Professional Documents
Culture Documents
PENDAHULUAN
I.2. Permasalahan
Permasalahan yang akan ditemui ketika ingin meningkatkan kepuasan
kepada pelanggan antara lain :
1. Berapa lama pasien dalam sistem pelayanan rawat jalan di Rumah Sakit Adi
Husada Undaan Surabaya ?
2. Bagaimana model simulator yang sesuai dengan sistem antrian pada unit
pelayanan rawat jalan Rumah Sakit Adi Husada Undaan Surabaya ?
3. Berapa waktu dalam sistem pelayanan rawat jalan Rumah Sakit Adi Husada
Undaan Surabaya yang optimum ?
4. Bagaimana menentukan jumlah server yang optimal untuk lama pelanggan
dalam sistem yang minimum?
I.3. Tujuan
Adapun tujuan yang harus dicapai dari penelitian ini diantaranya adalah:
1. Mengetahui lama pasien dalam sistem pelayanan rawat jalan di Rumah Sakit
Adi Husada Undaan Surabaya ?
1
2. Mengetahui model simulator yang sesuai dengan sistem antrian pada unit
pelayanan rawat jalan Rumah Sakit Adi Husada Undaan Surabaya.
3. Mengetahui berapa waktu dalam sistem pelayanan rawat jalan Rumah Sakit
Adi Husada Undaan Surabaya yang optimum ?
4. Menentukan jumlah server yang optimal untuk lama pelanggan dalam
sistem yang minimum.
I.4. Manfaat
Hasil simulasi dapat dijadikan bahan pertimbangan bagi rumah sakit dalam
memberikan pelayanan. Dengan demikian akan diketahui metode pelayanan yang
lebih baik untuk diterapkan di rumah sakit tersebut. Dan dapat mengantisipasi
terjadinya antrian yang cukup panjang serta dapat memberikan pelayanan yang
cepat, tepat dan efisien.
2
BAB II
TINJAUAN PUSTAKA
3
Tipe-tipe model simulasi antara lain simulasi diskrit, simulasi kontinu,
kombinasi diskrit dan kontinu, dan simulasi Monte Carlo. Adapun model simulasi
diklasifikasikan antara lain :
1. Model simulasi statis dan dinamis
Model simulasi statis merupakan perwujudan dari sistem pada saat tertentu
atau dapat digunakan pada suatu sistem yang tidak memepunyai poengaruh
yang besar terhadap waktu.
2. Model simulasi deterministik dan stokastik
Jika suatu sistem tidak mengandung peubah-peubah yang bersifat probabilistik
maka sistem tersebut adalah model simulasi deterministik. Dan jika sebaliknya
adalah model simulasi stokastik.
3. Model simulasi diskrit dan kontinu
Model simulasi diskrit adalah model sistem dimana peubah sistem berubah –
ubah dalam waktu tertentu. Jika peubah sistem berubah terus menerus dalam
skala waktu maka modelnya adalah kontinu.
event
Executive F U
Activity, Multiple
count D C L W
4
D M
sensor
Generator Timer
V 1 2 3
a
UnBatch a b c
a
Batch
Set A b
b
c c
A
Set Attribute ∆ Get Attribute
use #
F u
L W
? b
#
select
a demand
Activity, Service Exit
# Select DE output
b
Combine Exit
A
d. Animated Library
Animated Attribute Animated Value
5
Dalam tahap ini dilakukan pengujian dengan statistik uji Kolmogorof
Smirnov. Yang bertujuan untuk menguji apakah data dari dua sampel independen
berasal dari distribusi yang identik, atau dapat juga digunakan untuk menguji
kecocokan distribusi atau goodness of fit test yang melibatkan sampel random
yang berasal dari distribusi yang belum diketahui. Dengan rumusan hipotesis:
H o : Dua sampel independen adalah berasal dari distribusi identik.
Jika X1,X2,…Xn adalah order statistik dari variabel random independen, maka
distribusi empirisnya didefinisikan :
n( X ≤ xi ) untuk i=1,2,….k<n
S ( x) =
n
statistik yang digunakan adalah jarak vertikal terbesar antara S(x) dan F*(x) yaitu
D yang didefinisikan :
[
D = sup F * ( x) − S ( x)
x
]
kaidah pengambilan keputusan yaitu H0 ditolak pada taraf nyata α jika D lebih
besar dari kuantil 1- α pada tabel Kolmogorof Smirnof satu sampel. Kesimpulan
juga dapat dilihat dari nilai P-value yaitu Tolak Ho jika P-value kurang dari α.
6
2.6.1 Lokasi dan Tata Letak Fasilitas
Rumah sakit Adi Husada berlokasi di jalan undaan wetan 40-44 Surabaya,
dan bagian rawat jalan terletak dilantai 4 pada rumah sakit tersebut. Berikut ini
gambar tata letak pelayanan.
Klinik Anak
Klinik Gigi
Pintu
Klinik Kulit Klinik
masuk
Kulit THT Syaraf
Klinik Klinik
Kulit P.Dalam
Klinik Mata
Ruang tunggu klinik
Klinik mum
Kulit
Gambar 2.1 Tata letak pada unit pelayanan rawat jalan RS Adi Husada
1. Pendaftaran pasien
7
Ketika calon pasien datang maka yang pertama kali dituju adalah pada
loket pendaftaran. Pada tahap ini pasien menunjukkan kartu berobat yang sudah
dimiliki. Server bertanya kepada pasien, akan menuju ke klini mana, kemudian
server mengambil kartu pasien dan pasien diberi nomor antrian. Setelah itu pasien
menuju ruang tunggu sampai pasien tersebut dipanggil.
2. Pemeriksaan oleh dokter
Setelah melakukan registrasi dan dipanggil maka selanjutya pasien menuju
klinik dan akan diperiksa oleh dokter. Setelah mengetahui penyakit dan
penanganan apa yang tepat untuk pasien tersebut. Kemudian dokter akan mengisi
blanko riwayat pasien. Dokter memberikan kuitansi dan resep pada pasien.
4. Kasir
Setelah mendapatkan pelayanan pada klinik, pasien menuju kasir untuk
membayar dan mengambil kartu berobat.
mulai
Pendaftaran
Klinik
Kasir
Selesa
i
Gambar 2.2 Diagram Proses Pada unit Pelayanan Rawat Jalan RS Adi Husada
BAB III
8
METODOLOGI PENTELITIAN
9
3. Pembuatan model dan uji distribusi yang akan digunakan
Dalam membangun model simulasi diperlukan pengetahuan tentang operasi-
operasi pada sistem yang sebenarnya. Uji Distribusi ini menggunakan program
Easyfit.
4. Pembuatan Simulator
Simulator dalam hal ini dibuat dengan menggunakan paket sofware Extend 6.0
yang telah terbukti sesuai untuk mengatasi kasus-kasus antrian.
5. Uji validitas input (dari hasil running simulator)
Hasil dari pilot run digunakan untuk memeriksa sensitivitas model berdasarkan
pada outputnya, karena ada perubahan-perubahan kecil pada parameter input.
Data output dari pilot run model sistem yang diperoleh dibandingkan dengan
data output dari sistem yang sebenarnya.
6. Uji validasi simulator
Uji validitas simulator ini dengan menggunakan rata-rata lama pelanggan di
dalam sistem. Caranya dengan mengerun model simulator sebanyak n kali dan
melakukan uji kasamaan mean dengan uji One-sample t-test dengan
menggunakan testmean yang diperoleh dari informasi pelayanan server.
7. Desain Eksperimen dan optimasi
Pada tahap ini akan diputuskan desain apakah yang akan digunakan untuk
disimulasikan, jika ada banyak kemungkinan alternatif sistem yang
memungkinkan untuk disimulasikan maka akan dipilih sistem yang paling
baik, sistem asli ataukah sistem alternatif pada simulator. Design eksperimen
ini dibuat denganmenggunakan respon surface. Tujuan dari membuat design ini
untuk mengetahui model optimum.
10
Pengumpulan data
Pembuatan
simulator
Evaluasi kinerja
simulator
Perbaiki
Tidak
simulator
Apakah
valid?
Ya
Melakukan simulasi hasil pembangkitan
bilangan random dengan menggunakan
simulator
Menarik kesimpulan
BAB IV
ANALISA DAN PEMBAHASAN
11
4.1 Statistika Deskriptif
Berdasarkan hasil survei di Rumah Sakit Adi Husada, diperoleh nilai
statistik deskriptif data sebagai berikut :
Tabel 4.1 Statistik Deskriptif Data Hasil Pengamatan
Dari tabel di atas dapat dilihat nilai statistika deskriptif dari setiap bagian
yang diamati. Rata-rata waktu antar kedatangan pasien sebesar 2,711 menit dan
standart deviasinya sebesar 2,351 menit, dengan nilai mnimum sebesar 0,083 dan
maksimum sebesar 16,1 menit. Untuk bagian lainnya dapat dilihat pada Tabel 4.1.
Hasil statistika deskriptif memperlihatkan bahwa data yang mempunyai nilai rata-
rata paling besar adalah lama pelayanan pada klinik gigi baik pada dokter 1
sebesar 14,819 menit dan dokter 2 sebesar 14,86 menit.
Variabel yang mempunyai nilai standard deviasi terbesar adalah data
pelayanan pada klinik anak yaitu sebesar 7,62. Sedangkan yang terkecil adalah
data pelayanan pada klinik gigi untuk dokter 1 yaitu sebesar 0,798.
12
4.2 Pengujian Kesamaan Rata-Rata Pelayanan Server
Pengujian kesamaan server ini dilakukan ketika dalam satu pelayanan
terdapat lebih dari satu server, sehingga setiap servernya perlu diuji apakah rata-
rata waktu lama pelayanan server yang satu dengan yang lain sama atau tidak.
Pengujian ini dilakukan dengan bantuan program SPSS Kolmogorof Smirnof 2
sampel dengan hipotesis sebagai berikut :
Ho : µ1 = µ2 µ1 = rata-rata untuk data pengamatan pada server 1
H1 : µ1 ≠ µ2 µ2 = rata-rata untuk data pengamatan pada server 2
Statistik Uji : 2 Independent Kolmogorov-Smirnov
α=5%
Kesimpulanya adalah gagal tolak Ho jika nilai P-value > α, sehingga rata-
rata sampel data hasil pengamatan pada server 1 samadengan rata-rata data hasil
pengamatan pada server 2.
Berikut ini adalah tabel hasil pengujian kesamaan rata-rata lama pelayanan
antara server yang satu dengan server yang lain dalam satu pelayanan :
Tabel 4.2 Hasil Pengujian Kesamaan Rata-Rata Lama Pelayanan Server
Berdasarkan Tabel 4.2 dapat dilihat bahwa rata-rata lama pelayanan pada
loket 1, loket 2, dan loket 3 adalah sama, hal ini terbukti dengan didapatkannya
nilai p-value sebesar 0,807, yang artinya gagal tolak Ho. Halnya sama dengan
bagian yang lain, pada klinik kulit didapatkan nilai p-value sebesar 0,955, ini
berarti gagal tolak Ho dengan kata lain rata-rata lama pelayanan antara dokter 1
dengan dokter 2 di klinik kulit adalah sama. Begitu juga dengan klinik THT,
klinik gigi, klinik syaraf, dan klinik umum yang terdiri dari dua server (dokter)
mempunyai nilai p-value berturut-turut sebesar 0,808; 0,938; 1; 0,998, sehingga
13
dapat disimpulkan bahwa gagal tolak Ho dan ini berarti rata-rata lama pelayanan
antara dokter 1 dengan dokter 2 di setiap klinik adalah sama.
Dari Tabel 4.3 dapat dilihat distribusi beserta parameter pada setiap bagian
yang diamati. Distribusi untuk waktu antar kedatangan pasien yang akan berobat
adalah distribusi Gamma dengan parameter α = 1,3291 dan β = 2,0397. Untuk
pelayanan registrasi baik pelayanan di loket 1, loket 2, dan loket 3 berdistribusi Gamma
dengan parameter α =1,9844 dan β =1,0136. Pada klinik akupuntur hanya terdapat satu
dokter dan pelayanannya berdistribusi Triangular dengan parameter m=5,57, a=2,8613,
14
dan b=6,4391. Dari hasil pengujian distribusi didapatkan ada lima klinik yang
berdistribusi Triangular yaitu klinik akupuntur, klinik gigi, klinik kulit, klinik syaraf, dan
klinik umum yang masing-masing parameternya dapat dilihat di Tabel 4.3. Selain itu ada
juga klinik yang berdistribusi Beta yaitu klinik anak, klinik mata, klinik penyakit dalam.
Dan satu klinik yang berdistribusi weibull dengan parameter α =2,2785 dan β=9,9331
yaitu klinik THT. Untuk kasir lama pelayanannya berdistribusi Gamma dengan parameter
α =3,9921 dan β =0,30413.
Klinik
Registra
si
Kasir
15
dengan data di lapangan perlu diuji kesamaannya (kevalidan data). Pengujian
dilakukan dengan bantuan program SPSS. Data simulator didapatkan pada bagian
info, setelah simulator dijalankan secara otomatis info akan berisi waktu obyek
melewatinya sehingga data dapat digunakan untuk menghitung waktu antar
kedatangan dan lama pelayanan. Pengujian ini didasarkan dengan hipotesis
sebagai berikut :
Ho : µ1 = µ2 µ1 = rata-rata data hasil pengamatan
H1 : µ1 ≠ µ2 µ2 = rata-rata data hasil simulator
Statistik Uji : 2 Independent Kolmogorov-Smirnov
α=5%
Keputusan gagal tolak Ho jika P-value > α sehingga rata-rata data pada
pengamatan samadengan rata-rata data pada hasil simulator. Tabel 4.4 menyajikan
hasil validasi input simulator antara data pengamatan dan hasil dari simulator
dengan masing-masing distribusi serta parameter yang telah ada.
Tabel 4.4 Hasil Pengujian Validasi Input Simulator
Dari informasi pada Tabel 4.4 secara keseluruhan hasil pengujian validasi
input terhadap data simulasi menunjukkan bahwa data dari hasil simulator dengan
data pengamatan mempunyai rata-rata yang sama ini berarti data simulasi valid
melalui mean, dapat dikatakan pula data simulator berdistribusi sama dengan data
16
asli. Hal ini diperkuat dengan nilai P-value > 0,05. Karena data telah valid maka
simulator dapat digunakan lebih lanjut untuk memberikan informasi.
Berdasarkan Tabel 4.5 dapat dilihat nilai mean data tersebut sebesar
29,096 menit dengan standar deviasi sebesar 7,456. P-value yang dihasilkan
adalah sebesar 0,228 dimana nilai tersebut < 0,05 maka gagal tolak H0 artinya
dapat disimpulkan bahwa berdasarkan hasil simulasi, rata-rata pasien lama dalam
sistem pelayanan rawat jalan Rumah Sakit Adi Husada Undaan sebesar 30 menit.
Selain itu juga dapat dilihat dari nilai confidence interval 95%, rata-rata pasien
lama dalam sistem berkisar antara 27,617 menit sampai 30,576 menit. Dari nilai
tersebut, maka nilai μ = 30 masuk dalam interval, sehingga dapat disimpulkan
bahwa rata-rata pasien lama dalam sistem pelayanan rawat jalan Rumah Sakit Adi
Husada sebesar 30 menit.
17
4.7 Optimasi
Salah satu tujuan dari metode simulasi ini adalah mengoptimumkan
pelayanan rawat jalan Rumah Sakit Adi Husada dengan cara meminimumkan
lama pasien dalam sistem tersebut, sehingga pasien tidak menunggu atau
mengantri terlalu lama, tanpa mengubah sistem aslinya terlebih dahulu. Sehingga
kalaupun terjadi kegagalan atau pasien semakin lama menunggu, hal tersebut
hanya terjadi dalam simulator, bukan sistem nyata.
4.7.1 Pemilihan Tempat Pelayanan yang Krusial
Untuk mengetahui pada tahap mana terjadi masalah yang krusial dalam
sistem rawat jalan Rumah Sakit Adi Husada tersebut dilakukan penganalisisan
terhadap sistem, kemudian didapatkan keputusan bahwa masalah yang krusial
terjadi pada tahap pembayaran yang ada di kasir dan pelayanan pada klinik kulit.
Hal ini dimungkinkan terjadi karena pada tahap kasir, hanya terdapat satu
orang kasir, sedangkan satu orang kasir itu harus melayani pembayaran semua
pasien yang telah dilayani di semua klinik, sehingga pada saat-saat tertentu,
dimana pasien pada masing-masing klinik selesai dilayani hampir bersamaan
maka terjadi antrian yang cukup panjang.
18
datang menuju ke klinik kulit, sehingga antrian klinik kulit pada saat itu cukup
panjang dibandingkan dengan klinik-klinik yang lainnya.
4.7.2 Desain Respon Surface
Setelah didapatkan tempat pelayanan yang krusial, maka dibuat desain
optimasi dimana pembuatan desain menggunakan metode faktorial. Faktor 1
adalah tahap pelayanan pembayaran di kasir, sedangkan faktor 2 adalah pelayanan
pasien di klinik kulit.
Desain respon surface secara umum dapat dilihat pada Tabel 4.6 yaitu nilai
pada kolom A dan B. Nilai -1 pada A setara dengan nilai 1 pada faktor 1. Dan
nilai 1 pada A sama dengan nilai 3 pada faktor 1. Sedangkan pada B, nilai -1 dan
1 sama dengan nilai 2 dan 4 pada faktor 2. Nilai 0 pada A dan B setara dengan
nilai 2 pada faktor 1 dan nilai 3 pada faktor 2, dimana nilai 0 itu merupakan nilai
tengah dari masing-masing faktor. Sedangkan untuk mencari nilai 1,4142 atau
-1,4142 yang setara dengan banyaknya server di faktor 1 dan faktor 2 digunakan
rumus berikut:
Dimana, deviasi adalah selisih antara nilai minimum dengan nilai tengah.
Sehingga pada faktor 1:
19
Tabel 4.6 Desain optimasi dan rata-rata lama dalam sistem pelayanan rawat jalan Rumah Sakit
Adi Husada
FAKTOR 1 FAKTOR 2
A B Lama dalam Sistem
(KASIR) (KLINIK KULIT)
0 1,41421 2 5 18,42845909
0 0 2 3 21,93834
-1 1 1 4 28,99988
1,41421 0 4 3 18,47275476
0 0 2 3 21,49207151
-1 -1 1 2 29,39601919
1 1 3 4 18,30984002
0 0 2 3 23,08566861
0 0 2 3 21,64614
0 -1,41421 2 2 22,73389581
1 -1 3 2 20,59028242
0 0 2 3 21,72357
-1,41421 0 1 3 26,54067749
20
Tabel 4.7 Response Surface Regression: Lama dalam sistem versus Kasir; Klinik Kulit
The analysis was done using coded units.
Dari hasil analisis respon surface pada Tabel 4.7 di atas, didapatkan nilai
koefisien constant pada model regresi sebesar 20,52 dan koefisien pada variabel
kasir dan kulit masing-masing sebesar -5,338 dan -1,915. Maka dapat disimpulkan
model regresi linier yang didapatkan adalah
.
Artinya apabila kasir ditambah satu orang, maka penaksiran lama pasien
dalam sistem pelayanan rawat jalan Rumah Sakit Adi Husada akan semakin
menurun sebesar 5,338 menit dengan syarat banyaknya server pada semua tahap
tetap. Apabila dokter pada klinik kulit bertambah satu orang, maka penaksiran
lama pasien dalam sistem pelayanan rawat jalan Rumah Sakit Adi Husada akan
semakin menurun sebesar 1,915 menit dengan syarat banyaknya server pada
semua tahap tetap.
Setelah didapatkan model regresi tersebut, maka dilakukan pengujian pada
lack of fit dan pengujian parameter-parameternya. Pertama, dilakukan pengujian
pada lack of fit, dengan menggunakan hipotesis berikut:
H0: Lack of fit tidak bermakna
H1: Lack of fit bermakna
21
Nilai α sebesar 0,05. Berdasarkan Tabel 4.8 pada anova lama dalam sistem
dapat dilihat nilai p pada baris lack of fit sebesar 0,012 maka p-value < 0,05
artinya tolak H0, sehingga dapat disimpulkan bahwa lack of fit bermakna. Hal ini
menunjukkan bahwa penggunaan orde satu pada model regresi tidak tepat, maka
penaksiran model lama dalam sistem tidak dapat menggunakna orde satu.
Karena lack of fit pada model tersebut bermakna, maka dibuat kembali
model regresi, tetapi dengan menggunakan orde 2, dimana ditambahkan fungsi
kuadratik dari kasir dan klinik kulit. Maka postulate model regresinya menjadi
Lama dalam sistem = β 0 +β 1 Kasir + β 2 Klinik Kulit + β 3 Kasir*Klinik Kulit
+ β 4 (Kasir)2 + β 5 (Klinik Kulit)2. Hasil analisis respon surface orde 2 dapat
dilihat pada Tabel 4.8
Tabel 4.8 Response Surface Regression: Lama dalam sistem versus Kasir; Klinik Kulit
The analysis was done using coded units.
Berdasarkan hasil analisis respon surface pada Tabel 4.8 di atas, didapatkan
nilai koefisien constant pada model regresi sebesar 19,4171 dan koefisien pada
variabel kasir dan kulit masing-masing sebesar -5,024 dan -2,1768. Nilai koefisien
interaksi antara kasir dan klinik kulit sebesar -1,0599 sedangkan koefisien dari
22
kuadratik pada kasir dan klinik kulit masing-masing sebesar 3,5022 dan -0,3837.
Maka dapat disimpulkan model regresi orde 2:
= 19,4171 - 5,024 Kasir - 2,1768 Klinik kulit - 1,0599
Kasir*Klinik kulit + 3,5022 (Kasir)2 - 0,3837 (Klinik Kulit)2.
Dari model regresi tersebut, dilakukan pengujian pada lack of fit dan
pengujian parameter-parameternya. Pertama, dilakukan pengujian pada lack of fit,
dengan menggunakan hipotesis berikut:
H0: Lack of fit tidak bermakna
H1: Lack of fit bermakna
Nilai α sebesar 0,05. Berdasarkan Tabel 4.8 pada anova lama dalam sistem
dapat dilihat nilai p pada baris lack of fit sebesar 0,052 maka p-value < 0,05
artinya gagal tolak H0, sehingga dapat disimpulkan bahwa lack of fit tidak
bermakna. Hal ini menunjukkan bahwa model regresi yang lebih tepat adalah
model regresi orde dua.
Selanjutnya dilakukan pengujian secara serentak pada regresi linier dan
kuadratik. Pada pengujian secara serentak untuk regresi linier, digunakan
hipotesis berikut:
H0: β 1 = β 2 = 0
H1: paling tidak terdapat satu β j ≠ 0 untuk j=1,2
Dengan menggunakan α sebesar 0,05. Pada anova lama dalam sistem yang
terdapat pada Tabel 4.8 dibaris regresi linier diperoleh p-value sebesar 0,001
dimana nilai p-value < 0,05 maka diputuskan untuk tolak H0, sehingga minimal
terdapat satu β j yang nilainya tidak sama dengan nol, maka secara serentak
regresi linier signifikan terhadap model.
H0: β 4 = β 5 = 0
H1: minimal terdapat satu β j ≠ 0 untuk j=4,5
Merupakan hipotesis yang digunakan untuk menguji regresi kuadratik
dengan α sebesar 0,05. Pada anova lama dalam sistem yang terdapat pada Tabel
4.8 dibaris regresi kuadratik diperoleh p-value sebesar 0,010 dimana nilai p-value
< 0,05 maka diputuskan untuk tolak H0, sehingga minimal terdapat satu β j yang
23
nilainya tidak sama dengan nol, maka secara serentak regresi kuadratik signifikan
terhadap model.
Secara serentak didapat kesimpulan bahwa terdapat nilai parameter yang
signifikan terhadap model. Namun untuk mengetahui parameter-parameter mana
saja yang signifikan terhadap model, maka perlu dilakukan pengujian secara
individu terhadap parameter-parameter tersebut.
H0: β 1 = 0
H1: β 1 ≠ 0
Dengan α sebesar 0,05 dan nilai p pada baris Kasir sebesar 0,000 maka nilai
p < 0,05 sehingga diputuskan tolak H0. Maka β 1 signifikan, dapat disimpulkan
bahwa variabel banyaknya server pada tahap kasir berpengaruh pada lama pasien
dalam sistem.
H0: β 2 = 0
H1: β 2 ≠ 0
Dengan α sebesar 0,05 dan nilai p pada baris Klinik Kulit sebesar 0,023
maka nilai p < 0,05 sehingga diputuskan tolak H0. Maka β 2 signifikan, dapat
disimpulkan bahwa variabel banyaknya dokter pada klinik kulit berpengaruh pada
lama pasien dalam sistem.
H0: β 3 = 0
H1: β 3 ≠ 0
α yang digunakan adalah 0,05 dan nilai p pada baris Kasir*Klinik Kulit
sebesar 0,446 maka nilai p > 0,05 sehingga diputuskan gagal tolak H0. Maka β 3
24
H0: β 5 = 0
H1: β 5 ≠ 0
α sebesar 0,05 dan nilai p pada baris Klinik kulit*Kllinik kulit sebesar 0,656
maka nilai p > 0,05 sehingga diputuskan gagal tolak H0. Maka β 5 tidak
signifikan, dapat disimpulkan bahwa variabel kuadratik dari banyaknya dokter
pada klinik kulit tidak berpengaruh pada lama pasien dalam sistem.
26 – 28
> 28
3,5
3,0
2,5
2,0
1,0 1,5 2,0 2,5 3,0 3,5 4,0
KASIR
Gambar 4.3 Contour Plot Lama Dalam Sistem VS Klinik Kulit; Kasir
Berdasarkan Gambar 4.3 lama dalam sistem yang paling besar adalah lebih
dari 28 menit, dimana hal tersebut akan terjadi apabila server pada kasir sebanyak
1 orang dan dokter pada klinik kulit sebanyak 2 orang, ini sama dengan sistem
real yang terdapat pada pelayanan rawat jalan Rumah Sakit Adi Husada, selain itu
juga dapat terjadi apabila banyaknya server pada kasir sebanyak 1 orang dan
dokter pada klinik kulit sebanyak 4 orang. Sedangkan lama pasien dalam sistem
yang paling minimum adalah kurang dari 20 menit. Hal ini dapat terjadi apabila
banyaknya server pada kasir dan banyaknya dokter pada klinik kulit sebesar 2 dan
5, 3 dan 4, 4 dan 4, serta 4 dan 3.
25
Surface Plot of Lama dalam sistem vs KLINIK KULIT; KASIR
30
20
3,5
KA SI R
2,5
1,5
3 T
KLI NI K KULI
2
Gambar 4.4 Surface Plot Lama Dalam Sistem VS Klinik Kulit; Kasir
Dari Gambar 4.4 di atas dapat disimpulkan bahwa lama pasien dalam sistem
yang paling minimum adalah kurang dari 20 menit terjadi apabila banyaknya
server pada kasir sebanyak 2 orang dan dokter pada klinik kulit sebanyak 5
dokter. Dan lama dalam sistem yang paling maksimum, yaitu lebih dari 25 menit
terdapat pada sistem real di pelayanan rawat jalan Rumah Sakit Adi Husada, yaitu
dengan kasir sebanyak 1 server dan klinik kulit sebanyak 2 dokter. Selain itu juga
dapat terjadi apabila jumlah kasir sebanyak 1 orang dan klinik kulit terdapat 4
dokter.
Berdasarkan kesimpulan dari kedua gambar, yaitu Gambar 4.3 dan 4.4 maka
dibuat plot optimasi lama pasien dalam sistem, dengan memberikan nilai target
kurang dari 20 menit (atau sebesar 19 menit), didapat plot optimasi lama dalam
sistem seperti pada Gambar 4.5.
26
Optimal KASIR KLINIK K
D High 4,0 5,0
Cur [2,50] [3,7783]
1,0000 Low 1,0 2,0
Composite
Desirability
1,0000
Lama dal
Targ: 19,0
y = 19,0000
d = 1,0000
27
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
28
5.2 Saran
Simulasi sangat berguna untuk mengetahui dan mendapatkan optimasi dari
suatu sistem, karena agar kita tidak merusak sistem nyata maka lebih baik
mencobanya terlebih dahulu pada simulator. Namun untuk mendapatkan
simulator yang sesuai dengan sistem nyatanya, maka syarat-syarat validasi harus
dipenuhi, diantaranya validasi input dan validasi sistem. Selanjutnya analisis
tempa-tempat yang krusial dari sistem tersebut, maka dapat dilakukan optimasi
pada sistem. Saran yang diberikan peneliti untuk pihak rawat jalan Rumah Sakit
Adi Husada adalah sebaiknya menambah server pada pelayanan pembayaran di
kasir menjadi 3 orang server dan juga menambah dokter pada klinik kulit menjadi
4 orang dokter disetiap hari sabtu.
29
LAMPIRAN
Lampiran 1
Waktu
antar Waktu Waktu
N Waktu antar kedatanga antar antar
o kedatangan No n No kedatangan No kedatangan
5,03333333 1,78333333
1 3 32 3,65 63 2,15 94 3
0,98333333 2,0666666 3,68333333
2 3 33 2,3 64 67 95 3
4,88333333 3,9333333 2,21666666
3 3 34 2,3 65 33 96 7
1,66666666 0,5166666 3,73333333
4 7 35 67 66 1,1 97 3
1,1333333 0,6166666
5 4,75 36 33 67 67 98 3,5
3,4666666 2,56666666
6 2,5 37 67 68 1,75 99 7
9,01666666 0,3333333 10 1,68333333
7 7 38 33 69 0,3 0 3
3,6333333 10
8 6,25 39 3,1 70 33 1 4,1
1,71666666 0,3166666 10
9 7 40 5,8 71 67 2 3,2
2,8166666 10 6,63333333
10 2,95 41 2,45 72 67 3 3
0,0833333 10
11 1,4 42 0,15 73 33 4 1,75
0,71666666 1,5333333 4,9666666 10 6,01666666
12 7 43 33 74 67 5 7
30
2,46666666 1,3166666 10
13 7 44 67 75 2,2 6 2,5
5,31666666 3,5833333 10
14 7 45 33 76 4,05 7 2,7
2,13333333 5,1666666 10
15 3 46 2,15 77 67 8 0,7
0,33333333 0,1333333 10 0,96666666
16 3 47 33 78 1 9 7
6,1666666 0,5833333 11 1,46666666
17 1,15 48 67 79 33 0 7
5,06666666 2,1166666 2,2333333 11
18 7 49 67 80 33 1 0,7
0,41666666 0,7833333 11
19 7 50 3,2 81 33 2 1,35
3,5833333 11 1,01666666
20 1,6 51 4,55 82 33 3 7
1,2833333 0,6833333 11 1,96666666
21 0,4 52 33 83 33 4 7
0,96666666 1,9833333 5,7166666 11 1,71666666
22 7 53 33 84 67 5 7
8,08333333 11
23 3 54 1,4 85 4,45 6 0,45
2,1166666 0,9166666 11 0,56666666
24 4,85 55 67 86 67 7 7
3,4666666 11 3,76666666
25 1,8 56 67 87 6,1 8 7
0,4333333 1,6333333 11
26 2 57 33 88 33 9 2,05
0,5333333 0,0833333 12 6,03333333
27 16,1 58 33 89 33 0 3
5,01666666 2,4833333 12
28 7 59 3 90 33 1 2,3
2,98333333 12,366666 3,2166666 12 3,26666666
29 3 60 67 91 67 2 7
1,5333333 12 1,21666666
30 3,15 61 2,25 92 33 3 7
1,9166666 0,7833333 12
31 1,8 62 67 93 33 4 1,4
31
3,3666 2,5166 0,6333 1,7333
7 3,1 7 4,1 3 3
1,8666 4,0166 3,8833 1,0833
7 7 3,8 3 1,2 3
3,8166 1,0666 0,7333
3,85 2,85 1,95 7 7 3
0,5166 0,9333 0,7166 0,3666
3,3 7 3,15 3 7 7
0,8333 0,9833 0,5166 0,7666
3 3 1,75 7 2,05 7
4,8333 2,4833 1,4333 1,9666
0,65 3 0,35 3 3 7
0,3833 1,0166 1,6333 1,8666
3 7 3 1,85 7 0,95
0,7666 1,9333 1,6666 1,4666 0,1833
7 3 7 7 1,4 3
1,7666 2,4166 1,2666 0,5666
7 7 3,15 1,45 7 7
1,9666 0,1333 1,6833 1,9833 1,0666
7 3 3 3 1 7
3,7666 0,7166 0,3166 4,6666 1,9333
1,55 7 7 7 7 3
0,8333 4,5166
4 2 3 2,4 7
4,3666 0,1666 3,6833 1,7833
7 7 3 3
2,5833 2,6666
2,65 1,4 3 7
0,9666 5,6833 1,1833
7 3 1,4 3
1,8833 1,2333
2,5 1 3 3
3,2666 0,4333 0,9333 0,7833
7 3 3 3
3,7166 2,0666
7 7
2,55 0,85
0,3166
7 2
32
Lama Pelayanan Klinik (menit)
Klinik KLinik Klinik Klinik
Anak
Klinik Klinik kulit kulit THT THT
Akupunt
Mata ur server 1 server 2 server 1 server 2
11 4,55 6,63 7,25 7,45 18,00 2,70
11,68 6,18 13,87 13,78 13,37 11,55 19,70
13,58 5,05 12,22 11,73 12,27 13,39 9,55
10,23 5,63 13,10 13,08 5,73 5,97 15,67
10,45 5,32 1,50 4,05 9,87 11,95 7,42
15,58 5,53 6,47 5,63 11,32 11,77 20,53
14,71 4,12 5,15 10,80 10,42 5,60 2,27
10,35 5,57 11,43 7,53 3,42 8,58
14,08 4,13 7,48 8,35 7,58 7,65
3,37 4,88 3,87 10,10 7,47
6,83 3,92 3,22 2,80
6,57 16,13
10,63
33
Lama Pelayanan Kasir (menit)
No Kasir No Kasir No Kasir No Kasir
1,33333 0,88333 0,73333 1,08333
1 3 16 3 31 3 46 3
2,16666 0,63333 1,78333 0,78333
2 7 17 3 32 3 47 3
1,01666 0,88333 2,81666 0,73333
3 7 18 3 33 7 48 3
1,71666 2,31666
4 1,15 19 0,85 34 7 49 7
0,81666 0,98333
5 0,6 20 1,9 35 7 50 3
3,53333 1,41666 0,63333
6 3 21 7 36 0,85 51 3
1,26666 1,53333
7 7 22 0,85 37 0,75 52 3
1,46666 1,88333
8 1,3 23 7 38 3 53 0,8
0,51666 0,68333
9 2,15 24 1,25 39 7 54 3
1,91666 1,61666 0,58333
10 7 25 7 40 2,15 55 3
0,46666 0,81666 0,68333 0,68333
11 7 26 7 41 3 56 3
1,18333 1,43333
12 3 27 3 42 1,15 57 0,65
0,91666 1,91666 0,86666
13 1,05 28 7 43 7 58 7
1,43333 1,31666
14 3 29 1,35 44 0,8 59 7
0,66666 1,03333 0,88333
15 7 30 3 45 3
34
Lampiran 2
Positive .130
Negative -.080
Kolmogorov-Smirnov Z .640
Positive .205
Negative -.173
Kolmogorov-Smirnov Z .512
35
Test Statistics Lama Pelayanan Dokter 1 dan Dokter 2
Pada Klinik THT
THT
Positive .273
Negative -.091
Kolmogorov-Smirnov Z .640
Positive .286
Negative -.286
Kolmogorov-Smirnov Z .535
Positive .200
Negative -.200
Kolmogorov-Smirnov Z .316
Lampiran 3
36
Pengujian Distribusi Data
0,6
0,56
0,52
0,48
0,44
0,4
0,36
0,32
f(x)
0,28
0,24
0,2
0,16
0,12
0,08
0,04
0
0 2 4 6 8 10 12 14 16
x
Histogram Gamma
37
P robability Dens ity Func tion
0 ,3
0 ,2 8
0 ,2 6
0 ,2 4
0 ,2 2
0 ,2
0 ,1 8
0 ,1 6
f(x)
0 ,1 4
0 ,1 2
0 ,1
0 ,0 8
0 ,0 6
0 ,0 4
0 ,0 2
0
0 ,4 0 ,8 1 ,2 1 ,6 2 2 ,4 2 ,8 3,2 3 ,6 4 4 ,4 4 ,8 5,2 5 ,6
x
0,4
0,36
0,32
0,28
0,24
f(x)
0,2
0,16
0,12
0,08
0,04
0
3,4 3,6 3,8 4 4,2 4,4 4,6 4,8 5 5,2 5,4 5,6 5,8 6 6,2
x
38
Lama Pelayanan Klinik Anak
0 ,4 4
0 ,4
0 ,3 6
0 ,3 2
0 ,2 8
0 ,2 4
f(x)
0 ,2
0 ,1 6
0 ,1 2
0 ,0 8
0 ,0 4
0
4 6 8 10 12 14 16 18 20
x
P ro b a b ilit y D e n s it y F u n c t io n
0 ,4 4
0 ,4
0 ,3 6
0 ,3 2
0 ,2 8
0 ,2 4
f(x)
0 ,2
0 ,1 6
0 ,1 2
0 ,0 8
0 ,0 4
0
1 3 ,2 1 3 ,6 14 1 4 ,4 1 4 ,8 1 5 ,2 1 5 ,6 16 1 6 ,4
x
H is to g ra mT ria n g u la r
39
Data waktu antar kedatangan pada loket berdistribusi Triangular dengan
parameter m=15,01 a=12,5 b=17,147
0 ,3 2
0 ,2 8
0 ,2 4
0 ,2
f(x)
0 ,1 6
0 ,1 2
0 ,0 8
0 ,0 4
0
2 4 6 8 10 12 14 16
x
40
P ro b a b ilit y D e n s ity F u n c tio n
0 ,4 8
0 ,4 4
0 ,4
0 ,3 6
0 ,3 2
0 ,2 8
0 ,2 4
f(x)
0 ,2
0 ,1 6
0 ,1 2
0 ,0 8
0 ,0 4
0
1 0 ,4 1 0 ,8 1 1 ,2 1 1 ,6 12 1 2 ,4 1 2 ,8 1 3 ,2 1 3 ,6 14 1 4 ,4 1 4 ,8 1 5 ,2 1 5 ,6
x
P ro b a b ilit y D e n s it y F u n c t io n
0 ,5 2
0 ,4 8
0 ,4 4
0 ,4
0 ,3 6
0 ,3 2
0 ,2 8
f(x)
0 ,2 4
0 ,2
0 ,1 6
0 ,1 2
0 ,0 8
0 ,0 4
0
1 0 ,4 1 0 ,8 1 1 ,2 1 1 ,6 12 1 2 ,4 1 2 ,8 1 3 ,2 1 3 ,6 14
x
41
Lama Pelayanan Klinik Syaraf
P ro b a b ilit y D e n s it y F u n c t io n
0 ,4 4
0 ,4
0 ,3 6
0 ,3 2
0 ,2 8
0 ,2 4
f(x)
0 ,2
0 ,1 6
0 ,1 2
0 ,0 8
0 ,0 4
0
1 0 ,4 1 0 ,8 1 1 ,2 1 1 ,6 12 1 2 ,4 1 2 ,8 1 3 ,2 1 3 ,6 14 1 4 ,4 1 4 ,8 1 5 ,2 1 5 ,6
x
P ro b a b ilit y D e n s it y F u n c t io n
0 ,3
0 ,2 8
0 ,2 6
0 ,2 4
0 ,2 2
0 ,2
0 ,1 8
0 ,1 6
f(x)
0 ,1 4
0 ,1 2
0 ,1
0 ,0 8
0 ,0 6
0 ,0 4
0 ,0 2
0
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
x
H is to g ra mW e ib u ll
42
Data lama pelayanan klinik THT berdistribusi Weibull dengan parameter
α =2,2785 dan β =9,9331
P ro b a b ilit y D e n s it y F u n c t io n
0 ,4
0 ,3 6
0 ,3 2
0 ,2 8
0 ,2 4
f(x)
0 ,2
0 ,1 6
0 ,1 2
0 ,0 8
0 ,0 4
0
9 ,2 9 ,6 10 1 0 ,4 1 0 ,8 1 1 ,2 1 1 ,6 12 1 2 ,4 1 2 ,8
x
0,48
0,44
0,4
0,36
0,32
0,28
f(x)
0,24
0,2
0,16
0,12
0,08
0,04
0
0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4 2,6 2,8 3 3,2 3,4
x
43
Data waktu antar kedatangan pada loket berdistribusi Gamma dengan
parameter α =3,9921 β =0,30413
Lampiran 4
Pengujian Validasi Input Simulator
Positive .089
Negative -.016
Kolmogorov-Smirnov Z .699
Positive .087
Negative -.110
Kolmogorov-Smirnov Z .878
Positive .214
Negative -.071
Kolmogorov-Smirnov Z .567
44
Test Statistics Uji Validasi Lama Pelayanan Klinik Kulit
kulit
Positive .160
Negative -.240
Kolmogorov-Smirnov Z .849
Positive .300
Negative -.300
Kolmogorov-Smirnov Z .671
Positive .136
Negative -.273
Kolmogorov-Smirnov Z .905
45
Test Statistics Uji Validasi Lama Pelayanan Klinik
Umum
umum
Positive .308
Negative -.231
Kolmogorov-Smirnov Z .784
Positive .286
Negative -.286
Kolmogorov-Smirnov Z .535
Positive .000
Negative -.400
Kolmogorov-Smirnov Z .894
46
Test Statistics Uji Validasi Lama Pelayanan Klinik Mata
Mata
Positive .222
Negative -.444
Kolmogorov-Smirnov Z .943
Positive .250
Negative -.625
Kolmogorov-Smirnov Z 1.250
Positive .059
Negative -.243
Kolmogorov-Smirnov Z 1.312
47
Lampiran 5
48
20,15748145 27,10375519 63,04882496
24,10893558 25,76232806 33,34858059
19,86554387 28,79989587 28,09391084
28,28809912 40,00743459 36,89505006
28,00430329 31,83373116 22,18458614
22,03506331 25,83591374 23,781156
37,97775795 26,68322886 35,70347604
40,7161179 28,04057001 25,73779677
25,17298836 41,67903106 33,15225174
22,84458885 35,62960422 25,54259334
31,26623508
49