Dokumen ini membahas simulasi pelayanan puskesmas Sadang Serang untuk mengurangi waktu tunggu pasien. Terdapat analisis data masukan, verifikasi dan validasi model simulasi menggunakan software ProModel. Hasilnya menunjukkan model simulasi sesuai dengan kondisi aktual dan dapat digunakan untuk menentukan kapasitas server.
1. Oleh:
Mario Stefanus K. – 222010001
Venska Stefani – 222010003
Julita – 222010006
Pemodelan Sistem
2. IDENTITAS JURNAL
Judul Jurnal:
“SIMULASI PELAYANAN PUSKESMAS SADANG
SERANG”
Penulis: Nia Budi Puspitasari
Asal Penulis: Program Studi Teknik Industri
Universitas Diponegoro Semarang
Jurnal Penerbit: J@TI Undip, Vol. IV, No.03,
September 2009.
4. LATAR BELAKANG MASALAH
JAM OPERASI
PUKUL 08.00 s/d 12.00 WIB
Puskesmas
Sadang Serang
dokter gigi dokter anak
Pasien tidak mendapatkan
tempat duduk pada jam tertentu
dokter umum
apotek
Akibatnya, pasien yg sedang
sakit merasa tidak nyaman
5. PERUMUSAN MASALAH
Menanggapi masalah tersebut, penulis akan melakukan penelitian
terhadap masalah antrian yang panjang pada setiap fasilitas
puskesmas agar pasien yang datang ke puskesmas merasa nyaman
dan setidaknya dapat menstimulus pasien agar cepat sembuh dari
penyakitnya.
6. PEMBATASAN MASALAH
Peneliti membatasi fasilitas yang akan diteliti
yaitu hanya kepada:
1. Antrian pendaftaran
2. Antrian dokter umum (pasien dewasa)
3. Antrian dokter anak
4. Antrian apotik
Dokter gigi diabaikan karena fasilitas ini
memiliki jalur antrian yang berbeda (tidak
melalui jalur pendaftaran utama)
7. TUJUAN PENELITIAN
• Menentukan jumlah tempat duduk yang harus
tersedia untuk menampung pasien dewasa dan
anak-anak pada jam sibuk (peak hour)
• Menentukan jumlah server yang tepat.
Rata-rata waktu menunggu
menjadi lebih singkat
8. TINJAUAN PUSTAKA
• Simulasi Kejadian Diskrit
• Kombinasi Kejadian Diskrit dan Kontinyu
• Kerja Kejadian Diskrit
• Kejadian (Event)
9. SIMULASI KEJADIAN DISKRIT
Simulasi kejadian diskrit adalah simulasi
dengan perubahan status dari model simulasi
terjadi pada titik – titik waktu yang diskrit
(terputus-putus) yang dipicu oleh kejadian.
Lawan simulasi kejadian diskrit – simulasi
kontinyu yaitu variabel status berubah
sejalan dengan waktu.
10. KOMBINASI KEJADIAN DISKRIT DAN KONTINU
Suatu sistem dapat mengandung kombinasi
kejadian diskrit dan kontinu.
Nilai variabel status kontinu dapat tiba-tiba
naik/turun sebagai akibat suatu kejadian
diskrit.
Inisiasi kejadian diskrit dapat terjadi akibat
nilai variabel kontinu mencapai ambang batas
tertentu.
11. BAGAIMANA SIMULASI DISKRIT BEKERJA?
Model simulasi berorientasi
proses
Sistem digambarkan dalam
aliran proses
Aliran proses = urutan kejadian
Kejadiannya terjadwal
(scheduled event)
Kejadian kondisional = kejadian
dipicu oleh suatu kondisi
tertentu.
Contoh: kejadian kedatangan
pelanggan, pelanggan yang
selesai dilayani.
12. KEJADIAN (EVENT)
Kejadian yang mengubah status sistem
adalah:
1. Kedatangan (arrival), terjadi saat
pelanggan tiba di antrian
2. Kepergian (departure) dijadwalkan
berdasarkan lamanya waktu pelayanan.
3. Penghentian simulasi = kejadian
penghentian (termination)
13. METODOLOGI PENELITIAN
Mendefinisikan deskripsi sistem dan model konseptual dalam
simulasi.
Mengumpulkan serta menganalisa data
Membuat serta memvalidasi model
Merancang eksperimen simulasi dengan software ProModel
Analisa serta merepresentasikan hasil
14. HASIL PENELITIAN
• Deskripsi Sistem
• Analisis Data input
• Verifikasi dan Validasi Model
• Analisis Output
15. DESKRIPSI SISTEM
2. Fasilitas pelayanan di dalamnya
1. Lokasi puskesmas di
daerah Sadang Serang
3. Jam pelayanan dibatasi 4 jam
16. Model Konseptual
Model Konseptual adalah diagram hubungan antara
peristiwa dan faktor tertentu yang akan memberi
dampak ke suatu kondisi target.
Kondisi target adalah situasi akhir yang ingin
dipengaruhi.
17. Model Konseptual Puskesmas
Waktu kedatangan pasien
Rata-rata waktu menunggu di
Waktu pendaftaran
pendaftaran, klinik dan apotik
Waktu pelayanan di klinik umum
Maksimum jumlah antrian di
Waktu pelayanan di klinik anak pendaftaran, klinik dan apotik
Waktu pelayanan apotik
Aturan Jumlah Kapasitas Klinik
Layanan Server & Apotek
18. Aliran Diagram Entitas
Antrian Klinik
( FIFO) Layanan Klinik
10 9 7
Antrian Pendaftaran Layanan Antrian Apotek
Kedatangan pasien ( FIFO) ( FIFO) Layanan Apotek
Pendaftaran Kepergian pasien
20 14 13 12 11 4 3 2 1
Antrian Klinik
( FIFO) Layanan Klinik
8 6 5
19. ANALISIS DATA INPUT
1. Pengujian independensi data
Dilakukan untuk mengetahui apakah data memenuhi asumsi
independen.
Data dikatakan independen bila plot data meyebar secara acak
dan tidak membentuk pola tertentu.
Pengujian dengan scatter plot, autocorelation plot dan run
test.
2. Pengujian Homogenitas/Distribusi Identik
Menguji apakah dua/lebih kelompok data sampel berasal dari
populasi yang memiliki variansi yang sama.
Dilakukan dengan uji Kruskal Wallis.
20. 3. Uji Distribusi Fitting
Dilakukan untuk mengetahui pola distribusi data-data yang
diperoleh.
Dilakukan dengan uji Chi Square.
Tabel Hasil Analisis Data Input
Data Indepedensi Data Homogentas Data Distribusi Fitting
Waktu antar kedatangan data independen data homogen berdistribusi gamma
Waktu pelayanan pendaftaran data independen data homogen berdistribusi weibull
Waktu pelayanan dokter umum data independen data homogen berdistribusi pearson 5
Waktu pelayanan dokter anak data independen data homogen berdistribusi triangular
Waktu pelayanan apotek data independen data homogen berdistribusi lognormal
21. Pasien datang ke
Alur pelayanan pasien di puskesmas
Puskesmas Sadang Serang
Pasien mendaftar di
bagian pendaftaran
Tidak Ya
Pasien berumur >
10 tahun
Pasien ke ruangan Pasien ke ruangan
dokter anak dokter umum
Pasien dilayani Pasien dilayani
oleh dokter anak oleh dokter umum
Pasien memberikan
resep ke apotek
Pasien
mendapatkan obat
Pasien
meninggalkan
puskesmas
23. VERIFIKASI & VALIDASI MODEL
VERIFIKASI MODEL
Merupakan proses membandingkan apakah model
simulasi (ProModel) telah sesuai dengan model
konseptual.
Dilakukan dengan melihat kejadian (input) pada model
konseptual, apakah telah sesuai dengan tampilan pada
hasil running simulasi.
25. Validasi
Proses menentukan apakah model telah dapat
menggambarkan sistem nyatanya atau belum.
Dilakukan perbandingan antara output maksimum
antrian (hasil model simulasi) dengan kondisi aktual,
kemudian dilakukan uji t.
Uji t dilakukan untuk menguji apakah data dari model
dan aktual berasal dari distribusi yang sama.
Didapat hasil bahwa berdistribusi normal dengan
selang kepercayaan 95%.
Disimpulkan data simulasi dan aktual berasal dari
distribusi yang sama, dan dikatakan model valid.