Identifikasi Penyebab Kebocoran Gas Dari Kasus Kebakaran dan Ledakan Philadelphia Energy Solutions (PES) Refinery Menggunakan Metode Fault Tree Analysis (FTA) dan Bayesian Network (BN)

Abstract

Tangki minyak mentah dengan kasus kebakaran dan ledakan merupakan sebagai jenis kecelakaan yang paling sering terjadi pada kilang minyak yang mengakibatkan kecelakaan pada manusia hingga menyebabkan kematian, pencemaran lingkungan dan kerugian ekonomi. Salah satu dari sekian banyak kasus kebakaran dan ledakan yang terjadi yaitu disebabkan karena kebocoran gas yang terjadi di Philadelphia Energy Solutions (PES) Refinery. Tujuan dari penelitian ini adalah mendemonstrasikan penerapan metode Fault Tree Analysis (FTA) dan Bayesian Network (BN) dalam mengidentifikasi penyebab kegagalan dari kasus kebakaran dan ledakan Philadelphia Energy Solutions (PES) Refinery, menghitung peluang/probabilitas terjadinya kegagalan, mengetahui faktor penyebab utama terjadinya kegagalan, dan melakukan perbandingan metode antara FTA dan BN untuk menentukan metode yang lebih efektif. Fault Tree Analysis (FTA) adalah merupakan suatu metode analisis yang menggunakan model grafis untuk menunjukan analisis proses secara visual dengan menggunakan bantuan aplikasi atau software “TopEvent FTA”. Bayesian Network (BN) adalah merupakan salah satu metode data mining yang dapat menggambarkan hubungan sebab-akibat antara variabel dalam sebuah sistem dengan menggunakan bantuan aplikasi atau software bernama “GeNIe”. Diperoleh hasil nilai probabilitas kegagalan dari kasus kebakaran dan ledakan Philadelphia Energy Solutions (PES) dengan metode FTA sebesar 2,3314E˗4 dan BN sebesar 2,5805E˗5. Probabilitas kegagalan kasus utama dengan menggunakan metode FTA menghasilkan nilai yang lebih tinggi sebesar 11,07 %. FTA dan BN menghasilkan kesimpulan penyebab utama kegagalan yang sama yaitu siku pipa pecah. FTA dan BN adalah metode yang efektif untuk digunakan dalam analisis risiko suatu kegagalan/kecelakaan. Tetapi, secara umum BN memiliki struktur yang jauh lebih fleksibel daripada fault tree dan lebih cocok untuk berbagai skenario kecelakaan. Selain itu, pengerjaan BN juga memakan waktu yang lebih sedikit sehingga lebih efisien dan efektif.