JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
1
STUDI KELAYAKAN KUALITAS SISTEM KONTROL MAIN STEAM PADA BOILER MELALUI PENDEKATAN STATISTICAL CLUSTERING DI PLTU UNIT I PT. PJB UP. GRESIK Iik Ordiani dan Imam Abadi, ST.MT Jurusan Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected] dan
[email protected] Abstrak— PT. PJB merupakan salah satu perusahaan penghasil listrik, guna memenuhi kebutuhan listrik di daerah jawa. Agar dapat menghasilkan produksi yang baik maka perlu dilakukan pengendalian kualitas. Pengendalian kualitas ini dilakukan pada keluaran boiler yaitu main steam, karena main steam merupakan masukan turbin untuk menggerakkan generator yang nantinya akan menghasilkan listrik. Metode penelitian yang digunakan yaitu metode pendekatan statistic-clustering. Alat bantu yang digunakan dalam pengendalian statistik ini yaitu control chart x. Dengan adanya control chart ini dapat memonitoring, menganalisis dan mengidentifikasi proses yang beroperasi. Dalam tugas akhir ini bertujuan untuk mengidentifikasi terjadinya out-of control pada sistem proses. Parameter yang digunakan yaitu temperature, pressure dan flow. Berdasarkan penelitian yang dilakukan dapat diketahui estimasi change point, dimana perubahan waktu dalam keadaan normal menuju ke tidak normal. Kualitas main steam yang dihasilkan dalam keadaan tidak sempurna, hal ini ditunjukkan dengan adanya beberapa data yang diluar kendali. Pada grafik hasil data fixed estimasi change point pada temperatur, pressur dan flow terjadi pada titik ke 5, 61 dan 10. Pada grafik hasil data variabel estimasi change point pada temperatur, pressur dan flow terjadi pada titik 5, 53 dan 39.
Kata Kunci— Pengendalian kualitas, statistic-clustering, control chart x, change point. I. PENDAHULUAN T. PJB Gresik merupakan salah satu perusahaan pembangkit listrik yang mensuplai kebutuhan energi listrik untuk wilayah jawa – bali. Dalam operasionalnya, PT. PJB Gresik memiliki 3 unit pembangkit meliputi sistem pembangkit listrik tenaga uap (PLTU), sistem pembangkit listrik tenaga gas (PLTG) dan sistem pembangkit listrik tenaga gas dan uap (PLTGU). Pada sistem pembangkit listrik tenaga uap memiliki beberapa unit proses yang mendukung keberlangsungan proses produksi energi listrik yaitu water treatment, boiler, turbin dan generator, sehingga performansi dari sistem pembangkit listrik tenaga uap sangat dipengaruhi oleh unitunit proses tersebut. Salah satu komponen penting yang sangat berpengaruh terhadap kinerja PLTU adalah boiler. Berdasarkan data maintenance dapat diketahui bahwa boiler
P
merupakan komponen yang rawan terjadinya trouble (seperti trip, kebocoran, kerusakan komponen dll.), sehingga penanganan terhadap boiler merupakan prioritas utama. Salah satu indikator yang bisa digunakan untuk mengukur kinerja proses pada boiler adalah dengan melakukan analisis kualitas proses secara kuantitatif. Pada penelitian ini dikembangkan sebuah metode untuk menganalisis kualitas terkontrolan proses melalui pendekatan statistik klustering untuk melakukan estimasi waktu terjadinya perubahan proses. II. METODOLOGI PENELITIAN 1. Studi Literatur Mencari dan mempelajari berbagai literatur seperti buku, jurnal dan internet untuk bisa mendapatkan informasi maupun data – data yang diinginkan berkaitan dengan pengendalian kualitas, metode Statistical Clustering. 2. Pengambilan Data Sumber data yang digunakan dalam penelitian ini adalah data proses dari data log sheet Boiler Turbine Board (BTB) Unit I PT. PJB UP Gresik. Data yang dipakai mulai dari bulan januari 2011 sampai bulan desember 2011. Data yang dipakai untuk studi kelayakan kualitas main steam pada boiler ini adalah data proses pressure, temperature, dan flow.
3. Uji T-student Semua data proses yang digunakan harus dilakukan uji steady state dengan menggunakan uji tstudent. Langkah-langkah dalam melakukan uji t-student adalah :
Menentukan rata-rata data populasi (µ) Menentukan rata-rata data group Menentukan standart deviasi Menentukan tingkat kepercayaan (95 %) (df= n-1). Lihat pada tabel t- student berapa nilai kritisnya.
Menentukan
Menentukan normalitas - Jika to hitung < χ2 tabel maka populasi berdistribusi normal - Jika to hitung > χ2tabel,maka populasi tidak berdistribusi normal
to =
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
( disebut χ2 hitung )
Menentukan derajat kebebasan (db=k–3) Menentukan nilai χ2 dari daftar (χ2tabel) Penentuan normalitas - Jika χ2 hitung < χ2 tabel maka populasi berdistribusi normal - Jika χ2 hitung > χ2tabel maka populasi tidak berdistribusi normal 6. Statistical clustering Pada statistical clustering ini terdiri dari dua tahap yaitu : a. Clustering (estimasi change point) Berdasarkan hasil uji c-square digunakan untuk mengelompokkan data out-of control menuju ke incontrol. Apabila data dalam keadaan out-of control maka akan kembali ke langkah 5 sampai data menunjukkan dalam keadaan in-control. b. Hasil hipotesa Hasil hipotesa ini menunjukkan hasil uji c-square, dengan begitu dapat diketahui titik change point-nya. 6. Analisa Data dan Pembahasan Dari data yang telah didapatkan dapat dilakukan analisis data dan pembahasan. 7. Kesimpulan dan Saran Setelah melakukan langkah 1-7 maka dapat diambil kesimpulan dari hasil analisa data, apakah tujuan dari penelitian tugas akhir ini telah terpenuhi atau tidak. Saran yang membangun untuk memperbaiki lebih baik lagi untuk penelitian ini. 8. Penyusunan Laporan. Pada tahap terakhir ini disusun laporan sebagai dokumentasi dari pelaksanaan Tugas Akhir. III. HASIL DAN PEMBAHASAN 3.1 Pengujian Steady state Pada pengujian steady state ini dengan menggunakan data asli. Berikut merupakan hasil dari peangujian steady state dengan menggunakan uji t-student : Misalnya uji t-student pada pressure Nilai rata-rata data populasi (µ) yang dihasilkan yaitu sebesar 87.9916
3.2 Analisa Kualitas Berbasis Control chart Control chart yang digunakan dalam menganalisa kualitas main steam ini yaitu dengan menggunakan control chart x. Data yang dipakai untuk pengolahan control chart ini yaitu data proses pressure, temperature, dan flow. Pada pengamatan data tersebut di ukur setiap 2 jam sekali, dimana dalam sehari terdapat 13 data yaitu dari jam 00.00 – 24.00. Data yang dipakai yaitu selama 1 tahun, pada tahun 2011. Berdasarkan data tersebut dapat diketahui data pressure dan termperature adalah sebanyak 6369 data, data flow adalah sebanyak 6343 data . Kemudian data tersebut di dibagi dalam 337 subgroup data, yang ditentukan dari jumlah hari pengambilan data. Dalam pengambilan sampel data dilakukan dua kali, yang pertama dengan menggunakan data fixed. Dikatakan data fixed karena data yang diambil secara runtut atau kontinu. Pada pemakaian sampel yang ke dua dengan menggunakan data variabel. Dikatakan data variabel karena data yang dipakai secara acak (random). Berikut merupakan hasil perhitungan upper control limit (UCL), center line (CL), dan lower center limit (LCL) dengan menggunakan data secara keseluruhan dari bulan 1 januari 2011 sampai bulan 29 desember 2011, yaitu dengan 337 subgroup data: Tabel 3.1 Hasil perhitungan UCL, CL dan LCL dengan menggunakan 337 subgroup data Data Proses UCL CL LCL (Variabel) 88.0485 87.9916 87.9347 Pressure Temperatur 510.2691 509.0908 507.9124 e 353.7139 280.0844 206.4549 Flow Pada tabel 3.1 merupakan hasil perhitungan upper center limit (UCL), center line (CL), dan lower center limit (LCL). Berikut merupakan gambar Xbar Chart tiap variabel dengan menggunakan 337 subgroup data : Xbar Chart of Temperature
Xbar Chart of Pressure
515
88.2
510 88.1
505 88
Sample Mean
Menentukan χ2 = ∑
Nilai rata-rata data group yang dihasilkan yaitu sebesar 87.9918 Standart deviasi yang dihasilkan sebesar 0.043 Dengan tingkat kepercayaan (95 %) Nilai df = n-1 = 80 -1 = 79 maka nilai derajat kebebasan dapat di lihat pada tabel t-student (nilai kritis) yaitu sebesar 1.671 Berdasarkan perhitungan di dapatkan nilai to sebesar 0.043 0.043 < 1.671 maka dapat simpulkan Ho diterima ( dalam keadaan steady state)
Sample Mean
4. Perhitungan control chart Perhitungan control chart ini terdiri dari 3 tahap perhitungan yaitu: Menghitung nilai upper control limit (UCL). Menghitung center line (CL). Menghitung lower control limit (LCL). 5. Clustering In-control Pada clustering In-control ini merupakan pengelompokkan data in-control dengan menggunakan uji csquare. Berikut ini merupakan langkah-langkah dalam melakukan uji C-square : Menentukan rata-rata ( ) Menentukan standart deviasi (S) Menentukan daftar frekuensi observasi (fo) dan frekuensi ekspektasi (fE).
2
87.9 87.8 Data UCL CL LCL
87.7 87.6
0
50
500 495 490 Data UCL CL LCL
485 480
100
150 200 Sample
(a)
250
300
350
475
0
50
100
150 200 Sample
(b)
250
300
350
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
3
Xbar Chart of Flow 450 400
Pada gambar (a), (b), (c) merupakan grafik Xbar chart pressure, temperature dan flow dengan menggunakan 80 subgroup data. Berdasarkan gambar tersebut dapat diketahui sebagian data tergolong dalam keadaan terkontrol (in-control) dan sebagian yang berada dalam keadaan out-of control.
Sample Mean
350 300 250 200 150 Data UCL CL LCL
100 50 0
0
50
100
150
200
250
300
350
Sample
Data Fixed Pengambilan sampel pada data fixed berasal dari 337 data group, kemudian dari data tersebut di uji dengan menggunakan distribusi t untuk memastikan apakah data tersebut dalam steady state atau tidak. Berdasarkan pengujian tersebut didapatkan hasil tiap masing-masing data fixed tersebut di bagi menjadi 80 subgroup dengan nilai Upper control limit (UCL), Center Line (CL), Lower control limit (LCL) sebagai berikut : Tabel 3.2 Hasil Perhitungan UCL, CL, LCL Data fixed Data Proses UCL CL LCL (Variabel) 88.0485 87.9916 87.9347 Pressure 510.2691 509.0908 507.9124 Temperature 353.7139 280.0844 206.4549 Flow
Tabel 3.3 Hasil Perhitungan UCL, CL, LCL Data Variabel Variabel UCL CL LCL 88.0262 87.9934 87.9607 Pressure 511.0848 509.1431 507.2015 Temperature 327.8326 278.3099 228.7871 Flow Tabel 3.3 merupakan hasil perhitungan nilai UCL, CL, dan LCL. Berdasarkan nilai perhitungan tersebut dapat membuat grafik control chart x. Berikut merupakan hasil control chart dengan menggunakan Xbar chart tiap data Variabel yaitu seperti berikut ini : Xbar Chart of Temperature Xbar Chart of Pressure
515
88.1
510
88.05
Sample Mean
Pada gambar (a), (b), (c) merupakan gambar grafik Xbar chart pressure, temperature dan flow dengan menggunakan data keseluruhan yaitu 337 subgroup data.
Data Variabel Pengambilan sampel data pada tiap data variabel adalah sebanyak 80 subgroup, dengan nilai Upper control limit (UCL), Center Line (CL), Lower control limit (LCL sebagai berikut :
Sample Mean
(c) Gambar 3.1 Xbar chart dengan menggunakan 337 subgroup data
88 87.95 87.9
Data UCL CL LCL
87.85
505 500 495
485 0
10
20
30
40 Sample
50
60
70
80
0
10
20
(a)
30
40 Sample
50
60
70
80
(b) Xbar Chart of Flow 450 Data UCL CL LCL
400
Sample Mean
Pada tabel 3.2 merupakan hasil perhitungan center limit (UCL), center line (CL), dan lower center limit (LCL) data fixed dengan menggunakan tiga variabel yaitu pressure, temperature, dan flow. Berikut merupakan hasil control chart dengan menggunakan Xbar chart tiap data fixed yaitu seperti berikut :
Data UCL CL LCL
490
350 300 250 200
Xbar Chart of Temperature 515
88.1
510
Sample Mean
Sample Mean
Xbar chart of Pressure 88.2
88
87.9 Data UCL CL LCL
87.8
87.7
0
10
20
30
40 Sample
50
60
70
150
500 Data UCL CL LCL
495
80
10
20
30
40 Sample
50
60
70
80
(c) Gambar 3.3 Xbar chart of pressure dengan sampel 80 subgroup data
505
490
0
0
10
20
(a)
30
40 Sample
50
60
70
80
(b)
Pada gambar (a), (b), dan (c) merupakan grafik Xbar chart pressure, temperature dan flow dengan sampel 80 subgroup data.
Xbar Chart of Flow 450
400
Sample Mean
Estimasi Change point Setelah membuat grafik Xbar chart dari masingmasing data fixed dan data variabel, maka langkah selanjutnya yaitu dengan menentukan estimasi change point. Untuk menentukan estimasi change point ini dengan menggunakan uji normal c square.
Data UCL CL LCL
350
300
250
200
150
0
10
20
30
40 Sample
50
60
70
80
(c) Gambar 3.2 Xbar chart dengan menggunakan 80 subgroup data
• Data fixed Berikut ini merupakan hasil pengujian uji hipotesa dengan menggunakan data fixed :
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 Tabel 3.4 Uji hipotesa pressure In Control 80 70 60 50 40 30 20 10 9 8 7 6 5
Estimasi Change point Out-of control 0 10 20 30 40 50 60 70 71 72 73 74 75
Tabel 3.7 Uji hipotesa pressure Hipotesa Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho diterima
Pada tabel 4.5 merupakan hasil uji hipotesa dengan menggunakan data pressure. Uji hipotesa (Ho diterima) ditunjukkan pada data ke 5 (cluster in-control) dengan data ke 75 (out-of control).
In Control 80 70 65 64 63 62 61 60
Hipotesa Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho diterima Ho diterima
Pada tabel 4.6 merupakan hasil uji hipotesa dengan menggunakan data temperature. Uji hipotesa (Ho diterima) ditunjukkan pada data ke 61 ( cluster in-control) dengan data ke 19 (out-of control) Tabel 3.6 Uji hipotesa flow In Control 80 70 65 64 63 62 61 60
Estimasi Change point Out-of control 0 10 15 16 17 18 19 20
In Control 80 70 60 50 40 30 20 10 8 6 5
Estimasi Change point Out-of control 0 5 8 9 10 40 8 9 10 40 10
Hipotesa Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho diterima
Pada tabel 4.8 merupakan hasil uji hipotesa dengan menggunakan data pressure. Uji hipotesa (Ho diterima) ditunjukkan pada data ke 5 (cluster in-control) dengan data ke 10(out-of control). Tabel 3.8 Uji hipotesa temperature Estimasi Change point
Tabel 3.5 Uji hipotesa temperature Estimasi Change point Out-of control 0 10 15 16 17 18 19 20
4
Hipotesa Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho diterima Ho diterima
Pada tabel 4.7 merupakan hasil uji hipotesa dengan menggunakan data flow. Uji hipotesa (Ho diterima) ditunjukkan pada data ke 10( cluster in-control) dengan data ke 70(out-of control). • Data Variabel Berikut ini merupakan hasil pengujian uji hipotesa dengan menggunakan data variabel :
In Control
Out-of control
Hipotesa
80 70 60 55 54 53 50
0 10 15 16 17 18 19
Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho diterima Ho diterima
Pada tabel 4.9 merupakan hasil uji hipotesa dengan menggunakan data temperature. Uji hipotesa (Ho diterima) ditunjukkan pada data ke 53 (cluster in-control) dengan data ke 18(out-of control). Tabel 3.9 Uji hipotesa Flow In Control 80 70 60 50 40 39 38 35 30
Estimasi Change point Out-of control 0 10 20 30 40 41 42 45 50
Hipotesa Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho diterima Ho diterima Ho diterima Ho diterima
Pada tabel 4.10 merupakan hasil uji hipotesa dengan menggunakan data flow. Uji hipotesa (Ho diterima) ditunjukkan pada data ke 39 (cluster in-control) dengan data ke 41(out-of control). Berdasarkan hasil uji distribusi c square dapat diketahui estimasi change point dan dapat dikelompokkan data In-control dan Out-of control tiap variabel proses. Berikut ini merupakan grafik yang menunjukkan estimasi change point :
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
Estimasi Change point (Data fixed) Berikut ini merupakan grafik yang menunjukkan estimasi change point Xbar chart dengan menggunakan (data fixed) : Estimasi Change point Xbar Chart of Pressure 88.2 Change Point
88.1
5 Pada grafik 3.6 merupakan grafik temperature dengan menggunakan Xbar chart, yang menujukkan estimasi change point yang terjadi pada titik ke 10. Grafik Change point Data Variabel Berikut ini merupakan grafik yang menunjukkan estimasi change point Xbar chart dengan menggunakan (data variabel) : Estimasi Change Xbar Chart of Pressure Change Point
88
88.05
87.9 Data UCL CL LCL
87.8
87.7
Sample Mean
Sample Mean
88.1
0
10
20
30
40 Sample
50
60
70
80
88 87.95 87.9
Gambar 3.4 Penentuan estimasi change point pressure dengan sampel 80 subgroup data Pada gambar 3.4 merupakan grafik dengan menggunakan data pressure yang direpresentsikan dalam Xbar chart. Berdasarkan gambar tersebut dapat diketahui estimasi change point yang terjadi pada titik ke 5. Estimasi Change Point Xbar Chart of Temperature 515
Data UCL CL LCL
87.85
0
10
20
30
40 Sample
50
60
70
80
Gambar 3.7 Penentuan estimasi change point pressure dengan sampel 80 subgroup data. Pada grafik 3.7 merupakan grafik pressure dengan menggunakan data variabel yang direpresentasikan dalam Xbar chart, pada grafik tersebut menujukkan estimasi change point terjadi pada titik ke 5 .
Change Point
510
Xbar Chart of Temperature
505
510
Sample Mean
Sample Mean
515
500 Data UCL CL LCL
495
490
0
10
20
30
40 Sample
50
60
70
80
Estimasi Change Point Xbar Chart of Flow 450
0
10
20
Change Point
30
40 Sample
50
60
Estimasi Change Point Xbar Chart of Flow Change Point
300
250
200
10
20
30
40 Sample
50
60
70
80
450 Data UCL CL LCL
400
0
70
Pada gambar 3.8 merupakan grafik temperature dengan menggunakan Xbar chart, yang menujukkan estimasi change point yang terjadi pada titik ke 53.
Sample Mean
Sample Mean
Data UCL CL LCL
Gambar 3.8 Penentuan estimasi change point temperature dengan sampel 80 subgroup data
350
150
495
485
Data UCL CL LCL
Change Point
400
500
490
Gambar 3.5 Penentuan estimasi change point temperature dengan sampel 80 subgroup data Pada gambar 3.5 merupakan grafik estimasi change point Xbar chart of temperature, yang menujukkan estimasi change point terjadi pada titik ke 61.
505
80
Gambar 3.6 Penentuan estimasi change point flow dengan sampel 80 subgroup data
350 300 250 200 150
0
10
20
30
40 Sample
50
60
70
80
Gambar 3.9 Penentuan estimasi change point flow dengan sampel 80 subgroup data
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6
Pada grafik 3.9 merupakan grafik flow dengan menggunakan Xbar chart, yang menujukkan estimasi change point yang terjadi pada titik ke 39. 3.3 Diskusi dan Pembahasan. Pada gambar 3.4 merupakan grafik dengan menggunakan data pressure. Berdasarkan gambar tersebut dapat diketahui estimasi change point yang terjadi pada titik ke 5, hal ini disebabkan karena perubahan beban secara kontinu, berdasarkan data beban (load) menunjukkan perubahan rata-rata beban dari 65 MW ke 45 MW. Selain itu juga disebabkan oleh residual oil flow dan residual oil burner inlet temperature menurun secara continu dan tidak stabil. Dengan menurunnya residu oil flow dan residual oil burner inlet temperature akan mengakibatkan hasil pembakaran pada burner tidak sempurna. Cara mengatasinya yaitu mencari penyebab pada instruments yang berkaitan. Pada gambar 3.5 merupakan grafik estimasi change point Xbar chart of temperature, yang menujukkan estimasi change point terjadi pada titik ke 61. Berdasarkan grafik tersebut dapat diketahui dalam pengamatan titik pertama sampai titik ke 61 dalam keadaan in-control, namun pada titik ke 62 sampai 80 tergolong dalam keadaan out-of control. Estimasi change point terjadi pada titik 61 lima hal ini disebabkan karena perubahan beban secara kontinu, berdasarkan data beban (load) menunjukkan perubahan ratarata beban dari 51 MW ke 49 MW kemudian beban turun lagi menjadi 45 MW, naik lagi 66 MW. Pada gambar 3.6 merupakan grafik temperature dengan menggunakan Xbar chart, yang menujukkan estimasi change point yang terjadi pada titik ke 10. Berdasarkan grafik tersebut dapat diketahui dalam pengamatan titik pertama sampai titik ke 10 dalam keadaan in-control, namun pada titik ke 62 sampai 80 tergolong dalam keadaan out-of control. Estimasi change point terjadi pada titik 61 hal ini disebabkan sensor kurang akurat dalam pembacaan. Cara mengatasinya yaitu dengan mengkalibrasi sensor sehingga flow yang terukur sesuai dengan spesifikasinya. Sensor yang digunakan dalam maen steam flow ini yaitu DP transmiiter. Pada sampel data variabel dengan menggunakan 80 subgroup pada tanggal 2 mei sampai 20 juli 2011. Hasil simulasinya dapat dilihat pada gambar 3.7, yang merupakan grafik pressure dengan menggunakan data variabel yang direpresentasikan dalam Xbar chart. Pada grafik tersebut menujukkan estimasi change point terjadi pada titik ke 5 . Pada pengamatan titik pertama sampai titik ke 5 proses dalam keadaan terkontrol ( in-control), pada titik ke 6 sampai 80 dalam keadaan Out-of control. Estimasi change point terjadi pada titik ke 5 hal ini disebabkan karena perubahan beban secara signifikan, berdasarkan data beban (load) menunjukkan perubahan rata-rata beban dari 65 MW ke 45 MW. Selain itu juga disebabkan oleh residual oil flow dan residual oil burner inlet temperature menurun secara continu dan tidak stabil. Pada gambar 3.8 merupakan grafik temperature dengan menggunakan Xbar chart, yang menujukkan estimasi change point yang terjadi pada titik ke 53. Berdasarkan grafik tersebut dapat diketahui dalam pengamatan titik pertama sampai titik ke 53 dalam keadaan in-control, namun pada titik
6 ke 54 sampai 80 tergolong dalam keadaan out-of control. Estimasi change point terjadi pada titik 53 lima hal ini disebabkan karena perubahan beban secara kontinu, berdasarkan data beban (load) menunjukkan perubahan ratarata beban dari 75 MW ke 70 MW kemudian beban turun lagi menjadi 55 MW, naik lagi 45 MW. Pada gambar 3.9 merupakan grafik flow dengan menggunakan Xbar chart, yang menujukkan estimasi change point yang terjadi pada titik ke 39. Berdasarkan grafik tersebut dapat diketahui dalam pengamatan titik pertama sampai titik ke 39 dalam keadaan in-control, namun pada titik ke 40 sampai 80 tergolong dalam keadaan out-of control. Estimasi change point terjadi pada titik 39 hal ini disebabkan karena solenoid valve pada burner bocor sehingga menghambat sistem proses yang bekerja. IV. KESIMPULAN Berdasarkan studi kasus yang telah dilakukan dapat disimpulkan sebagai berikut : 1. Kualitas keterkendalian proses dengan meggunakan 80 subgroup secara statistic tidak terkontrol sempurna, hal ini dibuktikan dengan adanya beberapa data diluar kendali. 2. Pada data fixed dengan parameter pressure, temperature dan flow change point terjadi pada titik ke 5, 61 dan 10. Parameter flow mengalami proses yang paling tidak stabil hal ini dibuktikan dengan banyaknya data yang terdapat di luar kendali. 3. Pada data variabel dengan menggunakan parameter pressure, temperature dan flow change point terjadi pada titik ke 5, 53, dan 39. Parameter flow mengalami proses yang paling tidak stabil hal ini dikarenakan solenoid valve pada burner bocor. V. UCAPAN TERIMA KASIH Terima kasih kepada dosen pebimbing dan seluruh dosen serta staff pengajar jurusan Teknik Fisika yang telah memberikan ilmunya, kepada seluruh Mahasiswa Teknik Fisika atas bantuan kerjasamanya selama kuliah di jurusan Teknik Fisika dan kepada PT.Angkasa Pura yang telah memberikan beasiswa demi kelancaran penelitian tugas akhir ini. DAFTAR PUSTAKA Intan Alifiyah, Ilmi. 2010. “Analisis Efisiensi Sistem Pembakaran Pada Boiler Di PLTU Unit III PT.PJB Up Gresik Dengan Metode Statistical Process Control”. Institut Teknologi Sepuluh Nopember. Surabaya 2. Adel Alaeddinia,*, Mehdi Ghazanfarib, Masjid Amin Nayeric. 2009. “A Hybrid Fuzzy-Statistical Clustering Approach for Estimating the Time of Changes In Fixed and Variable Sampling Control charts”. Industrial Engineering Department, Islamic Azad UniversityQazvin Branch, Iran. [Elseiver Information Science 179 (2009) 1769-1784] 3. http://eprints.undip.ac.id/6796/1/CHI-KUADRAT.pdf. 1.
Diakses pada 5 april 2013.