Penelitian ini mengevaluasi efisiensi operasional Unit Gawat Darurat (UGD) selama dan setelah pandemi COVID-19 menggunakan pendekatan gabungan Agent-Based Simulation (ABS) dan Discrete Event Simulation (DES) yang dilengkapi dengan sistem deteksi anomali. Pandemi COVID-19 memberikan tantangan besar pada sistem kesehatan global, terutama pada UGD yang berada di garis depan. Peningkatan kedatangan pasien, kebutuhan akan kontrol infeksi yang ketat, dan keterbatasan sumber daya menyebabkan gangguan pada operasi standar UGD, sehingga menyebabkan waktu tunggu pasien yang lebih lama, durasi perawatan yang berkepanjangan, dan tekanan besar pada sumber daya kesehatan.
Penelitian ini menggunakan data dari rumah sakit swasta di Surabaya, Indonesia. Selama pandemi, protokol UGD mengalami perubahan drastis, termasuk penyaringan awal COVID-19, segregasi area untuk pasien COVID-19 dan non-COVID, serta penggunaan alat pelindung diri (APD) wajib. Setelah pandemi, protokol kembali normal dengan beberapa modifikasi untuk tetap menjaga kesehatan dan keselamatan.
Model ABS dalam penelitian ini berfokus pada perilaku individu pasien dan interaksi staf, memungkinkan analisis mendalam mengenai aliran pasien dan interaksi staf-pasien. Sedangkan model DES memberikan perspektif berbasis proses untuk mengidentifikasi hambatan dan inefisiensi sistemik. Kedua model ini digunakan untuk mensimulasikan skenario selama dan setelah pandemi, dan hasilnya menunjukkan perbedaan signifikan dalam metrik kinerja utama, termasuk waktu tinggal rata-rata, waktu tunggu, durasi perawatan, dan utilisasi staf. Misalnya, selama pandemi, model ABS mencatat waktu tinggal rata-rata 44,3 menit dengan utilisasi staf sebesar 60%, sementara model DES menunjukkan waktu tinggal 122,2 menit dengan utilisasi staf 110,1%. Setelah pandemi, waktu tinggal pada model ABS berkurang menjadi 24,5 menit dengan utilisasi staf sebesar 70%, dan pada model DES turun menjadi 69,2 menit dengan utilisasi 49,5%.
Penelitian ini juga mengintegrasikan sistem deteksi anomali yang memanfaatkan autoencoder dan isolation forest untuk mendeteksi pola operasional yang tidak biasa secara real-time, seperti lonjakan tiba-tiba pasien atau penundaan dalam waktu perawatan. Fitur ini memungkinkan administrator UGD untuk mengantisipasi gangguan operasional secara proaktif. Anomali yang terdeteksi dapat memberikan sinyal awal untuk perubahan operasional yang diperlukan, memastikan UGD tetap tanggap dan efisien dalam menghadapi situasi krisis.
Penelitian ini menyoroti pentingnya kombinasi model simulasi dan deteksi anomali dalam memperkuat kesiapan dan ketahanan UGD terhadap krisis kesehatan di masa depan, dengan hasil yang menunjukkan peningkatan efisiensi operasional dan alokasi sumber daya yang lebih optimal.
Penulis: Yutika Amelia Effendi, S.Kom., M.Kom
Baca juga: Mengevaluasi Dampak COVID-19 terhadap Kredit Macet UKM
