Pendahuluan

Meningkatnya kebutuhan manusia menuntut perusahaan manufaktur untuk mampu menjalankan proses produksi secara kontinu dan efisien. Dalam sistem produksi, mesin merupakan elemen utama yang berperan dalam menjaga kelancaran operasional. Kerusakan mesin dapat menyebabkan proses produksi terhenti, produktivitas menurun, serta target produksi sulit tercapai 1. Selain itu, kondisi mesin yang tidak optimal juga berpotensi menimbulkan risiko keselamatan kerja sehingga diperlukan sistem perawatan yang terencana untuk menjaga keberlangsungan proses produksi 2. Keandalan (reliability) mesin merupakan kemampuan suatu mesin untuk beroperasi sesuai fungsinya dalam periode tertentu 3. Namun, kegiatan perawatan yang belum optimal sering menyebabkan terjadinya downtime, yaitu kondisi ketika mesin tidak dapat beroperasi sehingga proses produksi terganggu dan output menurun 4. PT XYZ merupakan perusahaan yang memproduksi benang jahit, karung semen AD Star, woven bag, dan jumbo bag. Dalam proses produksinya, perusahaan masih menghadapi tingginya tingkat kecacatan produk woven bag, terutama cacat keperet, rajutan lubang, rajutan renggang, dan sambungan isolasi yang sebagian besar berasal dari proses penenunan pada mesin Circular Loom. Kondisi tersebut menunjukkan bahwa keandalan mesin Circular Loom belum optimal sehingga diperlukan sistem perawatan yang lebih efektif. Berdasarkan data perusahaan, mesin Circular Loom merupakan mesin dengan tingkat kerusakan dan downtime tertinggi dibandingkan mesin produksi lainnya. Selama periode Maret 2025–Maret 2026, mesin Circular Loom mengalami frekuensi kerusakan sebanyak 262 kali dengan total downtime mencapai 87.230 menit, sedangkan total downtime seluruh mesin produksi sebesar 90.100 menit. Hal ini menunjukkan bahwa hampir seluruh downtime produksi berasal dari mesin Circular Loom sehingga mesin tersebut menjadi prioritas dalam penelitian. Permasalahan tersebut dapat diatasi melalui penerapan Reliability Centered Maintenance (RCM) II dan Failure mode and Effects Analysis (FMEA). Metode FMEA digunakan untuk mengidentifikasi mode kegagalan serta menentukan prioritas risiko berdasarkan nilai Risk Priority Number (RPN), sedangkan RCM II digunakan untuk menentukan strategi perawatan yang paling sesuai beserta interval perawatan yang optimal. Penerapan RCM II dan FMEA mampu mengidentifikasi komponen kritis, menentukan jenis tindakan perawatan (Scheduled On ConditionTask, Scheduled RestorationTask, dan Scheduled DiscardTask), serta menurunkan downtime dan meningkatkan keandalan mesin. Berdasarkan kondisi tersebut, penelitian ini bertujuan untuk menentukan komponen kritis pada mesin Circular Loom, menganalisis tingkat risiko kegagalan menggunakan metode FMEA, menentukan strategi perawatan berdasarkan RCM II, serta menetapkan interval perawatan yang optimal. Hasil penelitian diharapkan dapat menjadi rekomendasi bagi PT XYZ dalam meningkatkan efektivitas sistem perawatan, mengurangi downtime, dan mendukung kelancaran proses produksi woven bag.

Perawatan (maintenance) merupakan kegiatan untuk menjaga atau mengembalikan kondisi mesin agar tetap berfungsi sesuai standar operasional 5. Tujuan perawatan adalah meningkatkan keandalan mesin, memperpanjang umur pakai, serta meminimalkan downtime6. Mesin Circular Loom merupakan mesin utama dalam proses produksi woven bag yang berfungsi menenun benang polipropilena (PP) menjadi kain tenun berbentuk tabung. Mesin ini bekerja secara kontinu melalui koordinasi berbagai komponen, seperti Heal Belt, Shuttle, Arm, Lever, Motor Winder, dan Roll Winder. Kerusakan pada salah satu komponen dapat mengganggu proses penenunan, menurunkan kualitas hasil tenun, serta menyebabkan downtime 7. Planned maintenance merupakan kegiatan pemeliharaan yang dilakukan berdasarkan jadwal yang telah direncanakan 8. Preventive maintenance dilakukan secara berkala untuk mencegah terjadinya kerusakan sebelum kegagalan terjadi 9. Corrective maintenance dilakukan setelah terjadi kerusakan untuk mengembalikan fungsi mesin 10. Predictive maintenance dilakukan berdasarkan kondisi aktual mesin melalui kegiatan pemantauan (condition monitoring) 11. Unplanned maintenance merupakan pemeliharaan yang dilakukan secara tiba-tiba akibat terjadinya kerusakan yang tidak direncanakan 12. Downtime merupakan kondisi ketika mesin berhenti beroperasi sehingga mengganggu proses produksi dan menurunkan produktivitas perusahaan 13. Keandalan (Reliability) merupakan probabilitas suatu komponen atau sistem dapat beroperasi sesuai fungsinya dalam periode waktu tertentu. Tingkat keandalan dipengaruhi oleh karakteristik kegagalan komponen selama masa operasinya 14. Laju kegagalan (Failure Rate) menunjukkan frekuensi terjadinya kegagalan suatu komponen dalam satuan waktu. Karakteristik laju kegagalan umumnya digambarkan menggunakan Bathtub Curve yang terdiri atas fase infant mortality, useful life, dan wear out 15. Kuesioner digunakan sebagai metode pengumpulan data untuk memperoleh penilaian responden terhadap kondisi dan tingkat kegagalan komponen 16. Failure Mode and Effects Analysis (FMEA) digunakan untuk mengidentifikasi mode kegagalan serta menentukan prioritas perbaikan berdasarkan nilai Risk Priority Number (RPN) 17. Reliability Centered Maintenance (RCM) II digunakan untuk menentukan strategi perawatan yang paling tepat berdasarkan fungsi, konsekuensi kegagalan, dan karakteristik komponen 18. Distribusi probabilitas digunakan untuk menentukan model distribusi data kegagalan yang sesuai melalui uji Goodness of Fit. Time to Failure (TTF) dan Time to Repair (TTR) digunakan sebagai dasar perhitungan parameter keandalan komponen. Mean Time to Failure (MTTF) digunakan untuk menentukan rata-rata waktu operasi komponen sebelum mengalami kegagalan 19. Mean Time to Repair (MTTR) digunakan untuk menghitung rata-rata waktu yang dibutuhkan dalam memperbaiki komponen yang mengalami kerusakan 20. Diagram Pareto digunakan untuk menentukan komponen kritis berdasarkan kontribusi downtime terbesar sehingga dapat menjadi prioritas dalam penyusunan strategi perawatan 21.

Metode

Penelitian dilaksanakan di PT XYZ, Kabupaten Sidoarjo, Jawa Timur, pada Februari 2026 hingga seluruh data penelitian diperoleh. Objek penelitian adalah mesin Circular Loom yang digunakan pada proses produksi woven bag. Variabel penelitian terdiri atas variabel terikat, yaitu tingkat downtime mesin Circular Loom, dan variabel bebas yang meliputi kerusakan komponen, penyebab kerusakan (failure mode), serta frekuensi kerusakan. Pengumpulan data dilakukan melalui studi literatur dan studi lapangan. Studi literatur digunakan untuk memperoleh dasar teori mengenai metode Reliability Centered Maintenance II (RCM II) dan Failure mode and Effects Analysis (FMEA). Studi lapangan dilakukan melalui observasi terhadap kondisi mesin dan dokumen perusahaan serta wawancara dengan supervisor dan operator untuk memperoleh informasi mengenai downtime dan proses perawatan. Tahapan penelitian diawali dengan identifikasi permasalahan dan pengumpulan data yang meliputi data downtime, komponen mesin, Time to Failure (TTF), Time to Repair (TTR), serta biaya perawatan. Selanjutnya disusun Functional Block Diagram (FBD) dan dilakukan analisis Pareto untuk menentukan komponen kritis. Komponen kritis kemudian dianalisis menggunakan FMEA dengan menghitung nilai Severity (S), Occurrence (O), Detection (D), dan Risk Priority Number (RPN). Data TTF dan TTR dianalisis menggunakan Minitab untuk menentukan distribusi terbaik, kemudian dihitung nilai Mean Time to Failure (MTTF) dan Mean Time to Repair (MTTR). Nilai tersebut digunakan untuk menentukan biaya perawatan dan interval penjadwalan perawatan. Selanjutnya disusun RCM II Decision Worksheet untuk menentukan jenis tindakan perawatan (Scheduled On Condition, Scheduled Restoration, atau Scheduled Discard).

Data downtime diperoleh dari laporan histori kerusakan mesin Circular Loom selama periode Maret 2025 sampai Maret 2026. Data ini digunakan untuk mengetahui besarnya waktu berhenti (downtime) dan frekuensi kerusakan setiap komponen sehingga dapat ditentukan komponen yang memberikan kontribusi terbesar terhadap downtime mesin. Hasil pengumpulan data menunjukkan bahwa total downtime mesin Circular Loom selama periode penelitian mencapai 87.230 menit dengan frekuensi kerusakan sebanyak 262 kali. Berdasarkan data tersebut, V-Belt(Heal Belt) merupakan komponen dengan downtime tertinggi, yaitu sebesar 23.440 menit dengan frekuensi kerusakan 59 kali, diikuti oleh Arm sebesar 15.630 menit dengan 38 kali kerusakan, dan Motor Winder sebesar 14.135 menit dengan 32 kali kerusakan. Komponen lainnya memiliki nilai downtime yang relatif lebih rendah, seperti Shuttle sebesar 5.610 menit, Lever sebesar 5.040 menit, Roll Winder sebesar 4.535 menit, Rantai Winder sebesar 4.175 menit, Motor Induksi sebesar 4.035 menit, Gear Tension sebesar 3.645 menit, Motor Take Up sebesar 3.630 menit, serta Main Motor sebesar 3.355 menit, sebagaimana ditunjukkan pada Tabel 1.

Tabel 1. Data Total Downtime Komponen Mesin Circular Loom

Data Time to Failure (TTF) dan Time to Repair (TTR) diperoleh dari histori kerusakan masing-masing komponen mesin selama periode penelitian. TTF menunjukkan selang waktu antar terjadinya kerusakan pada suatu komponen, sedangkan TTR menunjukkan lamanya waktu yang dibutuhkan untuk memperbaiki komponen hingga mesin kembali beroperasi. Data TTF dan TTR dikumpulkan untuk seluruh komponen mesin Circular Loom, yaitu Gear Tension, Arm, Roll Winder, Motor Winder, Motor Induksi, Motor Take Up, V-Belt(Heal Belt), Shuttle, Rantai Winder, Main Motor, dan Lever. Selanjutnya data tersebut digunakan untuk menentukan distribusi probabilitas menggunakan perangkat lunak Minitab, kemudian menghitung nilai Mean Time to Failure (MTTF) dan Mean Time to Repair (MTTR) sebagai dasar penentuan interval perawatan yang optimal. Dibawah ini merupakan data total TTF dan TTR komponen Circular Loom yang disajikkan pada Tabel 2.

Tabel 2. Data Total TTF Dan TTR Komponen Circular Loom

Data penyebab kegagalan (failure cause) dan dampak kegagalan (failure effect) diperoleh melalui observasi langsung serta wawancara dengan teknisi maintenance dan operator mesin Circular Loom. Hasil identifikasi menunjukkan bahwa penyebab kerusakan pada setiap komponen umumnya dipengaruhi oleh keausan akibat gesekan terus-menerus, kurangnya pelumasan, beban kerja yang tinggi, pemasangan komponen yang kurang tepat, gangguan kelistrikan, overheating, serta usia pakai komponen. Dampak kegagalan yang ditimbulkan antara lain terganggunya proses penenunan, ketidakstabilan putaran mesin, terganggunya sistem penggulungan, menurunnya kualitas anyaman, meningkatnya produk cacat, hingga terjadinya downtime mesin yang menyebabkan proses produksi berhenti. Informasi mengenai fungsi komponen, penyebab kegagalan, dan dampak kegagalan tersebut selanjutnya digunakan sebagai dasar dalam penyusunan Failure mode and Effects Analysis (FMEA). Dibawah ini merupakan data fungsi penyebab dan dampak kegagalan komponen kritis yang disajikkan pada Tabel 3.

Tabel 3. Data Fungsi Penyebab dan Dampak Kegagalan Komponen Kritis

Data biaya komponen diperoleh dari bagian maintenance PT XYZ dan digunakan dalam perhitungan biaya perawatan. Harga komponen bervariasi sesuai dengan jenis komponen. Komponen dengan harga terendah adalah V-Belt(Heal Belt) sebesar Rp87.500, sedangkan komponen dengan harga tertinggi adalah Main Motor sebesar Rp5.000.000. Komponen lainnya memiliki harga antara Rp150.000 hingga Rp2.500.000. Data biaya tersebut digunakan sebagai dasar dalam menghitung biaya penggantian komponen baik secara preventif maupun korektif.

Selain biaya komponen, penelitian ini juga menggunakan data biaya tenaga kerja maintenance yang diperoleh dari perusahaan. Biaya tenaga kerja terdiri atas operator mesin Circular Loom sebesar Rp4.500.000 per bulan dan teknisi maintenance sebesar Rp5.000.000 per bulan. Data biaya tenaga kerja digunakan bersama biaya komponen dalam analisis biaya perawatan sehingga diperoleh interval perawatan yang mampu meminimalkan biaya serta mengurangi kemungkinan terjadinya downtime.

1. Data Downtime Komponen Mesin Circular Loom
2. Data Time to Failure (TTF) dan Time to Repair (TTR)
3. Data Penyebab dan Dampak Kegagalan
4. Data Biaya Komponen
5. Data Biaya Tenaga Kerja
6. Langkah-Langkah Pemecahan Masalah

Langkah-langkah pemecahan masalah atau flowchart tersebut menunjukkan tahapan penelitian mulai dari identifikasi masalah hingga penyusunan rekomendasi strategi dan interval perawatan mesin Circular Loom. Alur penelitian atau flowchart dalam menyelesaikan permasalahan disajikan pada Gambar 1.

Gambar 1. Flowchart

Hasil dan Pembahasan

Functional Block Diagram (FBD) digunakan untuk menggambarkan hubungan antar komponen serta aliran fungsi pada sistem mesin Circular Loom. Proses diawali dari panel listrik yang menyalurkan energi ke Main Motor sebagai penggerak utama. Putaran kemudian diteruskan melalui V-Belt(Heal Belt) menuju Motor Induksi, Gear Tension, Shuttle, Arm, dan Lever yang berfungsi dalam proses penenunan benang. Selanjutnya Motor Take Up, Motor Winder, Rantai Winder, dan Roll Winder berperan dalam proses penarikan serta penggulungan hasil anyaman hingga menjadi produk akhir berupa kain tenun plastik. FBD menunjukkan bahwa seluruh komponen saling berhubungan dalam satu sistem sehingga kerusakan pada salah satu komponen dapat mengganggu proses produksi dan menyebabkan downtime pada mesin Circular Loom. Diagram FBD mesin Circular Loom ditunjukkan pada Gambar 2.

Gambar 2. Functional Block Diagram (FBD)

Penentuan komponen kritis dilakukan menggunakan Diagram Pareto berdasarkan total downtime setiap komponen selama periode penelitian. Metode Pareto mengacu pada prinsip 80/20, yaitu sebagian besar permasalahan disebabkan oleh sebagian kecil komponen yang paling dominan. Hasil analisis menunjukkan bahwa V-Belt(Heal Belt), Arm, Motor Winder, Shuttle, Lever, dan Roll Winder merupakan komponen yang memberikan kontribusi terbesar terhadap downtime mesin. Keenam komponen tersebut menyumbang sekitar 78% dari total downtime sehingga ditetapkan sebagai komponen kritis yang menjadi prioritas dalam analisis RCM II dan FMEA. Rantai Winder, Motor Induksi, Gear Tension, Motor Take Up, dan Main Motor memiliki kontribusi downtime yang relatif lebih kecil sehingga menjadi prioritas berikutnya. Berdasarkan perhitungan persentase downtime pada komponen kritis, V-Belt(Heal Belt) memiliki downtime tertinggi sebesar 23.440 menit (34%), diikuti Arm sebesar 15.630 menit (23%), Motor Winder sebesar 14.135 menit (21%), Shuttle sebesar 5.610 menit (8%), Lever sebesar 5.040 menit (7%), dan Roll Winder sebesar 4.535 menit (7%). Secara kumulatif, tiga komponen utama yaitu V-Belt(Heal Belt), Arm, dan Motor Winder telah menyumbang sekitar 78% dari total downtime, sehingga ditetapkan sebagai prioritas utama dalam kegiatan perawatan untuk meminimalkan downtime dan meningkatkan keandalan mesin Circular Loom. Hasil Diagram Pareto disajikan pada Gambar 3.

Gambar 3. Diagram Pareto

Setelah komponen kritis ditentukan melalui analisis Pareto, dilakukan analisis menggunakan metode Failure mode and Effect Analysis (FMEA) untuk mengidentifikasi potensi kegagalan, penyebab, dampak kegagalan yang disajikan pada Tabel 4.

Tabel 4. Penyebab dan Dampak Kegagalan Komponen Kritis

Analisis dilakukan pada enam komponen kritis, yaitu V-Belt(Heal Belt), Arm, Motor Winder, Shuttle, Lever, dan Roll Winder. Sebelum analisis dilakukan, ditetapkan kriteria penilaian Severity, Occurrence, dan Detection sebagai acuan dalam menentukan tingkat keparahan dampak kegagalan, frekuensi terjadinya kegagalan, serta kemampuan sistem mendeteksi kegagalan. Nilai setiap parameter diperoleh melalui penyebaran kuesioner kepada operator dan teknisi maintenance, kemudian dihitung nilai rata-ratanya untuk memperoleh nilai RPN, rekapitulasi tersebut yaitu pada Tabel 5.

Tabel 5. Data Rekap Kuisioner FMEA Pada Mesin Mesin Circular Loom

Hasil analisis FMEA menunjukkan bahwa seluruh komponen kritis memiliki tingkat risiko Very High (RPN ≥ 200). Komponen Shuttle memiliki nilai RPN tertinggi sebesar 448, sehingga menjadi prioritas utama dalam kegiatan perawatan. Tingginya nilai tersebut menunjukkan bahwa kegagalan pada Shuttle memiliki dampak besar terhadap proses penenunan, sering terjadi, serta relatif sulit dideteksi. Failure mode yang teridentifikasi meliputi keausan akibat gesekan, Shuttle macet karena penumpukan debu, serta kerusakan akibat benturan dan usia pakai. Komponen Arm dan Lever masing-masing memperoleh nilai RPN sebesar 392 dengan kategori Very High. Kegagalan pada kedua komponen disebabkan oleh keausan, beban kerja berlebih, dan usia pakai yang menyebabkan ketidakstabilan jalur Shuttle maupun anyaman sehingga kualitas produk menurun dan berpotensi menghentikan proses produksi. Komponen Motor Winder memperoleh nilai RPN sebesar 336. Failure mode yang teridentifikasi meliputi overload, overheating, dan kerusakan akibat usia pakai yang mengakibatkan sistem penggulungan tidak bekerja optimal sehingga suplai benang terganggu. Komponen V-Belt(Heal Belt) dan Roll Winder masing-masing memiliki nilai RPN sebesar 294. Kegagalan pada V-Belt disebabkan oleh keausan, belt kendur, dan putus akibat usia pakai sehingga tenaga putar tidak tersalurkan secara optimal. Pada Roll Winder, kegagalan disebabkan oleh keausan, beban kerja berlebih, dan kurangnya perawatan berkala yang mengganggu proses penggulungan. Berdasarkan hasil analisis FMEA, seluruh komponen kritis memiliki kategori risiko Very High, sehingga memerlukan prioritas tindakan perawatan untuk mengurangi potensi kegagalan dan meminimalkan downtime mesin Circular Loom. Data nilai RPN kuisioner FMEA pada mesin mesin Circular Loom disajikan pada Tabel 6.

Tabel 6. Data Nilai RPN Kuisioner FMEA Pada Mesin Mesin Circular Loom

Setelah dilakukan analisis FMEA, tahap selanjutnya adalah menentukan distribusi Time to Failure (TTF) dan Time to Repair (TTR) pada setiap komponen kritis mesin Circular Loom menggunakan software Minitab. Distribusi dipilih berdasarkan nilai Anderson-Darling terkecil (goodness of fit) sehingga diperoleh jenis distribusi dan parameter yang digunakan dalam perhitungan Mean Time to Repair (MTTR) dan Mean Time to Failure (MTTF). Berdasarkan hasil pengolahan, distribusi TTR menunjukkan bahwa komponen V-Belt(Heal Belt), Arm, dan Motor Winder mengikuti distribusi Normal, sedangkan Shuttle, Lever, dan Roll Winder mengikuti distribusi Lognormal. Nilai MTTR menggambarkan rata-rata waktu yang dibutuhkan untuk melakukan perbaikan hingga komponen kembali beroperasi. Hasil perhitungan MTTR menunjukkan nilai berturut-turut sebesar 397,29 menit, 411,32 menit, 441,72 menit, 6,58 menit, 5,45 menit, dan 6,06 menit, yang disajikan pada Tabel 7.

Tabel 7. Hasil Perhitungan MTTR Komponen Circular Loom

Distribusi TTF menunjukkan bahwa V-Belt (Heal Belt), Arm, Motor Winder, dan Roll Winder mengikuti distribusi Lognormal, Shuttle mengikuti distribusi Normal, sedangkan Lever mengikuti distribusi Weibull. Nilai MTTF menunjukkan rata-rata waktu operasi komponen sebelum mengalami kegagalan. Hasil perhitungan MTTF masing-masing komponen adalah 15,74 menit, 18,59 menit, 19,96 menit, 35.040 menit, 16.381,21 menit, dan 13,76 menit, yang disajikan pada Tabel 8.

Tabel 8. Hasil Perhitungan MTTF Komponen Circular Loom

Setelah diperoleh nilai MTTF dan MTTR, dilakukan perhitungan Cost of Maintenance (CM) dan Cost of Failure (CF) sebagai dasar penentuan interval perawatan. CM dihitung berdasarkan biaya tenaga kerja dan harga komponen, sedangkan CF mencakup biaya tenaga kerja, biaya downtime, dan harga komponen. Hasil perhitungan menunjukkan bahwa Motor Winder memiliki CM tertinggi sebesar Rp2.672.000, diikuti Arm sebesar Rp1.522.000, Roll Winder sebesar Rp1.520.000, V-Belt(Heal Belt) sebesar Rp1.411.500, Shuttle sebesar Rp522.000, dan Lever sebesar Rp168.000, yang disajikan pada Tabel 9.

Tabel 9. Biaya Pergantian Komponen Circular Loom

Pada biaya kerusakan (CF), Motor Winder juga memiliki nilai tertinggi sebesar Rp3.996.800, diikuti Arm sebesar Rp2.756.800, V-Belt (Heal Belt) sebesar Rp2.603.100, Roll Winder sebesar Rp1.538.000, Shuttle sebesar Rp541.800, dan Lever sebesar Rp184.200 , yang disajikan pada Tabel 10.

Tabel 10. Biaya Pergantian Komponen Circular Loom

Hasil tersebut menunjukkan bahwa biaya kerusakan lebih besar dibandingkan biaya perawatan karena adanya tambahan biaya downtime. Berdasarkan hasil perhitungan interval perawatan, V-Belt memiliki interval 6.053,89 menit (±4 hari), Arm 7.412,02 menit (±5 hari), Motor Winder 7.801,35 menit (±5 hari), Lever 72.000 menit (±50 hari), Roll Winder 84.292,68 menit (±59 hari), dan Shuttle 90.947,37 menit (±63 hari), yang disajikan pada Tabel 11.

Tabel 11. Interval Perawatan Komponen Circular Loom

Hasil ini menunjukkan bahwa V-Belt (Heal Belt), Arm, dan Motor Winder menjadi prioritas utama perawatan preventif karena memiliki interval perawatan paling pendek, sedangkan Lever, Roll Winder, dan Shuttle dapat dijadwalkan dengan interval yang lebih panjang untuk menjaga keandalan mesin dan meminimalkan downtime.

RCM II Decision Worksheet digunakan untuk menentukan jenis tindakan perawatan (maintenance Task) yang paling tepat berdasarkan konsekuensi kegagalan (failure consequences) dan karakteristik setiap failure mode. Pengisian information reference mengacu pada hasil analisis FMEA yang meliputi Function (F), Functional Failure (FF), dan Failure mode (FM). Evaluasi konsekuensi menunjukkan seluruh failure mode memiliki nilai H = N, S = N, dan E = N, karena kegagalan bersifat terlihat (evident failure), tidak berdampak langsung terhadap keselamatan maupun lingkungan, tetapi memiliki nilai O = Y karena memengaruhi kinerja mesin dan menyebabkan penurunan kualitas produk serta downtime. Berdasarkan RCM II Decision Diagram, failure mode berupa keausan pada V-Belt(Heal Belt), Arm, Shuttle, Lever, dan Roll Winder direkomendasikan menggunakan Scheduled On Condition Task (N1) karena gejala kerusakan dapat dideteksi melalui inspeksi berkala. Failure mode yang masih dapat dipulihkan, seperti V-Belt kendur, Arm bengkok, Motor Winder overheating, Shuttle macet, Lever bengkok, dan Roll Winder akibat beban kerja berlebih, ditetapkan sebagai Scheduled Restoration Task (N2). Kerusakan permanen seperti V-Belt putus, Arm patah, Motor Winder rusak, Shuttle rusak, Lever patah, dan Roll Winder rusak berat direkomendasikan menggunakan Scheduled Discard Task (N3) melalui penggantian komponen. Berdasarkan hasil tersebut, interval perawatan yang diusulkan adalah 4 hari untuk V-Belt(Heal Belt), 5 hari untuk Arm dan Motor Winder, 50 hari untuk Lever, 59 hari untuk Roll Winder, dan 63 hari untuk Shuttle. Kegiatan inspeksi (on condition) dilakukan oleh operator, sedangkan tindakan restorasi dan penggantian komponen dilakukan oleh teknisi, yang disajikan pada Tabel 12.

Tabel 12. RCM II Decision Worksheet

1. Functional Block Diagram (FBD)
2. Penentuan Komponen Kritis
3. Failure mode and Effect Analysis (FMEA)
4. Penentuan Distribusi MTTF dan MTTR Komponen Circular Loom
5. Perhitungan Biaya Perawatan dan Penentuan Interval Perawatan
6. RCM II Decision Worksheet
7. Penjadwalan Perawatan Mesin

Penjadwalan perawatan mengacu pada hasil RCM II Decision Worksheet, yaitu Scheduled On Condition Task (PM), Scheduled Restoration Task (R), dan Scheduled Discard Task (D). Scheduled On Condition Task dilakukan melalui inspeksi kondisi komponen secara berkala untuk mendeteksi potensi kegagalan sebelum terjadi kerusakan. Scheduled Restoration Task dilakukan melalui penyetelan, pelumasan, dan perbaikan ringan untuk mengembalikan fungsi komponen, sedangkan Scheduled Discard Task dilakukan dengan mengganti komponen yang telah mencapai batas umur pakainya. Usulan jadwal perawatan untuk setiap komponen disajikan pada Tabel 4.34.Penentuan interval perawatan didasarkan pada hasil analisis distribusi data kegagalan dan nilai MTTF. Hasil perhitungan menunjukkan bahwa V-Belt(Heal Belt) memiliki interval perawatan 6.053,89 menit (4,20 hari), Arm 7.412,02 menit (5,15 hari), Motor Winder 7.801,35 menit (5,42 hari), Lever 72.000 menit (50 hari), Roll Winder 84.292,68 menit (58,54 hari), dan Shuttle 90.947,37 menit (63,16 hari). V-Belt(Heal Belt), Arm, dan Motor Winder menjadi prioritas utama karena memiliki interval perawatan yang lebih pendek, sedangkan Shuttle, Lever, dan Roll Winder dijadwalkan dengan interval yang lebih panjang. Penerapan jadwal preventive maintenance ini diharapkan dapat meningkatkan keandalan mesin Circular Loom, mengurangi downtime, menekan biaya perbaikan, serta menjaga kontinuitas proses produksi. Penjadwalan perbaikan perawatan mesin disajikan pada Tabel 13.

Tabel 13. Penjadwalan Perbaikan Perawatan Mesin

Simpulan

Berdasarkan hasil penelitian, analisis Pareto menunjukkan bahwa terdapat enam komponen kritis pada mesin Circular Loom yang menyumbang sekitar 78% dari total downtime, yaitu V-Belt(Heal Belt), Arm, Motor Winder, Shuttle, Lever, dan Roll Winder. Hasil analisis Failure mode and Effect Analysis (FMEA) menunjukkan seluruh komponen tersebut termasuk dalam kategori Very High, dengan nilai Risk Priority Number (RPN) tertinggi pada Shuttle (448), diikuti Arm dan Lever (392), Motor Winder (336), serta V-Belt(Heal Belt) dan Roll Winder (294), sehingga menjadi prioritas utama dalam pelaksanaan perawatan. Strategi perawatan yang direkomendasikan berdasarkan Reliability Centered Maintenance (RCM) II meliputi Scheduled On Condition Task, Scheduled Restoration Task, dan Scheduled Discard Task. Scheduled On ConditionTask diterapkan melalui inspeksi kondisi komponen, Scheduled RestorationTask dilakukan melalui penyetelan, pelumasan, dan perbaikan ringan, sedangkan Scheduled DiscardTask dilakukan dengan penggantian komponen yang telah mencapai batas umur pakai. Strategi ini merupakan bentuk proactive maintenance yang bertujuan mengurangi risiko kegagalan serta meningkatkan keandalan mesin. Penjadwalan preventive maintenance ditetapkan berdasarkan interval perawatan, yaitu V-Belt(Heal Belt) setiap 4 hari, Arm dan Motor Winder setiap 5 hari, serta Shuttle, Lever, dan Roll Winder setiap 2 bulan. Penerapan jadwal perawatan tersebut diharapkan dapat meminimalkan downtime, mengurangi kerusakan mendadak, memperpanjang umur pakai komponen, serta meningkatkan efektivitas sistem perawatan mesin Circular Loom. Perusahaan disarankan menerapkan jadwal perawatan usulan berdasarkan metode RCM II secara konsisten untuk mendeteksi potensi kerusakan komponen kritis lebih awal dan meminimalkan downtime mesin. Inspeksi rutin perlu diprioritaskan pada komponen V-Belt(Heal Belt), Arm, dan Motor Winder karena memiliki frekuensi kegagalan dan tingkat risiko yang tinggi. Penelitian selanjutnya diharapkan dapat memperluas objek penelitian pada seluruh mesin dalam proses produksi sehingga menghasilkan rekomendasi perawatan yang lebih optimal.

Ucapan Terima Kasih

Penulis mengucapkan terima kasih kepada PT XYZ atas izin penelitian serta dukungan dalam penyediaan data dan informasi. Penulis juga menyampaikan apresiasi kepada seluruh operator, teknisi, dan pihak-pihak terkait yang telah membantu selama proses pengumpulan data dan pelaksanaan penelitian. Dukungan yang diberikan sangat membantu sehingga penelitian ini dapat diselesaikan dengan baik.

Referensi

[1] R. A. Faisal, S. N. Haristanti, Maretha, S. Hardi, and A. A. Muti, Proses Manufaktur, 1st ed., vol. 1. Bandung: Widina Media Utama, 2025.

[2] Romiyadi, “Perawatan mesin untuk meningkatkan performa dan keandalan mesin dan peralatan,” J. Tek. Ind. Terintegrasi, vol. 8, no. 3, pp. 3619–3626, 2025, doi: 10.31004/jutin.v8i3.47078.

[3] L. Aulia, K. Abdurahman, S. Saripah, Z. Gunawan, D. Lestari, and H. Yositamibar, “Tinjauan literatur mengenai maintenance dan reliability dalam manajemen operasional,” Artif. Intell. Digit. Bus., vol. 4, no. 4, pp. 12040–12047, 2026, doi: 10.31004/riggs.v4i4.5090.

[4] M. Firmansyah and A. W. Rizqi, “Analisis perawatan mesin dengan metode Reliability Centered Maintenance (RCM) terhadap mesin bag inserter (FLEXIM),” G-Tech: J. Teknol. Terap., vol. 8, no. 4, pp. 2514–2521, 2024, doi: 10.70609/gtech.v8i4.5235.

[5] M. Shobur, E. Supriyadi, R. N. Dewanti, B. Apriana, and A. R. Wardyanto, Proses Manufacture, 1st ed. Tangerang Selatan: Unpam Press, 2021.

[6] M. Arif and H. Windyatri, “Penurunan defect ratio housing panel menggunakan metode Failure Mode and Effect Analysis (FMEA) pada mesin injection molding di PT XYZ,” J. Desiminasi Teknol., vol. 12, no. 2, pp. 104–110, 2024, doi: 10.52333/destek.v12i2.709.

[7] M. R. Ramadhani, E. Y. Setyawan, and R. Febritasari, “Pengaruh variasi ukuran benang terhadap kekuatan tarik pada perajutan karung plastik,” J. Mesin Mater. Manufaktur dan Energi, vol. 6, no. 1, pp. 210–214, 2026, doi: 10.47549/jmmme.v6i1.15963.

[8] Darsini and B. Prabowo, “Perawatan mesin sucker muller di PT. DLH,” Indones. J. Mech. Eng. Vocat., vol. 1, no. 1, pp. 22–28, 2021, doi: 10.58466/injection.v1i1.1348.

[9] W. W. Pradana and W. Widiasih, “Penjadwalan preventive maintenance untuk meningkatkan kinerja mesin frais dan bubut di PT. ISUMI,” J. Ind. View, vol. 5, no. 1, pp. 1–11, 2023, doi: 10.26905/jiv.v5i1.9317.

[10] T. M. P. Benjamin, T. G. T. Nindhia, I. G. N. Priambadi, and I. W. B. Adnyana, “Perencanaan pemeliharaan dan peningkatan kualitas mesin pemurnian air laut menjadi air minum guna meminimasi downtime yang berbasis pada Overall Equipment Effectiveness (OEE) pada industri menengah Manleu Metinaro Timor Leste,” J. Res. Technol., vol. 9, no. 2, pp. 221–232, 2023, doi: 10.55732/jrt.v9i2.1079.

[11] I. Sodikin, C. I. Parwati, F. Fayzi, and M. Indrayana, “Penjadwalan perawatan mesin dengan metode preventive maintenance dan predictive maintenance (studi kasus di PLTD Kota Masohi),” J. Tekst., vol. 7, no. 1, pp. 37–46, 2024, doi: 10.59432/jute.v7i1.88.

[12] R. Wahrini and Hasbi, “Pelatihan memperbaiki peralatan listrik rumah tangga pada masyarakat di Parepare, Sulawesi Selatan,” Jumas: J. Masy., vol. 2, no. 2, pp. 77–83, 2023, doi: 10.54209/jumas.v2i02.48.

[13] A. Setiawan, H. Windyatri, and Suhendra, “Penerapan preventive maintenance menggunakan metode Reliability Centered Maintenance (RCM) untuk meminimasi downtime mesin CNC di PT MTAT,” J. Desiminasi Teknol., vol. 12, no. 2, pp. 89–94, 2024, doi: 10.52333/destek.v12i2.710.

[14] U. Situmeang, A. Tanjung, and R. O. Rivandi, “Analisis keandalan sistem distribusi 20 kV penyulang Okura di PT. PLN (Persero) ULP Rumbai dengan metode FMEA,” J. Tek., vol. 16, no. 1, pp. 80–87, 2022, doi: 10.31849/teknik.v16i1.6399.

[15] I. Mujiarto, E. I. Asmoro, and K. Kundori, “Pengukuran laju kerusakan dengan mengindikasikan nilai MTBF dalam manajemen perawatan mesin pada PT. AIC,” J. Tek. Mesin, Ind. Elektro dan Inform., vol. 1, no. 3, pp. 14–23, 2022, doi: 10.55606/jtmei.v1i3.491.

[16] A. G. Prawiyogi, T. L. Sadiah, A. Purwanugraha, and P. N. Elisa, “Penggunaan media big book untuk menumbuhkan minat baca siswa di sekolah dasar,” J. Basicedu, vol. 5, no. 1, pp. 446–452, 2021, doi: 10.31004/basicedu.v5i1.787.

[17] A. V. E. Saputra, R. Septiari, and S. Haryanto, “Studi keandalan mesin filling cup semi otomatis 8 × 2 model melalui metode FMEA dan RCA pada CV. XYZ,” J. Valtech, vol. 8, no. 2, pp. 262–270, 2025, doi: 10.36040/valtech.v8i2.15957.

[18] I. F. Rudiana, L. Yulia, and E. Nursolih, “Analisis pemeliharaan mesin produksi dengan metode RCM (Reliability Centered Maintenance) pada PT. Surya Agrolika Reksa,” J. Ind. Galuh, vol. 6, no. 2, pp. 65–74, 2024, doi: 10.25157/jig.v6i2.4079.

[19] Suparno, “Analisis keandalan transformator diagram segaris penyulang Merpati menggunakan metode Mean Time to Failure (MTTF),” El Sains, vol. 3, no. 2, pp. 1–12, 2021, doi: 10.30996/elsains.v3i2.5984.

[20] M. H. Habibi, Sutrisno, and A. Jibril, “Analisis perhitungan Mean Time Between Failure (MTBF) dan Mean Time to Repair (MTTR) mesin cold storage,” J. Cendekia Ilm., vol. 4, no. 4, pp. 1410–1421, 2025, doi: 10.56799/jceki.v4i4.8857.

[21] R. Irfanto, “The analysis cause of casting repair work with Pareto chart in project X,” J. Tek. Sipil, vol. 18, no. 1, pp. 106–117, 2022, doi: 10.28932/jts.v18i1.4485.