Penjadwalan Perawat Berbasis Prediksi Jumlah Kedatangan Pasien dan Preferensi Perawat Menggunakan Metode Goal Programming

Abstract

KHAIRUNA PUTRI GUNAWAN. Penjadwalan Perawat Berbasis Prediksi Jumlah Kedatangan Pasien dan Preferensi Perawat Menggunakan Metode Goal Programming. Dibimbing oleh TONI BAKHTIAR dan PRAPTO TRI SUPRIYO.

Pelayanan kesehatan yang optimal sangat bergantung pada kinerja perawat, namun fluktuasi pasien sering memicu ketidakseimbangan beban kerja. Penjadwalan manual dinilai kurang efektif karena sulit beradaptasi dengan ketidakpastian dan kerap mengabaikan preferensi serta aturan kontrak perawat. Oleh karena itu, penelitian ini bertujuan memprediksi tingkat kedatangan pasien, sekaligus merancang penjadwalan perawat menggunakan Goal Programming yang memenuhi kebutuhan rumah sakit dan preferensi perawat. Prediksi jumlah pasien per shift dilakukan menggunakan Autoregressive Integrated Moving Average (ARIMA) yang divalidasi dengan Mean Absolute Percentage Error (MAPE), lalu diperluas melalui Simulasi Monte Carlo agar menyerupai fluktuasi aktual. Hasil prediksi tersebut kemudian menjadi parameter acuan pada model Goal Programming. Solusi yang dihasilkan berupa susunan jadwal perawat optimal yang proporsional, meminimumkan penyimpangan variabel deviasi, serta memenuhi seluruh kendala kebutuhan rumah sakit dan preferensi perawat.

Kata kunci: goal programming, pasien, penjadwalan, perawat, prediksi

KHAIRUNA PUTRI GUNAWAN. Nurse Scheduling Based on Patient Arrival Prediction and Nurse Preferences Using Goal Programming Method. Supervised by TONI BAKHTIAR and PRAPTO TRI SUPRIYO.

Optimal healthcare delivery heavily relies on nurse performance, but fluctuations in patient arrivals often trigger unbalanced workloads. Manual scheduling is considered ineffective due to its difficulty in adapting to uncertainties, frequently neglecting nurses' preferences and employment contract regulations. Therefore, this study aims to predict patient arrival rates and simultaneously design nurse schedules using Goal Programming to satisfy both hospital requirements and nurses' preferences. The prediction of patients per shift is conducted using the Autoregressive Integrated Moving Average (ARIMA) method, validated by the Mean Absolute Percentage Error (MAPE), and subsequently expanded through Monte Carlo Simulation to closely reflect actual fluctuations. These forecasting results then become reference parameters in the Goal Programming model. The resulting solution provides an optimal and proportional nurse schedule that minimizes deviation variables and satisfies all constraints regarding hospital requirements and nurses' preferences.

Keywords: goal programming, nurse, patient, prediction, scheduling