Optimalisasi Alokasi Pasien Saat Puncak COVID-19 Di Kota Balikpapan Dengan Pendekatan LSTM-MIP - Submit Jurnal/Seminar
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Nurfauziah, Niken
Subject
RA Public aspects of medicine
Datestamp
2023-07-07 06:19:42
Abstract :
Pandemi virus COVID-19 telah mengejutkan dunia kesehatan dengan mengakibatkan ketidaksiapan dalam layanan kesehatan. Tingginya angka permintaan fasilitas layanan kesehatan mengakibatkan terjadinya lonjakan yang jauh melebihi kapasitas layanan kesehatan yang ada. Fenomena ini juga terjadi di Indonesia, di mana rumah sakit rujukan utama pada setiap kota dan kabupaten menghadapi kesulitan dalam menangani jumlah pasien COVID-19 yang terus meningkat. Hal ini dikarenakan, di Indonesia pasien COVID-19 menumpuk pada rumah sakit rujukan utama. Untuk mengatasi masalah ini, dilakukan penelitian yang mengembangkan model optimasi mixed integer programming (MIP) yang terintegrasi dengan model prediksi long short-term memory (LSTM). Tujuan utama dari penelitian ini adalah mengoptimalkan keseimbangan beban di antara rumah sakit rujukan COVID-19. Pengoptimalan dilakukan dengan mengalokasikan pasien yang melebihi kapasitas normal rumah sakit ke rumah sakit yang di bawah kapasitas. Metode LSTM terbukti sangat efektif dalam memprediksi pasien COVID-19 setiap hari karena memiliki nilai matriks r-square yang lebih dari 88%. Sementara itu, model MIP yang diusulkan mampu mengalokasikan sebanyak 101 pasien dengan tujuan utama untuk meminimalkan lonjakan kasus yang terjadi. Selain itu, hasil penelitian juga menunjukkan bahwa tanpa alokasi beban maksimum di rumah sakit mencapai 115%. Namun, setelah dilakukan alokasi pasien berhasil mengurangi tingkat beban menjadi 75%, dengan rata-rata tingkat beban di setiap rumah sakit sebesar 71%.
Pandemi virus COVID-19 telah mengejutkan dunia kesehatan dengan mengakibatkan ketidaksiapan dalam layanan kesehatan. Tingginya angka permintaan fasilitas layanan kesehatan mengakibatkan terjadinya lonjakan yang jauh melebihi kapasitas layanan kesehatan yang ada. Fenomena ini juga terjadi di Indonesia, di mana rumah sakit rujukan utama pada setiap kota dan kabupaten menghadapi kesulitan dalam menangani jumlah pasien COVID-19 yang terus meningkat. Hal ini dikarenakan, di Indonesia pasien COVID-19 menumpuk pada rumah sakit rujukan utama. Untuk mengatasi masalah ini, dilakukan penelitian yang mengembangkan model optimasi mixed integer programming (MIP) yang terintegrasi dengan model prediksi long short-term memory (LSTM). Tujuan utama dari penelitian ini adalah mengoptimalkan keseimbangan beban di antara rumah sakit rujukan COVID-19. Pengoptimalan dilakukan dengan mengalokasikan pasien yang melebihi kapasitas normal rumah sakit ke rumah sakit yang di bawah kapasitas. Metode LSTM terbukti sangat efektif dalam memprediksi pasien COVID-19 setiap hari karena memiliki nilai matriks r-square yang lebih dari 88%. Sementara itu, model MIP yang diusulkan mampu mengalokasikan sebanyak 101 pasien dengan tujuan utama untuk meminimalkan lonjakan kasus yang terjadi. Selain itu, hasil penelitian juga menunjukkan bahwa tanpa alokasi beban maksimum di rumah sakit mencapai 115%. Namun, setelah dilakukan alokasi pasien berhasil mengurangi tingkat beban menjadi 75%, dengan rata-rata tingkat beban di setiap rumah sakit sebesar 71%.
File :
12191060_cover.pdf
12191060_statement_of_authenticity.pdf
12191060_chapter_1.pdf
12191060_chapter_2.pdf
12191060_chapter_3.pdf
12191060_chapter_4.pdf
12191060_conclusions.pdf
12191060_bibliography.pdf
12191060_enclosure.pdf
12191060_paper.pdf
12191060_presentation.pdf
12191060_form020.pdf
12191060_publishing_agreement.pdf
12191060_approval_sheet.pdf
12191060_preface.pdf
12191060_abstract_id.pdf
12191060_abstract_en.pdf
12191060_table_of_content.pdf
12191060_illustrations.pdf
12191060_tables.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
