PENJADWALAN RUANG OPERASI RUMAH SAKIT DENGAN METODE NON-DOMINATED SORTING GENETIC ALGORITHM II (NSGA-II)

Yeni Roha Mahariani


DOI: https://doi.org/10.29100/jipi.v8i1.3989

Abstract


Penjadwalan operasi pasien merupakan aktifitas penting pada kegiatan operasional rumah sakit, karena menentukan waktu pasien-pasien tertangani dengan baik. Permasalahan ini dimodelkan sebagai masalah optimasi multi-obyektif yaitu meminimalkan waktu yang digunakan saat tindakan operasi. Masalah penjadwalan operasi dirumuskan sebagai masalah mixed integer programming (MIP), sehingga variabel merepresentasikan jadwal kasus operasi yang layak untuk ruangan tertentu dalam satu hari. Tahapan dalam merumuskan solusi heuristik, yaitu menentukan fungsi objektif sebagai solusi fraksional, menentukan solusi integer dengan mengubah solusi fraksional, dan meningkatkan kualitas solusi menggunakan local branching, formulasi MIP tersebut didasarkan pada variabel time-index. Model optimasi penjadwalan pasien dapat diselesaikan dengan metode berbasis global search. Metode tersebut dapat menghasilkan sejumlah jadwal operasi non-dominated yang mendekati pareto front dalam satu proses. Walaupun mampu mendekati pareto front, isu utama dari metode berbasis global search adalah bagaimana menjaga diversitas jadwal operasi. Penelitian ini menerapkan algoritma Non-dominated Sorting Genetic Algorithm II (NSGA-II). Berdasarkan hasil uji coba, dalam hal isu diversity pada penjadwalan operasi, metode NSGA II mampu menghasilkan himpunan pareto optimal dengan tingkat diversitas terbaik sebesar 0.597. Hal ini menunjukkan bahwa metode usulan berbasis NSGA-II mampu menghasilkan jadwal operasi pasien yang beragam dengan berbagai kombinasi.

Keywords


penjadwalan; pareto optimal; optimasi; NSGA-II

Full Text:

PDF

Article Metrics :

References


K. Deb, A. Pratap, S. Agarwal, and T. Meyarivan, A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II, 2002.

Z. Abdelrasol, N. Harraz, and A. Eltawil, Operating room scheduling problems: A survey and a proposed solution framework, in Transactions on Engineering Technologies: Special Issue of the World Congress on Engineering and Computer Science 2013, Springer Netherlands, 2014, pp. 717731. doi: 10.1007/978-94-017-9115-1_52.

R. Aringhieri, P. Landa, P. Soriano, E. Tnfani, and A. Testi, A two level metaheuristic for the operating room scheduling and as-signment problem, Comput Oper Res, vol. 54, pp. 2134, 2015, doi: 10.1016/j.cor.2014.08.014.

R. MHallah and A. H. Al-Roomi, The planning and scheduling of operating rooms: A simulation approach, Comput Ind Eng, vol. 78, pp. 235248, 2014, doi: 10.1016/j.cie.2014.07.022.

J. M. Molina-Pariente, E. W. Hans, J. M. Framinan, and T. Gomez-Cia, New heuristics for planning operating rooms, Comput Ind Eng, vol. 90, pp. 429443, Dec. 2015, doi: 10.1016/j.cie.2015.10.002.

A. Riise, C. Mannino, and E. K. Burke, Modelling and solving generalised operational surgery scheduling problems, Comput Oper Res, vol. 66, pp. 111, Feb. 2016, doi: 10.1016/j.cor.2015.07.003.

R. Guido and D. Conforti, A hybrid genetic approach for solving an integrated multi-objective operating room planning and schedul-ing problem, Comput Oper Res, vol. 87, pp. 270282, Nov. 2017, doi: 10.1016/j.cor.2016.11.009.

A. Brezulianu, L. Fira, and M. Fira, A genetic algorithm approach for scheduling of resources in well-services companies, 2012. [Online]. Available: www.ijacsa.thesai.org

A. Konak, D. W. Coit, and A. E. Smith, Multi-objective optimization using genetic algorithms: A tutorial, Reliab Eng Syst Saf, vol. 91, no. 9, pp. 9921007, Sep. 2006, doi: 10.1016/j.ress.2005.11.018.

J. A. Vasconcelos, J. A. Ramrez, R. H. C. Takahashi, and R. R. Saldanha, Improvements in genetic algorithms, IEEE Trans Magn, vol. 37, no. 5 I, pp. 34143417, 2001, doi: 10.1109/20.952626.

Y. Li and Z. Chen, The distributed permutation flowshop scheduling problem: A genetic algorithm approach, 2015. [Online]. Avail-able: http://soa.iti.es.

H. Li and Q. Zhang, Multiobjective optimization problems with complicated pareto sets, MOEA/ D and NSGA-II, IEEE Transac-tions on Evolutionary Computation, vol. 13, no. 2, pp. 284302, 2009, doi: 10.1109/TEVC.2008.925798.

P. Murugan, S. Kannan, and S. Baskar, Application of NSGA-II algorithm to single-objective transmission constrained generation expansion planning, IEEE Transactions on Power Systems, vol. 24, no. 4, 2009, doi: 10.1109/TPWRS.2009.2030428.

A. H. Wright, Genetic Algorithms for Real Parameter Optimization, 1991, pp. 205218. doi: 10.1016/b978-0-08-050684-5.50016-1.