Optimasi Penjadwalan Staf Menggunakan Algoritma Self-Adaptive Learning Hyper-Heuristic (Studi Kasus: RSIA Kendangsari Surabaya)

Prayogo, Fachrur Zaffrinda (2018) Optimasi Penjadwalan Staf Menggunakan Algoritma Self-Adaptive Learning Hyper-Heuristic (Studi Kasus: RSIA Kendangsari Surabaya). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5214100173-Undergraduate_Theses.pdf
Restricted to Repository staff only

Download (3MB) | Request a copy

Abstract

Rumah Sakit Ibu dan Anak Kendangsari adalah salah satu rumah sakit yang berada di kota Surabaya. Rumah sakit adalah organisasi yang bergerak dibidang kesehatan dan harus memiliki layanan 7x24 jam seminggu sehingga salah satu masalah yang terjadi adalah kurang optimalnya tenaga kerja dalam memenuhi permintaan yang sangat besar sehingga pihak manajemen rumah sakit harus memiliki manajemen yang baik terhadap sumber daya manusia yang ada salah satu bagian terpenting adalah perawat. Permasalahan yang terjadi adalah kurang optimalnya jadwal perawat masalah ini disebut Nurse Rostering Problem. Dalam membuat sebuah jadwal yang baik diperlukan Batasan-batasan yang jelas dan harus dipertimbangkan seperti regulasi rumah sakit dimana Batasan tersebut dibagi menjadi 2(dua) yaitu hard constraint dan soft constraint. Untuk menyelesaikan masalah yang ada maka dilakukan pembuatan jadwal yang optimal, pada penelitian ini metode yang digunakan adalah algoritma self-adaptive-learning hyper-heuristic dari metode algoritma tersebut akan dicari bagaimanakah solusi penjadwalan yang optimal sesuai dengan batasan-batasan yang ada serta membuat penjadwalan secara otomatis dan hasil penjadwalan akan dibandingkan dengan jadwal yang sudah ada. Untuk tolak ukur sebuah jadwal sudah optimal atau belum diukur dari nilai Jain Fairness Index yang memiliki rentang nilai 0-1, maka untuk mendapatkan hasil yang optimal juga dilakukan pengujian dengan membandingkan algoritma Self adaptive learning dengan algortima Hill Climbing. Berdasarkan hasil pengujian dua algoritma yaitu Self Adaptive dan Hill Climbing ditemukan hasil bahwa pada 6 divisi setelah dilakukan optimasi dengan menggunakan algoritma tersebut memiliki nilai JFI untuk divisi Farmasi hasil sebelum optimasi dari 0.92 menjadi 0.94 setelah optimasi , divisi IGD sebesar 0.91 menjadi 0.94 , divisi Bayi & NICU dari 0.89 menjadi 0.93, divisi Gizi dari 0.85 menjadi 0.83, divisi OK dari 0.80 menjadi 0.96 ,dan divisi SIM & RM dari 0.90 menjadi 0.97. ======================================================================================================== Kendangsari Mother and Child Hospital are one of the hospitals located in Surabaya city. A hospital is an organization engaged in the health and must have service 7x24 hours a week because one of the less optimal workforces in meeting the huge demand. The management of the hospital should have good management of human resources, the important part is nurses The problem that occurs less optimal schedule of this problem is called Nurse Rostering Problem. In making a good schedule it is necessary that the constraints are clear and should be like the hospital regulations where the constraints are divided into 2 (two) namely the hard constraints and soft constraints. To solve the existing problems then made the optimal schedule, in this study the method used is the algorithm self-adaptive-learning hyper-heuristic algorithm that will be searched how optimal scheduling solutions in accordance with the existing constraints and make an automatic scheduling and the result of the scheduling will be compared to an existing schedule. For the benchmark of a schedule is optimal or not measured from the value of Jain Fairness index that has the range from 0 to 1, then for optimal results are also tested by comparing the algorithm Self-adaptive learning with Hill Climbing algorithm. According to the result of the test from 2 algorithms which is Self Adaptive and Hill Climbing researcher find a result of the JFI for Pharmacy Division before the optimization is 0.92 became 0.94 after Optimization, Emergency Division is 0.91 became 0.94, Baby & NICU Division from 0.89 became 0.93, Nutrition Division from 0.85 became 0.83, OK Division from 0.80 became 0.96 , Administration and Medical record from 0.90 became 0.97

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Optimasi, Hyper-heuristic, Self-Adaptive, Nurse Rostering Problem, Hill Climbing, Jain Fairness Index
Subjects: T Technology > T Technology (General) > T58.62 Decision support systems
Divisions: Faculty of Information Technology > Information System > (S1) Undergraduate Theses
Depositing User: Prayogo Fachrur Zaffrinda
Date Deposited: 27 Feb 2018 07:24
Last Modified: 27 Feb 2018 07:24
URI: http://repository.its.ac.id/id/eprint/49494

Actions (login required)

View Item View Item