failure causes, determine repair ranking, and design a preventive schedule for universal milling machine components. Results The analysis identified worn gears and unresponsive panels as the most critical failures, each recording the highest Risk Priority Number of 576. MTBF calculation produced different component intervals, including gears every 7 days, panels every 22 days, automatic pins every 36 days, transformers every 90 days, fan every 180 days, and vanbelt and automatic bearing every 60 days. Availability results showed the lowest readiness for gears at 88.8%, while other components remained above 97%. Novelty This study combines RPN-based failure ranking with MTBF-based interval planning for a 42-year-old universal milling machine. Implications The findings provide a practical basis for structured preventive scheduling and targeted component repair in metalworking operations.
Highlights:
Keywords: FMEA, MTBF, Maintenance, Universal Milling
Industri manufaktur merupakan sektor penting dalam pembangunan ekonomi, khususnya di negara berkembang seperti Indonesia, karena berperan dalam meningkatkan kesejahteraan masyarakat dan mendorong sektor lain seperti jasa dan pertanian [1]. Industri berbasis produksi juga menjadi tulang punggung dalam pemenuhan kebutuhan domestik maupun ekspor [2]. Dalam operasionalnya, kelancaran produksi sangat bergantung pada kinerja mesin yang rentan mengalami penurunan akibat beban kerja tinggi dan kondisi lingkungan. Karena hal tersebut, dibutuhkan sistem perawatan untuk menjaga stabilitas produksi, meminimalkan gangguan, dan mempertahankan kualitas produk sesuai dengan standar yang ditetapkan [3].
UPTI Logam dan Perekayasaan Sidoarjo adalah pusat pelatihan dan produksi yang beroperasi di bidang pengolahan logam dan rekayasa logam. Dalam alur kerjanya, UPTI menggunakan mesin universal milling sebagai alat utama untuk pengikisan dan pembentukan permukaan logam. Mesin ini memiliki spesifikasi seperti meja kerja 30 x 120 cm, pengatur kecepatan, dan sistem penggerak otomatis, dengan usia pakai 42 tahun. Dari dua mesin yang tersedia, mesin yang diteliti yaitu mesin yang digunakan untuk produksi dengan waktu operasi sekitar 7 jam/hari. Hasil observasi menunjukkan sering terjadi gangguan seperti mesin macet, kerusakan automatic feeder, mesin mati tiba-tiba, dan tidak merespons, dengan 49 kejadian dalam satu tahun. Kondisi tersebut mengindikasikan bahwa sistem perawatan yang diterapkan belum terencana dan terdokumentasi secara menyeluruh.
Pendekatan yang digunakan untuk menganalisis penyebaba kerusakan dan prioritas perbaikan serta menyusun jadwal preventive maintenance yaitu Failure Mode and Effect Analysis (FMEA) untuk mengidentifikasi potensi kegagalan dan menentukan prioritas perawatan, serta Mean Time Between Failure (MTBF) untuk mengetahui rata-rata interval antar kerusakan. FMEA merupakan metode sistematis yang digunakan untuk menganalisis risiko kegagalan berdasarkan parameter severity, occurrence, dan detection yang menghasilkan nilai Risk Priority Number (RPN) sebagai dasar penentuan prioritas tindakan [4]. MTBF dipergunakan untuk mengukur keandalan mesin melalui rata-rata waktu proses sebelum terjadi kerusakan, sehingga dijadikan acuan pada perencanaan pemeliharaan [5].
Keberhasilan penggunaan metode MTBF dan FMEA dalam meningkatkan keandalan mesin telah dibuktikan pada beberapa penelitian terdahulu. Penelitian terdahulu yang menunjukkan bahwa metode tersebut mampu mengidentifikasi komponen dengan nilai RPN tertinggi pada encoder serta menyusun jadwal preventive maintenance guna mengurangi downtime. Selain itu, penelitian terdahulu juga membuktikan bahwa kombinasi metode MTBF, MTTR, dan FMEA mampu menentukan prioritas perawatan serta menghasilkan interval perawatan, seperti fan belt 68 hari dan gear box 57 hari, sehingga dapat meningkatkan efisiensi dan keandalan mesin. berdasarkan pada dua penelitian tersebut, penggunaan metode MTBF dan FMEA dalam penelitian dapat membantu dalam mengidentifikasi penyebab kerusakan, prioritas perbaikan dan merancang jadwal perawatan preventive.
Pengolahan data dilakukan untuk menganalisis penyebab kerusakan, prioritas perbaikan dan penyusunan jadwal preventive maintenance pada komponen mesin Universal Milling berdasarkan data yang telah diperoleh. Metode yang digunakan yaitu metode Mean Time between Failure (MTBF) dan Failure Mode and Effect Analysis (FMEA).
1. Industri Logam
Industri logam merupakan industri yang mengolah bahan baku menjadi produk jadi dengan memanfaatkan mesin dan teknologi modern. Dalam proses produksinya, teknologi digunakan untuk meningkatkan efisiensi, presisi, serta kapasitas melalui berbagai tahapan pengolahan. Penggunaan mesin berteknologi tinggi menjadi faktor penting dalam meningkatkan daya saing industri di tengah persaingan yang semakin ketat [6].
2. Preventive Maintenance
Preventive maintenance adalah aktivitas perawatan yang dilaksanakan secara terencana sebelum munculnya kerusakan pada mesin. Kegiatan ini mencakup inspeksi rutin, deteksi dini, serta tindakan pengendalian untuk menjaga dan memperpanjang umur pakai peralatan. Pelaksanaannya bertujuan untuk mengurangi frekuensi kerusakan, mencegah gangguan operasional, dan meningkatkan keandalan serta stabilitas produksi [7]. Preventive maintenance juga membantu mengurangi biaya perbaikan, meningkatkan efisiensi, dan menjaga kualitas produk [8].
3. Tahap Perhitungan Mean Time Between Failure (MTBF)
Pada tahap ini, dilaksanakan perhitungan Mean Time Between Failure (MTBF) untuk mengetahui rata-rata waktu antar kerusakan mesin. MTBF merupakan indikator yang digunakan untuk menggambarkan tingkat keandalan mesin yang dapat diperbaiki dan kembali dioperasikan setelah mengalami kerusakan, sehingga dapat menunjukkan seberapa sering gangguan terjadi dalam periode tertentu [9]. Nilai MTBF yang tinggi menunjukkan mesin memiliki keandalan yang baik, sedangkan nilai yang rendah mengindikasikan perlunya peningkatan sistem perawatan. Perhitungan MTBF dilakukan dengan membandingkan total waktu operasi dengan frekuensi kerusakan, sehingga dapat digunakan sebagai dasar dalam perencanaan pemeliharaan dan pengambilan keputusan perbaikan mesin [5]. Berikut rumus perhitungan MTBF:
(1)
4. Tahap Perhitungan Mean Time To Repair
Pada tahap ini, dilakukan perhitungan Mean Time to Repair (MTTR) untuk mengetahui rata-rata waktu yang dibutuhkan dalam memperbaiki mesin setelah terjadi kerusakan. MTTR digunakan untuk menggambarkan kemampuan sistem perawatan dalam mengembalikan mesin ke kondisi operasional, dimana nilai yang tinggi menunjukkan rendahnya tingkat maintainability dan berdampak pada peningkatan waktu henti produksi. Perhitungan MTTR dilakukan dengan membandingkan total waktu perbaikan dengan jumlah kerusakan, sehingga dapat digunakan sebagai dasar evaluasi efektivitas proses perbaikan dan upaya peningkatan kinerja perawatan [10]. Berikut rumus perhitungan MTTR:
(2)
5. Tahap Perhitungan Availability
Pada tahap ini, dilakukan perhitungan availability untuk mengetahui tingkat ketersediaan mesin dalam proses produksi. Availability diukur berdasarkan perbandingan antara waktu operasi dengan waktu tersedia, yang mencerminkan kesiapan mesin dalam mendukung kegiatan operasional [11]. Selain itu, semakin tinggi nilai availability maka semakin optimal proses produksi karena mampu mengurangi downtime serta menjaga stabilitas dan kualitas output [12]. Berikut rumus perhitungan Availability:
(3)
6. Tahap Failure Mode and Effect Analysis
Pada tahap ini, dilakukan identifikasi kerusakan dan analisis menadalam terhadap penyebab yang mendasari serta dampak yang ditimbulkan masing-masing kerusakan [4]. Analisis dilakukan dengan menggunakan 3 parameter utama yaitu Severity (S) atau tingkat keparahan dampak kegagalan, Occurrence (O) atau frekuensi terjadinya penyebab kegagalan, serta Detection (D) yang mencerminkan kemampuan sistem untuk mendeteksi [4]. Kriteria dan rating tiap parameter dapat dilihat pada Tabel 1, Tabel 2, dan Tabel 3 [13]:
Ketiga parameter ini dikombinasikan dalam bentuk Risk Priority Number (RPN) yang menjadi dasar untuk menetapkan prioritas tindakan [4]. Berikut rumus perhitungan RPN [13]:
RPN = S x O x D (4)
Selanjutnya identifikasi current control, identifikasi current control untuk mengetahui tindakan pencegahan dan deteksi yang diterapkan dalam proses. Current control merupakan upaya pengendalian yang bertujuan meminimalkan kemungkinan terjadinya kegagalan serta memberikan gambaran mekanisme kontrol yang berjalan. Selain itu, current control juga berperan dalam mendeteksi potensi penyebab kegagalan sebelum terjadi, sehingga dapat meningkatkan efektivitas pengendalian [14][15].
Berikut merupakan flowchart penelitian yang dapat dilihat pada Gambar 1:
Sebelum melakukan pengolahan data, tahap awal yang dilakukan adalah mengumpulkan data yang relevan dengan objek penelitian, yaitu mesin universal milling yang berada di UPTI Logam dan Perekayasaan Sidoarjo. Data terkait perawatan mesin yang digunakan dalam penelitian ini mencakup periode Oktober 2024 hingga September 2025. Data-data yang dikumpulkan dapat dilihat pada Tabel 4, Tabel 5, Tabel 6, dan Tabel 7:
1. Data Frekuensi Kerusakan dan Downtime Mesin
Berikut merupakan data frekuensi terjadinya kerusakan dan downtime mesin universal milling mulai dari bulan oktober 2024 – september 2025, data disajikan pada Tabel 4:
2. Data Frekuensi Kerusakan dan Waktu Perbaikan Mesin
Berikut merupakan data frekuensi terjadinya kerusakan dan waktu perbaikan mesin universal milling mulai dari bulan oktober 2024 – september 2025, data disajikan pada Tabel 5:
3. Data Kerusakan, Downtime dan Waktu Perbaikan Mesin
Berikut merupakan data kerusakan komponen mesin, downtime dan waktu perbaikan komponen mesin universal milling mulai dari bulan oktober 2024 – september 2025 dan data total Downtime dan Perbaikan tiap komponen, data disajikan pada Tabel 6 dan Tabel 7:
4. Data Jam Operasional Mesin Universal Milling
Jam operasional mesin dihitung berdasarkan selisih antara total waktu berjalannya mesin dengan waktu downtime mesin, dari perhitungan tersebut maka akan diketahui jam operasional mesin, berikut rumus perhitungan jam operasional mesin universal milling:
Jam operasional = Jam mesin/hari Jumlah hari kerja/tahun ̶ Downtime total
= 7 220 ̶ 283
= 1257 Jam (4)
1. Perhitungan Mean Time Between Failure
Setelah data frekuensi kerusakan dan downtime terkumpul, proses selanjutnya adalah mengolah data dengan menghitung mean time between failures (MTBF). Perhitungan MTBF bertujuan untuk mengetahui rata-rata waktu antar kerusakan, sehingga dapat menunjukkan tingkat keandalan mesin pada periode tertentu. Nilai MTBF yang didapat kemudian digunakan sebagai dasar perancangan jadwal preventive maintenance. Berikut disajikan mean time between failure (MTBF) dari tiap komponen pada Tabel 8:
Setelah diperoleh nilai mean time between failure (MTBF) dalam satuan jam, langkah selanjutnya adalah mengonversinya ke dalam satuan hari agar lebih mudah diinterpretasikan dalam konteks penjadwalan perawatan. Nilai mean time between failure dalam satuan hari yang telah diperoleh kemudian digunakan untuk interval preventive maintenance tiap komponen, berikut disajikan interval preventive maintenance dari tiap komponen pada Tabel 9:
2. Perhitungan Mean Time To Repair
Selanjutnya dilakukan pengolahan data dengan menghitung Mean Time to Repair (MTTR) untuk mengetahui rata-rata waktu yang dibutuhkan dalam melakukan perbaikan mesin setelah terjadi kerusakan. Berikut disajikan mean time to repair (MTTR) dari tiap komponen pada Tabel 10:
3. Perhitungan Availability
Tahap selanjutnya adalah melakukan pengolahan data dengan menghitung nilai availability untuk mengetahui tingkat ketersediaan mesin dalam proses produksi. Perhitungan availability bertujuan untuk menunjukkan seberapa besar persentase waktu mesin berada dalam kondisi siap digunakan dibandingkan dengan total waktu yang tersedia. Berikut disajikan availability dari tiap komponen pada Tabel 11:
Selanjutnya dilakukan analisis data menggunakan metode failure mode and effect analysis (FMEA) untuk mengidentifikasi potensi kegagalan pada komponen mesin dan dampak yang ditimbulkan terhadap sistem serta cara mengatasi permasalahan yang ada. Metode FMEA mengidentifikasi mode kegagalan (failure mode), menentukan penyebab dan efek yang muncul, serta memberikan penilaian sesuai dengan tingkat keparahan (severity), frekuensi kejadian (occurrence), dan kemampuan mendeteksi (detection). Hasil penilaian tersebut digunakan untuk menghitung nilai risk priority number (RPN) sebagai acuan menentukan prioritas perbaikan yang perlu dilakukan. Analisis failure mode and effect analysis (FMEA) disajikan pada Tabel 12:
Setelah dilakukan perhitungan mean time between failure (MTBF), nilai tersebut dikonversi ke dalam satuan hari dan digunakan untuk menentukan frekuensi perawatan tiap komponen dalam satu tahun. Selanjutnya dihitung interval perawatan dengan membagi jumlah hari kerja dengan jam kerja. Hasil perhitungan ini menjadi dasar dalam merancang jadwal preventive maintenance, rincian penjadwalan preventive maintenance disajikan pada Tabel 13:
Analisis hasil penelitian menunjukkan bahwa perhitungan Mean Time Between Failure (MTBF) menghasilkan nilai seperti roda gigi 46,6 jam, fan 1257 jam, dan panel 157,1 jam yang digunakan sebagai dasar penentuan interval perawatan. Nilai MTBF kemudian dikonversi ke satuan hari dengan pembagian 7 jam kerja per hari, sehingga diperoleh interval seperti roda gigi 7 hari, panel 22 hari, dan fan 180 hari sebagai acuan penjadwalan preventive maintenance. Perhitungan dengan Mean Time to Repair (MTTR) menghasilkan rata-rata waktu perbaikan, seperti roda gigi dengan rata-rata 5 jam, panel dengan rata-rata 4 jam, dan fan dengan rata-rata 2 jam, yang menunjukkan efektivitas proses perbaikan. Perhitungan availability menunjukkan tingkat ketersediaan mesin, seperti roda gigi 89,9% dan komponen lain di atas 97%, yang menandakan mesin siap digunakan. Analisis FMEA menunjukkan roda gigi aus dan panel tidak merespon sebagai komponen dengan nilai RPN tertinggi yaitu 567, dipicu oleh pelumasan tidak merata, kontaminasi, serta gangguan kelistrikan, sehingga memerlukan perawatan terus-menerus. Berdasarkan seluruh analisis, disusun jadwal preventive maintenance dengan frekuensi berbeda tiap komponen, dimana bulan ke-6 dan ke-12 menjadi periode perawatan paling padat dibandingkan bulan lainnya.
Pada mesin universal milling di UPTI Logam dan Perekayasaan, kerusakan terjadi pada beberapa komponen seperti roda gigi, fan, panel, pin otomatis, trafo, vanbelt, dan bearing yang disebabkan oleh pelumasan tidak mencukupi, aus, pencemaran, gangguan kelistrikan, serta ketidaktepatan pemasangan. Berdasarkan analisis FMEA, roda gigi aus dan panel pengatur tidak merespon mempunyai nilai RPN tertinggi dengan nilai 567 sehingga menjadi prioritas utama dalam perawatan karena memiliki resiko besar mengganggu atau menghentikan kegiatan produksi. Sebagai upaya pencegahan, dirancang jadwal preventive maintenance berdasarkan perhitungan MTBF dengan frekuensi perawatan berbeda tiap komponen rusak, seperti roda gigi 4–5 kali tiap bulan, panel 1–2 kali tiap bulan, serta komponen lain pada bulan tertentu, sehingga perawatan dapat dilakukan lebih terencana.
Penulis mengucapkan terima kasih kepada UPTI Logam dan Perekayasaan Sidoarjo atas izin dan kerja sama selama penelitian. Ucapan terima kasih juga saya sampaikan kepada dosen pembimbing dan dosen penguji atas bimbingan serta arahan dalam pelaksanaan dan penyusunan penelitian. Penulis juga berterima kasih kepada orang tua dan keluarga atas doa dan dukungan yang tiada henti. Terima kasih juga penulis ucapkan kepada teman-teman yang selalu memberi semangat dan bantuan selama penelitian berlangsung.
N. A. P. Harahap, F. Al Qadri, D. I. Y. Harahap, M. Situmorang, dan S. Wulandari, “Analisis Perkembangan Industri Manufaktur Indonesia,” El-Mal: Jurnal Kajian Ekonomi dan Bisnis Islam, vol. 4, no. 6, pp. 1444–1450, 2023, doi: 10.47467/elmal.v4i6.2918.
S. Supriandi dan M. Y. Masela, “Pengaruh Struktur Modal, Profitabilitas, Likuiditas Pasar Terhadap Nilai Perusahaan Pada Industri Manufaktur di Jawa Barat,” Sains Akuntansi dan Keuangan, vol. 1, no. 3, pp. 142–152, Mei 2023, doi: 10.58812/sak.v1i03.109.
B. Cahyadi dan B. A. S. Sosiawan, “Upaya Peningkatan Nilai Overall Equipment Effectiveness pada Mesin AFC-100,” Jurnal SEMRESTEK, pp. 459–464, 2024.
I. K. Wiryajati dan I. K. P. Putra, FMEA untuk Panduan Praktis Identifikasi Kegagalan dan Pengendalian Risiko. Indramayu, Indonesia: PT Adab Indonesia, 2025.
A. Kurnianto, A. D. Joanda, dan M. A. Ghifari, “Analisa Penerapan Preventive Maintenance pada Mesin Kompresor Sentrifugal dengan Menggunakan Metode Mean Time Between Failure dan Mean Time to Repair,” Jurnal Kajian Teknik Mesin, vol. 8, no. 1, pp. 80–86, 2022, doi: 10.52447/jktm.v8i1.6684.
C. J. T. Arli, W. I. Mursalini, dan R. Nasrah, “Pengaruh Antara Pertumbuhan Perusahaan dan Kinerja Keuangan Terhadap Income Smoothing pada Perusahaan Subsektor Logam yang Terdaftar di Bursa Efek Indonesia Tahun 2018–2022,” Innovative: Journal of Social Science Research, vol. 4, no. 3, pp. 11893–11904, Jun. 2024, doi: 10.31004/innovative.v4i3.10328.
Syarifuddin, M. Alfazri, dan Muzakir, “Perancangan Penjadwalan Preventive Maintenance Mesin Boiler dan Screw Press dengan Menghitung Mean Time to Failure dan Mean Time to Repair di PT Bumi Sama Ganda,” Industrial Engineering Journal, vol. 11, no. 2, pp. 1–6, 2022, doi: 10.29103/iej.v11i2.17600.
F. R. Sitinjak dan F. T. R. Silalahi, “Analisis Strategi Pemeliharaan Preventive Maintenance Excavator Menggunakan Pendekatan Analytical Hierarchy Process (AHP) dan Analisis Sensitivitas,” Jurnal Integrasi Sistem Industri, vol. 6, no. 2, pp. 226–242, Des. 2023, doi: 10.28932/jis.v6i2.7633.
S. Silvia, R. I. D. Suyatmo, dan M. Murnianti, “Analisis Preventive Maintenance Berdasarkan Mean Time Between Failure (MTBF) dan Mean Time to Repair (MTTR) pada Alat Blow Molding di PT XYZ,” Jurnal Pengabdian Masyarakat Bangsa, vol. 2, no. 8, pp. 3471–3478, Okt. 2024, doi: 10.59837/jpmba.v2i8.1495.
M. H. Habibi, S. Sutrisno, dan Ahmad Jibril, “Analisis Perhitungan Mean Time Between Failure (MTBF) dan Mean Time to Repair (MTTR) Mesin Cold Storage,” J-CEKI: Jurnal Cendekia Ilmiah, vol. 4, no. 4, pp. 1410–1421, Jun. 2025, doi: 10.56799/jceki.v4i4.8857.
S. W. Putri, A. Momon, Wahyudin, dan S. Fikri, “Analisis Efektivitas Mesin Injection 2500 Ton di Bagian Produksi PT XYZ Menggunakan Metode Overall Equipment Effectiveness,” Jurnal Serambi Engineering, vol. 7, no. 4, pp. 4195–4200, 2022, doi: 10.32672/jse.v7i4.5105.
A. S. Purba, N. F. Pujo, N. Pamungkas, N. Yuniarsih, N. H. Batubara, dan D. Prasetyo, “Studi Pengaruh Nilai Availability Mesin Stamping terhadap Jumlah Hasil Produksi,” Jurnal Integrasi, vol. 16, no. 2, pp. 98–103, Okt. 2024, doi: 10.30871/ji.v16i2.8536.
M. H. Aiman dan M. Nuruddin, “Analisis Kecacatan Produk pada Mesin Pemotongan dengan Menggunakan Metode FMEA di UD Abdi Rakyat,” Jurnal Hasil Penelitian dan Karya Ilmiah dalam Bidang Teknik Industri, vol. 9, no. 2, pp. 1–11, 2023, doi: 10.24014/jti.v9i2.23835.
V. Van Hoof, S. Bench, A. Buño Soto, P. P. Luppa, A. Malpass, U. M. Schilling, K. D. Rooney, A. Stretton, dan A. N. Tintu, “Failure Mode and Effects Analysis (FMEA) at the Preanalytical Phase for POCT Blood Gas Analysis: Proposal for a Shared Proactive Risk Analysis Model,” Clinical Chemistry and Laboratory Medicine, vol. 60, no. 8, pp. 1186–1201, Aug. 2022, doi: 10.1515/cclm-2022-0319.
M. Ivanova, V. Tsenev, dan B. Dimitrov, “Manufacturing Process Improvement Through FMEA Analysis and Fuzzy Logic,” in Proc. XXX International Scientific Conference Electronics (ET 2021), Sozopol, Bulgaria, Sep. 15–17, 2021, doi: 10.1109/ET52713.2021.9579721.