Studi Pemilihan Konsep Manajemen Perawatan Kapal-Kapal T I AL Berdasarkan Kriteria Kualitatif Dengan Metode Fuzzy

(1)

Studi Pemilihan Konsep Manajemen Perawatan

Kapal-Kapal TI AL Berdasarkan Kriteria Kualitatif

Dengan Metode Fuzzy

Yanif D.K 1) , Agung Setyawan2) , Ketut Budha A3) 1)

Mahasiswa S3 Program Pasca Sarjana Teknologi Kelautan ITS 2)

Mahasiswa S1 Jurusan Teknik Sistem Perkapalan FTK ITS 3)

Staf Pengajar Jurusan Teknik Sistem Perkapalan FTK ITS e-mail : yanif_dk@yahoo.com

Abstrak : Paper ini menyajikan sebuah metode alternatif dalam melakukan pemilihan konsep manajemen perawatan optimal untuk diterapkan pada armada perkapalan TNI Angkatan Laut. Pertimbangan dalam melakukan pemilihan didasarkan pada kuesioner yang dibuat serta memenuhi beberapa kriteria atau karakteristik organisasi, seperti minimum cost, hierarki process, maximum

availability & reliability, concise organization, safety & environmet awareness atau hal-hal lain.

Kriteria ini dapat diperoleh dari staf pimpinan atau pejabat operasional bidang logistik TNI AL, dosen atau peneliti serta praktisi bidang perawatan, sedangkan bobot dari setiap kriteria diperoleh dari analisis data kuesioner. Secara umum, ada dua jenis kriteria pemilihan, yaitu kriteria kualitatif dan kuantitatif. Beberapa kriteria dalam pengambilan keputusan akan diselesaikan dengan menggunakan metode fuzzy. Metode fuzzy ini memberikan sarana untuk merepresentasikan kriteria yang bersifat ketidakpastian yang berhubungan dengan kesamaran atau kekurangan informasi mengenai elemen tertentu dari masalah yang dihadapi. Adapun kriteria-kriteria yang diselesaikan dengan metode fuzzy adalah kriteria kualitatif. Karena kriteria ini merupakan kriteria yang bersifat ketidakpastian dan berhubungan dengan kesamaran. Metode fuzzy digunakan untuk menghitung nilai preferensi setiap alternatif berdasarkan kriteria kualitatif. Dalam pengambilan keputusan, kriteria ini akan direpresentasikan ke dalam model matematis yang mencerminkan hubungan-hubungan logis antara faktor-faktor yang mendasari pengambilan keputusan tersebut.

Kata Kunci : maintenance model, attribute, MCDM, fuzzy method, qualitative

1. PEDAHULUA

Peningkatan armada perkapalan bagi Indonesia sudah merupakan suatu kewajiban, mengingat status Negara Maritim yang sebagian besar wilayah terdiri dari laut. Hal ini didukung dengan Kebijaksanaan Pemerintah RI, khususnya TNI AL yang tertuang dalam ‘Rancangan Postur T#I AL Th. 2005 s.d

2024’ mengenai armada perkapalan yang harus dimiliki pada masa datang. Peningkatan ini berdampak

positif pada pengembangan konsep manajemen perawatan yang optimal untuk dapat memelihara sistem perkapalan, agar dapat beroperasi sesuai fungsi dan usia yang diharapkan. Sebaliknya, jika konsep perawatan kurang baik, maka akan mengurangi atau bahkan mempercepat kerusakan kapal. Armada perkapalan dituntut untuk selalu siap (handal) dalam beroperasi. Kondisi siap ini menuntut sistem manajemen perawatan yang optimal yang bersifat menyeluruh, meliputi personil (anak buah kapal/ABK), administrasi dan organisasi logistik, sistem permesinan, bangunan kapal (platform), radar, navigasi, senjata dan lain-lainnya.

Pada konsep manajemen perawatan sendiri, terdiri dari beberapa alternatif, diantaranya PMS (Planned

Maintenance System), RCM (Reliability Centered Maintenance), RBM (Risk Based Maintenance), Breakdown Maintenance atau lainnya. Proses pemilihan konsep ini merupakan kegiatan yang penuh

dengan pertimbangan (attribute/criteria). Secara umum attribute ini terbagi menjadi dua jenis, yaitu : kualitatif dan kuantitatif. Kualitatif umumnya bersifat subjektif, sedangkan attribute kuantitatif bersifat objektif. Keandalan, kenyamanan, keselamatan, resiko, kompleksitas sistem, sustanaibilility,

flexibility, jenis kapal, pola operasi, struktur atau karakteristik organisasi, referensi

pimpinan/komandan adalah beberapa contoh attribute kualitatif, sedangkan biaya, keandalan, ketersediaan, jumlah kapal, lokasi pangkalan adalah beberapa attribute kuantitatif. Pada proses perhitungan yang dilaksanakan dalam penelitian ini, maka kedua attribute ini akan saling mempengaruhi atau berinteraksi secara berjenjang/bertingkat dalam proses pemilihan (seleksi/ranking)

(2)

konsep perawatan yang kemudian berlanjut pada rancangan organisasi, prosedur/proses, desain logistik, format eksekusi perawatan serta pengembangan teknologi informasi manajemen perawatan yang diharapkan dapat diterapkan pada system armada perkapalan.

2. TIJAUA PUSTAKA

Manajemen Perawatan

Perawatan dilakukan untuk mencegah kegagalan sistem maupun untuk mengembalikan fungsi sistem jika kegagalan telah terjadi. Jadi tujuan utama dari perawatan adalah untuk menjaga dan memperbaiki keandalan dari sistem dan kelancaran produksi atau operasi. (Priyanta, 2003). Kebijaksanaan dalam perawatan pada dasarnya sangat tergantung pada pihak manajemen (sebagai hal utama), rekomendasi dari pihak decision maker, pengalaman, kualitas dan kondisi operasi, ketersediaan dana dan tenaga serta jadwal operasi kapal (Yanif, 2005).

Manajemen dan jaminan kualitas dalam perawatan mendapatkan perhatian yang lebih meningkat dari tahun-tahun sebelumnya. Hal ini terjadi karena adanya dorongan untuk mengaplikasikan rangkaian standar internasional ISO 9000 (Priyanta, 2003). Dengan makin meningkatnya aplikasi teknologi modern dan jumlah peralatan serta permesinan yang ada di kapal, maka desain dari sistem perawatan di kapal juga semakin kompleks. Tingkat kompleksitas ini juga terkadang menjadi makin tinggi saat konsep manajemen perawatan yang dikembangkan tidak disesuaikan dengan karakteristik operasional (misi) kapal tersebut. Hal ini pada akhirnya akan mempengaruhi tingkat kemampuan dalam mempertahankan fungsi komponen yang dirawat agar bisa tetap beroperasi atau tidak mengalami kegagalan dalam operasi, tingkat keamanan operasi, dan overall efficiency (Artana, 2004). Berdasar pada filosofi untuk mempertahankan kinerja suatu sistem maka pemeliharaan dititik beratkan pada komponen yang kritis (critical component) yang mempengaruhi keandalan sistem. Analisa komponen kritis ini sangat bermanfaat dalam desain sistem, diagnosa dan optimasi (Priyanta, 2004).

Pada sistem integrasi perawatan, sangat diperlukan konsep perencanaan (planned), pembuatan

(designed), teknik (engineered) dan controlled dengan memakai teknik optimasi maupun statistik.

Teknik quantitative dalam perawatan digunakan pada operating, controlling dan improving maintenance system (Duffuaa, 1999).

Dasar Logika Fuzzy

Dalam mengidentifikasi suatu objek, manusia sering kali menggunakan variabel linguistic seperti besar, kecil, tinggi, rendah, dll. Sifat kebenaran yang dikandung adalah sama karena antara satu kebenaran dengan kebenaran yang lain tidak tegas. Kebenaran yang demikian ini disebut dengan kebenaran fuzzy. Sekalipun demikian ketidakpastian (vagueness) yang menjadi karakteristik dari bahasa natural tidak selalu mengimplikasikan hilangnya ketelitian atau keberartian. Pada prinsipnya himpunan fuzzy tidak lain adalah perluasan himpunan crisp, yaitu himpunan yang membagi sekelompok individu ke dalam dua kategori yaitu anggota dan bukan anggota.

Pencetus gagasan logika fuzzy adalah Zadeh (1965) dari California University di Berkeley (1965, 1969). Kemampuan set fuzzy untuk mengekspresikan tingkat perubahan dari keanggotaan dan sebaliknya mempunyai kegunaan sangat luas. Tidak hanya merepresentasikan pengukuran ketidakpastian, tetapi juga merepresentasikan konsep kesamaran (fuzziness). Lebih jauh menurut Marimin (2002) sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan mengembangkan sistem intelijen dalam lingkungan yang tidak pasti dan tidak tepat. Logika fuzzy merupakan bagian dari logika Boolean, yang digunakan untuk menangani konsep derajat kebenaran antara benar dan salah.

Metode fuzzy dapat dikembangkan sebagai tool dalam melakukan penilaian terhadap alternatif desain sistem produksi yang memberikan nilai tambah bagi suatu perusahaan (Debina, 2001). Aplikasi lain sebagai alat bantu dalam pemilihan alternatif rekanan proyek dengan memperhatikan beberapa kriteria sebagai persyaratan (Cherry, 2001).

Triangular Fuzzy umber (TF)

Dalam TFN, setiap nilai tunggal (crisp) memiliki fungsi keanggotaan yang terdiri dari tiga nilai yang masing-masing merepresentasikan nilai bawah, nilai tengah dan nilai atas. Secara grafis fungsi keanggotaan dengan TFN dapat digambarkan seperti pada gambar berikut :

(3)

1

a1 a0 a2

µA(x)

Gambar 1. Triangular Fuzzy Number (TFN) A = (a1, a3, a2)

Fungsi keanggotaan untuk TFN pada gambar di atas adalah sebagai berikut : µA(x) = 0 untuk x < a1 = 1 2 1

a

x

−

untuk a1 < x < a2 = 2 3 3

a

x

a

−

untuk a2 < x < a3 Fuzzifikasi ilai

Fuzzifikasi merupakan pemrosesan suatu bilangan secara matematik fuzzy berdasarkan metode representasi yang digunakan. Metode representasi yang digunakan diantaranya adalam model TFN, model pi, model Z dan model trapezioda. Masing-masing model tersebut mempunyai formula matematis untuk mendefinisikan nilai fuzzy dari bilangan yang diolah.

Marimin (2002) mengemukakan bahwa defuzzifikasi merupakan proses pengubahan output fuzzy ke output yang bernilai tunggal (crisp). Terdapat banyak metode defuzzifikasi, namun yang biasa digunakan adalah metode Centroid dan Maximum. Dalam metode Centroid, nilai tunggal dari variabel output dihitung dengan menemukan nilai variabel dari center of gravity suatu fungsi keanggotaan untuk nilai fuzzy. Sedangkan dalam metode Maximum, satu dari nilai-nilai variabel yang merupakan nilai kepercayaan maksimum gugus fuzzy dipilih sebagai nilai tunggal untuk variabel output.

3. METODOLOGI PEELITIA

Untuk pengolahan awal, dilakukan pembobotan terhadap tingkat kepentingan kriteria kualitatif yang ada dari masing penilai (pengambil keputusan). Selanjutnya dilakukan penelitian pada masing-masing alternative berdasarkan criteria kualitatif tersebut. Hasil perhitungan performance ini digunakan untuk menentukan konsep manajemen perawatan yang terbaik.

Langkah-langkah algoritma Fuzzy MCDM :

1. menentukan nilai tengah bilangan fuzzy, dengan cara menjumlahkan nilai yang muncul di setiap level skala linguistik dan kemudian membagi hasil jumlahan tersebut dengan jumlah kriteria yang nilainya masuk ke dalam level penilaian linguistik tersebut. Adapun notasi matematiknya adalah sebagai berikut :

∑

∑∑

= =

=

_k i ij k i j ij t

n

T

a

1 1

at = nilai tengah bilangan fuzzy untuk level penilaian linguistic ke-T T = level penilaian sangat rendah, rendah, sedang, tinggi dan sangat tinggi

n = jumlah faktor skala dari skala linguistik T untuk alternatif ke-1 dari faktor ke-i Tij = nilai numerik dari skala linguistik T untuk alternatif ke-1 dari faktor ke-j

(4)

2. menentukan nilai batas bawah dan nilai batas atas, dimana nilai batas bawah (ct = b(i – 1)) sama dengan nilai tengah level di bawahnya, sedangkan untuk nilai batas atas (bt = b(i – 1)) adalah sama dengan nilai tengah level di atasnya

3. menabelkan hasil pembobotan penilaian tingkat kriteria kualitatif untuk mendapatkan nilai bobot agregasinya

4. menentukan bobot agregat dari masing-masing kriteria kualitatif, karena dalam penelitian ini digunakan bentuk penilaian linguistik yang telah mempunyai definisi bilangan fuzzy triangular, maka proses agregasi yang dilakukan adalah dengan mencari nilai agregat dari masing-masing nilai batas bawah (c), nilai tengah (a) dan nilai batas atas (b), yang dapat dimodelkan sebagai berikut : n c c n j tj t

∑

= = 1 ; n a a n j tj t

∑

= = 1 ; n c b n j tj t

∑

= = 1 Dimana :

ctj = nilai batas bawah kriteria kualitatif ke-t oleh pembuat keputusan ke-j atj = nilai tengah kriteria kualitatif ke-t oleh pembuat keputusan ke-j btj = nilai batas atas kriteria kualitatif ke-t oleh pembuat keputusan ke-j n = jumlah penilai (pembuat keputusan)

Nilai agregatnya adalah

#

_t

=

(

c

_t

,

a

_t

,

b

_t

)

Dimana Nt = nilai bobot agregasi untuk kriteria kualitatif ke-t

5. menabelkan hasil rating penilaian atau preferensi untuk masing-masing alternatif berdasarkan kreteria kualitatif yang ada.

6. menghitung nilai preferensi setiap alternatif berdasarkan kriteria kualitatif. Dalam perhitungan bobot agregat masing-masing alternatif untuk tiap-tiap kriteria dapat dicari nilai fuzzy agregatnya dengan model sebagai berkut :

n q q n j itj it

∑

= = 1 ; n o o n j itj it

∑

= = 1 ; n p p n j itj it

∑

= = 1

qitj = nilai batas bawah alternatif untuk kriteria kualitatif ke-t oleh pembuat keputusan ke-j oitj = nilai tengah alternatif untuk kriteria kualitatif ke-t oleh pembuat keputusan ke-j pitj = nilai batas atas alternatif untuk kriteria kualitatif ke-t oleh pembuat keputusan ke-j n = jumlah penilai (pembuat keputusan)

Nilai agregatnya adalah M_itj =

(

q_it,o_it,p_it

)

Dimana Mitj = nilai bobot agregasi untuk alternatif ke-i untuk kriteria kualitatif ke-t

7. menilai masing-masing alternatif rekaan untuk tiap-tiap kriteria kuantitatif, dinotasikan dengan Tij (nilai alternatif ke-i untuk kriteria obyektif ke-j), kemudian nilai (skor) tersebut ditabelkan.

8. menghitung nilai index fuzzy dari hasil penilaian setiap alternatif untuk kriteria kualitatif yang dinotasikan dengan Gi. Terlebih dahulu didapatkan nilai Mit dan Nt, untuk mendapatkan nilai index kecocokan fuzzy Gi untuk tiap- tiap kriteria subyektif. Di sini Gi bukan merupakan bilangan fuzzy triangular, melainkan bilangan fuzzy :

(

i

,

i

,

i

;

i1

,

i1

,

i2

,

i1

)

i

Y

Q

Z

H

T

H

U

G =

, i = 1, 2, ...m

Nilai index fuzzy tersebut didapatkan dengan cara mengoperasikan setiap elemen bilangan fuzzy triangular dari hasil nomor 2 dan 4 dengan notasi sebagai berikut :

(

)(

)

k

c

a

q

o

T

k t t t it it i

∑

=

−

=

1 1 ;

(

)

(

)

[

]

k

q

o

c

a

q

T

k t it it t t t it i

∑

=

−

+

−

=

1 2

(5)

(

)(

)

k

a

b

o

p

U

k t t t it it i

∑

=

−

=

1 1 ;

(

)

(

)

[

]

k

b

a

p

o

b

U

k t t t it it it t i

∑

=

−

+

−

=

1 2 1 2 1

2

_i i i

T

H =

; 1 2 2

2

_i i i

U

H

=

−

k

c

q

Y

k t t it i

∑

=

1

k

a

o

Q

k t t it i

∑

=

1

k

b

p

Z

k t t it i

∑

=

1

9. menghitung nilai utilitas setiap alternatif untuk kriteria kualitatif

( )                 ₊ − − + +       ₊ − − = 2 1 1 2 1 1 2 1 1 2 2 2 1 2 1 i i L i i i i R i i t t T Y X H H U Z X H H G U ( ) ( ) ( )                   ₋ +       ₊ − − − − + − + = 2 1 1 1 1 2 1 1 2 2 1 2 1 2 1 2 1 2 2 1 2 2 4 2 2 1 i i i i i R U z x U x x H x x U x x x x H x X ( ) ( ) ( )                   ₋ +       − + − − − + − + = 2 1 1 1 1 2 1 1 2 2 1 2 1 2 1 2 1 2 1 2 2 2 4 2 2 1 i i i i i L T z x T x x H x x T x x x x H x X

Dimana x1 = Inf D , x2 = Sup D

U

m i i D D 1 = = ,

D

₁

=

〈

x

/

fG

_i

( )

x

>

α

〉

, i = 1, 2, ...m

( )

x

fG

_i adalah fungsi keanggotaan bilangan fuzzy triangular yang dirumuskan sebagai berikut :

( )

(

)

[

]

(

)

[

]

        ≤ ≤ − + + ≤ ≤ − + + − = lainnya , 0 , / , / 2 1 1 2 2 2 2 1 1 2 1 1 i i i i i i i i i i i i i H H x Z U Q x Z Q x Y T Y x H H x fG

Adapun tahap pertama yang dilakukan adalah mencari nilai defuzzifikasi kriteria dan preferensi alternatif terhadap kriteria, dimana metode defuzzifikasi yang digunakan adalah metode centroid. Rumus dari defuzzifikasi kriteria adalah sebagai berikut :

(6)

(

)

(

)

(

)

(

)

(

)

(

)

_              − − + − −                 − − + − − =

∫

t t t t t t t t b a t t t a c t t t b a t t t a c t t t t dx b a b x dx c a c x xdx b a b x xdx c a c x # asi Defuzzifik Dimana t = kriteria 1, 2, 3, ...n

Sedangkan rumus penentuan nilai defuzzifikasi untuk preferensi alternatif terhadap kriteria kualitatif adalah sebagai berikut :

(

)

(

)

(

)

(

)

(

)

(

)

_              − − + − −                 − − + − − =

∫

it it it it it it it it p o it it it o q it it it p o it it it o q it it it it dx p o p x dx q o q x xdx p o p x xdx q o q x M asi Defuzzifik Dimana i = alternatif 1, 2, 3, ...m ; t = kriteria 1, 2, 3, ...n

10. menghitung nilai rangking setiap alternatif berdasarkan kriteria kualitatif dengan menggunakan rumus sebagai berikut :

( )

∑

= = _m 1 i i T i T i G U G U ST

Dimana : STi = nilai rangking alternatif ke-i berdasar kriteria kualitatif 11. memilih alternatif terbaik berdasarkan nilai rangking yang tertinggi.

4. AALISA DATA DA PEMBAHASA

Input data yang digunakan dalam penyelesaian permasalahan ini adalah dengan menggunakan kuesioner. Dimana kuesioner ini diberikan kepada pihak-pihak yang berwenang di TNI AL, adapun responden-responden tersebut adalah DAN KRI, KKM KRI, Aslog dan DirKeu. Data yang didapat dari hasil pengolahan kuesioner ini digunakan untuk memenentukan bobot tiap kriteria dan bobot setiap alternatif berdasarkan kriteria kualitatif. Dalam pengolahan data tersebut digunakan metode fuzzy untuk mengkuantifikasikan data yang kualitatif (data yang bersifat tidak pasti).

Tabel 1 menunjukkan hasil rekapitulasi data kuesioner dari responden untuk tingkat kepentingan kriteria, sedangkan pada tabel 2 menunjukkan rekapitulasi data hasil kuesioner untuk setiap alternatif berdasarkan kriteria kualitatif. Dalam kuesioner tersebut terdapat dua skala penilaian yaitu skala linguistik dan skala numerik. Skala linguistik dibedakan menjadi 5 level penilaian yaitu sangat rendah, rendah, sedang, tinggi dan sangat tinggi. Sedangkan penilaian untuk skala numerik antara 1-10.

Tabel 1. Rekapitulasi Data Kuesioner Untuk Kepentingan Kriteria

No Kriteria DAN KRI KKM ASLOG DIR KEU

Ling Num Ling Num Ling Num Ling Num

1 Operability Complexity S 5 S 5 S 6 R 4 2 Hierarchy Process S 5 S 5 S 5 S 5 3 Organization R 4 R 3 R 4 R 4 4 Environment S 6 T 7 S 6 S 6 5 Reliability Safety T 7 T 7 T 8 T 8 6 Availability T 8 T 8 T 8 T 7 7 Sustainability T 7 T 7 T 7 T 7

(7)

Tabel 2. Rekapitulasi Data Kuesioner Untuk tiap Alternatif Berdasarkan Kriteria Kualitatif

No Kriteria Alternatif DAN KRI KKM ASLOG DIR KEU

Ling Num Ling Num Ling Num Ling Num

1 Operability Complexity RCM S 6 S 6 S 5 S 6 RBM S 5 S 6 S 5 S 6 PMS R 4 R 4 R 4 R 3 BM R 3 R 3 R 4 R 4 2 Hierarchy Process RCM S 5 S 6 S 5 S 5 RBM S 5 S 5 S 6 S 5 PMS T 8 T 7 T 7 T 7 BM T 7 T 7 T 7 T 7 3 Organization RCM S 5 S 5 S 5 S 6 RBM S 5 S 5 S 6 S 6 PMS S 6 S 5 S 5 S 5 BM R 3 R 3 R 3 R 4 4 Environment RCM T 7 T 8 T 8 T 7 RBM T 7 T 7 T 8 T 7 PMS T 7 T 7 T 7 T 7 BM R 4 R 4 R 4 R 3 5 Reliability Safety RCM T 8 T 8 T 8 T 7 RBM T 8 T 8 T 7 T 7 PMS T 8 T 7 T 7 T 7 BM R 4 R 4 R 3 R 3 6 Availability RCM S 6 S 6 S 6 S 6 RBM S 6 S 5 S 6 S 6 PMS R 4 R 4 R 4 R 4 BM R 3 R 4 R 3 R 4 7 Sustainability RCM T 7 T 7 T 8 T 8 RBM S 6 S 6 S 5 S 6 PMS S 5 S 6 S 6 S 6 BM S 6 S 6 S 5 S 6

Dari hasil data di atas maka dapat dibuat dibuat grafik fungsi keanggotaan untuk tiap responden berdasarkan tingkat kepentingan kriteria maupun untuk penilaian tiap alternatif. Berdasarkan batas nilai bawah, tengah dan atas sesuai dengan persamaan 1 didapatkan hasil sebagai berikut :

Tabel 3. TFN Responden Untuk Kepentingan Kriteria

No Level Linguistik DAN KRI KKM ASLOG DIR KEU

Ct at bt ct at bt ct at bt ct at bt 1 Sangat Rendah - - - - 2 Rendah 1 4 5.333 1 3 5 1 4 5.666 1 4 5.5 3 Sedang 4 5.333 7.333 3 5 7.25 4 5.666 7.666 4 5.5 7.333 4 Tinggi 5.333 7.333 10 5 7.25 10 5.666 7.666 10 5.5 7.333 10 5 Sangat Tinggi - - - -

Grafik dibawah ini menunjukkan fungsi keanggotaan TFN untuk tiap responden dalam tingkat kepentingan kriteria. Dimana setiap responden ditunjukkan dalam nilai batas bawah, tengah dan atas dengan derajat keanggotaan 0 – 1.

(8)

Grafik 1. Fungsi Keanggotaan TFN DAN KRI untuk Tingkat Kepentingan Kriteria

0 1 0 2 4 6 8 10 Nilai Crisp D e ra ja t K e a n g g o ta a n

Rendah Sedang Tinggi

Grafik 2. Fungsi Keanggotaan TFN KKM untuk Tingkat Kepentingan Kriteria

Grafik 3. Fungsi Keanggotaan TFN ASLOG untuk Tingkat Kepentingan Kriteria

(9)

Grafik 4. Fungsi Keanggotaan TFN DIRKEU untuk Tingkat Kepentingan Kriteria

Tabel 4. TFN Responden Untuk Penilaian Alternatif

No Level Linguistik DAN KRI KKM ASLOG DIR KEU

ct at Bt ct at bt ct at bt ct at bt 1 Sangat Rendah - - - - 2 Rendah 1 3.571 5.5 1 3.714 5.583 1 3.571 5.416 1 3.571 5.75 3 Sedang 3.571 5.5 7.444 3.714 5.583 7.333 3.571 5.416 7.444 3.571 5.75 7.111 4 Tinggi 5.5 7.444 10 5.583 7.333 10 5.416 7.444 10 5.75 7.111 10 5 Sangat Tinggi - - - -

Grafik dibawah ini menunjukkan fungsi keanggotaan TFN untuk tiap responden dalam tingkat kepentingan kriteria. Dimana setiap responden ditunjukkan dalam nilai batas bawah, tengah dan atas dengan derajat keanggotaan 0 – 1.

Grafik 5. Fungsi Keanggotaan TFN DAN KRI untuk Penilaian Alternatif

(10)

Grafik 6. Fungsi Keanggotaan TFN KKM KRI untuk Penilaian Alternatif

Grafik 7. Fungsi Keanggotaan TFN ASLOG untuk Penilaian Alternatif

Grafik 8. Fungsi Keanggotaan TFN DIRKEU untuk Penilaian Alternatif

Setiap responden mengevaluasi setiap seleksi kriteria dengan menggunakan skala linguistik untuk mendapatkan tingkat bobot untuk kepentingan kriteria. Bobot dalam skala linguistik telah ditunjukkan pada tabel 1 di atas. Dengan menggunakan persamaan 2 akan didapatkan bobot agregat untuk masing-masing kriteria yang nantinya digunakan dalam melakukan defuzzifikasi. Adapun hasil dari bobot agregat rata-rata untuk kepentingan kriteria ditunjukkan pada tabel berikut ini :

(11)

Tabel 5. Bobot Agregat Kriteria Kualitatif

No Kriteria Rata-Rata Bobot (Nt)

ct at bt 1 Operability Complexity 3 5 6.9375 2 Hierarchy Process 3.75 5.375 7.395833 3 Organization 1 3.75 5.375 4 Environment 4.25 5.9375 8.083333 5 Reliability Safety 5.375 7.395833 10 6 Availability 5.375 7.395833 10 7 Sustainability 5.375 7.395833 10

Responden juga menghitung nilai preferensi setiap alternatif berdasarkan kriteria kualitatif. Dalam perhitungan bobot agregat masing-masing alternatif untuk tiap-tiap kriteria dapat dicari nilai fuzzy agregatnya dengan menggunakan persamaan 3 sehingga didapatkan hasil sebagai berikut :

Tabel 6. Bobot Alternatif Terhadap Kriteria Kualitatif

No Kriteria Mit Alternatif

RCM RBM PMS BM 1 Operability Complexity qit 3.607143 3.607143 1 1 oit 5.5625 5.5625 3.607143 3.607143 pit 7.333333 7.333333 5.5625 5.5625 2 Hierarchy Process qit 3.607143 3.607143 5.5625 5.5625 oit 5.5625 5.5625 7.333333 7.333333 pit 7.333333 7.333333 10 10 3 Organization qit 3.607143 3.607143 3.607143 1 oit 5.5625 5.5625 5.5625 3.607143 pit 7.333333 7.333333 7.333333 5.5625 4 Environment qit 5.5625 5.5625 5.5625 1 oit 7.333333 7.333333 7.333333 3.607143 pit 10 10 10 5.5625 5 Reliability Safety qit 5.5625 5.5625 5.5625 1 oit 7.333333 7.333333 7.333333 3.607143 pit 10 10 10 5.5625 6 Availability qit 3.607143 3.607143 1 1 oit 5.5625 5.5625 3.607143 3.607143 pit 7.333333 7.333333 5.5625 5.5625 7 Sustainability qit 5.5625 3.607143 3.607143 3.607143 oit 7.333333 5.5625 5.5625 5.5625 pit 10 7.333333 7.333333 7.333333

Nilai index fuzzy dari hasil penilaian setiap alternatif untuk kriteria kualitatif dinotasikan dengan Gi. Terlebih dahulu didapatkan nilai Mit dan Nt, untuk mendapatkan nilai index kecocokan fuzzy Gi untuk tiap- tiap kriteria subyektif. Di sini Gi bukan merupakan bilangan fuzzy triangular, melainkan bilangan fuzzy.

(12)

Tabel 7. Nilai Index Pembentuk Fungsi Evaluasi Index Alternatif RCM RBM PMS BM Yi 18.68304 17.1816 15.10985 8.463967 Qi 38.81765 36.94668 34.84381 26.69879 Zi 71.24206 67.43254 65.96522 53.14193 Hi1 2.153056 2.068309 1.860843 1.368884 Ti1 3.794607 3.847878 4.179431 4.878534 Hi2 3.827062 3.8578 3.664096 3.452521 Ui1 4.87283 4.539559 4.917898 4.478059 Ti2 16.34 15.9172 15.55453 13.35629 Ui2 -37.2972 -35.0254 -36.0393 -30.9212

Mencari nilai defuzzifikasi kriteria dan preferensi alternatif terhadap kriteria, dimana metode defuzzifikasi yang digunakan adalah metode centroid. Dengan menggunakan persamaan 7 dan 8 didapatkan hasil defuzzifikasi untuk kriteria dan alternatif terhadap kriteria kualitatif.

Tabel 8. Defuzzifikasi Nilai

No Kriteria Defuzzifikasi Bobot Defuzzifikasi Alternatif RCM RBM PMS BM 1 Operability Complexity 4.979 5.501 5.501 3.39 3.39 2 Hierarchy Process 5.507 5.501 5.501 7.632 7.632 3 Organization 3.375 5.501 5.501 5.501 3.39 4 Environment 6.09 7.632 7.632 7.632 3.39 5 Reliability Safety 7.59 7.632 7.632 7.632 3.39 6 Availability 7.59 5.501 5.501 3.39 3.39 7 Sustainability 7.59 7.632 5.501 5.501 5.501

Tabel 9. Nilai Performansi Alternatif

Alternatif Gi

RCM 40.04779871 RBM 37.73718586 PMS 35.62322271 BM 26.31533914

Total nilai performansi tiap alternatif diperoleh yaitu dengan cara mengalikan rata-rata bobot kriteria dan nilai alternatif pada setiap kriteria yang telah didefuzzifikasi.

Tabel 10. Derajat Keangotaan Tiap Alternatif

Alternatif Nilai Derajat Keanggotaan fGi(x)

RCM 0.955698064 RBM 0.969693573 PMS 0.970419699 BM 0.983351333

Dari perhitungan Gi dan fGi(x) maka dapat diketahui nilai x1 = 26.31533914 dan nilai x2 = 40.04779871, dimana x1 merupakan nilai Gi minimum sedangkan untuk x2 adalah nilai Gi maksimum. Nilai xi dan x2 ini digunakan untuk menghitung nilai utilitas masing-masing alternatif. Adapun hasil perhitungan untuk nilai utilitas masing-masing alternatif adalah sebagai berikut :

(13)

Tabel 11. Index Pembentuk Utilitas Alternatif UT(Gi) RCM 0.855832439 RBM 0.782310675 PMS 0.696826276 BM 0.345861946

Dengan menggunakan persamaan rangking untuk alternatif berdasarkan kriteria kualitatif adalah sebagai berikut :

Tabel 12. Rangking Alternatif

Alternatif UT(Gi)

RCM 0.319241434 RBM 0.291816447 PMS 0.259929174 BM 0.129012945

Dari hasil perankingan di atas dapat diketahui bahwa dari ke empat alternatif, RCM merupakan merupakan pilihan yang paling baik dengan nilai 0.319241434. sehingga RCM dapat direkomendasikan sebagai alternatif yang paling baik untuk dijadikan konsep manajemen perawatan di TNI AL.

5. KESIMPULA

Dalam penelitian ini, algoritma multiple criteria dikembangkan untuk melakukan pemilihan konsep manajemen perawatan dengan beberapa kriteria kualitatif. Konsep bilangan fuzzy dan variabel linguistik diperkenalkan dengan harapan dapat mengevaluasi kecocokan setiap alternatif berdasarkan bobot kepentingan dari setiap kriteria kualitatif.

Dari algoritma perhitungan MCDM dengan menggunakan metode fuzzy diperoleh satu alternatif yang paling baik untuk diterapkan sebagai konsep manajemen perawatan di TNI AL. Sebagai konsekuensi untuk input data yang kompleks, perhitungan dan transformasi antara skala lingiustik dan triangular fuzzy number dapat juga dikembangkan dalam sebuah perangkat lunak komputer untuk mempermudah dalam pengerjaan pengambilan keputusan dengan kriteria jamak.

DAFTAR PUSTAKA

Duffuaa, Salih., Raouf, A., and Campbell, J.D. (1999), “Planning and Control of Maintenance Systems : Modeling and Analysis”. John Wiley & Sons, Inc.

Harwina, Wahyu. (2002), ”Aplikasi metode Fuzzy multi kriteria decision masking berbasis komputer dalam seleksi karyawan untuk jabatan tertentu di PT. PJB Unit Pembangkitan” Tugas Akhir

S-1, Teknik Industri, ITS

Ishida, K., Hashimoto, T., and Artana, K.B. (2000), “Reliability based, marine machinery selection: a case study on main engine cooling system”, Proceeding. of the ISME 6th Tokyo, pp. 791-796, October.

Kusumadewi, Sri dan Purnomo, Hari. (2004), “Aplikasi Logika Fuzzy Untuk Pendukung Keputusan”, Graha Ilmu, Yogyakarta

Liang, G.S, and Wang, M.J. (1994), “Personnel Selection Using Fuzzy MCDM Algorithm”, Europen

Journal of Operational Research, vol. 78 pp. 22-23.

Mabes TNI AL (2004), “Blue Print TNI AL 2013”.

Saaty T.L. (1988), “The Analytic Hierarchy Process”, McGraw Hill, New York.

Sen, P. and Yang, J.B. (1995), ”Multiple Criteria Decision-Making in Design Selection and Synthesis”, Journal of Engineering Design, Vol. 6 No. 3, pp. 207-229.

Wang, C.L. and Yoon, K. (1981), ”Multiple Attribute Decision Making Methods and Applications. A State of The Art Survey”, Springer –Verlag, New York.

(14)

Yang, J.B. (1992), “A Hybrid Multiple Criteria Decision Support Environment for Engineering Design”, Research report EDC#/MCDM/PAPERS/3/2, Engineering Design Center, University of Newcastle Upon Tyne, UK.

Zeleny, Milan. (1984), ”MCDM : Past Decade and Future Trends (A Source book of MCDM)’. The Joseph A. Martino Graduate School of Business Administration Fordh. Univ. London.

http://www.plant-maintenance.com/survey.shtml http://www.wbdg.org/design/rcm. http://www.plant-maintenance.com/articles/ maintenance_benchmarking_survey_04.pdf

.

http://www.plant-maintenance.com/mnews/ edition47.shtml http://www.plant-maintenance.com/articles/ Asset_Health_Care_Program.pdf

.

http://www.plant-maintenance.com/articles/ RCFA_Integrated_Approach.pdf

.

Studi Pemilihan Konsep Manajemen Perawatan Kapal-Kapal T I AL Berdasarkan Kriteria Kualitatif Dengan Metode Fuzzy