Optimasi Penjadwalan Staf Dengan Menggunakan Algoritma Reinforcement Learning Hyper-Heuristics Studi Kasus Rumah Sakit Ibu Dan Anak Kendangsari

Karami, Fata Hirzi Abi (2018) Optimasi Penjadwalan Staf Dengan Menggunakan Algoritma Reinforcement Learning Hyper-Heuristics Studi Kasus Rumah Sakit Ibu Dan Anak Kendangsari. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5214100180-Undergraduate_Thesis.pdf
Restricted to Repository staff only

Download (3MB) | Request a copy

Abstract

dihadapi oleh setiap Rumah Sakit. Untuk itu, optimasi penjadwalan staf sangat diperlukan oleh pihak Rumah Sakit untuk mendapatkan jadwal yang sesuai dengan kebutuhan dan sumber daya manusia Rumah Sakit. Sebelum melakukan penjadwalan, ada batasan-batasan yang harus dipertimbangkan seperti aturan penjadwalan dan pembagian shift pada Rumah Sakit. Hal-hal tersebut nantinya akan digolongkan menjadi dua yaitu hard constraint dan soft constraint. Pada penelitian ini membahas tentang implementasi algortima Reinforcement Learning Hyper-Heuristic untuk menyelesaikan permasalahan penjadwalan staf di Rumah Sakit Ibu dan Anak Kendangsari. Untuk mengukur tingkat optimasi dari penjadwalan akan dihitung dari nilai Jain Fairness Index (JFI) dari masing-masing unit pada rumah sakit. Unit-unit tersebut adalah unit farmasi, bayi/NICU, gizi, IGD, Kamar Operasi, dan SIM & RM. Nilai JFI berkisar antara 0 sampai 1 dan jadwal akan semakin optimal jika nilai JFI mendekati 1. Kemudian algoritma Reinforcement Learning Hyper-Heuristic akan diterapkan untuk memilih low-level heuristic yang memiliki solusi terbaik. Low-level heuristic yang digunakan pada tugas akhir ini adalah Move dan Swap. Hasil dari optimasi ini adalah berupa perbandingan nilai JFI dari jadwal eksisting rumah sakit dengan jadwal hasil optimasi. Nilai JFI unit farmasi yang awalnya bernilai 0,80 berubah menjadi 0,97, unit bayi/NICU dari 0,67 menjadi 0,96, unit gizi dari 0,90 menjadi 0,84, unit IGD dari 0,91 menjadi 0,96, unit Kamar Operasi dari 0,80 menjadi 0,98, dan unit SIM & RM dari 0,74 menjadi 1. Hasil optimasi ini diharapkan dapat memberikan manfaat terutama bagi pihak Rumah Sakit dan staf untuk mendapatkan jadwal yang paling optimal berdasarkan tingkat keadilan untuk tiap staf. ========================================================================================================= Staff scheduling is a problem that is often faced by every hospital. For that, the optimization of staff scheduling is needed by the Hospital to get a schedule that suits the needs and the availability of human resources at the Hospital. Before scheduling, there are some constraints to be considered such as scheduling rules and the distribution of shifts in the Hospital. These constraints are also will be classified into two category, namely hard constraint and soft constraint. This study discuss about the implementation of Reinforcement Learning Hyper-Heuristic algorithm to solve the staff scheduling problem at Kendangsari’s Maternity and Child Hospital. To measure the optimization level of staff scheduling, value of Jain Fairness Index (JFI) will be calculated for each division in the hospital. These divisions are pharmacy, infant/NICU, nutrition, IGD, Operation Khamer, and Registration. JFI value ranges from 0 to 1 and the schedule will be more optimal if the value of JFI close to 1. Then the Reinforcement Learning Hyper-Heuristic algorithm will be applied to choose the low-level heuristic that has the best solution. Low-level heuristic used in this final project are Move and Swap. The result of this optimization is a comparison of JFI value from the existing schedule of the hospital and the optimization schedule. The value of the JFI pharmacy division initially valued at 0.80 changed to 0.97, the infant/NICU division from 0.67 to 0.96, the nutrition division from 0.90 to 0.84, the IGD division from 0.91 to 0.96 , Operational Khamer division from 0.80 to 0.98, and Registration division from 0.74 to 1. This resultis expected to provide benefits, especially for the Hospital and staff to get the most optimal schedule based on the fairness level for each staff.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Optimasi, Penjadwalan Staf, Reinforcement Learning, Hyper-Heuristic
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Information Technology > Information System > (S1) Undergraduate Theses
Depositing User: Fata Hirzi Abi Karami
Date Deposited: 27 Feb 2018 07:29
Last Modified: 27 Feb 2018 07:29
URI: http://repository.its.ac.id/id/eprint/49495

Actions (login required)

View Item View Item