1. Uji Penentuan Distribusi Data
Uji penentuan distribusi data digunakan untuk mengetahui pola distribusi dari data-data yang dimiliki. Terdapat beberapa uji untuk mengetahui distribusi dari data-data, salah satunya adalah dengan Kolmogorov-Smirnov test. Kolmogorov-Smirnov test digunakan untuk menentukan distribusi dari data kontinu dengan jumlah sampel yang kecil. Distribusi yang diijinkan untuk diestimasikan dalam uji K-S ini adalah:
• Distribusi Normal
• Distribusi Lognormal
• Distribusi Eksponensial
• Distribusi Weibull
Dalam uji penentuan distribusi data ini digunakan hipotesa:
Ho: data berdistribusi sesuai dengan distribusinya
H1: data tidak berdistribusi sesuai dengan distribusinya
Cara melakukan uji penentuan distribusi data yaitu dengan melihat output komputer yang sebelumnya diolah dengan menggunakan Statgraph for Windows:
a. Lihat terlebih dahulu nilai dari expected frequency. Jika bernilai lebih kecil dari lima, maka gunakan K-S test (Kolmogorov-Smirnov test), tetapi apabila lebih besar sama dengan lima maka gunakan Chi-Square test.
b. Gunakan K-S test dengan membandingkan nilai modified form yang didapat dari output komputer dengan nilai modified critical value untuk masing-masing jenis distribusi. Hasil dari perbandingan ini adalah:
1) Jika nilai modified form lebih kecil dari 0.895 maka data tersebut berdistribusi lognormal atau normal.
2) Jika nilai modified form lebih kecil dari 1.094 maka data tersebut berdistribusi eksponensial
3) Jika nilai modified form lebih kecil dari 0.847 maka data tersebut berdistribusi Weibull.
4) Jika nilai modified form semuanya lebih kecil dari nilai modified critical valuenya maka cari nilai modified form yang terkecil.
2. Uji Kenormalan
Uji kenormalan digunakan untuk mengetahui apakah suatu kumpulan data mengikuti pola distribusi normal atau tidak. Dalam uji kenormalan ini digunakan hipotesa sebagai berikut:
Ho: Data berdistribusi normal
H1: Data tidak berdistribusi normal
Kesimpulan dari uji kenormalan ini adalah tolak Ho jika Pvalue < α (α ditentukan sebelumnya).
3. Uji Keseragaman Data
Uji keseragaman data digunakan untuk mengetahui apakah data-data yang telah diperoleh layak untuk digunakan. Data yang diperoleh dikatakan seragam apabila data-data tersebut berada di dalam batas kendali yang ada. Apabila terdapat satu atau lebih data yang berada di luar perhitungan batas kendali, maka data tersebut harus dibuang atau diabaikan.
4. Uji Kecukupan Data
Uji kecukupan data digunakan untuk mengetahui apakah jumlah data yang diperoleh telah mencukupi atau tidak dengan tingkat ketelitian yang telah ditentukan sebelumnya.
5. Waktu Baku
Waktu baku adalah waktu yang dibutuhkan oleh seorang pekerja untuk menyelesaikan pekerjaannya dengan performance standard, yang mana memperhitungkan kelonggaran yang terjadi selama menyelesaikan pekerjaan tersebut.
6. Mean Time To Failure
Mean Time To Failure (MTTF) merupakan nilai rata-rata waktu kegagalan dari sebuah sistem (komponen).
7. Fungsi Keandalan Masing-Masing Distribusi
Fungsi dan parameter keandalan untuk masing-masing distribusi berbeda antara satu dengan yang lainnya. Fungsi keandalan untuk distribusi normal, lognormal, Weibull, dan eksponensial memiliki rumus yang berbeda.
8. Model Perhitungan Total Ekspektasi Biaya Penggantian
Tujuan menentukan selang waktu penggantian komponen yang optimal adalah untuk meminimumkan total ekspektasi biaya penggantian per satuan waktu. Rumus perhitungan untuk mencari ekspektasi biaya penggantian persatuan waktu adalah dengan mempertimbangkan probabilitas komponen tersebut andal maupun gagal pada selang waktu yang telah ditentukan tersebut.
Cp adalah biaya akibat preventive replacement. Cp = [(biaya tenaga kerja/jam + biaya kehilangan produksi/jam + biaya operator menggangur/jam)* tp] + harga komponen yang mana tp adalah waktu baku preventive replacement.
Cf adalah biaya akibat failure replacement. Cf = [(biaya tenaga kerja/jam + biaya kehilangan produksi/jam + biaya operator menganggur/jam)* tf] + harga komponen yang mana tf adalah waktu baku failure replacement.