MODEL SISTEM ANTRIAN DAN ANALISIS PELAYANAN PASIEN PADA LOKET PENGAMBILAN OBAT DI PUSKESMAS (STUDI KASUS: PUSKESMAS KALASAN)

Alya Shalahuddinn Akbar, Universitas Negeri Yogyakarta, Indonesia
Muhammad Fauzan, Universitas Negeri Yogyakarta, Indonesia

Abstract


Tujuan penelitian ini adalah: (1) Mendeskripsikan sistem antrian pada loket pengambilan obat di Puskemas Kalasan. (2) Mendeskripsikan jumlah fasilitas pelayanan yang optimal pada saat kondisi ramai bagian loket pengambilan obat di Puskesmas Kalasan. Penelitian ini merupakan penelitian terapan dengan menggunakan analisis teori antrian. Populasi pada penelitian ini yaitu semua resep obat yang dikeluarkan oleh dokter di Puskesmas Kalasan dan resep yang masuk dalam antrian pada Puskesmas Kalasan, dan sampel pada penelitian ini yaitu resep obat yang masuk antrian pada loket pengambilan obat di Puskesmas Kalasan saat kondisi ramai. Data dikumpulkan dengan lembar observasi. Hasil penelitian menunjukkan bahwa: (1) Model antrian yang diterapkan di Puskesmas Kalasan pada loket pengambilan obat yaitu (M/M/3):(FCFS/∞/∞) dengan sistem antrian Multi Channel Single Phase. (2) Sistem pelayanan di loket pengambilan obat Puskesmas Kalasan pada umumya sudah baik atau optimal, walaupun pada hari tertentu fasilitas pelayanan masih ada yang belum optimal. Hal tersebut ditunjukan dengan nilai tingkat kegunaan fasilitas yang secara umum masih di bawah 66%, yaitu sebesar 63,3%.

Kata kunci: model sistem antrian, antrian loket pengambilan obat, analisis pelayanan, Puskesmas Kalasan.


Full Text:

PDF

References


Aprizal, Y., Zainal, R. I., & Afriyudi, A. (2019). Perbandingan Metode Backpropagation dan Learning Vector Quantization (LVQ) Dalam Menggali Potensi Mahasiswa Baru di STMIK PalComTech. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 18(2), 294–301. https://doi.org/10.30812/matrik.v18i2.387

Azid, I. A., Yusoff, A. R., Seetharamu, K. N., & Ahmad, A. L. (2017). Application of Back Propagation Neural Network in Predicting Palm Oil Mill Emission. ASEAN Journal on Science and Technology for Development, 20(1), 71–86.

https://doi.org/10.29037/ajstd.376

Badan Pusat Statistik. (2017). Badan Pusat Statistik(pp.335–358). https://doi.org/10.1055/s-2008-1040325

Data, C., Rotan, E., & Sintetis, P. (2014). CLUSTERING DATA EKSPOR ROTAN PLASTIK SINTETIS.

Hijriah, N., & Narang, Z. (2020). Prediction of Fleet Demand Needs Using Backpropagation Artificial Neural Networks and Fuzzy Time Series in Sea Release Transport System. 9(12), 323–326.

Khusniyah, T. W., & Sutikno, S. (2016). Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation. Scientific Journal of Informatics, 3(1), 11–18.

https://doi.org/10.15294/sji.v3i1.4970


Refbacks

  • There are currently no refbacks.


 


Online ISSN (e-ISSN): 3031-1152

Creative Commons LicenseJurnal Kajian dan Terapan Matematika by https://journal.student.uny.ac.id/index.php/jktm/index is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.