Presiden Joko Widodo mengumumkan bahwa terdapat dua orang Indonesia positif terjangkit virus Covid-19 di bulan Maret tahun 2020. Sejak diumumkannya hal itu, kasus Covid-19 bertambah sehingga mencapai tiga ratus ribu kasus di Indonesia di bulan Oktober tahun 2020. Banyaknya kasus di Indonesia mengakibatkan rumah sakit hampir penuh dengan pasien dan suspect Covid-19.
Seperti yang terjadi pada Rumah Sakit Penyakit Infeksi (RSPI) di Sunter Jakarta Utara, dari 11 ruang isolasi di RSPI, 10 ruangan isolasi telah terisi oleh pasien Covid-19. Dari masalah tersebut mengakibatkan pasien Covid-19 harus dirujuk ke rumah sakit lain di lokasi tertentu untuk mendapatkan perawatan serta dibutuhkan cara yang efektif untuk mengatur frekuensi perpindahan dokter dan pasien agar meminimumkan biaya total perpindahan.
Permasalahan desain tata letak rumah sakit dengan memperhatikan frekuensi perpindahan dokter dan pasien (contoh lainnya: pengunjung maupun obat-obatan) termasuk dalam permasalahan penugasan kuadratik dengan dua fungsi tujuan atau biasa disebut sebagai Bi-objective Quadratic Assignment Problem (Bi-Objective QAP). Tentunya dengan tata letak yang sesuai maka akan meminimumkan biaya total perpindahan.
Pada penelitian ini digunakan algoritma metaheuristik untuk menyelesaikan permasalahan bi-objective quadratic assignment problem, yaitu Squirrel Search Algorithm dengan memperhatikan pengaruh parameter probabilitas keberadaan predator. Algoritma Pencarian Tupai atau biasa dikenal dengan Squirrel Search Algorithm (SSA) merupakan algoritma yang dikembangkan oleh Mohit Jain pada tahun 2018. SSA adalah algoritma yang terinspirasi dari alam berdasarkan tingkah laku tupai terbang. Algoritma tersebut tidak hanya membuat formulasi matematika terhadap tingkah laku tupai tetapi juga perilaku pencarian makanan. Proses tingkah laku pencarian makanan yang berulang-ulang diamati dalam empat kondisi iklim: cuaca hangat, sebelum musim dingin, musim dingin dan akhir musim dingin.
Dalam siklus pencarian makanan, ada kemungkinan predator hadir mengganggu. Kemungkinan kehadiran predator dinyatakan dalam probabilitas dimana terdapat dua kondisi yang dapat terjadi sebagai akibat kehadiran predator tersebut. Saat predator datang, tupai terbang akan meluncur ke sekitar lokasi yang lebih baik dari tupai terbang lainnya. Sedangkan kemungkinan yang lain adalah bahwa tupai terbang akan meluncur secara acak.
Pada algoritma ini diasumsikan bahwa seekor tupai terbang berada di salah satu pohon dimana terdapat sejumlah tupai terbang yang sedang berburu sumber makanan di hutan; setiap tupai terbang mencari makanan secara individu dan mengoptimalkan tingkah laku mencari makanan yang dinamis; ada tiga jenis pohon yang tersedia di hutan yakni: pohon normal; pohon acorn, dan pohon hickory; kawasan hutan tersebut memiliki tiga pohon acorn dan satu pohon hickory. Squirrel Search Algorithm (SSA) tidak hanya membuat formulasi matematika terhadap pencarian makanan tetapi juga perilaku pencarian makanan. SSA memberikan solusi optimal global yang akurat dan konsisten dibandingkan dengan algoritma lain seperti Genetic Algorithm, particle swarm optimization, bat algorithm, firefly algorithm, krill herd algorithm dan multi-verse optimizer.
Implementasi program untuk contoh kasus bi-Quadratic Assignment Problem menggunakan data penugasan pada 10 fasilitas dan 10 lokasi, 20 fasilitas dan 20 lokasi, serta 30 fasilitas dan 30 lokasi. Untuk setiap tipe data dilakukan running program sebanyak 10 kali dan dipilih solusi yang memberikan biaya perpindahan minimum. Berdasarkan hasil percobaan running program diperoleh bahwa nilai parameter probabilitas keberadaan predator, jumlah iterasi dan jumlah tupai terbang mempengaruhi performa Squirrel Search Algorithm (SSA). Semakin banyak jumlah maksimum iterasi dan jumlah tupai terbang, maka kemungkinan solusi terbaik didapatkan semakin besar karena wilayah pencarian solusi juga semakin besar, sedangkan untuk probabilitas keberadaan predator, semakin kecil nilai parameter maka semakin luas wilayah pencarian solusi sehingga nilai fungsi tujuan yang didapat semakin baik.
Berdasarkan penelitian ini, permasalahan tata letak rumah sakit untuk meminimumkan biaya perpindahan dokter dan pasien antar rumah sakit dapat diminimumkan jika rumah sakit berada di lokasi yang tepat. Terdapat dua tujuan dalam permasalahan ini yaitu meminimumkan biaya total perpindahan dokter, dan yang kedua adalah meminimumkan biaya perpindahan pasien. Rumah sakit yang memiliki kedekatan dengan rumah sakit lain akan ditempatkan di lokasi yang berdekatan. Dengan tata letak yang sesuai akan meminimumkan biaya perpindahan.
Penulis: Asri Bekti Pratiwi
Artikel lengkapnya dapat dilihat oada link berikut ini:
