Layanan sistem antrian di di Rumah Sakit mengalami masalah bahwa antrian layanan lebih lama dari pada pelayanan kesehatanya sendiri. Atas dasar hal tersebut dibutuhkan sebuah model yang mampu memberikan layanan antri yang tepat sasaran dan memberikan rasa keadilan kepada pengantri. Dalam paper ini digunakan 10 kriteria untuk menentukan prioritas antrian yakni: Faktor Risiko Penyakit, Biaya Perawatan, Tenaga Medis, Peralatan Kesehatan, Waktu tunggu, Jarak Domisili Pasien, Usia, Jenis Kelamin, Jumlah pasien yang dilayani diunit yang dituju dan Keputusan Pimpinan. Ke-10 kriteria ini agar diperoleh hasil yang lebih objektif dikombinasikan dengan Group Decision Making Tipe 2 (GDM2) dan metode entropy untuk mengevaluasi antrian model Multiple Channel Model (M/M/s). Jumlah loket layanan sangat berpengaruh terhadap jumlah antrian dan waktu layanan. Kesimpulan yang didapat bahwa menambah jumlah loket layanan sebanyak dua kali lipat dari akan memangkas 1/2 dari jumlah orang yang dilayani per-satuan waktu pada setiap jalur antrian terutama direntang waktu antara jam 8.00 wib s.d. 10.00 wib. Selain itu berdasarkan penilaian Decision Maker (DM) dalam kelompok pengambil keputusan, kriteria biaya adalah faktor paling penting atau kritis ketika memberikan prioritas layanan diikuti dengan kriteria keputusan pimpinan dan faktor risiko penyakit. Penambahan kategori-kategori penyakit yang berbahaya dalam sistem antrian dapat membuat sistem ini menjadi lebih baik.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.