Prediksi Kebutuhan Tempat Tidur Unit Rawat Inap RSU Kaliwates Jember dengan Algoritma Support Vector Regression

Ahyadi, Nadiva Dewiana (2025) Prediksi Kebutuhan Tempat Tidur Unit Rawat Inap RSU Kaliwates Jember dengan Algoritma Support Vector Regression. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstract) G41211656 Nadiva Dewiana Ahyadi - Abstrak.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (125kB)
	Text (Bab 1 Pendahuluan) G41211656 Nadiva Dewiana Ahyadi - Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (159kB)
	Text (Daftar Pustaka) G41211656 Nadiva Dewiana Ahyadi - Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (202kB)
	Text (Laporan Lengkap) Laporan FIX.pdf Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Bed Occupied Rate (BOR) merupakan salah satu indikator untuk mengetahui efisiensi penggunaan tempat tidur. Nilai BOR di RSU Kaliwates Jember belum mencapai standar ideal dari Kemenkes RI yakni 60-85%, pada tipe kelas perawatan tertentu nilai BOR kurang dari standar sementara yang lainnya melebihi standar. Untuk mencapai efisiensi penggunaan tempat tidur diperlukan penelitan terkait prediksi hari perawatan guna memperkirakan jumlah kebutuhan tempat tidur. Dalam hal ini algoritma Support Vector Regression (SVR) digunakan dalam memprediksi hari perawatan, memanfaatkan kernel Radial Basis Function (RBF) sebagai ambang batas agar model tetap pada pola data aktual. Berdasarkan rekapitulasi sensus harian rawat inap diketahui hari perawatan tahun 2020-2024 bersifat fluktuatif. Hasil prediksi hari perawatan tiap kelas mengalami kenaikan dan penurunan mengikuti model prediksi berdasarkan data aktual. Hari perawatan terendah pada kelas President Suite tahun 2025 sebesar 290, sedangkan yang tertinggi pada kelas 1 tahun 2025 sebesar 13521. Setiap kelas rawat inap memiliki nilai ukuran error terkecil yang berbeda. Dari 10 kelas rawat inap 6 di antaranya memiliki nilai MAPE berkategori cukup yakni <50%, sisanya berkategori buruk dengan MAPE >50%. Perbedaan data input, adanya outlier, serta perbedaan parameter menjadi penyebab tingginya nilai MAPE. Berdasarkan prediksi kebutuhan tempat tidur tahun 2025-2027 jumlah tempat tidur paling sedikit adalah kelas President Suite tahun 2025 sebesar 1. Sedangkan jumlah paling banyak pada kelas 1 di tahun 2025 sebesar 44. Prediksi kebutuhan tempat tidur dapat digunakan sebagai acuan dalam penyusunan kebijakan di masa mendatang, khususnya dalam perencanaan tempat tidur yang efisien dengan cara relokasi.

Actions (login required)

View Item