Pengembangan Algoritma Multi-Objective Penjadwalan Dokter di Rumah Sakit Berbasis Pendekatan Pareto dan Hyperheuristic
Pemerintah Indonesia, khususnya Menteri Kesehatan telah berinisiatif meningkatkan kesadaran layanan kesehatan di negara ini. Anggaran untuk Perawatan Kesehatan meningkat sebesar 43%, dari IDR 74,3 triliun menjadi IDR 106,1 triliun pada tahun 2015 [1]. Kesadaran masyarakat akan kesehatan meningkat dari waktu ke waktu. Salah satu langkah untuk kesehatan orang adalah dalam usia harapan hidup, yaitu usia rata-rata orang yang tinggal di negara tersebut. Pada tahun 2002, usia harapan hidup orang Indonesia adalah sekitar usia 68 tahun. Pada tahun 2012, usia harapan hidup telah meningkat hingga usia 71 tahun [1]. Peningkatan harapan hidup menunjukkan peningkatan layanan kesehatan. Kontribusi dokter untuk layanan rumah sakit sangat penting, sehingga penjadwalan untuk dokter memainkan faktor penting.
Penjadwalan dokter menonjol dari penjadwalan sumber daya lain di rumah sakit karena beberapa aspek yang terlibat [3]: – Dokter, secara hukum, memenuhi syarat untuk memiliki kontrak kerja bersama dengan beberapa rumah sakit. – Pergantian dokter di rumah sakit telah menjadi salah satu tantangan paling kritis [4]. Oleh karena itu, penjadwalan dokter menjadi komponen taktis dalam proses operasional rumah sakit. Penelitian ini akan mempertimbangkan beberapa penugasan dokter yang disebutkan di atas sambil mempertimbangkan kendala dokter. Ada dua kendala yang harus dipenuhi, yaitu hard constraints dan soft constraints. Hard constraints terkait dengan peraturan dan aspek hukum dari pemerintah daerah / nasional dan rumah sakit, sedangkan soft constraints lebih terkait dengan preferensi dokter terhadap tujuan profesional dan pribadi mereka [5]. Hard constraints adalah keharusan untuk dipenuhi oleh penjadwalan dokter, di mana soft constraints adalah opsional, tetapi diharapkan untuk dipenuhi sebanyak mungkin [6]. Berdasarkan [3], ada dua opsi untuk menyelesaikan masalah penjadwalan dokter; baik menggunakan Exact Algoritma atau pendekatan Heuristik [7]. Namun demikian, kelemahan dari algoritma metaheuristic adalah diperlukan parameter tuning yang intensif dan memerlukan pengetahuan problem domain yang spesifik. Sehingga, untuk problem instance yang berbeda diperlukan parameter tuning yang berbeda juga. Jika tidak, performa algoritma akan bagus pada suatu problem instance tetapi sangat buruk pada problem instance yang lain. Oleh karena itu, untuk mengatasi permasalahan ini ide hyperheuristic muncul. hyper-heuristic dapat didefinisikan sebagai kumpulan pendekatan dengan tujuan untuk otomasi proses, biasanya menggunakan machine learning, untuk: (1) memilih dan mengkombinasikan heuristics yang lebih sederhana, atau (2) menghasilkan heuristic baru dengan komponen heuristic yang sudah ada, untuk memecahkan permasalahan pencarian komputasi yang sangat sulit dilakukan secara manual (hard computational search problem) [7].
Hyper-heuristic masih sangat jarang diteliti untuk memecahkan permasalahan penjadwalan [8]. Pada penelitian ini secara umum dapat dibagi menjadi dua tahap yaitu pemodelan matematika dan pengembangan algoritma untuk mencari solusi dari model tersebut. Model matematika dikonstruksikan berdasarkan karakteristik dan kompleksitas rumah sakit untuk meningkatkan kualitas dan efisiensi dalam operasi sehari-hari. Masalah penjadwalan multiobjective yang diusulkan di rumah sakit terdiri dari beberapa fungsi multi-objective yang mungkin saling bertentangan. Selain itu, beberapa modifikasi teknik hyper-heuristic berbasis optimisasi Pareto juga dikembangkan untuk mendapatkan penjadwalan terbaik dalam manajemen Ringkasan penelitian tidak lebih dari 500 kata yang berisi latar belakang penelitian, tujuan dan tahapan metode penelitian, luaran yang ditargetkan, serta uraian TKT penelitian yang diusulkan. rumah sakit. Luaran dari penelitian ini adalah model matematika, HAKI dan paper scopus Q1.
