BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

33 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Tahap selanjutnya adalah pelaksanaan penelitian yang dilakukan di Rumah Sakit Umum Haji Surabaya. Penelitian dilakukan dengan pengamatan, pengumpulan data yang terdiri dari data yang bersifat kualitatif dan kuantitatif ataupun brainstorming yang dilakukan dengan pihak yang terkait dan mengerti kondisi rumah sakit. Selanjutnya dilakukan pengolahan data untuk mendapatkan penyelesaian permasalahan yang terjadi di Rumah Sakit Umum Haji Surabaya. 4.1

Deskripsi Perusahaan.

RSU Haji Surabaya didirikan sehubungan dengan peristiwa yang menimpa jamaah haji Indonesia di terowongan Mina Mekkah pada tahun 1990. RSU Haji diresmikan pada tanggal 17 April 1993 sebagai rumah sakit umum kelas C non pendidikan, dengan SK Gubernur Propinsi Jawa Timur No 23 tahun 1993 junto SK Gubernur No. 136 tahun 1997 tanggal 11 Desember 1997, tentang organisasi dan tata kerja RSUD Haji Surabaya Propinsi Jawa Timur. Kemudian dengan adanya perubahan kelas rumah sakit dari kelas C menjadi kelas B non pendidikan (Surat Keputusan Menteri Kesehatan No.1006/Menkes/SK/IX/1998 tanggal 21 September 1998) maka SK Gubernur No 136 Tahun 1997 diganti dengan Perda No 9 tahun 1998 tanggal 21 Deember 1998, tentang organisasi dan tata kerja RSU Haji Surabaya. Dalam rangka menjamin keberhasilan peningkatan mutu dan jangkauan pelayanan rumah sakit, seiring dengan tuntutan masyarakat akan pelayanan kesehatan yang bermutu, maka rumah sakit harus dikelola secara professional. Di samping itu juga sejalan dengan perkembangan era globalisasi dan persaingan yang semakin ketat. RSU Haji yang berada di kota besar harus bersaing dengan rumah sakit lain yang banyak bermunculan dengan taraf

34 internasional yang menawarkan fasilitas kesehatan yang lebih lengkap. Sesuai dengan SK Direktur RSU Haji No.445/04/01.1/2001, visi dan misi RSU Haji Surabaya sebagai berikut : VISI

: Pelayanan Kesehatan Prima Secara Islami

MISI

:

1. Menyelenggarakan pelayanan kesahatan yang bernutu, paripurna dan professional. 2. Mengelola Rumah Sakit secara Swadana 3. Menyelenggarakan pengembangan dan penelitian kesehatan masyarakat serta jamaah haji 4. Menciptakan lingkungan kerja sejahtera yang islami. Sedangkan motto RSU Haji adalah Kepuasan anda adalah tujuan kami. Sesuai dengan misi Rumah Sakit Umum Haji Surabaya,yaitu ingin menjadi pusat pengembangan kesahatan jamaah haji saat embarkasi dan debarkasi untuk wilayah Jawa Timur dan sekitarnya, sebagai sarana pelayanan kesehatan umum dan merupakan tempat pelayanan masyarakat umum, peserta asuransi kesehatan (ASKES), asuransi tenaga kerja (ASTEK) serta pasien rujukan dari rumah sakit lain. Salah satu misi RSU Haji Surabaya adalah meningkatkan mutu pelayanan dengan indicator mencapai sebuah kepuasan bago pasien, maka untuk mencapai hal tersebut secara operasional telah ditetapkan oleh pihak menejemen tentang “Tri Upaya Citra RSU Haji Surabaya” yaitu citra manajemen, citra pelayanan serta citra kebersihan, ketertiban dan keamanan. Rumah Sakit Umum Haji Surabaya berlokasi di jalan Manyar Kertoadi Kecamatan Sukolilo Surabaya dan berdampingan dengan asrama Haji Surabaya. RSU Haji ini menempati lahan seluas 24.300 m2 dengan luas bangunan keseluruhan 15.464 m2 dan jalan paving serta halaman parkir seluas 6.741 m2.

35 4.1.1

Stuktur Organisasi RSU Haji Surabaya.

Status organisasi RSU Haji Surabaya menjadi badan yang disebut RSU Haji terdiri dari : 1 direktur utama, 2 wakil direktur, 1 sekertaris, 5 bidang dan instalasi-instalasi. Disamping itu, dibentuk komite medik, komite perawatan serta staf-staf fungsional lainnya. Struktur organisasi yang sedikit diuraikan di atas telah sesuai dengan surat keputusan Menteri Kesehatan RI No. 983/MENKES/SK/XI/1992, tentang pedoman organisasi rumah sakit umum pasal 26 yang menyebutkan bahwa susunan organisasi rumah sakit umum kelas B non pendidikan terdiri dari : 

Direktur yang dibantu sebanyak-banyaknya 2 wakil direktur.  Wakil direktur pelayanan  Wakil direktur umum dan keuangan  Komite medik dan staf fungsional  Dewan penyantun  Satuan pengawas intern. Untuk meningkatkan pelayanan dan mengembangkan system menajemen rumah sakit, maka pihak RSU Haji mengelola rumahh sakit secara profesional dengan membentuk central business unit yang terdiri atas beberapa instalasi yang akan menjadi pusat pendapatan rumah sakit. 4.1.2

Unit Pelayanan.

Jenis kegiatan pelayan yang dilaksanakan oleh RSU Haji Surabaya meliputi pelayanan kesehatan dasar dan pelayanan kesehatan spesialistik yang dapat diperoleh pasien. Unit pelayanan yang ada pada RSU Haji Surabaya antara lain : 1. Pelayanan rawat jalan yang terdiri dari 17 poliklinik, yaitu : poli syaraf, paru, jantung, kulit dan kelamin, mata, hamil, anak kandungan dan keluarga berencana, gigi dan mulut, bedah, jantung, THT, dalam/interna, rehab medik,

36 jiwa, psikologi, konsultasi gigi dan pencegahan (general check-up dan imunisasi). 2. pelayanan gawat darurat, yang buka selama 24 jam. 3. pelayanan rawat inap dengan kapasitas terdiri dari 227 tempat tidur (termasuk paviliun). 4. fasilitas-fasilitas penunjang dan non medis : a. Instalasi rawat jalan b. Instalasi rawat inap c. Instalasi gawat darurat d. Instalsi radiologi e. Instalsi pathologi klinik f. Instalsi farmasi g. Instalsi gizi h. Instalasi bedah sentral i. Instalasi sanitasi j. Instalasi forensik k. Instalasi pemeliharaan sarana 4.1.3

Tenaga Kerja.

Tenaga kerja RSU Haji baik dari tenaga medik paramedis maupun non medis direkrut dari kantor wilayah departeman kesehatan Propinsi Jawa Timur, dinas kesehatan daerah tingkat I dan II, RSUD Dr.Soetomo, RSUD Tingkat II secara selektif dan juga dari pengangkatan dan pengadaan tenaga baru. Status tenaga kerja tersebut terdiri dari pegawai negeri sipil pusat dan daerah dan juga tenaga honorer lepas maupun dengan sistem kontrak. Berikut ini rincian sumber daya manusia RSU Haji Surabaya, baik tenaga medis, non medis, perawat serta paramedis non perawat adalah sebagai berikut : 1.

Tenaga Medis, terdiri dari : - Dokter Umum : 16 orang - Dokter spesialis : 41 orang - Dokter gigi : 5 orang - Dokter gigi spesialis : 3 orang

37 - Dokter MARS : 3 orang 2. Perawat sebanyak 233 orang 3. Paramedis non perawat sebanyak 99 orang 4. Non medis sebanyak 190 orang 4.2

Flow Pasien Rawat Jalan RSU Haji.

Tahapan-tahapan yang harus dilewati oleh pasien khususnya pasien rawat jalan di RSU Haji Surabaya, adalah sebagai berikut : a) Proses Pendaftaran : pada bagian ini berfungsi untuk mendata pasien yang akan berobat sesuai dengan poli yang akan dituju. Pada bagian ini terdapat beberapa aliran informasi, antara lain :  Aliran informasi jenis pasien , yaitu pasien baru, pasien lama dan pasien yang menggunakan jasa ASKES. Jika pasien tergolong pasien baru pasien harus mengisikan formulir pendaftaran pasien baru yang berisikan data diri pasien. Setelah itu formulir tersebut diletakkan pada bagian pendaftaran yang khusu melayani pasien baru. Sedangkan untuk pasien lama pasien hanya meletakkan kartu berobat pada bagian pendaftaran yang khusus melayani pasien lama. Setelah itu pasien dipanggil satu per satu berdasarkan urutan antrian untuk mendapatkan nomor urut pemeriksaan dokter berdasarkan poli yang dituju pasien.  Aliran kartu rekam medik. Setelah petugas mengetahui data diri dan poli yang akan dituju pasien, khususnya untuk pasien yang tergolong pasien lama. Petugas akan mencari kartu rekam medik. Setelah ditemukan kartu rekam medik petugas akan mengirim kartu rekam medik tersebut berdasarkan poli yang dituju.

38 b). Proses Pemeriksaan Dokter : pada bagian ini pasien akan menunggu untuk mendapatkan pemeriksaan dokter berdasarkan nomor urut yang didapatkan dari bagian pendaftaran. Pada bagian akan terdapat beberapa kemungkinan, yaitu : jika pasien dokter jaga pada poli memerlukan proses pemeriksaan laboratorium atau radiologi, maka pasien harus menuju laboratorium atau radiologi. Jika poli yang dituju salah maka pasien akan dirujuk ke poli yang lain berdasarkan sakit yang diderita oleh pasien. Setelah itu pasien menuju ke bagian pembayaran atau kasir dengan membawa resep obat yang didapatkan dari dokter jaga di poli. c). Bagian pembayaran atau kasir : setelah pasien mendapatkan proses pemeriksaan dokter. Pasien akan melakukan proses pembayaran. d) Bagian Apotik : setelah melakukan pembayaran di kasir. Pasien menuju pada bagian apotik untuk mendapatkan obat berdasarkan resep yang didapatkan dari dokter jaga poli. Pada bagian ini pasien meletakkan resep ke bagian penerimaan resep. Setelah itu petugas akan menghargai resep tersebut. Setelah resep dihargai pasien membayar pada bagian kasir apotik. Setelah proses pembayaran pasien harus menunggu untuk mendapatkan obat. e). Bagian Laboratorium Pada bagian ini pasien terlebih dahulu melakukan proses pendaftaran. Pada proses laboratorium ini terdapat dua pilihan yaitu proses pengambilan sampel darah dan proses pengambilan sampel urine. Pada proses pengambilan sampel darah dilakukan oleh dua petugas laboratorium, sedangkan untuk proses pengambilan sampel urine dilakukan oleh pasien sendiri tanpa bantuan petugas laboratorium. Setelah melakukan proses pengambilan sampel baik darah dan urine pasien mendapatkan hasil laboratorium pada hari berikutnya. f). Bagian Radiologi. Pada bagian radiologi ini pasien harus melakukan proses pendaftaran terlebih dahuluu. Pada radiologi terdapat dua

39 pilihan proses yaitu proses foto USG dan proses foto X-Ray. Pasien masuk pada ruang foto berdasarkan antrian yang ada. Setelah proses foto baik USG dan X-Ray pasien akan mendapatkan hasil foto tersebut pada hari berikutnya. Secara garis besar tahapan pasien pada rawat jalan dapat dilihat pada gambar 4.1

40

Gambar 4.1 Flow Pasien Rawat Jalan Poli Penyakit Dalam.

41 4.3.

Big Picture Mapping

Pemahaman terhadap whole stream dari instalasi rawat jalan merupakan salah satu tahapan yang paling penting dalam mengevaluasi value stream yang sedang berlangsung. Pada penelitian ini, tool yang digunakan untuk menggambarkan whole stream instalasi rawat jalan adalah big picture mapping. Dengan big picture mapping ini, diharapkan mampu memberikan gambaran secara makro dari instalasi rawat jalan poli penyakit dalam RSU Haji Suarabaya. Dalam Big Picture Mapping, terdapat beberapa simbol visualisasi standar seperti yang telah di bahas pada sub bab 2.2 terdahulu. Terdapat dua aliran penting yang akan divisualisasikan dalam tool ini, antara lain aliran fisik dan aliran informasi sampai pasien mendapatkan pelayanan dari pihak RSU Haji Surabaya, dalam hal ini pelayanan instalasi rawat jalan poli penyakit dalam. Big picture mapping instalasi rawat jalan poli penyakit dalam dapat dilihat pada gambar 4.2di bawah ini

Gambar 4.2 Big Picture Mapping Pasien Poli Penyakit Dalam

42 4.4.

Pemilihan Value Stream Analysis Tool.

Aktivitas yang dimaksudkan disini ditujukan untuk memilih tool yang dianggap representatif dalam memetakan aliran nilai yang terjadi di instalasi rawat jalan. Pemilihan tool ini didasarkan pada pemborosan-pemborosan yang terjadi di tiap bagain yang terkait dengan instalasi rawat jalan khusunya poli penyakit dalam. Diharapkan dengan pemetaan aliran nilai tersebut dapat diketahui permasalahan utama yang menjadi root cause dari pemborosan-pemborosan yang terjadi. Metode yang digunakan untuk melakukan pemilihan dengan menggunakan waste workshop dan Value Stream Analysis Tool (VALSAT) . 4.4.1

Waste Workshop.

Waste workshop merupakan sebuah aktivitas pendahulu yang dilakukan untuk memperoleh informasi yang sebanyakbanyaknya, berkaitan dengan pemborosan-pemborosan yang terjadi di instalasi rawat jalan khususnya bagian-bagian yang terkait dengan poli penyakit dalam. Terdapat tujuh jenis pemborosan yang akan diidentifikasikan pada aktivitas ini, dan oleh karenanya, pemahaman yang benar dari masing-masing jenis pemborosan merupakan langkah yang sangat penting. Dalam waste workshop ini, dilakukan penyebaran kuisioner dan proses wawancara terhadap bagian yang mengerti betul proses aliran nilai produksi di departmen Spinning. Dalam hal ini, waste workshop ditujukan kepada kepala masing-masing bagian yang terkait pada instalasi rawat jalan khususnya poli penyakit dalam. Bagian-bagian yang terkait tersebut antara lain bagian rekam medik, bagian poli penyakit dalam, bagian laboratorium, bagian radiologi dan bagian apotik . Proses wawancara dilakukan untuk menyamakan persepsi antara peneliti dengan kepala bagian tentang setiap jenis pemborosan yang dimaksudkan pada kuisioner yang diberikan. Setelah memahami setiap jenis pemborosan tersebut, supervisor kemudian

43 memberikan pembobotan skor terhadap ketujuh jenis pemborosan tersebut. Format kuisioner waste workshop tercantum pada lampiran B. Data hasil penyebaran kuisioner secara lengkap dapat dilihat pada lampiran B dan ringkasannya ditunjukkan pada tabel 4.1 berikut ini. Tabel 4.1 Skor Rata-rata Tiap Pemborosan

4.4.2

No

Pemborosan

Nilai

Ranking

1 2 3 4 5 6 7

Waiting Unnecessary inventory Defects Inappropriate processing Overproduction Unnecessary motion Transportation

8.00 7.80 2.80 2.60 2.40 2.20 2.00

1 2 3 4 5 6 7

Value Stream Analysis Tool (VALSAT).

Setelah bobot rata-rata dari setiap pemborosan teridentifikasikan, dilakukan pemilihan tool yang dianggap representatif untuk mengidentifikasikan lebih lanjut letak pemborosan yang terjadi pada value stream sistem produksi. Sesuai dengan penjelasan bab II, penentuan tool ini dilakukan dengan mengalikan skor rata-rata tiap pemborosan (tabel 4.1) dengan matriks kesesuian VALSAT (tabel 2.1). Hasil dari VALSAT ini selengkapnya dapat dilihat pada lampiran B dan ringkasannya ditunjukkan pada tabel 4.2 berikut in Tabel 4.2 Ringkasan Hasil VALSAT Tools Process Activity Mapping Supply Chain Response Matrix Demand Amplification Mapping

Total weight

Ranking

161.8

1

151.6

2

101.4

3

44 Tools Decision Point Analysis Production Variety Funnel

4.5

Total weight

Ranking

57.2 39.2

4 5

Identifikasi Value Stream Instalasi Rawat Jalan.

Dari ke tujuh tool tersebut akan dipilih beberapa tool yang untuk memetakan permasalahan waste yang terjadi. Pemilihan ini didasarkan pada kemampuan tool tersebut dalam mendeteksi ketujuh jenis pemborosan yang timbul di lantai produksi perusahaan. Berdasarkan bobot total yang diperoleh (tabel 4.2) dan bobot masing-masing tool terhadap kemampuannya mengevaluasi waste (lampiran B), maka dilakukan pemilihan tool sebagai berikut: 1. Process Activity Mapping, yang mempunyai total bobot tertinggi, memiliki kemampuan untuk mengevaluasi jenis pemborosan transportation, inappropriate processing, dan unnecessary motion. 4.5.1

Process Activity Mapping (PAM).

PAM merupakan tool yang digunakan untuk memetakan keseluruhan aktivitas di instalasi rawat jalan secara detail termasuk di dalamnya aliran fisik dan aliran informasi yang terjadi, waktu yang diperlukan untuk setiap aktivitas, jarak yang ditempuh dan banyaknya pekerja yang bekerja pada system tersebut. Langkah-langkah yang dilakukan dalam pembuatan PAM adalah :  Melakukan pengamatan secara langsung terhadap proses, mencatat aktivitas yang terjadi, jarak perpindahan yang ditempuh dan waktu yang diperlukan dan banyaknya tenaga kerja yang terlibat.

45  Melakukan pengelompokan dalam 5 kelompok aktivitas yaitu

operasi, transportasi, inspeksi, delay (menunggu) dan storage (penyimpanan).  Menganalisa proporsi aktivitas yang bersifat value adding activity yaitu operasi dan non value adding activity yaitu transportasi, inspeksi, delay dan storage. Pada penelitian ini, pembuatan PAM dilakukan berdasarkan pengamatan yang dilakukan pada instalasi rawat jalan khususnya flow pasien pada poli penyakit dalam. Hasil pengamatan berupa PAM dapat dilihat pada lampiran. Agar PAM dapat menggambarkan seluruh tahapan yang harus dilalui pasien poli penyakit dalam , maka terlebih dahulu harus dipahami tahapan yang pada instalasi rawat jalan berdasarkan pengamatan dan brainstorming yang telah dilakukan, yaitu sebagai berikut : Untuk mendapatkan pelayanan pada instalasi rawat jalan poli penyakit dalam, pasien harus melalui tahapan-tahapan. Tahapan-tahapan tersebut meliputi pendaftaran untuk mendapatkan nomor urut antrian poli penyakit dalam. Proses pendaftaran ini memerlukan waktu 2.06 menit untuk pasien lama dan 3.43 menit untuk pasien baru Pendaftaran ini dilakukan dengan cara menunjukkan kartu berobat RSU Haji Surabaya. Kartu berobat hanya dimiliki oleh pasien lama, sedangkan untuk pasien baru harus menulis formulir pendaftaran pada tempat yang telah disediakan. Proses penulisan formulir pendaftaran memerlukan waktu 1.23 menit Pada bagian pendaftaran ini akan mencari kartu rekam medik yang dimiliki oleh pasien, khususnya untuk pasien lama. Sedangkan untuk pasien baru akan dibuatkan kartu rekam medik baru. Kartu rekam medik ini selanjutnya akan dkirim oleh petugas pendaftaran ke poli penyakit dalam. Proses pengiriman ini ± memerlukan waktu selama 15 menit. Proses pengiriman kartu rekam medik tidak berdasarkan pada nomor urut antrian poli, tetapi berdasarkan pada penemuan kartu rekam medik yang terlebih dahulu ditemukan petugas.

46 Setelah mendapatkan kartu antrian poli, pasien menuju ke poli penyakit dalam. Perpindahan pasien menuju poli penyakit dalam ini ditumpuh dengan jarak 68.5 meter dan memerlukan waktu 1.44 menit Di poli penyakit dalam tersebut pasien harus menunggu sampai kartu rekam medik yang dimiliki pasien telah berada pada poli penyakit dalam. Kartu rekam medik yang telah berada di poli penyakit dalam akan dipanggil sesuai dengan nomor urut antrian yang didapatkan pada bagian pendaftaran. Jika kartu rekam medik pasien belum berada pada poli meskipun nomor urut antrian pasien lebih dulu pasien yang kartu rekam mediknya telah berada di poli, sehingga pasien tersebut harus menunggu sampai kartu rekam medik yang dimiliki berada di poli. Pasien akan masuk pada ruang pemeriksaan dokter jaga poli penyakit dalam. Proses pemeriksaan ini memerlukan waktu 8.42 menit. Pada proses pemeriksaan dokter terdapat beberapa kemungkinan yaitu :  Proses pemeriksaan Laboratorium. Pada proses laboratorium pasien harus melakukan proses pendaftaran untuk melakukan proses pengambilan sampel darah atau urine. Proses pendaftaran memerlukan waktu 2.44 menit. Setelah mendaftar pasien harus menunggu untuk dipanggil petugas laboratorium untuk proses pengambilan sampel darah yang dilakukan oleh dua petugas yang memerlukan waktu 4.38 menit. Sedangkan untuk proses pengambilan sampel urine dilakukan oleh pasien sendiri, dengan memerlukan waktu 7.58 menit. Setelah proses pengambilan sampel darah atau urine pasien mendapatkan hasil laboratorium pada hari setelah melakukan proses pengambilan sampel.  Proses pemeriksaan Radiologi. Sebelum pasien melakukan proses pada bagian Radiologi pasien harus mendaftar terlebih dahulu. Proses pendaftaran pada Radiologi memerlukan waktu 3.27 menit. Pada bagian Radiologi pasien akan memilih proses

47 yang harus dilakukan, proses terebut yaitu : proses foto USG dan proses foto X-Ray masing-masing memerlukan waktu 8.50 menit dan 6.20 menit. Pasien mendapatkan hasil foto yang telah dilakukan pada hari berikutnya. Jika pasien tidak memerlukan proses pemeriksaan tambahan, pasien akan mendapatkan resep obat yang harus dibeli oleh pasien. Sebelum pasien menuju ke apotik, pasien melakukan proses pembayaran pada bagian kasir poli. Proses pembayaran ini memerlukan waktu 2.25 menit. Perpindahan pasien dari poli penyakit dalam meuju ke apotik memerlukan waktu 1.31 menit dengan jarak 73 meter. Pada bagian apotik pasien menyerahkan resep pada petugas penyerahan resep yang berjumlah dua petugas. Pasien menunggu untuk melakukan proses pembayaran obat. Setelah peoses pembayaran pasien meunggu obat dari bagian apotik yang yang diserahkan oleh satu petugas apotik. 4.6

Simulasi.

Dari flow pasien rawat jalan RSU Haji Surabaya khususnya pada poli penyakit dalam akan dibuatkan model simulasi dengan menggunakan software Arena 5.0. Pada pembuatan model simulasi ini diperlukan data-data yang berkaitan dengan waktu proses dari setiap tahapan yang ada pada rawat jalan khusunya poli penyakit dalam RSU Haji Surabaya. Data-data tersebut meliputi : 1. Data kedatangan pasien.  Data kedatangan untuk pasien lama  Data kedatangan untuk pasien baru. 2. Data waktu proses meliputi :  Waktu proses pendaftaran untuk pasien lama.  Waktu proses pendaftaran untuk pasien baru.  Waktu proses penulisan formulir pendaftaran untuk pasien baru.

48         

Waktu proses pemeriksaan dokter jaga poli Waktu proses pembayaran di kasir poli. Waktu proses pendaftaran di laboratorium. Waktu proses pendaftaran di radiologi. Waktu proses pembelian obat di apotik. Waktu proses pengambilan sampel darah di laboratorium. Waktu proses untuk pengambilan sampel urine di laboratorium. Waktu proses foto USG di radiologi. Waktu proses foto X-ray di radiologi.

3. Data waktu perpindahan pasien.  Waktu perpindahan pasien dari bagian pendaftaran poli penyakit dalam.  Waktu perpindahan pasien dari poli penyakit dalam laboratorium.  Waktu perpindahan pasien dari poli penyakit dalam radiologi.  Waktu perpindaham pasien dari poli penyakit dalam apotik. 4.6.1

ke ke ke ke

Data Input Simulasi.

Pada tahap ini data-data yang telah terkumpul akan dimasukkan kedalam Input Analyzer pada software ARENA 5.0 untuk mengetahui distribusi dari data-data yang akan dijadikan inputan untuk model simulasi di ARENA. Data-data hasil dari input analyzer adalah sebagai berikut : 1. Data kedatangan pasien. Tabel 4.3 Hasil Uji Distribusi Data Kedatangan Kedatangan pasien

Pola Distribusi

Kedatangan pasien Lama

-0.001 + WEIB(1.4, 0.836)

Kedatangan pasien Baru

EXPO(2.2)

49 2. Data waktu proses. Tabel 4.4 Hasil Uji Distribusi Data Proses Proses

Pola Distribusi

Proses penulisan Formuir Pasien baru

TRIA(1.09, 1.28, 1.96)

Proses Pendaftaran Pasien Lama

1 + WEIB(1.22, 1.58)

Proses Pendaftaran Pasien Baru

2 + 4 * BETA(1.46, 2.24)

Proses Pemeriksaan Dokter

5 + 7.8 * BETA(2.13, 2.24)

Proses Pendaftaran Laboratorium

1 + 3 * BETA(1.27, 1.34)

Proses Pendaftaran Radiologi

2.26 + 2.26 * BETA(1.99, 2.04)

Proses Pengambilan Sampel Darah

TRIA(3.41, 4.5, 5.42)

Proses Pengambilan Urine

TRIA(5.05, 8.02, 11)

Proses Foto USG

6 + 5 * BETA(2.07, 1.62)

Proses Foto X-Ray

3.02 + WEIB(3.79, 2.72)

Proses Pembelian Obat Apotik

NORM(22.7, 3.81)

Proses Pembayaran Kasir Poli

1.58 + 1.74 * BETA(2.66, 4.06)

3.

Data waktu perpindahan Tabel 4.5 Hasil Uji Distribusi Data Waktu Perpindahan Waktu Perpindahan Route dari loket Pendaftaran ke Poli

Pola Distribusi NORM(1.45, 0.103)

Route dari Poli ke Laboratorium

1.17 + ERLA(0.0149, 11)

Route dari Poli ke Radiologi

1.38 + WEIB(0.214, 2.6)

Route dari Poli ke Apotik

1.06 + WEIB(0.28, 3.62)

4.6.2

Model Konseptual.

Model konseptual disajikan dalam bentuk Flow Chart seperti yang ditunjukkan . Secara umum, berdasarkan model konseptual yang ada pada gambar 4.2 real sistem dari instalasi rawat jalan poli penyakit dalam, dapat didefinisikan sebagai berikut :

50  Pasien datang menuju ke loket pendaftaran atau rekam medik ini dilakukan untuk pasien lama. Sedangkan untuk pasien baru harus menulis formulir pendaftaran terlebih dahulu pada tempat yang telah disediakan,  Pada loket pendaftaran akan diinputkan data diri pasien dan poli yang akan dituju oleh pasien. Disini pasie akan mendapatkan nomor urut antrian poli yang dituju.  Setelah mendapatkan nomor urut antrian poli pasien menuju ke poli untuk mendapatkan proses pemeriksaan dokter. Pemanggilan proses pemeriksaan dokter berdasarkan nomor urut antrian yang didapatkan dari bagian pendaftaran atau rekam medik.  Pada poli jika dokter memerlukan proses pemeriksaan tembahan maka pasien akan menuju ke labortorium atau radiologi. Jika tidak memerlukan proses pemeriksaan tambahan pasien akan mendapatkan resep dari dokter untuk di bawa ke apotik. Sebelum menuju apotik pasien harus malakukan proses pembayaran pada kasir poli. 4.6.3

Model Simulasi.

Model simulasi dalam penelitian ini dibuat dengan menggunakan software arena 5.0. Model simulasi tersebut dibuat berdasarkan model konseptual yang ada. Dimana model tersebut diupayakan dapat merepresentasikan real system yang ada pada instalasi rawat jalan poli penyakit dalam. Model simulasi dapat dilihat dalam lampiran. 4.6.4

Verifikasi Model.

Yang dimaksud dengan verifikasi adalah melakukan pengecekan apakah model simulasi real system yang sudah dibuat dapat mencerminkan model konseptual yang dibuat berdasarkan real system. Dalam hal ini ukuran yang dipakai dalam verifikasi

51 model simulasi real system untuk Instalasi rawat jalan poli penyakit dalam RSU Haji Surabaya adalah : - Model simulasi real system dapat dirunning dan bebas error. - Output yang diperoleh dari hasil running reasonable - Perpindahan entity secara animasi dalam model simulasi sesuai dengan model konseptual. Oleh karena model simulasi real system memenuhi ukuran verifikasi diatas dan sudah merepresentasikan model konseptual maka dapat dikatakan bahwa model simulasi real system bebas verifikasi. 4.6.5.

Validasi.

Yang dimaksud dengan validasi adalah melakukan pengecekan apakah model konseptual yang dibuat sudah merepresentasikan real system. Pada penelitian ini validasi dilakukan dengan membandingkan output model simulasi yang dibuat dengan output real systemnya. Output yang dibandingkan di sini adalah jumlah pasien penyakit dalam per hari dan output jumlah keseluruhan pasien termasuk didalamnya pasien poli penyakit dalam per hari. Di sini 1 replikasi sama dengan 1 hari.  Berikut ini adalah output jumlah pasien penyakit dalam per hari dan output jumlah pasien penyakit dalam model simulasi Tabel 4.6 Uji Validasi Jumlah Pasien Penyakit Dalam Replikasi 1 2 3 4 5 6 7

Real 67 57 63 59 62 72 68

Model 60 58 61 65 64 65 63

52 Replikasi 8 9 10

Real 64 61 58

Model 59 64 59

Dengan menggunakan software SPSS yaitu pada analyze compare means independent sample T-Test maka diperoleh : T-Test Group Statistics

Output

Strategi 1.00 2.00

N

Std. Deviation 4.77144 2.69979

Mean 63.1000 61.8000

10 10

Std. Error Mean 1.50886 .85375

Independent Samples Test Levene's Test for Equality of Variances

F Output

Equal variances assumed Equal variances not assumed

2.104

Sig. .164

t-test for Equality of Means

Sig. (2-tailed)

.750

18

.463

1.30000

1.73365

-2.34227

4.94227

.750

14.227

.466

1.30000

1.73365

-2.41276

5.01276

t

df

Std. Error Difference

95% Confidence Interval of the Difference Lower Upper

Mean Difference

Dari hasil diatas tampak bahwa pada bagian kedua terdapat hasil uji test, dimana harga t hitung = 0.750 dengan  = 0.05 dan df = 18 didapatkan dari tabel tabel student’s t = 2.101 Oleh karena t hitung 0.750 < t tabel 2.101, maka dapat disimpulkan terima Ho yang artinya tidak terdapat perbedaaan yang signifikan antara output pasien penyakit dalam model simulasi dengan output pasien penyakit dalam real system.  Berikut ini adalah output jumlah pasien keseluruhan per hari dan output jumlah pasien keseluruhan model simulasi Tabel 4.7 Uji Validasi Jumlah Pasien Keseluruhan Replikasi 1 2

Real 448 398

Model 443 431

53 Replikasi 3 4 5 6 7 8 9 10

Real 461 404 439 482 452 474 429 372

Model 442 387 440 450 460 430 449 419

Dengan menggunakan software SPSS yaitu pada analyze compare means independent sample T-Test maka diperoleh : T-Test Group Statistics

real

model 1.00 2.00

N

Mean 435.9000 435.1000

10 10

Std. Deviation 35.28755 20.50718

Std. Error Mean 11.15890 6.48494

Independent Samples Test Levene's Test for Equality of Variances

F real

Equal variances assumed Equal variances not assumed

3.298

Sig. .086

t-test for Equality of Means 95% Confidence Interval of the Difference Lower Upper

Sig. (2-tailed)

Mean Difference

.062

18

.951

.80000

12.90642

-26.31537

27.91537

.062

14.457

.951

.80000

12.90642

-26.79969

28.39969

t

df

Std. Error Difference

Dari hasil diatas tampak bahwa pada bagian kedua terdapat hasil uji test, dimana harga t hitung = 0.062 dengan  = 0.05 dan df = 18 didapatkan dari tabel tabel student’s t = 2.101 Oleh karena t hitung 0.062 < t tabel 2.101, maka dapat disimpulkan terima Ho yang artinya tidak terdapat perbedaaan yang signifikan antara output jumlah pasien keseluruhan model simulasi dengan output real system.

54 4.7.6

Penentuan Jumlah Replikasi.

Penentuan jumlah replikasi dilakukan dengan pendekatan absolut error, adalah banyaknya error yang kita toleransi terjadi dalam sistem tersebut dan dinyatakan dalam bentuk jumlah error. Untuk mengetahui jumlah replikasi yang diperlukan (n’), menggunakan rumus :

 Z s  n    / 2   e 

2

Dimana: Z /2 = t ,/2 S = Standart deviasi

 x  x 

2

s halfwidth 

t

n 1, / 2

n

s

i

i

n 1 

Dalam perhitungan untuk menentukan jumlah replikasi ini menggunakan jumlah replikasi awal 10 kali dan memakai α = 5% Tabel 4.8 Penentuan Jumlah Replikasi Untuk Jumlah Pasien Poli Penyakit Dalam Replikasi 1 2 3 4 5 6 7 8

Output Arena 60 58 61 65 64 65 63 59

55 Replikasi 9 10 Stdev Mean Var hw Zα/2 n' n'

Output Arena 64 59 2,70 56,43 7,29 1,93 1,96 9.61 10

Berdasarkan tabel diatas dapat dilihat bahwa jumlah replikasi yang diperlukan untuk jumlah pasien poli penyakit dalam adalah 10 replikasi. Tabel 4.9 Penentuan Jumlah Replikasi Untuk Jumlah Pasien keseluruhan Replikasi 1 2 3 4 5 6 7 8 9 10 Stdev Mean Var hw Zα/2

Output arena 445 421 434 442 427 428 444 423 418 422 10,17 392,20 103,38 7,27 1,96

56 Replikasi n' n'

Output arena 9.71 10

Berdasarkan tabel diatas dapat dilihat bahwa jumlah replikasi yang diperlukan untuk jumlah pasien keseluruhan adalah 10 replikasi 4.7

Penentuan Skenario Perbaikan.

Pembuatan skenario perbaikan ini mengacu pada peningkatan output (jumlah yang telah diproses pada poli penyakit dalam) dan waktu tunggu pasien serta panjang antrian pada masing-masing tahapan inatalasi rawat jalan. 4.7.1 Skenario I. Skenario I ini mengacu pada proses pendaftaran pasien lama dan pasien baru serta pada proses pemeriksaan dokter. Pada real system, satu petugas loket pendaftaran dapat melayani satu pasien dan satu dokter jaga poli melayani satu pasien. Sedangkan pada skenario I, ditambah dua petugas loket pendaftaran utuk masing proses pendaftaran pasien lama dan pasien baru serta menambahkan satu dokter jaga poli. Dengan penambahan petugas loket pendaftaran dan dokter jaga poli diharapkan mampu mengurangi waktu tunggu pasien dan panjang antrian yang terjadi sehingga jumlah pasien yang dilayani akan lebih banyak. Model perbaikkan skenario I dapat dilihat pada gambar 4.5.

57

Gambar 4.5 Model skenario perbaikan I

58 4.7.2 Skenario II. Pada skenario kedua ini akan mengacu pada pengubahan loket pendaftaran. Awalnya semua proses pendaftaran dikelompokkkan menjadi dua berdasarkan jenis pasien yaitu pasien baru dan pasien baru. Pada scenario II ini pendaftaran tidak dibagi menjadi dua tetapi digabung menjadi satu, maka semua pasien baik pasien baru maupun pasien lama melakukan pendaftaran pada satu loket pendaftaran yang mempunyai empat petugas pendaftaran dan pada proses pemeriksaan dokter terdapat tiga dokter jaga serta pada apotik terdapat tiga petugas. Dengan penggabungan loket pendaftaran ini diharapkan pasien dapat memilih loket mana yang mempunyai antrian paling sedikit. Selain itu juga diharapakan antrian yang terjadi pada pendaftaran dapat lebih terkontrol atau lebih tertib serta pada scenario dua ini sebelum pasien melakukan pendaftaran pasien harus mengambil nomor antrian terlebih dahulu untuk mendapatkan giliran melakukan pendaftaran ini untuk pasien lama dan pasien baru. Model perbaikkan skenario II dapat dilihat pada gambar 4.6.

59

Gambar 4.6 Model skenario perbaikan II

60 4.8

Perbandingan Hasil Model.

Dari model yang telah dibuat akan dibandingkan hasilnya. Perbandingan hasil model tersebut meliputi perbandingan output jumlah pasien dan jumlah pasien secara keseluruhan serta waktu tunggu pada proses pendaftaran pasien lama dan pasien baru, proses pemeriksaan dokter serta proses pembelian obat di apotik. 4.8.1 Perbandingan Hasil Output Model. Dari model yang telah di buat baik model awal, model skenario perbaikan I dan skenario perbaikan II akan dibandingkan output yang dihasilkan dari masing-masing model tersebut. Output yang dibandingkan di sini adalah jumlah pasien poli penyakit dalam dan jumlah pasien keseluruhan. Berikut ini perbandingan model yang dilakukan adalah sebagai berikut : a. Skenario I Vs Model Awal Dengan menggunakan Paired t Confidence Level maka hasil perbandingan antara skenario I dengan model awal adalah sebagai berikut : H 0 : μ 1 - μ 1 = 0 (Skenario I dan model awal tidak berbeda secara signifikan) H 1 : μ 1 - μ 2 ≠ 0 (Skenario I dan model awal berbeda secara signifikan Tabel 4.10 Perbandingan Skenario I Dengan Model Awal Output jumlah pasien penyakit dalam Replikasi

Skenario I

Model Awal

Selisih

1

91

60

31

2

74

58

16

3

72

61

11

4

74

65

9

5

69

64

5

61 Replikasi

Skenario I

Model Awal

Selisih

6

89

65

24

7

66

63

3

8

69

59

10

9

74

64

10

10

85

59

26

Mean

14.5

Stdev

9.44

Dengan derajat kepercayaan alpha 0.05 dan nilai t table (17,0.025) maka didapatkan hw = (t 17, 0.025 ) s (1-2) = (2.262) 9.44

n

10

= 6.75 sehingga 95 % confidence levelnya adalah x (1-2) – hw ≤ μ (1-2) ≤ x (1-2) + hw 14.50 – 6.75 ≤ μ (1-2) ≤ 14.50 + 6.75 7.75 ≤ μ (1-2) ≤ 21.25 Karena nilai μ (1-2) > 0 maka terima H 1 dan nyatakan terdapat perbedaan yang signifikan antara skenario I dan model awal. Berdasarkan hasil uji hipotesis di atas yaitu μ (1-2) > 0 maka dapat diketahui bahwa skenario I lebih baik daripada model awal. Dan di bawah ini juga dibandingkan output jumlah pasien secara keseluruhan yang dapat dilihat pada tabel 4.11.

62 Tabel 4.11 Perbandingan Skenario I Dengan Model Awal Output jumlah keseluruhan pasien Replikasi

Skenario I

Model Awal

Selisih

1

481

443

38

2

386

431

-45

3

442

442

0

4

423

387

36

5

425

440

-15

6

471

450

21

7

471

460

11

8

394

430

-36

9

450

449

1

10

431

419

12

Mean

2.3

Stdev

27.77


n

10

= 19.86 sehingga 95 % confidence levelnya adalah x (1-2) – hw ≤ μ (1-2) ≤ x (1-2) + hw 2.30 – 19.86 ≤ μ (1-2) ≤ 2.30 + 19.86

63 -17.56 ≤ μ (1-2) ≤ 22.16 Karena nilai μ (1-2) > 0 maka terima H 1 dan nyatakan terdapat perbedaan yang signifikan antara skenario I dan model awal. Berdasarkan hasil uji hipotesis di atas yaitu μ (1-2) > 0 maka dapat diketahui bahwa skenario I lebih baik daripada model awal. b.

Skenario II Vs Model Awal Dengan menggunakan Paired t Confidence Level maka hasil perbandingan antara skenario II dengan model awal adalah sebagai berikut : H 0 : μ 1 - μ 1 = 0 (Skenario II dan model awal tidak berbeda secara signifikan) H 1 : μ 1 - μ 2 ≠ 0 (Skenario II dan model awal berbeda secara signifikan) Tabel 4.12 Perbandingan Skenario II Dengan Model Awal Output jumlah pasien penyakit dalam Replikasi 1 2 3 4 5 6 7 8 9 10

Skenario II 93 65 77 95 85 81 75 67 75 91 Mean Stdev

Model Awal 60 58 61 65 64 65 63 59 64 59

Selisih 33 7 16 30 21 16 12 8 11 32 18,60 9,91

Dengan derajat kepercayaan alpha 0.05 dan nilai t table (17,0.025) maka didapatkan

64 hw = (t

17, 0.025 )

s

(1-2)

= (2.262) 18.60

10

n = 7.09

sehingga 95 % confidence levelnya adalah x (1-2) – hw ≤ μ (1-2) ≤ x (1-2) + hw 18.60 – 7.09 ≤ μ (1-2) ≤ 18.60 + 7.09 11,51 ≤ μ (1-2) ≤ 25,69 Karena nilai μ (1-2) > 0 maka terima H 1 dan nyatakan terdapat perbedaan yang signifikan antara skenario II dan model awal. Berdasarkan hasil uji hipotesis di atas yaitu μ (1-2) > 0 maka dapat diketahui bahwa skenario II lebih baik daripada model awal. Dan di bawah ini juga dibandingkan output jumlah pasien secara keseluruhan yang dapat dilihat pada tabel 4.13 Tabel 4.13 Perbandingan Skenario II Dengan Model Awal Output jumlah pasien keseluruhan Replikasi 1 2 3 4 5 6 7 8 9 10

Skenario II 502 388 480 461 469 474 477 442 427 475 Mean Stdev

Model Awal 443 431 442 387 440 450 460 430 449 419

Selisih 59 -43 38 74 29 24 17 12 -22 56 24,40 36,16

65 Dengan derajat kepercayaan alpha 0.05 dan nilai t table (17,0.025) maka didapatkan hw = (t 17, 0.025 ) s (1-2) = (2.262) 36.16

10

n = 25.86

sehingga 95 % confidence levelnya adalah x (1-2) – hw ≤ μ (1-2) ≤ x (1-2) + hw 24.40 – 25.86 ≤ μ (1-2) ≤ 24.40 + 25.86 -1.46 ≤ μ (1-2) ≤ 50.26 Karena nilai μ (1-2) > 0 maka terima H 1 dan nyatakan terdapat perbedaan yang signifikan antara skenario II dan model awal. Berdasarkan hasil uji hipotesis di atas yaitu μ (1-2) > 0 maka dapat diketahui bahwa skenario II lebih baik daripada model awal. c. Skenario II dengan Skenario I Dengan menggunakan Paired t Confidence Level maka hasil perbandingan antara skenario III dengan model awal adalah sebagai berikut : H 0 : μ 1 - μ 1 = 0 (Skenario II dan skenario I tidak berbeda secara signifikan) H 1 : μ 1 - μ 2 ≠ 0 (Skenario II dan skenario I berbeda secara signifikan Tabel 4.14 Perbandingan Skenario II Dengan skenario I Output jumlah pasien penyakit dalam Replikasi 1 2 3 4 5

Skenario II 93 65 77 95 85

Skenario I 91 74 72 74 69

Selisih 2 -9 5 21 16

66 Replikasi 6 7 8 9 10

Skenario II 81 75 67 75 91 Mean Stdev

Skenario I 89 66 69 74 85

Selisih -8 9 -2 1 6 4.10 9.57


10

n

= 6.86 sehingga 95 % confidence levelnya adalah x (1-2) – hw ≤ μ (1-2) ≤ x (1-2) + hw 4.10 – 6.86 ≤ μ (1-2) ≤ 4.10 + 6.86 -2.75 ≤ μ (1-2) ≤ 10.95 Karena nilai μ (1-2) > 0 maka terima H 1 dan nyatakan terdapat perbedaan yang signifikan antara skenario II dan skenario I. Berdasarkan hasil uji hipotesis di atas yaitu μ (1-2) > 0 maka dapat diketahui bahwa skenario II lebih baik daripada skenario I. Dan di bawah ini juga dibandingkan output jumlah pasien secara keseluruhan yang dapat dilihat pada tabel 4.15 Tabel 4.15 Perbandingan Skenario II Dengan Model Awal Output jumlah pasien keseluruhan Replikasi 1 2

Skenario II 502 388

Skenario I 481 386

Selisih 21 2

67 Replikasi 3 4 5 6 7 8 9 10

Skenario II 480 461 469 474 477 442 427 475 Mean Stdev

Skenario I 442 423 425 471 471 394 450 431

Selisih 38 38 44 3 6 48 -23 44 22.10 24.03

Dengan derajat kepercayaan alpha 0.05 dan nilai t table (17,0.025) maka didapatkan hw = (t

17, 0.025 )

n

s

(1-2)

= (2.262) 24.03

10

= 17.188 sehingga 95 % confidence levelnya adalah x (1-2) – hw ≤ μ (1-2) ≤ x (1-2) + hw 22.10 – 17.188 ≤ μ (1-2) ≤ 22.10 + 17.188 4.91 ≤ μ (1-2) ≤ 39.29 Karena nilai μ (1-2) > 0 maka terima H 1 dan nyatakan terdapat perbedaan yang signifikan antara skenario II dan skenario I. Berdasarkan hasil uji hipotesis di atas yaitu μ (1-2) > 0 maka dapat diketahui bahwa skenario II lebih baik daripada skenario I. 4.8.2 a. 

Perbandingan Waktu Tunggu Pasien. Model Awal Dengan Skenario I. Proses pendaftaran pasien baru

68 Tabel perbandingan antara model awal dengan skenario perbaikan I dapat dilihat pada tabel di bawah ini. Tabel 4.16 perbandingan model awal dengan skenario I berdasarkan waktu tunggu proses pendaftaran pasien baru. Replikasi 1 2 3 4 5 6 7 8 9 10 Mean Stdev

model awal 173.64 162.33 157.64 168.84 185.42 153.61 178.71 187.74 140.61 153.07 166.16 15.37

skenario I 8.64 3.62 4.83 7.24 2.31 2.78 5.43 9.61 4.16 4.79 5.34 2.44

Hipotesa :

 real   perbaikan1  0  real   perbaikan1  0 Paired Samples Test Paired Differences

Pair 1

real - skenarioI

Mean 160.82000

Std. Deviation 14.48897

Std. Error Mean 4.58182

95% Confidence Interval of the Difference Lower Upper 150.45521 171.18479

t 35.100

df 9

Sig. (2-tailed) .000

Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2 150,455  t  171 .1848 TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan antara real system dan penggunaan skenario 1 untuk karakteristik waktu tunggu pasien pada proses pendaftaran pasien baru.

69  Proses pendaftaran pasien lama. Tabel perbandingan antara model awal dengan skenario perbaikan I dapat dilihat pada tabel di bawah ini. Tabel 4.17 perbandingan model awal dengan skenario I berdasarkan waktu tunggu proses pendaftaran pasien lama Replikasi 1 2 3 4 5 6 7 8 9 10 Mean Stdev

model awal 197.31 176.29 175.80 117.01 190.09 212.72 221.71 167.21 215.93 199.28 187.34 30.73

skenario I 3.11 6.52 6.40 4.24 4.28 7.06 10.46 5.54 7.19 5.56 6.04 2.05

Hipotesa :


Pair 1

Mean real - skenarioI 181.29900




Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2 160,05  t  202 .54 TOLAK H 0

t 19.301

df 9


70 Hal ini berarti terdapat perbedaan yang signifikan antara real system dan penggunaan skenario 1 untuk karakteristik waktu tunggu pasien pada proses pendaftaran pasien baru.  Proses pembelian obat di Apotik. Tabel perbandingan antara model awal dengan skenario perbaikan I dapat dilihat pada tabel di bawah ini. Tabel 4.18 perbandingan model awal dengan skenario I berdasarkan waktu tunggu proses pembelian obat di apotik Replikasi 1 2 3 4 5 6 7 8 9 10 Mean Stdev

model awal 17.66 40.32 26.93 5.19 21.81 14.03 36.85 41.89 5.31 30.65 24.06 13.55

skenario I 4.90 13.12 2.56 3.59 3.78 12.47 3.30 6.09 1.26 33.04 8.41 9.54

Hipotesa :


Pair 1

real - skenarioI

Mean 15.65300




Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2 5,52  t  25,79

t 3.494

df 9


71 TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan antara real system dan penggunaan skenario 1 untuk karakteristik waktu tunggu pasien pada proses pembelian obat di apotik.  Proses pemeriksaan dokter. Tabel perbandingan antara model awal dengan skenario perbaikan I dapat dilihat pada tabel di bawah ini. Tabel 4.19 perbandingan model awal dengan skenario I berdasarkan waktu tunggu proses pemeriksaan dokter. Replikasi 1 2 3 4 5 6 7 8 9 10 Mean Stdev

model awal 84.65 64.31 42.56 92.99 73.36 67.33 42.16 57.17 101.46 80.11 70.61 19.93

skenario I 39.25 36.18 6.15 19.83 13.62 37.86 6.90 23.69 21.89 42.64 24.80 13.56

Hipotesa :


Pair 1

real - skenarioI

Mean 45.80900




t 7.827

df 9


72 Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2

32,57  t  59,05 TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan antara real system dan penggunaan skenario 1 untuk karakteristik waktu tunggu pasien pada proses pemeriksaan dokter. b. Model Awal Dengan Skenario II  Proses pendaftaran pasien baru Tabel perbandingan antara model awal dengan skenario perbaikan I dapat dilihat pada tabel di bawah ini. Tabel 4.20 perbandingan model awal dengan skenario II berdasarkan waktu tunggu proses pendaftaran pasien baru. Replikasi

Model Awal

Skenario II

1

173.64

3.63

2

162.33

1.68

3

157.64

3.87

4

168.84

3.5

5

185.42

2.71

6

153.61

2.31

7

178.71

3.11

8

187.74

2.97

9

140.61

1.46

10

153.07

1.78

Mean

166.16

2.7

Stdev

15.37

0.86

73 Hipotesa :


Pair 1





t 34.612

df 9


Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2 15,.77  t  174.14 TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan antara real system dan penggunaan skenario II untuk karakteristik waktu tunggu pasien pada proses pendaftaran pasien baru.  Pendaftaran pasien lama Tabel perbandingan antara model awal dengan skenario perbaikan I dapat dilihat pada tabel di bawah ini. Tabel 4.21 perbandingan model awal dengan skenario II berdasarkan waktu tunggu proses pendaftaran pasien lama Replikasi 1 2 3 4 5 6 7 8 9 10

model awal 197.31 176.29 175.8 117.01 190.09 212.72 221.71 167.21 215.93 199.28

skenario II 3.2 1.49 4 3.46 2.48 2.29 2.75 3.08 1.09 1.28

74 Replikasi Mean Stdev

model awal 187.34 30.73

skenario II 2.51 0.98

Hipotesa :


Pair 1





t 18.725

df 9


Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2

162,49  t  207 ,15 TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan antara real system dan penggunaan skenario II untuk karakteristik waktu tunggu pasien pada proses pendaftaran pasien lama.



Proses pembelian obat di Apotik. Tabel perbandingan antara model awal dengan skenario perbaikan II dapat dilihat pada tabel di bawah ini. Tabel 4.22 perbandingan model awal dengan skenario II berdasarkan waktu tunggu proses pembelian obat di apotik Replikasi 1 2 3 4

model awal 17.66 40.32 26.93 5.19

Scenario II 7.59 3.01 0.28 15.49

75 Replikasi 5 6 7 8 9 10 Mean Stdev

model awal 21.81 14.03 36.85 41.89 5.31 30.65 24.06 13.55

Scenario II 2.69 2.70 2.88 1.37 3.13 8.87 4.80 4.59

Hipotesa :


Pair 1

real - skenarioI

Mean 19.26300




t 3.755

df 9


Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2

7,66  t  30,87 TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan antara real system dan penggunaan skenario II untuk karakteristik waktu tunggu pasien pada proses pembelian obat di apotik.  Proses pemeriksaan dokter. Tabel perbandingan antara model awal dengan skenario perbaikan II dapat dilihat pada tabel di bawah ini.

76 Tabel 4.23 perbandingan model awal dengan skenario II berdasarkan waktu tunggu proses pemeriksaan dokter. Replikasi 1 2 3 4 5 6 7 8 9 10 Mean Stdev

model awal 84.65 64.31 42.56 92.99 73.36 67.33 42.16 57.17 101.46 80.11 70.61 19.93

Scenario II 60.20 22.25 17.42 45.87 26.92 35.02 11.05 21.89 15.97 33.07 28.96 15.05

Hipotesa :


Pair 1

real - skenarioI

Mean 41.64400




t 7.451

df 9


Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2 29,0  t  54,29 TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan antara real system dan penggunaan skenario II untuk karakteristik waktu tunggu pasien pada proses pemeriksaan dokter. c. Skenario Perbaikan I Dengan Skenario Perbaikan II  Proses pendaftaran pasien baru

77 Tabel perbandingan antara skenario perbaikan I dengan skenario perbaikan II dapat dilihat pada tabel di bawah ini. Tabel 4.24 perbandingan skenario perbaikan I dengan skenario II berdasarkan waktu tunggu proses pendaftaran pasien baru. Replikasi 1 2 3 4 5 6 7 8 9 10 Mean Stdev

Skenario I 8.64 3.62 4.83 7.24 2.31 2.78 5.43 9.61 4.16 4.79 5.34 2.44

SkenarioII 3.63 1.68 3.87 3.50 2.71 2.31 3.11 2.97 1.46 1.78 2.70 0.86

Hipotesa :


Pair 1

real - skenarioI

Mean 2.63900


Std. Error Mean .66943


t 3.942

df 9


Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2 1,12  t  4,15 TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan skenario I dan penggunaan skenario II untuk karakteristik waktu tunggu pasien pada proses pendaftaran pasien baru.

78 

Pendaftaran pasien lama Tabel perbandingan antara model awal dengan skenario perbaikan I dapat dilihat pada tabel di bawah ini. Tabel 4.25 perbandingan skenario perbaikan I dengan skenario II berdasarkan waktu tunggu proses pendaftaran pasien lama Replikasi 1 2 3 4 5 6 7 8 9 10 Mean Stdev

Skenario I 3.11 6.52 6.40 4.24 4.28 7.06 10.46 5.54 7.19 5.56 6.04 2.05

SkenarioII 3.20 1.49 4.00 3.46 2.48 2.29 2.75 3.08 1.09 1.28 2.51 0.98

Hipotesa :


Pair 1

real - skenarioI

Hasil uji :

Mean 3.52400


Std. Error Mean .77824


 t 2 , n1  n2  2  t  t 2 , n1  n2  2

1,76  t  5,28 TOLAK H 0

t 4.528

df 9


79 Hal ini berarti terdapat perbedaan yang signifikan skenario perbaikan I dan penggunaan skenario II untuk karakteristik waktu tunggu pasien pada proses pendaftaran pasien lama.  Proses pembelian obat di Apotik. Tabel perbandingan antara model awal dengan skenario perbaikan II dapat dilihat pada tabel di bawah ini. Tabel 4.26 perbandingan skenario perbaikan I dengan skenario II berdasarkan waktu tunggu proses pembelian obat di apotik Replikasi 1 2 3 4 5 6 7 8 9 10 Mean Stdev

Skenario I 4.90 13.12 2.56 3.59 3.78 12.47 3.30 6.09 1.26 33.04 8.41 9.54

SkenarioII 7.59 3.01 0.28 15.49 2.69 2.70 2.88 1.37 3.13 8.87 4.80 4.59

Hipotesa :


Pair 1

real - skenarioI

Mean 3.61000



95% Confidence Interval of the Difference Lower Upper -3.27098 10.49098

Hasil uji :

 t 2 , n1  n2  2  t  t 2 , n1  n2  2  3,27  t  10,49

t 1.187

df 9


80 TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan skenario perbaikan I dan penggunaan skenario II untuk karakteristik waktu tunggu pasien pada proses pembelian obat apotik.  Proses pemeriksaan dokter. Tabel perbandingan antara skenario perbaikan I dengan skenario perbaikan II dapat dilihat pada tabel di bawah ini. Tabel 4.27 perbandingan skenario perbaikan I dengan skenario II berdasarkan waktu tunggu proses pemeriksaan dokter. Replikasi 1 2 3 4 5 6 7 8 9 10 Mean Stdev

Skenario I 39.25 36.18 6.15 19.83 13.62 37.86 6.90 23.69 21.89 42.64 24.80 13.56

SkenarioII 60.20 22.25 17.42 45.87 26.92 35.02 11.05 21.89 15.97 33.07 28.96 15.05

Hipotesa :


Pair 1

real - skenarioI

Mean -4.16500



95% Confidence Interval of the Difference Upper Lower -13.69301 5.36301

t -.989

df 9


TOLAK H 0 Hal ini berarti terdapat perbedaan yang signifikan skenario perbaikan I dan penggunaan skenario II untuk karakteristik waktu tunggu pasien pada proses pemeriksaan dokter.

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Recommend Documents