Penerapan Business Intelligence Berbasis Dashboard dengan Fitur Clustering dan Forecasting Untuk Optimalisasi Pemanfaatan Data SDM di Rumah Sakit Pekanbaru Medical Center (RS PMC)

Putri, Fayza Zeevania (2025) Penerapan Business Intelligence Berbasis Dashboard dengan Fitur Clustering dan Forecasting Untuk Optimalisasi Pemanfaatan Data SDM di Rumah Sakit Pekanbaru Medical Center (RS PMC). S1 thesis, Universitas Andalas.

	Text (Cover Dan Abstrak) Cover + Abstrak.pdf - Published Version Download (473kB)
	Text (BAB I) BAB I - TA - FAYZA ZEEVANIA PUTRI_FIX.pdf - Published Version Download (395kB)
	Text (BAB VI) BAB VI -TA - FAYZA ZEEVANIA PUTRI_FIX.pdf - Published Version Download (396kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA -TA - FAYZA ZEEVANIA PUTRI_FIX.pdf - Published Version Download (348kB)
	Text (SKRIPSI FULL TEXT) TA - FAYZA ZEEVANIA PUTRI_FINAL.pdf - Published Version Restricted to Repository staff only Download (10MB) | Request a copy

Abstract

Pesatnya perkembangan teknologi telah mendorong transformasi dalam sektor kesehatan, termasuk pada tata kelola rumah sakit yang membutuhkan informasi berbasis data untuk mendukung pengambilan keputusan strategis. Rumah Sakit Pekanbaru Medical Center (RS PMC) menghadapi tantangan dalam pemanfaatan data sumber daya manusia (SDM) yang masih terbatas pada aspek administratif, yang berdampak pada kesulitan mengidentifikasi pola distribusi tenaga kerja, tren absensi, dan perencanaan kebutuhan SDM yang selaras dengan dinamika kunjungan pasien. Secara operasional, data absensi harian dan kunjungan pasien masih dikelola secara terpisah antar unit. SIMRS hanya dimanfaatkan untuk pengelolaan data pasien, sementara sistem absensi berbasis fingerprint dan laporan kepegawaian bulanan masih digunakan sebatas administrasi rutin. Ketidakefisienan dalam proses bisnis dalam pengambilan keputusan terkait alokasi staf, retensi, dan perencanaan kebutuhan SDM masih berbasis pengalaman manajerial dan asumsi, tanpa adanya integrasi analitis antara beban kunjungan pasien dengan ketersediaan dan kinerja staf di unit pelayanan. Data historis yang tersedia meliputi data rekapitulasi absensi sebanyak 48.889 records dilengkapi data karyawan sebanyak 7.830 records dan data kunjungan pasien sebanyak 157.707 records pada periode 2021–2024, yang membutuhkan integrasi untuk menghasilkan wawasan strategis. Penelitian ini bertujuan untuk menerapkan Business Intelligence (BI) berbasis dashboard interaktif menggunakan Microsoft Power BI. Solusi ini mencakup pembangunan pondasi data yang terstruktur melalui proses ETL (Extract, Transform, Load) menggunakan Pentaho Data Integration (PDI), menciptakan Data Warehouse Hybrid Dimensional Schema sebagai pondasi analisis. Metode analisis terintegrasi yang digunakan yaitu clustering, menggunakan algoritma K-Means untuk mengelompokkan SDM berdasarkan usia dan masa kerja, dan forecasting menerapkan Holt-Winters Exponential Smoothing untuk memprediksi risiko absensi dan memodelkan kebutuhan SDM IGD secara kausal (berdasarkan prediksi volume kunjungan pasien). Hasil penelitian menunjukkan bahwa penerapan BI menghasilkan tujuh dashboard yang menyajikan informasi komprehensif terkait Rasio Beban Kerja Dokter, Risiko Absensi Unit Kerja, Pengembangan Retensi dan prediksi kebutuhan tenaga kerja. Evaluasi akurasi clustering menggunakan Silhouette Coefficient menghasilkan nilai 0.62, memvalidasi keakuratan pengelompokan. Sementara, forecasting kebutuhan SDM IGD tepatnya Supply Risk Kunjungan Pasien IGD menunjukkan tingkat akurasi yang Sangat Baik (MAPE \le 5%) dan secara keseluruhan model prediksi mencapai klasifikasi akurasi Akurat/Baik (MAPE \le20%). Secara keseluruhan, dashboard interaktif ini berfungsi sebagai instrumen analitis yang mendukung manajemen RS PMC dalam pengambilan keputusan strategis terkait perencanaan retensi, pengembangan kompetensi, dan alokasi SDM secara lebih efektif dan efisien.

Actions (login required)

View Item