MENENTUKAN JUMLAH COUNTER PENDAFTARAN PASIEN DAN PEGAWAI REKAM MEDIS MENGGUNAKAN SIMULASI PADA RUMAH SAKIT UMUM TITIAN BUNDA Defrian Gandhi Akbar Villa Bintaro Regency blok F3 no 12A Pondok Aren, Tangerang Selatan 15227, Indonesia.
[email protected] Aghnia Tasya Jl Cipinang Baru Bundar No 20, Rawamangun, Jakarta Timur 13240 Indonesia 085710059600.
[email protected] Muhammad Angga Putra Digjaya Jl Zambrud 3 Blok I No 1, Villa Mutiara, Tangerang Selatan, Indonesia 082110281900.
[email protected] Prof. Bahtiar Saleh Abbas, Ph.D. Teknik Industri, Fakultas Teknik, Universitas Bina Nusantara Kampus Syahdan, Jl. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 Indonesia
[email protected]
Abstract Tunas Harapan Medika is a company who move in the field of health and Titian Bunda Hospital was held by them. They became the study field of this report. Titian Bunda Hospital has a problem with their queuing system because the patient have to wait in the line when they want to register in the admission. This queue occurs between 08.00 AM until 13.00 PM, this is a serious problem so it became the material research. The improvement to be proposed is to add one more server on the admission based on calculation and analysis using ARENA software, it will reduce queuing time that experienced by the patient and also calculation about economic decision making with break-even analysis multiple product case. Keywords: Simulation, ARENA, Queuing, Break-Even Point
ABSTRAK PT. Tunas Harapan Medika merupakan perusahaan yang bergerak dalam bidang kesehatan dan Rumah Sakit Titian Bunda merupakan anak perusahaan dari PT. Tunas Harapan Medika dan menjadi tempat penelitian dari penulisan laporan ini. Saat ini Rumah Sakit Titian Bunda mempunyai masalah terhadap sistem antrian mereka karena pasien harus mengalami antrian yang cukup panjang saat registrasi di admisi. Antrian ini terjadi antara jam 08.00 sampai 13.00, kendala ini merupakan hal yang cukup serius sehingga menjadi bahan penelitian laporan. Perbaikan yang diajukan adalah menambah satu lagi serverpada bagian admisi berdasarkan perhitungan yang sudah dilakukan menggunakan metode simulasi memakai software ARENA, hal tersebut akan mengurangi waktu antrian yang dialami oleh pasien dan juga perhitungan tentang pengambilan keputusan yang ekonomis dengan menggunakan breakeven analysis terhadap multiple product. Kata Kunci: Simulasi, ARENA, Antrian, Break-Even Point
PENDAHULUAN Menurut (Stakuis dan boyle, 2009) efek dari antrian saat mengunjungi sebuah rumah sakit dalam hubungannya dengan waktu yang dihabiskan oleh seorang pasien untuk mendapatkan perawatan dan pengobatan di rumah sakit sekarang telah meningkat dan menjadi sesuatu yang penting bagi masyarakat modern serta menjadi sebuah langkah besar dalam kemajuan teknologi. Rumah Sakit Titian Bunda merupakan bagian dari PT. Tunas Harapan Medika yang menjadi tempat pengamatan. Rumah Sakit Titian Bunda termasuk dalam rumah sakit umum. Setiap harinya rumah sakit tersebut mendapati pasien rawat jalan sebanyak 32 orang per hari. Kemudian rumah sakit akan menyediakan Program BPJS, dimana program ini akan menimbulkan pertambahan jumlah pasien sebanyak 50-100 pasien menurut wawancara dengan staff rumah sakit. Untuk memenuhi standar tersebut, rumah sakit menerapkan kebijakan pemerintah dalam hal jumlah standard respon time yaitu 6 menit (registrasi-ke ruang dokter). Berikut ini adalah digram yang menujukkan kenaikan pasien :
Gambar 1 Peningkatan Jumlah Pasien
Rumah Sakit Titian Bunda hanya mempunyai 1 counter registrasi rawat inap dan 1 counter registrasi rawat jalan. Pengamatan ini difokuskan pada pengurangan respon time gabungan admisi dan rekam medis hingga kurang dari 6 menit dengan jumlah counter berdasarkan biaya paling minimum. Dari proses pendaftaran pasien rawat jalan dan pasien ada dua jenis yaitu pasien baru dan pasien lama. Berikut ini adalah proses yang diamati untuk penulisan laporan ini.
Masuk Klinik
Datang ke Receptionist
Pasien Baru?
Yes
Registrasi Pasien (Indentitas Diri)
No
Data Dibawa ke Meja Suster
Membuat dan Mencari Data Pasien di Rekam Medis
Mendaftarkan Pasien ke Dokter Terkait
Gambar 2 Process Flow Pasien Presentase jumlah pasien yang mengantri dalam jam sibuk yaitu jam 8:00 – 13.00 adalah yang menjadi focus pengamatan laporan ini karena pada jam sibuk tersebut, sebanyak 83,33% pasien rawat jalan berada di jam tersebut. Permasalahan penelitian yaitu bagaimana cara menentukan jumlah counter admisi dan pegawai rekam medis dengan utilitas yang lebih kecil dari sebelumnya dan dengan biaya yang minim serta tetap memenuhi standar waktu yang sudah ditetapkan serta tujuan dari penelitian ini adalah untuk meminimalisir antrian yang terjadi di meja registrasi dan untuk mengoptimalkan efektifitas waktu.
METODOLOGI PENELITIAN Berikut ini adalah penjelasan untuk masing-masing langkah penelitian pada Rumah Sakit Titian Bunda. Metodologi penelitian yang dilakukan yaitu observasi yang merupakan metode pengumpulan data dengan melakukan pengamatan langsung di lapangan atau lokasi penelitian. Dalam penelitian ini observasi yang dilakukan bertempat di Rumah Sakit Titian Bunda. Kemudian melakukan identifikasi permasalahan dengan hasil mendapatkan permasalahan pada bagian administrasi yang menyebabkan pasien harus mengantri pada saat melakukan pendaftaran dan melakukan analisa untuk mengurangi waktu antrian serta pengambilan keputusan secara ekonomis dari hasil nanti. Setelah itu melakukan penentuan tujuan dan pengumpulan data dengan data primer yang merupakan dari hasil pengamatan langsung dan kedua adalah data sekunder yang diperoleh dari sumber yang ada seperti contohnya jumlah pasien rawat jalan dari database Rumah Sakit Titian Bunda kemudian melakukan uji kecukupan dan keseragaman data. Selanjutnya melakukan pengolahan data dengan metode simulasi dan hasilnya akan dianalisa lalu diolah lagi dengan pendekatan metode Break-Even Point untuk menentukan pengambilan keputusan berdasarkan sisi ekonomi. Untuk mempermudah melakukan analisa terhadap permasalahan, digunakan bantuan software ARENA untuk metode simulasi. Tahapan berikutnya adalah melakukan analisa hasil pengolahan data yang telah dilakukan. Tahap terakhir yaitu menentukan kesimpulan berdasarkan analisa yang telah dilakukan dan saran yang diperlukan untuk perusahaan.
HASIL DAN BAHASAN Arrival Rate Pasien Untuk data arrival rate dihitung rata-rata per hari kemudian dijadikan arrival rate per jam untuk data arrival rate. Karena bertambahnya 50-100 pasien, arrival rate tambahan diasumsikan sebanyak 50 per hari. kemudian dibagi dengan 4 (jam sibuk) menjadi 12,5. Angka tersebut dibulatkan karena satuan yang digunakan adalah orang sehingga dihasilkan 13 orang per 1 jam. Lalu dihitung probabilitas pasien lama dan pasien baru per hari. Dari data pasien masuk dalam bulan mei 2014 – April 2015, terdapat 11325 pasien di Rumah Sakit Titian Bunda pasien lama dan pasien baru yaitu 43% dan 57% sehingga dapat dihitung arrival rate pasien lama, pasien baru, serta pasien tambahan.
Hasil perhitungan adalah sebagai berikut : Tabel 1 Arrival rate Pasien Lama, Pasien Baru, dan Pasien Tambahan Tambahan RataRata Senin Selasa Rabu Kamis Jumat
18,5 10 6,67 8,37 7,90
Round up (A) 19 10 7 9 8
Eksisting
Tambahan (B)
43%x(B)
57%x(B)
43%x(A)
57%x(A)
32 23 20 22 21
14 10 9 9 9
18 13 11 13 12
8 4 3 4 3
11 6 4 5 5
Sumber: Pengolahan Data Penulis 2015
Hasil Pengolahan ARENA Berikut adalah hasil pengolahan dengan menggunakan software ARENA:
Gambar 5 Model Eksisting Simulasi Sumber: Pengolahan Data Penulis 2015
Penjelasan skenario usulan 1 yaitu penambahan 2 counter admisi dan 1 pegawai rekam medis dengan keterangan 1 counter untuk pasien lama dan 2 counter untuk pasien baru serta 1 pegawai rekam medis untuk pasien lama dan 1 pegawai untuk pasien baru. Kemudian penjelasan skenario usulan 2 yaitu penambahan 2 counter admisi dan 2 pegawai rekam medis dengan keterangan 1 counter untuk pasien lama dan 2 counter untuk pasien baru serta 1 pegawai rekam medis untuk pasien lama dan 2 pegawai untuk pasien baru. Terakhir yaitu skenario usulan 3 yaitu sama seperti skenario usulan 2 tetapi tidak membedakan antara pasien baru dan pasien lama.
Perhitungan Output, Utilitas, Waktu dan Biaya tiap skenario usulan Beberapa tabel berikut menunjukan perbandingan rata-rata output, utilitas, waktu dan biaya setiap hari pada setiap skenario usulan. Untuk data output, utilitas dan waktu didapatkan dari hasil simulasi software ARENA. Sedangkan untuk biaya didapatkan dari perhitungan dengan mengalikan antara fixed cost dan variable cost data sekunder dengan kuantitas yang dibutuhkan untuk masing masing kategori kemudian didapatkan total cost dari masing masing skenario usulan.
Tabel 2 Output Setiap Hari Pada Setiap Skenario Output Eksisting (A) 62 61 61 59 62
Hari 1 2 3 4 5
Output Skenario 1 (B) 125 95 105 108 107
Output Skenario 3 (C) 135 94 90 96 96
Output Skenario 3 (D) 139 102 84 100 96
Tabel 3 Utilisasi Setiap Hari Pada Setiap Skenario
Hari
Utilisasi Eksisting (A)
Utiliisasi Skenario 2 (B)
Utiliisasi Skenario 3 (C)
Utiliisasi Skenario 4 (D)
1 2 3 4 5
99,00% 97,12% 95,21% 94,70% 96,34%
77,99% 63,26% 66,84% 69,25% 71,52%
57,23% 39,80% 39,76% 40,21% 40,33%
70,64% 27,47% 22,24% 26,26% 25,96%
Tabel 4 Perbandingan Waktu Setiap Skenario
skenario 1 skenario 2 skenario 3
Senin 5,52 5,6 5,4
Selasa 5,52 5,5 4,62
Rabu 5,52 5,7 4,62
Kamis 5,52 5,4 4,62
Jumat 5,52 5,5 4,62
Rata-rata 5,52 5,4 4,776
Tabel 5 Perbandingan Total Cost Setiap Skenario Skenario Skenario 1 Skenario 2 Skenario 3
Total cost Rp 81.180.792 Rp 80.587.422 Rp 81.760.770
Sumber: Pengolahan Data Penulis 2015 Dari perbandingan beberapa tabel diatas dapat dilihat bahwa semua skenario usulan telah memenuhi syarat yaitu berbeda dengan skenario exsisting. Contohnya seperti tabel output yang menunjukan bahwa skenario usulan telah mengalami peningkatan outout dibandingkan dengan tabel existing dan juga telah dihitung dengan pendekatan uji hipotesa pada masing masing skenario. Kemudian contoh selanjutnya yaitu untuk tabel utilitas, masing masing skenario juga telah mengalami pengurangan presentase nilai utilitas dibandingkan dengan skenario exsisting yang berarti jika utilitas berkurang maka masing masing skenario usulan sudah mendapatkan kelengangan dalam antrian. Begitu pula dengan tabel waktu yang menunjukan bahwa semua skenario usulan sudah mencakup waktu 6 menit sehingga semua skenario dapat diterima sebagai skenario usulan. Tetapi setelah melakukan perhitungan untuk biaya, skenario usulan 2 merupakan yang termurah daripada skenario lain. Oleh karena itu skenario usulan 2 direkomendasikan sebagai yang terbaik.
Perhitungan Break-Even Point Skenario yang direkomendasikan adalah skenario 2 sehingga rumah sakit direkomendasikan untuk menambah 2 counter pada admisi (2 set komputer dan 2 furnitur) dan 2 orang pada rekam medis (2 furnitur) dengan waktu siklus 5 tahun. Berikut adalah tabel yang menunjukan perhitungan pasien per poliklinik: Tabel 6 Perhitungan Pasien Per Poliklinik Presentase
Pasien per Tahun
Gigi dan Mulut
7,96%
2164
Kulit dan kelamin
11,69%
3178
Kebidanan dan kandungan
26,20%
7126
Bedah umum dan othopedi
2,62%
712
Anak
33,41%
9085
Umum
18,12%
4927
Item
Pasien (27.192 pasien)
Sumber: Pengolahan Data Sekunder Penulis 2015
Contoh pasien per tahun pada poliklinik gigi dan mulut didapatkan dengan cara 7,96% x 27.192 pasien = 2.164 pasien per tahun. Rumah sakit mendapatkan 20% dari tarif pasien. Kemudian menghitung fixed cost dan variable cost. Berikut adalah tabel fixed cost dan variable cost per bulan: Tabel 7 Fixed cost Per Bulan Fixed cost per bulan Depresiasi set komputer Depresiasi furnitur Gaji pegawai (Admin) Biaya Utilitas Total
Harga Satuan Rp 400.000 Rp 40.000 Rp 2.300.000 Rp 10.000.000
Kuantitas 2 4 4 1
Rp Rp Rp Rp Rp
Jumlah 800.000 160.000 9.200.000 10.000.000 20.160.000
Tabel 8 Variable cost Pasien Administrasi
Variable cost Rp 26.667
Sumber: Pengolahan Data Sekunder Penulis 2015
Setelah mendapatkan fixed cost dan variable cost, dihitung perkalian tarif dan biaya tindakan dengan variable cost dan juga perhitungan weighted contribution untuk selanjutnya dapat dimasukan kedalam perhitungan break-even point
Tabel 9 Perhitungan Weighted Contribution
Item Gigi dan Mulut Kulit dan kelamin Kebidanan dan kandungan Bedah umum dan othopedi Anak Umum
Selling Price (P)
Variable costs (V)
(V/P)
1(V/P)
Pasien per tahun
% of Sales
Weighted Contribution
Rp 29.133
Rp 26.667
0,915
0,085
Rp
63.056.885
0,053
0,0045
Rp 46.214
Rp 26.667
0,577
0,423
Rp 146.882.204
0,124
0,0523
Rp 46.214
Rp 26.667
0,577
0,423
Rp 329.300.425
0,277
0,1172
Rp 39.929
Rp 26.667
0,668
0,332
Rp
28.428.407
0,024
0,0079
Rp 43.310
Rp 26.667
0,616
0,384
Rp 393.462.034
0,331
0,1272
Rp 46.138
Rp 26.667
0,578
0,422
Rp 227.318.664
0,191
0,0807
Rp 1.188.448.619
1,000
0,3899
Total Sumber: Pengolahan Data Sekunder Penulis 2015
Setelah itu dihitung BEP dengan rumus sebagai berikut :
= Rp
620.542.532
Sehingga untuk mencapai BEP memerlukan Rp 620.542.532/ 365 = Rp 2.350.540 per hari. Berikut ini adalah BEP quantity dena dengan jumlah pasien poliklinik yaitu sebagai berikut :
Tabel 10 BEP Quantity Item Gigi dan Mulut
BEP Quantity
BEP Quantity/tahun
4
1130
Kulit dan kelamin
6
1660
Kebidanan dan kandungan
14
3721
Bedah umum dan othopedi
1
372
Anak
18
4744
Umum
10
2573
Sumber: Pengolahan Data Sekunder Penulis 2015
Kemudian, dihitung profit dengan cara menemukan selisih dari BEP dan jumlah pasien aktual yaitu sebgai berikut:
Tabel 11 Profit dan Perbandingan Quantity
BEP Quantity per tahun (A)
Pasien Per Tahun (B)
Selisih (B)-(A)
2164 3178 7126 712 9085 4927
1034 1519 3405 340 4341 2354
1130 1660 3721 372 4744 2573 Total/tahun Total/hari
Profit
Rp Rp Rp Rp Rp Rp Rp Rp
2.550.881 29.687.629 66.557.748 4.511.904 72.249.480 45.841.913 221.399.555 838.635
Analisa Hasil Pengamatan Berdasarkan Bonferroni Approach, semua skenario yang dapat dipertimbangkan sebagai model usulan berdasarkan output, utilisasi counter admisi dan rekam medis. Kemudian, setiap skenario dibandingkan total costnya. Hasilnya, skenario yang terpilih adalah skenario 2. Dimana rumah sakit membedakan antrian pasien baru dan pasien lama. Hal ini membutuhkan 2 (dua) counter baru pada admisi dan 2(dua) pegawai baru pada rekam medis untuk menangani pasien baru. Output (pasien yang datang) juga bertambah dari 42 pasien per hari menjadi 103 pasien per hari. Dengan bertambahnya lebih dari 50% pasien dan banyaknya counter yang memungkinkan pasien untuk mengantri lebih cepat. Kemudian, Dihitung break even point untuk skenario 2, dari hasil yang telah dihitung, rumah sakit akan mengalami keuntungan setiap hari jika bertambahnya counter dan jumlah pegawai. Perhitungan BEP dengan model eksisting terdapat pada lampiran 8. Berikut ini merupakan perbandingan profit dari sistem eksisting dan skenario 2: Tabel 12 Perbandingan Profit Per Hari Dengan Model Eksisting Model Model eksisting Skenario 2
Profit Rp Rp
30.176 838.635
Sumber: Pengolahan Data Sekunder Penulis 2015
Dari tabel 12 terlihat bahwa dengan model eksisting, profit dengan tambahan pasien lebih tinggi yaitu menalami peningkatan lebih dari 200% dari model eksisting sehingga dapat disimpulkan bahwa dengan penembahan pasien beserta counter dan pegawai akan meningkatkan profit hingga lebih dari 200%.
SIMPULAN DAN SARAN Setelah melakukan pengolahan data, maka dapat menghasilkan simpulan-simpulan yang menjawab rumusan masalah serta saran-saran yang dapat digunakan oleh perusahaan untuk perbaikan berkesinambungan, diantaranya: Simpulan Rumah Sakit Titian Bunda mempunyai 1 counter pendaftaran (admisi) dan 1 orang yang bekerja di rekam medis. Rumah sakit ini akan mengimplementasikan program BPJS dimana jumlah pasien akan bertambah
50 – 100 pasien dari sebelumnya yaitu rata-rata 32 pasien per hari pada jam sibuk (9.00-13.00). Berdasarkan hasil simulasi model usulan, model yang di rekomendasikan adalah skenario 2 yaitu dimana rumah sakit membuka 2 counter tambahan dengan fungsi untuk pasien baru dan menambah 2 pegawai di rekam medis untuk mengurus berkas pasien baru dengan rata-rata waktu pasien dalam sistem yaitu 5,4 menit. Dari hasil perhitungan Break even point, rumah sakit akan mengalami keuntungan sebesar sebesar Rp 429.703 per hari untuk arrival rate 13 pasien per jam. Bila dibandingkan dengan model eksisting, model eksisting menghasilkan profit sebanyak Rp 30.176 per hari sehingga dengan pertambahan pasien dan menggunakan skenario 2, rumah sakit akan mendapatkan keuntungan lebih 50% dari model eksisting . Berdasarkan perbandingan jumlah profit per hari, disarankan bahwa Rumah Sakit Titian Bunda untuk menggunakan skenario 2 untuk menghadapi tambahan pasien. Saran Berikut ini adalah saran untuk rumh sakit titian bunda: 1. ................................................................................................................................................. Ru mah Sakit titian bunda sebaiknya melakukan evaluasi pada sistem pendaftaran yang sudah ada, misalnya untuk pasien baru formulir yang harus di isi sebaiknya dikurangi. 2. ................................................................................................................................................. Ru mah sakit titian bunda sebaiknya mengevaluasi dan mengontrol kualitas pelayanan untuk pasien di setiap layanan yang pasien tuju (counter admisi, ruang tunggu admisi, ruang tunggu dokter
REFERENSI Altiok, T dan Melamed, B. Simulation Modelling and Analysis with ARENA. Academic Press. London. 2007. Banks, J. (2010). Discrete-Event System Simulation (fifth ed.). (H. Stark, Ed.) New Jersey, United States: Pearson. Banks, J. (1998). Hand Book of Simulation : Aplication, Methodology, Advances, Aplications and Practices,. John and Willey Sons. Bhat, U.N. 2008. An Introduction Theory, Modeling and Antoaly Qsuiseiuneing Applications. Dallas: Birkhauser Boston. Ersyad, Z. A. (2013). Identifikasi Model Antrian Pada Antrian Bus Kampus Universitas Andala Padang. Jurnal Matematika UNAND, 1, 44-51. BIBLIOGRAPHY \l 1057 Heizer, J., & Render, B. (2004). Principles of Operation Management. New Jersey: Pearson Education. Herawati, M.G.H.S. 2008. Simulasi Antrian pada Pom Bensin (Studi Kasus Pada SPBU 54.651.13. Rampal, Malang). Skripsi Jurusan Matematika FMIPA Universitas Brawijaya. Malang. H. R. Bakari, H. A. (2014). Queuing Process and Its Aplication to Customer Service Delivery. International Journal of Mathematics and Statistics Invention, 2 (1), 14-21. Kelton, W ; Sadowsky, R ; Swets, N . Simulation with Arena. McGraw-Hill Education. 2009 Law. A. M, ,. K. (2000). Simulation Modeling and Analysis 3rd Editions. Mc. Graw Hill,. Ross, S. M. (2009). Introduction to Probability Model. New York: Academic Press. Stakutis C, Boyle T (2009) Your health, your way: Human-enabled health case. CA Emerging Technologies, pp.1-10. Sugiyono. (2013). Metode Penelitian Kuantitatif, Kualitatif, dan Kombinasi (Mixed Methods). Bandung: Alfabeta. Taha, H.A Jilid1997.Riset Operasi,Suatu Pengantar, Jilid Dua.Jakarta : Binarupa Aksara
