Shindu, Dimas Rizal Kusuma (2020) Optimasi Penjadwalan Perawat Rumah Sakit Menggunakan Algoritma Reinforcement Learning - Simulated Annealing With Reheating Hyper-heuristic Pada Benchmark Dataset Norwegian Hospital. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211640000094 - Undergraduate_Thesis.pdf Download (2MB) | Preview |
Abstract
Nurse Rostering adalah proses penyusunan jadwal kerja perawat rumah sakit dalam jangka waktu tertentu. Penyusunan jadwal kerja tersebut merupakan sebuah pekerjaan kompleks dan menarik untuk diamati. Terdapat lebih dari satu sudut pandang yang menjadi tujuan dari penyusunan jadwal kerja perawat, yaitu sudut pandang rumah sakit, sudut pandang perawat dan sudut pandang pasien. Selain itu penyusunan jadwal perawat harus memperhatikan batasan-batasan yang ada agar mendapatkan jadwal kerja yang mendekati optimal. Batasan-batasan yang sering muncul pada penjadwalan perawat yaitu jumlah perawat yang tersedia, kemampuan dari perawat, peraturan tenaga kerja dan kebijakan rumah sakit yang berlaku. Banyaknya batasan pada penjadwalan perawat akan memunculkan sebuah permasalahan yang sering disebut sebagai Nurse Rostering Problem (NRP). Hingga saat ini, NRP termasuk ke dalam permasalahan yang sulit terpecahkan secara konvensional atau permasalahan NP-Hard. Banyak penelitian yang mencoba untuk menyelesaikan NRP secara komputasi. Penyelesaian NRP secara komputasi akan mengurangi waktu yang dibutuhkan untuk menyusun jadwal kerja perawat rumah sakit. Semakin sedikit waktu yang dibutuhkan untuk menyusun jadwal kerja perawat, maka akan ada banyak pengalokasian waktu untuk meningkatkan pelayanan medis. Hal itu akan berdampak pada kualitas kesehatan pada daerah sekitar rumah sakit tersebut. Beberapa penelitian telah mencoba menyelesaikan NRP dengan menggunakan beberapa pendekatan. Salah satu pendekatan yang digunakan yaitu hyper-heuristic. Hyper-heuristic adalah metode pencarian yang digunakan untuk menyelesaikan permasalahan optimasi. Penelitian tugas akhir ini akan menggunakan pendekatan hyper-heuristic dengan algoritma Reinforcement Learning - Simulated Annealing with Reheating untuk menyelesaikan permasalahan penjadwalan perawat pada rumah sakit di Norwegia. Hasil penelitian tugas akhir ini menunjukan bahwa algoritma Reinforcement Learning – Simulated Annealing with Reheating mampu menghasilkan jadwal kerja dengan peningkatan solusi hingga 82%. Algoritma Reinforcement Learning – Simulated Annealing with Reheating juga mampu menghasilkan peningkatan solusi yang lebih baik dari algoritma pembandingnya, yaitu 3% hingga 47% lebih baik dari algoritma Simple Random – Hill Climbing, 2% hingga 12% lebih baik dari algoritma Reinforcement Learning – Hill Climbing, dan 0.7% hingga 7% lebih baik dari algoritma Reinforcement Learning – Simulated Annealing.
=======================================================
Nurse rostering is the process of creating a work schedule for nurses over a given planning horizon. The creation of work schedule is a complex work and interesting to observe. There is more than one perspective that is the goal of creating a work schedule for nurses, that is the hospital’s perspective, nurse’s perspective and patient’s perspective. In addition, the process of creating work schedule must see to existing constraints in order to get a work schedule that is close to optimal. The constraints that often arise in nurse scheduling are the number of nurse, the competence of nurse, labor regulations and hopital policies. The many constraints that must be met will raise the problem that is often called as Nurse Rostering Problem (NRP). Until now, NRP is a problem that are difficult to be solved conventionally or NP-Hard problem. Many studies have tried to solve NRP computationally. Computational problem solving will reduce the time of creating a work schedule for nurses. The less time that spent for creating a work schedule, the more time will be allocated to improve medical sevices. Improved medical services will have an impact on improving the health quality around the hospital’s area. Several studies have tried to resolve NRP by using several approaches. One approach used is hyper-heuristic. Hyper-heuristic is a search method used to solve optimization problem. In this final project will use a Hyper-heuristic approach with the Reinforcement Learning – Simulated Annealing with Reheating algorithm to solve nurse scheduling problem at hospital in Norway. The result of this final project show that the Reinforcement Learning – Simulated Annealing with Reheating algorithm is able to create work schedule with an increase of solution up to 82%. Reinforcement Learning – Simulated Annealing with Reheating algorithm is also able to produce improved solutions that are better than the comparison algorithm, which is 3% to 47% better than Simple Random – Hill Climbing algorithm, 2% to 12% better than Reinforcement Learning – Hill Climbing algorithm, and 0.7% to 7% better than Reinforcement Learning – Simulated Annealing algorithm.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Nurse Rostering Problem, Hyper-heursitic, Reinforcement Learning, Simulated Annealing with Reheating, Nurse Rostering Problem, Hyper-heursitic, Reinforcement Learning, Simulated Annealing with Reheating |
| Subjects: | Q Science > QA Mathematics > QA76.9 Computer algorithms. Virtual Reality. Computer simulation. Q Science > QA Mathematics > QA9.58 Algorithms T Technology > T Technology (General) > T57.84 Heuristic algorithms. T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Dimas Rizal Kusuma Shindu |
| Date Deposited: | 14 Aug 2020 07:13 |
| Last Modified: | 12 May 2023 02:54 |
| URI: | http://repository.its.ac.id/id/eprint/78185 |
Actions (login required)
 |
View Item |