Optimalisasi Alokasi Pasien Saat Puncak COVID-19 Di Kota Balikpapan Dengan Pendekatan LSTM-MIP - Submit Jurnal/Seminar

Nurfauziah, Niken (2023) Optimalisasi Alokasi Pasien Saat Puncak COVID-19 Di Kota Balikpapan Dengan Pendekatan LSTM-MIP - Submit Jurnal/Seminar. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 12191060_cover.pdf Restricted to Repository staff only until 7 January 2025. Download (48kB) | Request a copy
	Text 12191060_statement_of_authenticity.pdf Restricted to Repository staff only until 7 January 2025. Download (151kB) | Request a copy
	Text 12191060_publishing_agreement.pdf Restricted to Repository staff only until 7 January 2025. Download (135kB) | Request a copy
	Text 12191060_approval_sheet.pdf Restricted to Repository staff only until 7 January 2025. Download (231kB) | Request a copy
	Text 12191060_preface.pdf Restricted to Repository staff only until 7 January 2025. Download (180kB) | Request a copy
	Text 12191060_abstract_id.pdf Restricted to Repository staff only until 7 January 2025. Download (123kB) | Request a copy
	Text 12191060_abstract_en.pdf Restricted to Repository staff only until 7 January 2025. Download (122kB) | Request a copy
	Text 12191060_table_of_content.pdf Restricted to Repository staff only until 7 January 2025. Download (148kB) | Request a copy
	Text 12191060_illustrations.pdf Restricted to Repository staff only until 7 January 2025. Download (140kB) | Request a copy
	Text 12191060_tables.pdf Restricted to Repository staff only until 7 January 2025. Download (140kB) | Request a copy
	Text 12191060_chapter_1.pdf Restricted to Repository staff only until 7 January 2025. Download (489kB) | Request a copy
	Text 12191060_chapter_2.pdf Restricted to Repository staff only until 7 January 2025. Download (199kB) | Request a copy
	Text 12191060_chapter_3.pdf Restricted to Repository staff only until 7 January 2025. Download (588kB) | Request a copy
	Text 12191060_chapter_4.pdf Restricted to Repository staff only until 7 January 2025. Download (1MB) | Request a copy
	Text 12191060_conclusions.pdf Restricted to Repository staff only until 7 January 2025. Download (124kB) | Request a copy
	Text 12191060_bibliography.pdf Restricted to Repository staff only until 7 January 2025. Download (201kB) | Request a copy
	Text 12191060_enclosure.pdf Restricted to Repository staff only until 7 January 2025. Download (276kB) | Request a copy
	Text 12191060_paper.pdf Restricted to Repository staff only until 7 January 2025. Download (815kB) | Request a copy
	Text 12191060_presentation.pdf Restricted to Repository staff only until 7 January 2025. Download (2MB) | Request a copy
	Text 12191060_form020.pdf Restricted to Repository staff only until 7 January 2025. Download (201kB) | Request a copy

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%.

Item Type:	Thesis (Bachelor)
Subjects:	R Medicine > RA Public aspects of medicine R Medicine > RA Public aspects of medicine > RA0421 Public health. Hygiene. Preventive Medicine T Technology > T Technology (General)
Divisions:	Jurusan Teknologi Industri dan Proses > Teknik Industri
Depositing User:	Niken Nurfauziah
Date Deposited:	07 Jul 2023 06:19
Last Modified:	07 Jul 2023 06:19
URI:	http://repository.itk.ac.id/id/eprint/19541

Actions (login required)

View Item