PERENCANAAN SUMBER DAYA MANUSIA

DI INSTALASI GAWAT DARURAT RUMAH SAKIT ABC

MENGGUNAKAN KOMBINASI SIMULASI DAN OPTIMALISASI
Mahendrawathi ER, M. Afandi Sasmita, Ahmad Mukhlason
Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember
Kampus Keputih, Sukolilo, Surabaya,60111
Telp : (031) 5922949, Fax : (031) 5964965
E-mail : mahendra_w@its-sby.edu

Abstract

This paper presents an implementation of simulation and optimization to plan the composition of
human resource at emergency unit an ABC hospital that can balance the service level and costs. The
simulation model was constructed using ARENA 5.0 based on the characteristics and the data obtained
from the ABC Hospital. The model that has been verified and validated was then used to perform an
optimization with the help of OptQuest facility provided by ARENA 5.0. The purpose of optimization was
to optimize the number of served patients to different level of patients’ arrival considering two scenarios:
1) by taking into account service level constraints (the average waiting time for patients with life threat
and high emergency) and 2) by taking into account costs constraints besides service level constraints.
Testing result showed that the composition of human resources that has been implemented at emergency
unit in ABC Hospital can be improved for lower or higher arrival level from the normal condition at
present. Result of optimization with only consider the service level constraint showed that the changes in
human resource composition lead to the improvement of the number of served patients for about 46%
while the average number of waiting time of patients at Emergency Unit decreased for about 15.21%
from the condition without optimization. However, with an addition on cost constraints, the result of
optimization simulation can increase the number of served patients from 47.3 to 66 patients and decrease
costs from 3139.42 to 2990.63 budget unit.

Abstrak

Makalah ini menampilkan implementasi simulasi dan optimalisasi untuk merencanakan

komposisi sumber daya manusia Instalasi Gawat Darurat (IGD) di RS. ABC yang dapat
menyeimbangkan tingkat pelayanan dan biaya. Model simulasi dibuat dengan ARENA 5.0 berdasarkan
karakteristik dan data yang didapat dari RS. ABC. Model yang telah diverifikasi dan divalidasi
digunakan untuk melakukan optimalisasi dengan bantuan fasilitas OptQuest pada ARENA 5.0. Tujuan
optimalisasi adalah mengoptimalkan jumlah pasien terlayani untuk berbagai tingkat kedatangan pasien.
Pencapaian tujuan dilakukan dengan dua skenario yaitu: 1) dengan memperhatikan batasan tingkat
layanan (rata-rata waktu tunggu untuk pasien ancaman nyawa dan gawat darurat berat) dan 2) dengan
mempertimbangkan batasan biaya selain batasan tingkat layanan. Hasil uji coba menunjukkan bahwa
komposisi sumber daya manusia yang diterapkan pada IGD RS. ABC dapat diperbaiki untuk tingkat
kedatangan kurang ataupun lebih dari kondisi normal saat ini. Hasil optimalisasi dengan hanya
memperhatikan batasan tingkat layanan menunjukkan dengan perubahan komposisi sumber daya maka
rata-rata jumlah pasien yang terlayani meningkat 46% sementara rata-rata waktu tunggu pasien gawat
darurat berat menurun 15,21% dari kondisi tanpa optimalisasi. Namun, dengan tambahan batasan biaya
maka hasil simulasi optimalisasi dapat meningkatkan jumlah pasien yang terlayani dari 47.3 menjadi 66
orang dan menurunkan biaya dari 3139.42 menjadi 2990.63 Budget Unit.

Kata Kunci : simulasi,optimalisasi, instalasi gawat darurat, sumber daya manusia, ARENA 5.0.

1. PENDAHULUAN layanan kesehatan ini harus diberikan dengan

biaya yang terjangkau oleh pasien. Pada Insta-
Pengelolaan rumah sakit merupakan proses
lasi Gawat Darurat (IGD) di rumah sakit tanta-
yang kompleks karena adanya berbagai tujuan
ngan lainnya adalah pasien harus mendapat
yang harus dipenuhi. Sebagai institusi kese-
pelayanan dengan cepat sementara jumlah
hatan, sebuah rumah sakit dituntut untuk selalu
sumber daya manusia yang ada di dalam IGD
memberikan layanan yang terbaik bagi
terbatas. Untuk memenuhi semua tuntutan ini,
pasiennya. Namun, di lain pihak penyediaan

116
 ER dkk., Perencanaan Sumber Daya Manusia di Instalasi Gawat Darurat Rumah Sakit ABC …
manajemen rumah sakit harus membuat
perencanaan operasional yang matang. Namun,
terdapat berbagai hal yang menyulitkan proses
perencanaan layanan di rumah sakit. Pertama,
tujuan-tujuan yang telah disebutkan di atas
cenderung saling bertentangan. Peningkatan
kualitas dan kecepatan pelayanan seringkali
membutuhkan biaya yang tinggi. Selain itu,
terdapat berbagai ketidakpastian dalam jumlah
pasien yang datang, penyakit yang diderita dan
layanan yang dibutuhkan oleh pasien tersebut.
Rumah Sakit ABC (RS. ABC) adalah sebuah
Rumah Sakit di Kabupaten Sidoarjo yang juga
menghadapi masalah yang sama terutama pada
bagian IGD. Sumber daya manusia yang
dimiliki oleh rumah sakit baik tenaga medis
maupun tenaga administrasi terbatas. Sementara
itu terdapat ketidakpastian kedatangan pasien
baik dari segi jumlah maupun tingkat kegawatan
yang dialami yaitu ancaman nyawa, gawat
darurat berat, gawat darurat ringan, dan gawat
darurat semu. Padahal pasien yang datang ke
IGD harus dapat dilayani dengan cepat dan
tepat. Hal ini yang membuat perencanaan
komposisi sumber daya manusia di IGD RS.
ABC menjadi rumit. Selama ini proses
perencanaan dilakukan berdasarkan pengalaman
dan intuisi dari manajemen saja. Pihak Rumah
sakit membutuhkan alat analisis yang mampu
memberikan gambaran tentang sistem pelaya-
nan yang telah mereka terapkan saat ini dan
melakukan uji coba untuk mendapatkan rencana
sumber daya yang terbaik dengan memperha-
tikan batasan-batasan yang ada. Permasalahan
seperti yang dihadapi oleh bagian IGD RS.
ABC dapat diselesaikan dengan metode
simulasi dan optimalisasi. Kedua pendekatan ini
telah banyak digunakan untuk mengatasi
berbagai masalah yang dihadapi oleh sektor
kesehatan.
Metode simulasi dikenal sebagai metode yang
tepat untuk memodelkan sebuah sistem yang
kompleks dengan banyak unsur ketidakpastian
untuk memperoleh gambaran tentang pengaruh
berbagai strategi terhadap kinerja sistem.
Metode simulasi telah digunakan oleh banyak
peneliti untuk meniru perilaku dari sistem
pelayanan kesehatan untuk mengevaluasi kiner-
ja sistem tersebut dan menganalisis hasil dari
berbagai skenario.
Cote (1999) menggunakan simulasi untuk
melakukan analisis aliran pasien dan utilisasi
sumber daya yang terdapat dalam sebuah klinik.
Ferreira de Oliveira (1999) menggunakan
platform simulasi visual 3D untuk proyek
membangun fasilitas kesehatan di sebuah rumah
sakit baru. Swisher dkk (2001) melakukan
pemodelan dan analisis mengenai lingkungan
117
klinis dokter menggunakan simulasi discrete
event. Blasak dkk (2003) menggunakan simulasi
untuk melakukan evaluasi kegiatan operasional
rumah sakit antara departemen gawat darurat
dan medical telemetry unit. Serta Sinreich dan
Marmor (2005) melakukan analisis terhadap
kegiatan operasional departemen gawat darurat
dengan menggunakan simulasi. Namun, metode
simulasi umumnya hanya memberikan
gambaran tentang kinerja sistem tanpa
memberikan solusi yang paling optimal.
Sementara itu pendekatan optimalisasi juga
telah banyak digunakan untuk mengatasi
masalah di sektor kesehatan. Beaulieu dkk
(2000) menggunakan pendekatan pemrograman
matematika untuk penjadwalan dokter di sebuah
emergency room. Flessa (2000) menggunakan
sebuah pendekatan linear programming untuk
optimalisasi pengalokasian sumber daya pada
layanan kesehatan di negara berkembang. Salah
satu tantangan dalam metode optimalisasi
adalah jika permasalahan yang diselesaikan
kompleks dengan banyak unsur yang tidak pasti
maka pencarian solusi terbaik mungkin
membutuhkan waktu yang lama (Law, dkk,
2000).
Dengan adanya kelebihan dan kelemahan dari
metode simulasi dan optimalisasi maka timbul
usaha untuk menggabungkan kedua metode
tersebut. Hal ini telah dilakukan oleh Ahmed &
Alkhamis (2009) yang menerapkan metode
simulasi optimalisasi untuk memecahkan
masalah di unit gawat darurat sebuah rumah
sakit di Kuwait. Simulasi IGD digunakan untuk
menggambarkan kondisi IGD kemudian
optimalisasi dilakukan untuk mendapatkan
perencanaan sumber daya terbaik dengan
memperhatikan batasan-batasan yang ada.
Makalah ini menampilkan hasil penerapan
metode simulasi dan optimalisasi untuk
membantu menentukan komposisi sumber daya
manusia yang optimal dengan memperhatikan
berbagai ketidakpastian di dalam sistem
sekaligus menyeimbangkan tingkat layanan dan
biaya.
2. METODE
Pengembangan model simulasi optimalisasi
untuk IGD RS. ABC dilakukan dalam beberapa
langkah. Sebagai langkah awal adalah membuat
model konseptual dari sistem IGD RS. ABC
berdasarkan informasi dari manajemen rumah
sakit dan pengamatan langsung terhadap sistem.
Berdasarkan model konseptual maka dibuat
model simulasi dari sistem. Untuk membuat
model simulasi dibutuhkan berbagai data
sebagai input seperti misalnya tingkat
Jurnal Sistem Informasi, Volume 4, Nomor 2, Maret 2012, hlm 116-126
kedatangan pasien untuk setiap kategori dan
waktu pelayanan pada setiap proses di dalam
IGD. Setelah data terkumpul maka model
simulasi dibuat dengan perangkat lunak
ARENA. Hasil yang diperoleh dari model yang
sudah diverifikasi kemudian dibandingkan
dengan kondisi sistem nyata untuk menentukan
validitas dari model. Setelah itu dilakukan
perancangan algoritme optimalisasi. Langkah
terakhir adalah melakukan uji coba berdasarkan
rancangan algoritme yang telah ditentukan.
2.1 Pengembangan Model
Model yang akan dikembangkan dalam
penelitian ini terdiri dari dua tahap, tahap
pertama yaitu model konseptual, input simulasi,
model simulasi, verifikasi dan validasi model
simulasi.
Model Konseptual
Instalasi Gawat Darurat (IGD) adalah salah satu
bagian di rumah sakit yang menyediakan
penanganan awal bagi pasien yang menderita
sakit dan cedera yang dapat mengancam
kelangsungan hidup. IGD RS. ABC buka
selama 24 jam sehari dengan menerima pasien
lebih dari seratus orang tiap harinya. Di IGD
RS. ABC sendiri terdapat dua bagian utama
yaitu Instalasi Rawat Darurat (IRD) yang
memiliki 10 dokter, 33 perawat, 8 tempat tidur
IRD (TTIRD) dan kamar operasi (OK
Emergency) yang digunakan untuk melakukan
operasi darurat terhadap pasien yang diharuskan
operasi. Dalam OK Emergency terdapat 3 ruang
operasi dan Ruang Observasi Intensif (ROI)
atau Ruang Pulih Sadar yang digunakan untuk
melakukan pengawasan terhadap pasien setelah
menjalankan operasi. OK emergency memiliki 2
orang dokter dan 25 perawat yang bertugas di
bagian OK Emergency sendiri yang mempunyai
tugas untuk menangani pasien yang mebutuhkan
operasi. Kemudian yang bertugas di ROI
terdapat 10 perawat ROI yang tugasnya
merawat pasien-pasien yang membutuhkan
perawatan intensif setelah menjalani operasi.
Setiap harinya komposisi shift jaga dari di
Ruang Instalasi Gawat darurat adalah 2 dokter
IRD, 1 dokter OK, 7 perawat IRD, 7 perawat
OK, 2 perawat ROI, 1 petugas apotik, 1 staf
pembayaran dan 1 staf pendaftaran
Alur proses pelayanan pasien di IGD dapat
dilihat pada gambar 1. Saat tiba di IGD, pasien
biasanya menjalani proses pendaftaran dan
pemilahan terlebih dahulu yang disebut triase.
Triase ini dilakukan untuk menentukan sifat dan
keparahan dari seorang pasien yang datang.
Adapun klasifikasi penanganan yang diterapkan
oleh RS. ABC dalam menangani pasiennya
118
adalah: 1) gawat darurat semu, 2) gawat darurat
ringan, 3) gawat darurat berat dan 4) ancaman
nyawa. Prioritas utama adalah pasien yang
tergolong dalam kategori pasien ancaman
nyawa, diikuti kategori gawat darurat berat,
gawat darurat ringan, dan gawat darurat semu.
Pasien yang datang dalam kondisi gawat darurat
berat dan ancaman nyawa akan langsung
mendapat tindakan di ruang tindakan walaupun
proses pendaftaran belum diproses dan lebih
sering mendapatkan pengawasan dari dokter
daripada pasien yang datang dengan kondisi
penyakit yang tidak begitu parah. Sementara itu
pasien gawat darurat semu dan ringan harus
mendaftar dulu sebelum memasuki ruang
tindakan.
Setelah melakukan proses triase maka seorang
pasien akan mendapatkan pemeriksaan awal
untuk melihat lebih jauh mengenai kondisi
pasien yang datang dan menentukan tindakan
penunjang yang harus diberikan oleh seorang
pasien. Tindakan penunjang tersebut bisa
berupa tindakan pemberian obat dimana pasien
harus menunggu proses penebusan obat yang
akan diberikan sebagai tindakan, dapat berupa
pemeriksaan laboratorium, dan dapat pula
berupa pemeriksaan radiologi. Dari hasil
tindakan penunjang tersebut maka tenaga medis
akan dapat melakukan pemeriksaan lanjutan
sesuai dengan hasil tindakan penunjang yang
telah dilakukan. Dalam proses pemeriksaan baik
awal maupun lanjutan ada perbedaan penga-
lokasian tenaga medis yang melayani pasien.
Untuk pasien yang masuk dalam kategori
ancaman nyawa dan gawat darurat berat maka
pasien akan langsung diperiksa oleh dokter dan
perawat secara bersamaan sementara untuk
pasien dalam kondisi gawat darurat ringan dan
gawat darurat semu maka pasien akan diperiksa
oleh perawat terlebih dahulu baru kemudian
diperiksa oleh dokter.
Pasien yang harus menjalani operasi akan
dikirim ke bagian OK. Emergency untuk
mendapatkan layanan operasi. Dalam sekali
operasi diperlukan seorang dokter dan 4 orang
perawat. Dalam pelaksanaanya, operasi dapat
digolongkan menjadi tiga, yaitu operasi kecil,
operasi sedang, dan operasi besar. Pasien yang
telah menjalani operasi akan mendapatkan
perawatan pulih sadar di ruang observasi
intensif, untuk memantau keadaan pasien
setelah menjalani operasi. Dalam ruang obser-
vasi intensif ini, pasien akan dirawat sampai
kondisi pasien stabil setelah menjalani operasi.
ER dkk., Perencanaan Sumber Daya Manusia di Instalasi Gawat Darurat Rumah Sakit ABC …

Kedatangan pasien

Apakah Pasien Ancaman

Nyawa atau Gawat Darurat Tidak Pendaftaran
Berat?

YA

Ruang Tindakan

Apakah Pasien Ancaman Pemeriksaan Awal

Nyawa atau Gawat Darurat Ya Dokter dan Perawat
Berat? secara bersamaan

Tidak

Pemeriksaan Awal Apakah Membutuhkan Tindakan

Ya
Perawat Tndakan Penunjang? Penunjang

Pemeriksaan Awal Dokter Tidak

Pemeriksaan
Apakah Pasien Ancaman
Lanjutan Dokter
Nyawa atau Gawat YA
dan Perawat
Darurat Berat?
secara bersamaan

Tidak
Apakah
Membutuhkan YA 1
Pemeriksaan Lanjutan
Operasi?
Perawat

Tidak
Pemeriksaan Lanjutan
Dokter
2

2 Apotik
1 Ruang Operasi

ROI Pembayaran

STOP (Rawat STOP ( Rawat Inap /

Inap) Rawat Jalan)

Gambar 1 Alur Proses Pelayanan IGD RS.ABC

119
Jurnal Sistem Informasi, Volume 4, Nomor 2, Maret 2012, hlm 116-126
Pasien yang telah menjalani perawatan di ROI
akan dikembalikan ke ruang rawat inap. Maka
pasien tersebut dapat dinyatakan keluar dari
sistem IGD. Apabila pasien tidak menjalani
operasi setelah melalui semua tahap
pemeriksaan perawat dan dokter baik
pemeriksaan awal sampai pemeriksaan lanjutan.
Dokter akan memberikan resep untuk ditebus di
apotik. Setelah itu melakukan proses
pembayaran di loket pembayaran. Sesuai
dengan keputusan dokter maka pasien akan
keluar dari sistem IGD setelah dinyatakan untuk
rawat inap atau rawat jalan dalam arti
diperbolehkan pulang.
Input Simulasi
Model konseptual yang telah dijelaskan sebe-
lumnya digunakan sebagai dasar pengem-
bangan model simulasi. Sebelum membuat
model terlebih dahulu dilakukan pengumpulan
data yang diperlukan sebagai input di dalam
model. Pada sistem data yang bersifat acak
terkait dengan tingkat kedatangan pasien dan
waktu pelayanan untuk setiap proses dalam
IGD. Data yang diperoleh kemudian dianalisis
dengan bantuan Input Analyzer dari ARENA
5.0 untuk menentukan distribusinya. Berdasar-
kan data yang didapat dari IGD RS.ABC dida-
patkan distribusi tingkat kedatangan pasien
adalah 93.5 + WEIB(44.5, 2.31) seperti yang
ditunjukkan pada gambar 2.
Gambar 2. Grafik Tingkat Kedatangan Pasien
Distribusi probabilitas untuk proses di dalam
IGD diperoleh dengan cara yang sama.
Distribusi waktu pelayanan untuk pemeriksaan
awal dan lanjutan berdasarkan kategori kega-
watan pasien berturut-turut ditunjukkan pada
tabel 1 dan 2. Jangka waktu pasien menjalani
operasi tergantung dari jenis operasi yang dila-
kukan. Jangka waktu untuk operasi kecil adalah
Uniform (20,30) menit, operasi sedang ber-
distribusi Uniform (45,60) menit dan operasi
besar berdistribusi Uniform (90,120) menit.
Waktu penggunaan ROI berdistribusi Uniform
(120,720) menit. Waktu pelayanan petugas di
IGD dirangkum pada tabel 3. Input terakhir
yang dibutuhkan di dalam simulasi adalah
distribusi waktu menunggu pelayanan tindakan
penunjang yang ditunjukkan pada tabel 4.
120
Model Simulasi
Berdasarkan karakteristik yang telah didefini-
sikan dan data yang sudah didapat dari RS.
ABC maka dibuat model simulasi dengan
ARENA 5.0 yang dibagi dalam sembilan sub
model. Pembagian ke dalam sub model dimak-
sudkan agar model yang dibuat dapat dipahami
dengan mudah. Sembilan sub model tersebut
antara lain adalah: kedatangan pasien, masuk
IGD, ruang tindakan, pendaftaran, bilik peme-
riksaan pasien, OK Emergency, Apotik, pemba-
yaran, dan parkir. Mengingat keterbatasan pan-
jang penelitian yang ditentukan maka hanya tiga
sub model utama yang ditampilkan pada maka-
lah ini yaitu sub model kedatangan pasien, sub
model masuk IGD dan sub model ruang
tindakan. Gambar 2 menunjukkan sub model
kedatangan pasien yang berfungsi untuk
melakukan generate kedatangan pasien yang
akan masuk ke Instalasi Gawat Darurat (IGD).
Pasien yang datang dibagi menjadi empat
kategori berdasarkan kondisi kegawatan pasien
yang diberlakukan oleh pihak Rumah Sakit.
Pelayanan pasien dilihat dari kondisi kegawatan
pasien tersebut. Pasien yang lebih gawat akan
didahulukan. Sub model kedatangan pasien
dilanjutkan ke sub model memasuki IGD
(gambar 3). Sub model ini berfungsi untuk
memodelkan suatu kondisi dimana pasien yang
baru datang di IGD akan mulai memasuki
sistem dimana akan dialokasikan Tempat Tidur
Instalasi Rawat Darurat (TTIRD) yang tersedia
di IGD sehingga pasien dapat dipindahkan ke
Ruang Tindakan. Sub model ruang tindakan
(gambar 4) berfungsi untuk memodelkan suatu
kondisi dimana didalam Ruang Tindakan pasien
akan dilakukan proses Triase untuk mengetahui
kondisi dari kegawatan pasien tersebut sehingga
dapat dilakukan proses pemeriksaan lebih lanjut
di dalam bilik pemeriksaan.
Tabel 3. Distribusi waktu pelayanan petugas di IGD
Jenis petugas Distribusi waktu(menit)
Pendaftaran 0.07 + LOGN(2.4, 1.38)
Pembayaran 1 + WEIB(1.73, 1.17)
Apotik 0.15 + LOGN(3.14, 1.76)
Tabel 4. Distribusi waktu menunggu pelayanan
tindakan penunjang
Jenis Distribusi Waktu
Shift
Tindakan (menit)
pagi Uniform (30,60)
Laboratorium Triangular
siang/malam
(15,20,30)
Triangular
pagi
(30,45,60)
Radiologi
Triangular
siang/malam
(15,25,30)
 ER dkk., Perencanaan Sumber Daya Manusia di Instalasi Gawat Darurat Rumah Sakit ABC …

Tabel 1. Distribusi Waktu Pelayanan Pemeriksaan Awal Berdasarkan Kategori Kegawatan Pasien

Tenaga Distribusi waktu pelayanan pemeriksaan awal pasien berdasarkan kategori pasien (menit)
Medis Gawat Darurat Semu Gawat Darurat Berat Gawat Darurat Berat AncamanNyawa
Perawat Uniform Triangular Triangular Triangular
IRD (2,5) (2,5,15) (2,5,15) (2,5,15)
Dokter Uniform Uniform Uniform Uniform
IRD (2,5) (2,5) (5,10) (5,10)
Tabel 2. Distribusi Waktu Pelayanan Pemeriksaan Lanjutan Berdasarkan Kategori Kegawatan Pasien

Tenaga Distribusi waktu pelayanan pemeriksaan lanjutan pasien berdasarkan kategori pasien (menit)
Medis Gawat Darurat Semu Gawat Darurat Berat Gawat Darurat Berat Ancaman Nyawa
Perawat Uniform Triangular Triangular Triangular
IRD (5,1) (10,15,90) (15,30,120) (15,60,120)
Dokter Uniform Uniform Uniform Uniform
IRD (2,5) (10,30) (10,30) (10,30)

Di dalam sub model ini diasumsikan bahwa Verifikasi dan Validasi Model Simulasi
pasien yang dalam kondisi gawat darurat semu
Model simulasi yang dibuat dalam ARENA 5
dan ringan akan melakukan proses pendaftaran
diverifikasi dengan melakukan tracing terhadap
terlebih dahulu, tetapi pasien yang dalam
jalannya model serta hasil yang dikeluarkan.
kondisi ancaman nyawa dan gawat darurat berat
Secara umum model berjalan sesuai dengan alur
akan langsung mendapatkan pelayanan.
yang telah ditetapkan dan memberikan hasil
yang sesuai harapan. Langkah selanjutnya ada-
Sub model pendaftaran ini berfungsi untuk
lah melakukan validasi model untuk menguji
memodelkan proses pendaftaran yang harus
apakah model dapat merepresentasikan sistem
dilakukan seorang pasien. Seperti yang
nyata. Model dikatakan valid jika tidak
digambarkan sebelumnya pasien golongan
memiliki karakteristik dan perilaku yang berbe-
gawat darurat ringan dan gawat darurat semu
da secara signifikan dari sistem nyata yang dia-
sebelum mendapat proses pelayanan harus
mati. Validitas model diuji dengan menghitung
dilakukan proses mendaftar terlebih dahulu.
Confidence Interval untuk perbedaan antara data
yang diperoleh dari sistem nyata (X) dengan
Sub model bilik pemeriksaan pasien berfungsi
data dari model (Y). Data yang diban-dingkan
untuk memodelkan proses pemeriksaan dan
untuk menguji validasi adalah rata-rata pasien
tindakan-tindakan yang dilakukan oleh seorang
yang dapat dilayani di IGD RS. ABC (output)
perawat dan dokter untuk memberikan pertolo-
sistem nyata setiap hari selama 4 bulan yang
ngan kepada pasien yang datang. Sub model ini
telah dikumpulkan dengan rata-rata jumlah
terdiri dari beberapa modul yang dapat meng-
pasien yang dapat dilayani yang diperoleh dari
alokasikan dokter IRD dan perawat IRD yang
model simulasi.
akan bertugas menangani setiap pasien yang
datang di IGD. Sub model OK Emergency
Pada tabel 5 ditampilkan jumlah dari pasien
berfungsi untuk memodelkan proses pelayanan
yang dapat dilayani antara sistem nyata (IGD)
jika pasien membutuhkan operasi dan ruang
yang diambil rata-rata tiap hari selama 4 bulan
pulih sadar untuk pasien setelah operasi serta
dengan jumlah pasien yang dapat dilayani hasil
ruang observasi intensif untuk pasien yang
dari simulasi. Perhitungan Confidence Interval
membutuhkan pemeriksaan lebih intensif.
95% menghasilkan selang [-3.6245, 6.1245].
Selang ini mengandung angka 0 yang berarti
Sub model apotik dan pembayaran masing-
model yang dibangun tidak berbeda secara
masing berfungsi untuk memodelkan proses
signifikan dengan sistem nyata. Dengan
pelayanan pada apotik dan proses pembayaran
demikian model dapat dikatakan valid dan
jika pasien akan keluar dari sistem. Sub model
digunakan untuk melakukan eksperimen.
terakhir adalah sub model parkir yang berfungsi
untuk memodelkan bahwa kendaraan atau
ambulans yang mengantar pasien akan menuju
tempat parkir.

121
Jurnal Sistem Informasi, Volume 4, Nomor 2, Maret 2012, hlm 116-126
Tabel 5. Jumlah pasien yang dapat dilayani dalam
sistem nyata dan hasil simulasi
Jumlah pasien yang Jumlah pasien yang
dapat dilayani dalam dapat dilayani hasil
sistem nyata (X) simulasi (Y)
54 50
54 56
57 53
55 56
3. HASIL dan PEMBAHASAN
Model yang dikembangkan dapat digunakan
untuk membantu pihak manajemen IGD RS.
ABC untuk mempelajari berbagai kemungkinan
pengaturan komposisi sumber daya yang dapat
mengoptimalkan tingkat layanan dan tetap
memenuhi batasan-batasan yang ada. Salah satu
faktor yang sangat menyulitkan perencanaan
sumber daya adalah tingkat kedatangan pasien
yang tidak pasti. Oleh karena itu, model akan
dijalankan dengan beberapa tingkat kedatangan
pasien yang berbeda. Untuk tiap tingkat
kedatangan pasien akan dicobakan dua skenario
yang berbeda dalam melayani tingkat pasien
tersebut. Skenario pertama bertujuan
mengoptimalkan jumlah pasien yang dilayani
dengan hanya mempertimbangkan target tingkat
layanan yang diukur dari rata-rata waktu tunggu
pasien ancaman nyawa dan gawat darurat berat.
Skenario 2 bertujuan mengoptimalkan jumlah
pasien yang dilayani dengan
mempertimbangkan batasan biaya selain
batasan tingkat laya-nan. Untuk setiap uji coba
terdapat beberapa kondisi terkait dengan tingkat
kedatangan pasien. Setiap uji coba dilakukan
dengan menjalankan simulasi selama 500 hari
dan setiap kondisi direplikasi sebanyak 10 kali.
Hasil yang dianalisis adalah rata-rata dari 10
replikasi yang dilakukan.
3.1 Uji Coba dengan Batasan Tingkat
Layanan
Uji coba untuk skenario 1 digunakan untuk
mengetahui dampak dari perubahan tingkat
kedatangan pasien terhadap komposisi sumber
daya manusia yang ditugaskan. Uji coba
dilakukan dengan mengubah jumlah kedatangan
pasien ke IGD tiap harinya. Untuk tiap tingkat
kedatangan yang diuji coba akan dilakukan
optimalisasi sehingga didapatkan masing-
masing komposisi terbaik dari sumber daya
manusia yang dimiliki IGD yang dapat
memaksimalkan pencapaian fungsi obyektif dan
tetap memenuhi batasan pelayanan yang
ditetapkan.
122
Seperti yang dijelaskan sebelumnya bahwa
jumlah kedatangan pasien ke IGD per hari
memiliki distribusi 93.5 + WEIB (44.5, 2.31).
Misalkan λ = 93.5 + WEIB (44.5, 2.31). Maka
akan dilakukan perubahan pada jumlah
kedatangan pasien dengan tingkat kedatangan
lebih rendah dari sistem nyata dan tingkat
kedatangan lebih tinggi dari sistem nyata.
Dalam ujicoba ini akan dilakukan perubahan
pada nilai λ yang merupakan tingkat kedatangan
sistem nyata yang berlaku saat ini. Nilai λ yang
akan digunakan dalam 0.5 λ, λ, 1.25λ, 1.5 λ, dan
1.75λ. Sementara itu batasan pelayanan yang
ditetapkan pada skenario 1 ini adalah batasan
rata-rata waktu tunggu untuk pasien ancaman
nyawa dan gawat darurat. Dari hasil simulasi
sistem nyata rata-rata waktu tunggu untuk
pasien ancaman nyawa adalah 0.1325 menit
sedangkan rata-rata waktu tunggu untuk pasien
gawat darurat berat adalah 63.0208 menit.
Kedua nilai inilah yang ditetapkan sebagai
batasan dalam optimalisasi.
Adapun formulasi fungsi tujuan untuk uji coba
pada skenario 1 ditampilkan pada rumus (1) –
(4).
Max f (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) (1)
f1 (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) ≤ 0.1325 (2)
f2 (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) ≤ 63.0208 (3)
Li <= xi <= Ui, i = 1,...8 (4)
xi integer i = 1,..8
Dimana f adalah nilai fungsi objektif
throughput yaitu jumlah pasien yang dapat
dilayani oleh sumber daya manusia yang
dimiliki oleh IGD yang terdiri dari dokter,
perawat, petugas pendaftaran, petugas
pembayaran, dan petugas apotik. Fungsi f1
adalah batasan rata-rata waktu tunggu dalam
sistem untuk pasien dalam kategori ancaman
nyawa. Parameter Q1 adalah rata-rata waktu
tunggu pasien kategori ancaman nyawa dalam
sistem. Sedangkan fungsi f2 yaitu batasan rata-
rata waktu tunggu dalam sistem untuk pasien
dalam kategori gawat darurat berat. Q2 adalah
rata-rata waktu tunggu pasien kategori gawat
darurat berat dalam sistem. Li dan Ui adalah
batas bawah dan batas atas untuk nilai xi.
Sementara X1, X2…X8 berturut-turut adalah,
jumlah dokter IRD, dokter OK, perawat IRD,
perawat OK, perawat ROI, petugas apotek, dan
jumlah staf pembayaran dan jumlah staf
pendaftaran.
Dalam melakukan optimalisasi digunakan tool
OptQuest pada ARENA 5.0. OpQuest
mengambil pendekatan heuristic untuk
melakukan optimalisasi. OptQuest melakukan
pencarian dengan cerdas terhadap solusi yang
lebih baik. Tetapi OptQuest tidak menjamin
bawah solusi yang didapatkan merupakan solusi
yang paling optimal (global optimum). Dari
 ER dkk., Perencanaan Sumber Daya Manusia di Instalasi Gawat Darurat Rumah Sakit ABC …
optimalisasi simulasi dengan skenario 1 dapat
dilihat pada tabel 6. Terlihat bahwa dengan
meningkatnya jumlah pasien yang datang perlu
dilakukan penambahan dan perubahan
komposisi sumber daya untuk memastikan
bahwa jumlah pasien yang dilayani juga tidak
berkurang dan batasan tingkat layanan tidak
terabaikan. Secara umum optimalisasi berhasil
mencari komposisi sumber daya yang optimal
sehingga tiap peningkatan kedatangan pasien
jumlah pasien (f) yang terlayani meningkat dan
rata-rata waktu tunggu pasien ancaman nyawa
(Q1) dan gawat darurat berat (Q2) tidak
bertambah. Rata-rata waktu tunggu pasien
ancaman nyawa tidak mengalami perubahan,
sehingga hasil yang dianalisis lebih lanjut hanya
jumlah pasien yang terlayani dan rata-rata
waktu tunggu pasien gawat darurat berat (Q2).
Pada kondisi awal sebelum dilakukan
optimalisasi komposisi sumber daya manusia
IGD yang dipakai adalah 2 dokter IRD, 1 dokter
OK, 7 perawat IRD, 7 perawat OK, 2 perawat
ROI, 1 petugas apotik, 1 staf pembayaran dan 1
staf pendaftaran, rata-rata jumlah pasien yang
dapat dilayani adalah 47.3 orang dan rata-rata
waktu tunggu pasien gawat darurat berat adalah
64.473 menit. Seperti ditunjukkan pada tabel 6,
hasil uji coba untuk tingkat kedatangan yang
sama dengan kondisi awal menunjukkan bahwa
dengan menambahkan 1 dokter IRD, 1 dokter
OK, 1 perawat OK,1 perawat ROI, 1 petugas
pendaftaran maka rata-rata jumlah pasien yang
terlayani meningkat menjadi 69.5 (46%),
sementara rata-rata waktu tunggu pasien gawat
darurat berat menurun menjadi 54.66 menit.
Secara keseluruhan juga dapat dilihat pada tabel
6 bahwa untuk setiap tingkat kedatangan pasien
jumlah dokter IRD dan Perawat OK yang
memberikan tingkat pelayanan terbaik berturut-
turut adalah 3 dan 8 orang
Tabel 7 merangkum perbaikan kinerja yang
didapat setelah dilakukan optimalisasi. Terlihat
bahwa untuk tiap tingkat kedatangan pasien
optimalisasi model berhasil menentukan
komposisi sumber daya yang mampu
meningkatkan jumlah pasien yang terlayani
lebih dari 30%. Sementara itu untuk
peningkatan tingkat kedatangan sampai dengan
1.5 λ , optimalisasi berhasil menentukan
komposisi sumber daya yang dapat menurunkan
rata-rata waktu tunggu pasien gawat darurat
berat lebih dari 13%. Hanya pada saat
peningkatan 1.75 λ tidak terjadi perbaikan yang
cukup signifikan.
123
3.2 Uji Coba dengan Menambahkan
Batasan Biaya
Jika pada skenario 1 peningkatan kedatangan
pasien diatasi dengan mengubah komposisi
sumber daya dengan hanya mempertimbangkan
batasan rata-rata waktu pelayanan pasien
ancaman nyawa dan gawat darurat maka pada
skenario 2 akan ditambahkan batasan biaya (f3)
yang dapat dikeluarkan untuk komposisi sumber
daya tertentu. Untuk itu terlebih dahulu
dilakukan pengolahan terhadap biaya yang
harus dikeluarkan untuk masing-masing sumber
daya manusia di IGD RS. ABC.
Pengolahan data menunjukkan bahwa dalam
kondisi sistem saat ini biaya yang dihabiskan
adalah 3.139.42 Budget Unit (BU) dengan
rincian biaya per jam untuk sumber daya
manusia ditunjukkan pada tabel 8. Tingkat biaya
yang digunakan pada sistem saat ini akan
dimasukkan ke dalam optimalisasi sebagai
batasan biaya. Adapun formulasi fungsi tujuan
setelah mendapatkan tambahan batasan biaya
yang ditunjukkan pada batasan (5) – (9).
Dengan formulasi masalah ini akan dicari
kombinasi sumber daya untuk memaksimalkan
jumlah pasien yang dapat dilayani (f) dengan
biaya yang tidak melebihi dari biaya yang
dikeluarkan saat ini.
Max f (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) (5)
s.t
f1 (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) ≤ 0.1325 (6)
f2 (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) ≤ 63.0208 (7)
f3 (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) ≤ 3.139.42 (8)
Li <= xi <= Ui, i = 1,...8 (9)
xi integer i = 1,..8
Tabel 5 menunjukkan perbandingan hasil
simulasi tanpa optimalisasi dan setelah
dilakukan optimalisasi dengan skenario 2 pada
tingkat kedatangan pasien normal (λ). Seperti
diperkirakan dengan adanya tambahan batasan
biaya selain batasan tingkat pelayanan maka
perlu adanya penyesuaian terhadap komposisi
sumber daya. Seperti terlihat pada tabel 9,
komposisi sumber daya tanpa dilakukan
optimalisasi adalah 2 dokter IRD, 1 dokter OK,
7 perawat IRD, 7 perawat OK, 2 perawat ROI, 1
petugas apotik, 1 staf pembayaran dan 1 staf
pendaftaran. Namun dengan adanya tambahan
batasan biaya maka terjadi penambahan masing-
masing 1 orang dokter OK, perawat ROI,
petugas apotik dan staf pembayaran. Jika dilihat
dari tabel 4, biaya per jam dokter OK adalah
yang paling tinggi dibandingkan dengan sumber
daya lainnya. Oleh karena itu, jumlah perawat
IRD dan OK dikurangi masing-masing 1 untuk
mengimbangi penambahan dokter OK tersebut.
Jurnal Sistem Informasi, Volume 4, Nomor 2, Maret 2012, hlm 116-126

Pro fi l Pa s i e n
Ga wa t Da ru ra t
Se m u Hi tu n g Ga wa t
Da ru ra t Se m u

Pa s i e n Pa s ien Da ta ng
0
T i p e Pa s i e n Pro fi l Pa s i e n
Hi tu n g Ga wa t
Ga wa t Da ru ra t
Da ru ra t Ri n g a n
13. 96 Ri n g a n
85. 57
Els e 0. 43

Hi tu n g Pa s i e n Ro ute Patien ts

Pro fi l Pa s i e n Hi tu n g Ga wa t
Ga wa t Da ru ra t Da ru ra t Be ra t
Be ra t

Pro fi l Pa s i e n
An c a m a n Ny a wa Hi tu n g An c a m a n
Ny a wa

Gambar 2. Sub Model Kedatangan Pasien

As s i gn 8

menyiapkan
tempat tidur
Sta rt Rec ordi ng R outeke R uang
untuk tes
Pa tie nt Stats Tindakan
pemeriksaan
As s i gn 9 pasien

Masuk A rea De c i de 3
Se pa ra te 1
0 0
IG D O r iginal
Ent it y. Type==G awat _Dar ur at _Sem u
Ent it y. Type==G awat _Dar ur at _Ringan
Ent it y. Type==G awat _Dar ur at _Ber at
Else
0 Duplicat e

As s i gn 1 0
As s i gn 2 2

0 Tr ue
De c i de 6
As s i gn 7

0 False
As s i gn 2 3 P ark C ar

Gambar 3. Sub model untuk memasuki IGD

0
Separate 2 menuju bilik
Ori g i n a l
pemeriksaan

0 Du p l i c a te

Area Ruang Triase menuju bilik 0 T ru e

Tindakan pemeriksaan atau
mendaftar?
0
0 Fa ls e

Menuju
Pendaftaran

Gambar 4. Sub model Ruang Tindakan

Dengan komposisi sumber daya ini ternyata jumlah pasien terlayani lebih dari 60 orang.
jumlah pasien yang terlayani meningkat dari Perbaikan kinerja yang mungkin diperoleh
47.3 menjadi 66 orang sekaligus menurunkan dengan melakukan optimalisasi dengan batasan
biaya dari 3139.42 menjadi 2990.63 Budget tingkat layanan dan biaya ditunjukkan pada
Unit. Selain melihat komposisi sumber daya tabel 11. Terlihat bahwa untuk setiap tingkat
pada tingkat kedatangan normal, dilakukan pula kedatangan pasien, optimalisasi dapat
uji coba untuk tingkat kedatangan lebih sedikit menghasilkan komposisi sumber daya yang
dan lebih banyak dari kondisi normal. Seperti meningkatkan rata-rata pasien terlayani lebih
ditampilkan pada tabel 10, untuk setiap tingkat dari 30%. Sementara itu penurunan yang
kedatangan pasien dapat ditentukan komposisi diperoleh dari segi biaya sekitar 3 – 4%.
sumber daya yang dapat menghasilkan rata-rata

124
 ER dkk., Perencanaan Sumber Daya Manusia di Instalasi Gawat Darurat Rumah Sakit ABC …

Tabel 6 Hasil optimalisasi komposisi sumber daya manusia IGD dengan menggunakan OpQuest
Simulasi Kondisi Awal
Q2 sebelum
Tingkat kedatangan x1 x2 x3 x4 x5 x6 x7 x8 f
optimalisasi (menit)
λ 2 1 7 7 2 1 1 1 47.3 64.473

Simulasi Optimalisasi
f
Q2 setelah
Tingkat kedatangan x1 x2 x3 x4 x5 x6 x7 x8 setelah
optimalisasi (menit)
optimalisasi
0.5 λ 3 1 8 8 2 1 2 2 65.3 44.944
λ 3 2 7 8 3 1 2 1 69.5 54.6682
1.25 λ 3 2 7 8 3 1 2 1 69.5 54.6682
1.5 λ 3 2 11 8 1 2 1 2 68.4 56.1704
1.75 λ 3 2 11 8 2 2 1 2 70.9 55.6799

Tabel 9 Perbandingan Kinerja IGD Tanpa Optimalisasi dengan Skenario 2 untuk Tingkat Kedatangan Normal
Tingkat
Kondisi x1 x2 x3 x4 x5 x6 x7 x8 f Biaya
kedatangan
Awal (tanpa
λ 2 1 7 7 2 1 1 1 47.3 3139.42
optimalisasi)
Skenario 2 λ 3 1 6 6 3 2 2 1 66.5 2990.63

Tabel 10. Hasil optimalisasi menggunakan OpQuest untuk komposisi sumber daya manusia IGD setelah ditambah
batasan biaya
Optimalisasi dengan batasan tingkat layanan dan biaya (skenario
λ 2)
x1 x2 x3 x4 x5 x6 x7 x8 f
0.5 λ 3 1 6 6 3 2 1 2 63.2
λ 3 1 6 6 3 2 2 1 66.5
1.25 λ 3 1 6 6 1 2 1 1 68.6
1.5 λ 3 1 6 6 3 1 1 1 66.6
1.75 λ 3 1 6 6 3 1 1 1 68.2

Tabel 11. Perbaikan Kinerja Setelah Optimalisasi dengan Batasan Biaya dan Tingkat Layanan
Rata-rata pasien terlayani Rata-rata biaya
Sebelum Setelah Sebelum Setelah
Peningkatan Penurunan
λ optimalisasi optimalisasi optimalisasi optimalisasi
(%) (%)
(orang) (orang) (BU) (BU)
0.5 λ 48 63.2 31.67 3146.28 3019.93 -4.02
λ 47.3 66.5 40.59 3139.42 2990.63 -4.74
1.25 λ 47.3 68.6 45.03 3152.35 3010.05 -4.51
1.5 λ 45.7 66.6 45.73 3132.46 3004.53 -4.08
1.75 λ 46.4 68.2 46.98 3135.14 3015.44 -3.82

125
Jurnal Sistem Informasi, Volume 4, Nomor 2, Maret 2012, hlm 116-126
Hasil dari uji coba dengan simulasi dan
optimalisasi menunjukkan bahwa pihak
manajemen dapat mencari komposisi sumber
daya yang optimal dengan mempertimbangkan
layanan yang lebih banyak dibutuhkan oleh
pasien. Dengan demikian pihak manajemen RS.
ABC dapat menggunakan model simulasi
optimalisasi ini untuk merencanakan jumlah
sumber daya yang harus disediakan berdasarkan
kondisi tingkat kedatangan pasien.
Tabel 8. Biaya sumber daya manusia IGD yang
dikeluarkan oleh pihak rumah sakit
Sumber daya manusia Biaya (BU)
Dokter IRD 7.3
Dokter OK 10.4
Perawat IRD 6.3
Perawat OK 6.3
Perawat ROI 6.3
Petugas apotik 5.4
Staf pembayaran 4.3
Staf pendaftaran 4.3
4. SIMPULAN dan SARAN
Makalah ini menampilkan hasil pengembangan
model simulasi yang kemudian dikombinasikan
dengan optimalisasi untuk mengatasi masalah
perencanaan sumber daya di Instalasi Gawat
Darurat RS. ABC. Model simulasi yang
dikembangkan dapat memperhitungkan
berbagai ketidakpastian utama di dalam sistem
yaitu jumlah dan jenis pasien yang datang dan
waktu pelayanan di masing-masing bagian.
Dengan adanya model ini maka dapat dilihat
pengaruh faktor ketidakpastian terhadap tingkat
layanan yaitu jumlah pasien yang terlayani dan
rata-rata waktu tunggu. Model simulasi
kemudian dikombinasikan dengan optimalisasi
untuk mencari komposisi sumber daya yang
dapat mengoptimalkan rata-rata jumlah pasien
yang terlayani.
Model simulasi yang dikombinasikan dengan
optimalisasi menunjukkan bahwa komposisi
sumber daya manusia yang diterapkan oleh RS.
ABC selama ini dapat diperbaiki untuk tingkat
kedatangan kurang ataupun lebih dari kondisi
normal saat ini. Hasil optimalisasi dengan
memperhatikan batasan rata-rata waktu tunggu
untuk pasien ancaman nyawa dan pasien gawat
darurat berat menunjukkan bahwa dengan
perubahan komposisi sumber daya maka rata-
rata jumlah pasien yang terlayani meningkat
menjadi 69.5 orang yang merupakan
peningkatan yang signifikan dari kondisi tanpa
simulasi, sementara rata-rata waktu tunggu
pasien gawat darurat berat menurun menjadi
54.66 menit. Namun, jika batasan yang
126
diperhitungkan tidak hanya rata-rata waktu
tunggu tetapi juga batasan biaya maka hasil
simulasi optimalisasi dapat meningkatkan
jumlah pasien yang terlayani dari 47.3 menjadi
66 orang sekaligus menurunkan biaya dari
3139.42 menjadi 2990.63 Budget Unit.
5. DAFTAR RUJUKAN
M. J. Côte, 1999, “Patient Flow and Resource
Utilization in an Outpatient Clinic”,
Socioeconomic Planning Sciences, 33
(3), 231–245, 1999.
M. J. Ferreira de Oliveira, “3D visual simulation
platform for the project of anew hospital
facility”. In: De Angelis, V., Ricciardi,
N., Storchi, G.(Eds.), Monitoring,
Evaluating, Planning Health Services.
Proceedings to the 24th meeting of the
ORAHS EURO-WG. World Scientific,
Singapore, pp. 82–95,1999.
J.R. Swisher, S.H. Jacobson, J.B. Jun, and O.
Balci, “Modeling and analyzing a
physician clinic environment using
discrete-event (visual) simulation”.
Computers and Operations Research 28
(2), 105–125, 2001.
R.E. Blasak, W.S. Armel, D.W. Starks, and
M.C. Hayduk, “The Use of Simulation to
Evaluate Hospital Operations Between
the Emergency Department and a
Medical Telemetry Unit”, Proceedings of
the 2003 Winter Simulation Conference,
pp. 1887–1893, 2003.
D. Sinreich, and Y. Marmor, “Emergency
department operations: The basis for
developing a simulation tool”. IIE
Transactions, 37, 233–245, 2005.
H. Beaulieu, J.A. Ferland, J.A., B. Gendron,
and P. Michelon, “A Mathematical
Programming Approach for Scheduling
Physicians in the Emergency Room”,
Health Care Management Science 3 (3),
193–200, 2000.
S. Flessa, “Where Efficiency Saves Lives: A
Linear Programme for the Optimal
Allocation of Healthcare Resources in
Developing Countries”, Health Care
Management Science 3 (3), 249–267,
2000.
A. Law, A. M. & W. D. Kelton, “Simulation,
Modeling and Analysis”, Third Edition,
McGraw-Hill, 2000.
M. A. Ahmed and T.M. Alkhamis, “Simulation
Optimization for an Emergency
Department Healthcare Unit in Kuwait”,
European Journal of Operational
Research, 198, 936 – 942, 2009.