Optimasi penjadwalan personalia rumah sakit berbasis Agent menggunakan Algoritma Simulated Annealing

ABSTRAK

Suatu hal penting yang ada dalam suatu pekerjaan adalah penjadwalan. Penjadwalan ini memiliki beberapa kendala tertentu pada setiap masalah yang dihadapi. Diantaranya yaitu pembagian jadwal yang harus merata sehingga tidak ada penumpukan pegawai ataupun kekurangan pegawai pada hari tertentu. Dalam penjadwalan personalia rumah sakit ini terdiri dari 3 shift utama, yaitu shift pagi, malam , dan siang. Setelah melaksanakan shift malam 3 hari, maka pegawai berhak mendapat libur dan libur ekstra. Sedangkan setelah shift siang, pegawai mendapat libur 1 hari saja

Algoritma Simulated Annealing adalah algoritma penjadwalan yang meniru proses pendinginan baja/metal yang mendidih secara perlahan untuk mencapai nilai minimum fungsi dalam permasalahan minimasi. Contohnya, SA melakukan pemilihan keadaan baru (new state) yang didapatkan secara acak dengan probabilitas tertentu. Jika jadwal baru lebih baik dari jadwal sekarang maka jadwal tersebut akan diterima. Akan tetapi apabila lebih buruk, maka jadwal baru masih memiliki kemungkinan dipilih dengan probabilitas tertentu.Dalam penelitian ini agent digunakan dalam pencatatan permintaan cuti pegawai.

Berdasarkan uji coba yang dilakukan menggunakan data 12 pegawai dan waktu 12 hari, dengan parameter hasil uji coba yang merupakan kombinasi parameter terdahulu didapatkan keadaan awal (T) yang efektif sebesar 100000 dengan pereduksi sebesar 0,9.

ABSTRACT

The most important thing on a job is scheduling. Scheduling has several constrain for the problem involved. Hospital personnel department scheduling is a schedule that very complex. Until this time, the schedule made manually and need along time. Moreover, this scheduling still make schedule that not fair. Therefore, on this personnel department scheduling need a pattern that became orientation making schedule and need a algorithm for solve the problem..

Simulated annealing algorithm is scheduling algorithm that does like cooling process of steel boiled slowly for reach function minimum value on the problem minimation. Example, SA does selection new state that received randomly with certain probability. If new schedule better than present schedule so new schedule will received. But, if worse, so the new state still has possibility chosen with certain probability.

Based on trial that done using of data 12 employee and 12 days, with result trial parameter that is combination parameter available initial temperatur (T) t hat effective is 10000 with reduction 0,9.