Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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
Kata Kunci : simulasi,optimalisasi, instalasi gawat darurat, sumber daya manusia, ARENA 5.0.
116
ER dkk., Perencanaan Sumber Daya Manusia di Instalasi Gawat Darurat Rumah Sakit ABC …
manajemen rumah sakit harus membuat klinis dokter menggunakan simulasi discrete
perencanaan operasional yang matang. Namun, event. Blasak dkk (2003) menggunakan simulasi
terdapat berbagai hal yang menyulitkan proses untuk melakukan evaluasi kegiatan operasional
perencanaan layanan di rumah sakit. Pertama, rumah sakit antara departemen gawat darurat
tujuan-tujuan yang telah disebutkan di atas dan medical telemetry unit. Serta Sinreich dan
cenderung saling bertentangan. Peningkatan Marmor (2005) melakukan analisis terhadap
kualitas dan kecepatan pelayanan seringkali kegiatan operasional departemen gawat darurat
membutuhkan biaya yang tinggi. Selain itu, dengan menggunakan simulasi. Namun, metode
terdapat berbagai ketidakpastian dalam jumlah simulasi umumnya hanya memberikan
pasien yang datang, penyakit yang diderita dan gambaran tentang kinerja sistem tanpa
layanan yang dibutuhkan oleh pasien tersebut. memberikan solusi yang paling optimal.
Rumah Sakit ABC (RS. ABC) adalah sebuah
Rumah Sakit di Kabupaten Sidoarjo yang juga Sementara itu pendekatan optimalisasi juga
menghadapi masalah yang sama terutama pada telah banyak digunakan untuk mengatasi
bagian IGD. Sumber daya manusia yang masalah di sektor kesehatan. Beaulieu dkk
dimiliki oleh rumah sakit baik tenaga medis (2000) menggunakan pendekatan pemrograman
maupun tenaga administrasi terbatas. Sementara matematika untuk penjadwalan dokter di sebuah
itu terdapat ketidakpastian kedatangan pasien emergency room. Flessa (2000) menggunakan
baik dari segi jumlah maupun tingkat kegawatan sebuah pendekatan linear programming untuk
yang dialami yaitu ancaman nyawa, gawat optimalisasi pengalokasian sumber daya pada
darurat berat, gawat darurat ringan, dan gawat layanan kesehatan di negara berkembang. Salah
darurat semu. Padahal pasien yang datang ke satu tantangan dalam metode optimalisasi
IGD harus dapat dilayani dengan cepat dan adalah jika permasalahan yang diselesaikan
tepat. Hal ini yang membuat perencanaan kompleks dengan banyak unsur yang tidak pasti
komposisi sumber daya manusia di IGD RS. maka pencarian solusi terbaik mungkin
ABC menjadi rumit. Selama ini proses membutuhkan waktu yang lama (Law, dkk,
perencanaan dilakukan berdasarkan pengalaman 2000).
dan intuisi dari manajemen saja. Pihak Rumah
sakit membutuhkan alat analisis yang mampu Dengan adanya kelebihan dan kelemahan dari
memberikan gambaran tentang sistem pelaya- metode simulasi dan optimalisasi maka timbul
nan yang telah mereka terapkan saat ini dan usaha untuk menggabungkan kedua metode
melakukan uji coba untuk mendapatkan rencana tersebut. Hal ini telah dilakukan oleh Ahmed &
sumber daya yang terbaik dengan memperha- Alkhamis (2009) yang menerapkan metode
tikan batasan-batasan yang ada. Permasalahan simulasi optimalisasi untuk memecahkan
seperti yang dihadapi oleh bagian IGD RS. masalah di unit gawat darurat sebuah rumah
ABC dapat diselesaikan dengan metode sakit di Kuwait. Simulasi IGD digunakan untuk
simulasi dan optimalisasi. Kedua pendekatan ini menggambarkan kondisi IGD kemudian
telah banyak digunakan untuk mengatasi optimalisasi dilakukan untuk mendapatkan
berbagai masalah yang dihadapi oleh sektor perencanaan sumber daya terbaik dengan
kesehatan. memperhatikan batasan-batasan yang ada.
Metode simulasi dikenal sebagai metode yang Makalah ini menampilkan hasil penerapan
tepat untuk memodelkan sebuah sistem yang metode simulasi dan optimalisasi untuk
kompleks dengan banyak unsur ketidakpastian membantu menentukan komposisi sumber daya
untuk memperoleh gambaran tentang pengaruh manusia yang optimal dengan memperhatikan
berbagai strategi terhadap kinerja sistem. berbagai ketidakpastian di dalam sistem
Metode simulasi telah digunakan oleh banyak sekaligus menyeimbangkan tingkat layanan dan
peneliti untuk meniru perilaku dari sistem biaya.
pelayanan kesehatan untuk mengevaluasi kiner-
ja sistem tersebut dan menganalisis hasil dari 2. METODE
berbagai skenario.
Pengembangan model simulasi optimalisasi
untuk IGD RS. ABC dilakukan dalam beberapa
Cote (1999) menggunakan simulasi untuk
langkah. Sebagai langkah awal adalah membuat
melakukan analisis aliran pasien dan utilisasi
model konseptual dari sistem IGD RS. ABC
sumber daya yang terdapat dalam sebuah klinik.
berdasarkan informasi dari manajemen rumah
Ferreira de Oliveira (1999) menggunakan
sakit dan pengamatan langsung terhadap sistem.
platform simulasi visual 3D untuk proyek
Berdasarkan model konseptual maka dibuat
membangun fasilitas kesehatan di sebuah rumah
model simulasi dari sistem. Untuk membuat
sakit baru. Swisher dkk (2001) melakukan
model simulasi dibutuhkan berbagai data
pemodelan dan analisis mengenai lingkungan
sebagai input seperti misalnya tingkat
117
Jurnal Sistem Informasi, Volume 4, Nomor 2, Maret 2012, hlm 116-126
kedatangan pasien untuk setiap kategori dan adalah: 1) gawat darurat semu, 2) gawat darurat
waktu pelayanan pada setiap proses di dalam ringan, 3) gawat darurat berat dan 4) ancaman
IGD. Setelah data terkumpul maka model nyawa. Prioritas utama adalah pasien yang
simulasi dibuat dengan perangkat lunak tergolong dalam kategori pasien ancaman
ARENA. Hasil yang diperoleh dari model yang nyawa, diikuti kategori gawat darurat berat,
sudah diverifikasi kemudian dibandingkan gawat darurat ringan, dan gawat darurat semu.
dengan kondisi sistem nyata untuk menentukan Pasien yang datang dalam kondisi gawat darurat
validitas dari model. Setelah itu dilakukan berat dan ancaman nyawa akan langsung
perancangan algoritme optimalisasi. Langkah mendapat tindakan di ruang tindakan walaupun
terakhir adalah melakukan uji coba berdasarkan proses pendaftaran belum diproses dan lebih
rancangan algoritme yang telah ditentukan. sering mendapatkan pengawasan dari dokter
daripada pasien yang datang dengan kondisi
2.1 Pengembangan Model penyakit yang tidak begitu parah. Sementara itu
pasien gawat darurat semu dan ringan harus
Model yang akan dikembangkan dalam
mendaftar dulu sebelum memasuki ruang
penelitian ini terdiri dari dua tahap, tahap
tindakan.
pertama yaitu model konseptual, input simulasi,
model simulasi, verifikasi dan validasi model
Setelah melakukan proses triase maka seorang
simulasi.
pasien akan mendapatkan pemeriksaan awal
untuk melihat lebih jauh mengenai kondisi
Model Konseptual
pasien yang datang dan menentukan tindakan
Instalasi Gawat Darurat (IGD) adalah salah satu penunjang yang harus diberikan oleh seorang
bagian di rumah sakit yang menyediakan pasien. Tindakan penunjang tersebut bisa
penanganan awal bagi pasien yang menderita berupa tindakan pemberian obat dimana pasien
sakit dan cedera yang dapat mengancam harus menunggu proses penebusan obat yang
kelangsungan hidup. IGD RS. ABC buka akan diberikan sebagai tindakan, dapat berupa
selama 24 jam sehari dengan menerima pasien pemeriksaan laboratorium, dan dapat pula
lebih dari seratus orang tiap harinya. Di IGD berupa pemeriksaan radiologi. Dari hasil
RS. ABC sendiri terdapat dua bagian utama tindakan penunjang tersebut maka tenaga medis
yaitu Instalasi Rawat Darurat (IRD) yang akan dapat melakukan pemeriksaan lanjutan
memiliki 10 dokter, 33 perawat, 8 tempat tidur sesuai dengan hasil tindakan penunjang yang
IRD (TTIRD) dan kamar operasi (OK telah dilakukan. Dalam proses pemeriksaan baik
Emergency) yang digunakan untuk melakukan awal maupun lanjutan ada perbedaan penga-
operasi darurat terhadap pasien yang diharuskan lokasian tenaga medis yang melayani pasien.
operasi. Dalam OK Emergency terdapat 3 ruang Untuk pasien yang masuk dalam kategori
operasi dan Ruang Observasi Intensif (ROI) ancaman nyawa dan gawat darurat berat maka
atau Ruang Pulih Sadar yang digunakan untuk pasien akan langsung diperiksa oleh dokter dan
melakukan pengawasan terhadap pasien setelah perawat secara bersamaan sementara untuk
menjalankan operasi. OK emergency memiliki 2 pasien dalam kondisi gawat darurat ringan dan
orang dokter dan 25 perawat yang bertugas di gawat darurat semu maka pasien akan diperiksa
bagian OK Emergency sendiri yang mempunyai oleh perawat terlebih dahulu baru kemudian
tugas untuk menangani pasien yang mebutuhkan diperiksa oleh dokter.
operasi. Kemudian yang bertugas di ROI
terdapat 10 perawat ROI yang tugasnya Pasien yang harus menjalani operasi akan
merawat pasien-pasien yang membutuhkan dikirim ke bagian OK. Emergency untuk
perawatan intensif setelah menjalani operasi. mendapatkan layanan operasi. Dalam sekali
Setiap harinya komposisi shift jaga dari di operasi diperlukan seorang dokter dan 4 orang
Ruang Instalasi Gawat darurat adalah 2 dokter perawat. Dalam pelaksanaanya, operasi dapat
IRD, 1 dokter OK, 7 perawat IRD, 7 perawat digolongkan menjadi tiga, yaitu operasi kecil,
OK, 2 perawat ROI, 1 petugas apotik, 1 staf operasi sedang, dan operasi besar. Pasien yang
pembayaran dan 1 staf pendaftaran telah menjalani operasi akan mendapatkan
perawatan pulih sadar di ruang observasi
Alur proses pelayanan pasien di IGD dapat intensif, untuk memantau keadaan pasien
dilihat pada gambar 1. Saat tiba di IGD, pasien setelah menjalani operasi. Dalam ruang obser-
biasanya menjalani proses pendaftaran dan vasi intensif ini, pasien akan dirawat sampai
pemilahan terlebih dahulu yang disebut triase. kondisi pasien stabil setelah menjalani operasi.
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
ER dkk., Perencanaan Sumber Daya Manusia di Instalasi Gawat Darurat Rumah Sakit ABC …
Kedatangan pasien
YA
Ruang Tindakan
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
119
Jurnal Sistem Informasi, Volume 4, Nomor 2, Maret 2012, hlm 116-126
120
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
122
ER dkk., Perencanaan Sumber Daya Manusia di Instalasi Gawat Darurat Rumah Sakit ABC …
optimalisasi simulasi dengan skenario 1 dapat 3.2 Uji Coba dengan Menambahkan
dilihat pada tabel 6. Terlihat bahwa dengan Batasan Biaya
meningkatnya jumlah pasien yang datang perlu
Jika pada skenario 1 peningkatan kedatangan
dilakukan penambahan dan perubahan
pasien diatasi dengan mengubah komposisi
komposisi sumber daya untuk memastikan
sumber daya dengan hanya mempertimbangkan
bahwa jumlah pasien yang dilayani juga tidak
batasan rata-rata waktu pelayanan pasien
berkurang dan batasan tingkat layanan tidak
ancaman nyawa dan gawat darurat maka pada
terabaikan. Secara umum optimalisasi berhasil
skenario 2 akan ditambahkan batasan biaya (f3)
mencari komposisi sumber daya yang optimal
yang dapat dikeluarkan untuk komposisi sumber
sehingga tiap peningkatan kedatangan pasien
daya tertentu. Untuk itu terlebih dahulu
jumlah pasien (f) yang terlayani meningkat dan
dilakukan pengolahan terhadap biaya yang
rata-rata waktu tunggu pasien ancaman nyawa
harus dikeluarkan untuk masing-masing sumber
(Q1) dan gawat darurat berat (Q2) tidak
daya manusia di IGD RS. ABC.
bertambah. Rata-rata waktu tunggu pasien
ancaman nyawa tidak mengalami perubahan,
Pengolahan data menunjukkan bahwa dalam
sehingga hasil yang dianalisis lebih lanjut hanya
kondisi sistem saat ini biaya yang dihabiskan
jumlah pasien yang terlayani dan rata-rata
adalah 3.139.42 Budget Unit (BU) dengan
waktu tunggu pasien gawat darurat berat (Q2).
rincian biaya per jam untuk sumber daya
Pada kondisi awal sebelum dilakukan manusia ditunjukkan pada tabel 8. Tingkat biaya
optimalisasi komposisi sumber daya manusia yang digunakan pada sistem saat ini akan
IGD yang dipakai adalah 2 dokter IRD, 1 dokter dimasukkan ke dalam optimalisasi sebagai
OK, 7 perawat IRD, 7 perawat OK, 2 perawat batasan biaya. Adapun formulasi fungsi tujuan
ROI, 1 petugas apotik, 1 staf pembayaran dan 1 setelah mendapatkan tambahan batasan biaya
staf pendaftaran, rata-rata jumlah pasien yang yang ditunjukkan pada batasan (5) – (9).
dapat dilayani adalah 47.3 orang dan rata-rata Dengan formulasi masalah ini akan dicari
waktu tunggu pasien gawat darurat berat adalah kombinasi sumber daya untuk memaksimalkan
64.473 menit. Seperti ditunjukkan pada tabel 6, jumlah pasien yang dapat dilayani (f) dengan
hasil uji coba untuk tingkat kedatangan yang biaya yang tidak melebihi dari biaya yang
sama dengan kondisi awal menunjukkan bahwa dikeluarkan saat ini.
dengan menambahkan 1 dokter IRD, 1 dokter Max f (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) (5)
OK, 1 perawat OK,1 perawat ROI, 1 petugas s.t
pendaftaran maka rata-rata jumlah pasien yang f1 (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) ≤ 0.1325 (6)
terlayani meningkat menjadi 69.5 (46%), f2 (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) ≤ 63.0208 (7)
sementara rata-rata waktu tunggu pasien gawat f3 (x1 ,x2 ,x3 ,x4 ,x5 , x6,x7 ,x8 ) ≤ 3.139.42 (8)
darurat berat menurun menjadi 54.66 menit. Li <= xi <= Ui, i = 1,...8 (9)
xi integer i = 1,..8
Secara keseluruhan juga dapat dilihat pada tabel Tabel 5 menunjukkan perbandingan hasil
6 bahwa untuk setiap tingkat kedatangan pasien simulasi tanpa optimalisasi dan setelah
jumlah dokter IRD dan Perawat OK yang dilakukan optimalisasi dengan skenario 2 pada
memberikan tingkat pelayanan terbaik berturut- tingkat kedatangan pasien normal (λ). Seperti
turut adalah 3 dan 8 orang diperkirakan dengan adanya tambahan batasan
biaya selain batasan tingkat pelayanan maka
Tabel 7 merangkum perbaikan kinerja yang perlu adanya penyesuaian terhadap komposisi
didapat setelah dilakukan optimalisasi. Terlihat sumber daya. Seperti terlihat pada tabel 9,
bahwa untuk tiap tingkat kedatangan pasien komposisi sumber daya tanpa dilakukan
optimalisasi model berhasil menentukan optimalisasi adalah 2 dokter IRD, 1 dokter OK,
komposisi sumber daya yang mampu 7 perawat IRD, 7 perawat OK, 2 perawat ROI, 1
meningkatkan jumlah pasien yang terlayani petugas apotik, 1 staf pembayaran dan 1 staf
lebih dari 30%. Sementara itu untuk pendaftaran. Namun dengan adanya tambahan
peningkatan tingkat kedatangan sampai dengan batasan biaya maka terjadi penambahan masing-
1.5 λ , optimalisasi berhasil menentukan masing 1 orang dokter OK, perawat ROI,
komposisi sumber daya yang dapat menurunkan petugas apotik dan staf pembayaran. Jika dilihat
rata-rata waktu tunggu pasien gawat darurat dari tabel 4, biaya per jam dokter OK adalah
berat lebih dari 13%. Hanya pada saat yang paling tinggi dibandingkan dengan sumber
peningkatan 1.75 λ tidak terjadi perbaikan yang daya lainnya. Oleh karena itu, jumlah perawat
cukup signifikan. IRD dan OK dikurangi masing-masing 1 untuk
mengimbangi penambahan dokter OK tersebut.
123
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
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
0
Separate 2 menuju bilik
Ori g i n a l
pemeriksaan
0 Du p l i c a te
Menuju
Pendaftaran
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 diperhitungkan tidak hanya rata-rata waktu
optimalisasi menunjukkan bahwa pihak tunggu tetapi juga batasan biaya maka hasil
manajemen dapat mencari komposisi sumber simulasi optimalisasi dapat meningkatkan
daya yang optimal dengan mempertimbangkan jumlah pasien yang terlayani dari 47.3 menjadi
layanan yang lebih banyak dibutuhkan oleh 66 orang sekaligus menurunkan biaya dari
pasien. Dengan demikian pihak manajemen RS. 3139.42 menjadi 2990.63 Budget Unit.
ABC dapat menggunakan model simulasi
optimalisasi ini untuk merencanakan jumlah 5. DAFTAR RUJUKAN
sumber daya yang harus disediakan berdasarkan
kondisi tingkat kedatangan pasien. M. J. Côte, 1999, “Patient Flow and Resource
Utilization in an Outpatient Clinic”,
Tabel 8. Biaya sumber daya manusia IGD yang Socioeconomic Planning Sciences, 33
dikeluarkan oleh pihak rumah sakit (3), 231–245, 1999.
Sumber daya manusia Biaya (BU) M. J. Ferreira de Oliveira, “3D visual simulation
Dokter IRD 7.3 platform for the project of anew hospital
Dokter OK 10.4 facility”. In: De Angelis, V., Ricciardi,
Perawat IRD 6.3 N., Storchi, G.(Eds.), Monitoring,
Perawat OK 6.3 Evaluating, Planning Health Services.
Proceedings to the 24th meeting of the
Perawat ROI 6.3
ORAHS EURO-WG. World Scientific,
Petugas apotik 5.4 Singapore, pp. 82–95,1999.
Staf pembayaran 4.3 J.R. Swisher, S.H. Jacobson, J.B. Jun, and O.
Staf pendaftaran 4.3 Balci, “Modeling and analyzing a
physician clinic environment using
4. SIMPULAN dan SARAN discrete-event (visual) simulation”.
Computers and Operations Research 28
Makalah ini menampilkan hasil pengembangan
(2), 105–125, 2001.
model simulasi yang kemudian dikombinasikan
dengan optimalisasi untuk mengatasi masalah R.E. Blasak, W.S. Armel, D.W. Starks, and
perencanaan sumber daya di Instalasi Gawat M.C. Hayduk, “The Use of Simulation to
Darurat RS. ABC. Model simulasi yang Evaluate Hospital Operations Between
dikembangkan dapat memperhitungkan the Emergency Department and a
berbagai ketidakpastian utama di dalam sistem Medical Telemetry Unit”, Proceedings of
yaitu jumlah dan jenis pasien yang datang dan the 2003 Winter Simulation Conference,
waktu pelayanan di masing-masing bagian. pp. 1887–1893, 2003.
Dengan adanya model ini maka dapat dilihat D. Sinreich, and Y. Marmor, “Emergency
pengaruh faktor ketidakpastian terhadap tingkat department operations: The basis for
layanan yaitu jumlah pasien yang terlayani dan developing a simulation tool”. IIE
rata-rata waktu tunggu. Model simulasi Transactions, 37, 233–245, 2005.
kemudian dikombinasikan dengan optimalisasi H. Beaulieu, J.A. Ferland, J.A., B. Gendron,
untuk mencari komposisi sumber daya yang and P. Michelon, “A Mathematical
dapat mengoptimalkan rata-rata jumlah pasien Programming Approach for Scheduling
yang terlayani. Physicians in the Emergency Room”,
Health Care Management Science 3 (3),
Model simulasi yang dikombinasikan dengan 193–200, 2000.
optimalisasi menunjukkan bahwa komposisi
sumber daya manusia yang diterapkan oleh RS. S. Flessa, “Where Efficiency Saves Lives: A
ABC selama ini dapat diperbaiki untuk tingkat Linear Programme for the Optimal
kedatangan kurang ataupun lebih dari kondisi Allocation of Healthcare Resources in
normal saat ini. Hasil optimalisasi dengan Developing Countries”, Health Care
memperhatikan batasan rata-rata waktu tunggu Management Science 3 (3), 249–267,
untuk pasien ancaman nyawa dan pasien gawat 2000.
darurat berat menunjukkan bahwa dengan A. Law, A. M. & W. D. Kelton, “Simulation,
perubahan komposisi sumber daya maka rata- Modeling and Analysis”, Third Edition,
rata jumlah pasien yang terlayani meningkat McGraw-Hill, 2000.
menjadi 69.5 orang yang merupakan M. A. Ahmed and T.M. Alkhamis, “Simulation
peningkatan yang signifikan dari kondisi tanpa Optimization for an Emergency
simulasi, sementara rata-rata waktu tunggu Department Healthcare Unit in Kuwait”,
pasien gawat darurat berat menurun menjadi European Journal of Operational
54.66 menit. Namun, jika batasan yang Research, 198, 936 – 942, 2009.
126