Perpustakaan Digital ITB

Konsumsi sumber daya di RSUP RB meningkat secara konsisten dari 2014-2019, hal ini tergambar pada berbagai nilai indikator operasional RSUP RB. Sumber daya harus digunakan dengan optimal di rumah sakit karena bersifat terbatas, salah satu cara untuk mengoptimalkan penggunaan sumber daya adalah dengan mengoptimalkan lama rawat inap pasien. Penelitian ini membangun suatu model prediksi lama rawat inap pasien ibu yang akan melahirkan di RSUP RB sebagai informasi pendukung keputusan dalam proses pengoptimalan dan perencanaan penanganan pasien. Kasus persalinan dipilih karena tingginya frekuensi dan penggunaan sumber daya pada kasus ini. Informasi lama rawat inap pasien menjadi penting karena terdapat periode kritis satu hingga dua hari pertama paska persalinan, sehingga perlu diidentifikasi pasien- pasien dengan prediksi lama rawat inap diatas dua hari sebagai pasien target. Proses yang dilakukan pada penelitian ini meliputi tahap pendahuluan, pembangunan model, dan evaluasi model. Proses pembangunan model terdiri dari pemrosesan data, pemilihan model, dan hyperparameter tuning. Pemrosesan data dilakukan untuk memastikan kualitas data untuk digunakan proses pembangunan model. Pemilihan model menguji berbagai model untuk kemudian dipilih model-model terbaik berdasarkan performansinya. Model-model terpilih kemudian dioptimalkan lebih lanjut performansinya dengan mengoptimalkan hyperparameter dari model-model tersebut pada proses hyperparameter tuning, untuk kemudian diambil model terbaik dan diuji pada tahap evaluasi model menggunakan set data uji. Penelitian ini menemukan bahwa model extreme gradientboost (XGBoost) yang dioptimalkan dengan metode hyperparameter tuning bayesian sebagai model terbaik. Model ini memiliki nilai performansi F1 sebesar 0,804 / 1,000, dengan recall dan precission yang bernilai sama yakni 0,804 / 1,000. Dengan menggunakan model prediksi, dalam melakukan proses pengoptimalan lama rawat inap pasien, tenaga kesehatan terkait cukup melakukannya pada 17% pasien dari keseluruhan populasi pasien untuk berhasil menerapkan proses yang diharapkan pada 80% lebih pasien target dengan lama rawat inap diatas dua hari dari keseluruhan populasi pasien.