Model Optimisasi Robust untuk Mengatasi Ketidaktentuan Estimasi Durasi Operasi pada Masalah Penjadwalan Ruang Operasi Rumah Sakit

Authors

  • Diah Chaerani Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Padjadjaran
  • Ija Royana Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Padjadjaran
  • Elis Hertini Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Padjadjaran

:

https://doi.org/10.9744/jti.19.1.55-66

Keywords:

Optimisasi Robust, Ketidaktentuan Estimasi Durasi Operasi, Robust Counterpart, Box Uncertainty, Ellipsoidal Uncertainty

Abstract

Masalah penjadwalan ruang operasi di rumah sakit merupakan masalah keragaman durasi operasi yang memerlukan penjadwalan untuk mengurangi tingkat kesibukan ruang operasi.  Masalah yang harus diselesaikan dalam penjadwalan ruang operasi adalah bagaimana menempatkan pasien ke dalam blok ruang operasi yang tersedia secara optimal untuk meminimumkan waktu tunggu pasien. Masalah ini dapat disajikan dalam sebagai masalah optimisasi dalam formulasi mixed integer linear programming (MILP). Pada prakteknya sering terjadi ketidaktentuan estimasi durasi operasi yang dapat mengakibatkan jadwal operasi tidak berjalan sesuai perencanaan awal, sehingga pasien tidak dapat dioperasi sesuai dengan waktu yang telah ditentukan. Dalam makalah ini dikaji pemodelan masalah optimisasi tak tentu dengan menggunakan teknik pemodelan Optimisasi Robust (OR) dalam hal mengatasi ketidaktentuan estimasi durasi operasi pada masalah penjadwalan ruang operasi rumah sakit. Dalam metodologi OR diperkenalkan Robust Counterpart (RC), dimana  tujuan utama yang ingin dicapai adalah menguji level robustness dengan cara menguji formulasi model robust counterpart yang dihasilkan apakah dapat direpresentasikan dalam jenis kelas masalah optimisasi yang dapat terjamin sebagai kelas masalah yang computationally tractable. Pemilihan jenis himpunan taktentu untuk merepresentasikan data taktentu yang terlibat dalam pemodelan sangat menentukan, untuk memastikan  apakah formulasi robust counterpart yang diperoleh merupakan masalah yang computationally tractable atau tidak. Dapat disimpulkan bahwa model RC yang diperoleh termasuk dalam kelas masalah yang computatioonally tractability, dalam hal ini model tak tentu dapat direpresentasikan dalam formulasi model optimisasi dalam bentuk linear programming (untuk box uncertainty set) dan conic quadratic programming (untuk ellipsoidal uncertainty set).

 

References

Addis, B., Carello, G., & T`anfani, E. 2014a. A Robust Optimization approach for the Advanced Scheduling Problem with Uncertain Surgery Duration in Operating Room Planning – an Extended Analysis. [CrossRef]

Addis, B., Carello, G., Grosso, A., & T`anfani, E. 2014b. A Rolling Horison Framework for the Operating Rooms Planning under Uncertain Surgery Duration. [CrossRef]

Barnes C.D., Quiason J.L., Benson C. & McGuiness D. 1997. Success stories in simulation in health care. Proceedings of the 1997 Winter Simulation Conference: 1280-1285. [CrossRef]

Aharon Ben-Tal, Laurent El Ghaoui & Arkadi Nemirovski, 2009, Robust Optimization, ISBN: 9780691143682, Princeton Series in Applied Mathematics. [CrossRef]

Ben-Tal, A., Nemirovski, A. 2000. Robust solutions of linear programming problems contaminated with uncertain data, Math. Program., pp. 411–421. [CrossRef]

Ben-Tal, A., Nemirovski, A. 2002. Robust Optimization methodology and Applications. Mathematical Programming, 92(3, Ser. B), 2002, pp. 453–480. [CrossRef]

Bertsimas, D., Brown, D.B., Caramanis, C. 2011. Theory and Application of Robust Optimization. [CrossRef]

Chaerani, D., Roos, C. 2013. Handling Optimization under Uncertainty Problem Using Robust Counterpart Methodology. Jurnal Teknik Industri Vol.15 No.2. [CrossRef]

Denton, B., Miller, J., Balasubramanian, H., Huschka. 2010. Optimal allocation of surgery blocks to operating rooms under uncertainty. Operations Research 58 : 802-816. [CrossRef]

Gorissen, B.L., Yanikoglu, I., Hertog, D.D. 2015. A Practical Guide to Robust Optimization. Netherlands : Department of Econometrices and Operations Research, Tilburg University. [CrossRef]

Hans, E., Wullink, G., Houdenhoven, M.V., Kamezier, G. 2008. Robust surgery loading, European Journal of Operational Research 185 : 1038-1050. [CrossRef]

Hillier & Lieberman. 2011. Introduction to Operations Research. McGraw-Hill, 7thedition. [CrossRef]

T’anfani, E., Testi, A., Alvarez, R. 2010. Operating room planning considering stochastic surgery durations. International Journal of Health Management and Information 1 (2) : 167-183. [CrossRef]

Tyler, D., Pasquariello, C., Chen, C. 2003. Determining optimum operating room utilization, Anesthesia and Analgesia 96 (4) : 1114-1121. [CrossRef]

Weiss, R 2014. The Impact of Block Scheduling and Release Time on Operating Room Efficiency. Industrial Engineering, Clemson University. [CrossRef]

Wulansari, D. 2012. Penjadwalan Kamar Operasi Menggunakan Pemrograman Linear Bilangan Bulat. Institut Pertanian Bogor [CrossRef]

Downloads

Published

2017-06-01

How to Cite

[1]
D. Chaerani, I. Royana, and E. Hertini, “Model Optimisasi Robust untuk Mengatasi Ketidaktentuan Estimasi Durasi Operasi pada Masalah Penjadwalan Ruang Operasi Rumah Sakit”, Jurnal Teknik Industri: Jurnal Keilmuan dan Aplikasi Teknik Industri, vol. 19, no. 1, pp. 55-66, Jun. 2017.

Issue

Section

Articles