com
ARTIKEL PENELITIAN
Sistem Pendukung Keputusan Pencocokan Tugas Perawat Berdasarkan Metode FSPC‑HEART untuk
Abstrak
Untuk meningkatkan tingkat keberlanjutan mutu pelayanan serta menjamin kepuasan dan jaminan pasien di bidang kesehatan,
meminimalkan kemungkinan terjadinya kesalahan perawat merupakan hal yang sangat penting. Besarnya kemungkinan ini sangat
dipengaruhi oleh jenis tugas, kondisi fisik lingkungan kerja, beban kerja, dan kondisi kerja. Selain itu, karakteristik fisik dan mental perawat
juga mempunyai pengaruh yang sangat besar terhadap kemungkinan ini. Keberlanjutan layanan kesehatan juga dapat ditingkatkan dengan
mencocokkan perawat secara tepat dengan tugas tertentu sesuai dengan tingkat risiko terkait, dan dengan menyeimbangkan beban kerja
mereka. Penelitian ini mengusulkan metode FSPC-HEART untuk tujuan tersebut, sebagai aplikasi teknik pengurangan dan penilaian
kesalahan manusia (HEART) tipe baru berdasarkan analisis rasio penilaian bobot langkah-bijaksana fuzzy dan metode analisis komponen
utama. Berbeda dengan metode dalam literatur, metode baru ini menawarkan pendekatan pencegahan kesalahan proaktif yang spesifik
untuk setiap individu. Dengan FSPC-HEART, probabilitas setiap perawat melakukan kesalahan, yaitu nilai human error Probability (HEP)
dihitung secara terpisah untuk setiap tugas. Juga, pengaruh gabungan faktor beban kerja fisik dan mental untuk setiap karyawan juga
diperhitungkan. Dalam metode yang diusulkan, pengaruh penilaian subjektif pengambil keputusan terhadap nilai HEP yang diperoleh
secara objektif dicoba untuk dikurangi. Sistem pendukung keputusan pencocokan tugas perawat yang dikembangkan memungkinkan
metode FSPC-HEART agar mudah digunakan oleh pengambil keputusan, dan menugaskan karyawan untuk tugas-tugas dengan probabilitas
kesalahan yang rendah.
Kata kunciPerawat human error · FSWARA · PCA · HATI · Sistem pendukung keputusan
Jil.:(0123456789)
53 Halaman 2 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 3 dari 21 53
Metode ini diperlukan karena ketidakmampuan teknik MCDM Memberikan asuhan keperawatan yang efektif dan dapat diandalkan,
konvensional untuk berhasil mengatasi tantangan yang terkait dengan berkomunikasi secara efektif baik secara verbal maupun nonverbal, dan
data yang tidak tepat tersebut. Pendekatan FSWARA memungkinkan memberikan pertolongan akut dan rutin merupakan tugas sehari-hari yang
proses evaluasi, yang menjadi lebih kompleks karena permasalahan dan relatif umum bagi perawat. Staf yang tidak memadai, pengeroyokan, dan
elemen yang terlibat dalam pengambilan keputusan, dapat dilakukan pengaduan dari pasien yang tidak puas meningkatkan beban kerja, yang pada
dengan lebih efektif dan realistis, dan memungkinkan para pengambil gilirannya berdampak buruk pada kesehatan mental petugas kesehatan [14].
keputusan untuk menetapkan prioritas mereka sendiri. Strategi ini
memungkinkan evaluator yang mempunyai kepedulian terhadap Mengingat meningkatnya tekanan fisik dan mental akibat
lingkungan dan ekonomi untuk menentukan prioritas mereka sendiri [8, COVID-19, penelitian ini berupaya menentukan nilai HEP
9]. Mereka melaporkan bahwa pentingnya evaluator dalam FSWARA perawat untuk setiap aktivitas. Jadi, berdasarkan tingkat HEP
lebih penting dibandingkan teknik lainnya. mereka, tugas-tugas yang tidak boleh dilakukan perawat
Metode FSPC-HEART yang diusulkan memperhitungkan ditentukan.
dampak elemen beban kerja fisik dan mental, serta Karena kurangnya keahlian teoritis mengenai hal ini, penerapan
interaksinya, terhadap kemungkinan terjadinya kesalahan pendekatan FSPC-HEART oleh administrasi rumah sakit atau staf
manusia. Stres fisik dan mental berbeda dari satu individu ke medis yang disetujui akan menjadi tantangan yang sangat besar.
individu lainnya. Akibatnya, dampaknya berbeda-beda Selain itu, penerapan metode tersebut memerlukan waktu dan
terhadap individu, dan nilai HEP spesifik tugas juga bervariasi. biaya. Karena faktor-faktor ini, sistem pendukung keputusan (DDS)
Dalam hal ini, penelitian ini menggunakan metode PCA untuk yang mudah digunakan berdasarkan metode FSPC-HEART telah
mengidentifikasi dampak beban kerja terintegrasi yang dikembangkan untuk petugas kesehatan dan administrasi rumah
berbeda-beda pada setiap individu. Strategi ini meminimalkan sakit. Dengan DSS ini, yang dikenal sebagai sistem pendukung
volume data variabel dengan parameter dan jenis data yang keputusan pencocokan tugas perawat (NTM-DSS), kemungkinan
bervariasi, sehingga terpusat pada titik asal. Dengan demikian, perawat akan melakukan kesalahan akan ditentukan, dan
ini memberikan struktur data grafis yang lebih mudah pencocokan tugas perawat akan difasilitasi berdasarkan
dipahami dengan memungkinkan peneliti menentukan arah probabilitas tersebut. Keberlanjutan pelayanan kesehatan akan
dan dampak kumulatif data [10]. Metode PCA memanfaatkan terjamin dengan menempatkan perawat terdaftar pada posisi yang
ukuran fisik sebagai faktor eksogen dan pengukuran mental tingkat kesalahannya lebih rendah. Metode FSPC-HEART adalah
sebagai variabel endogen. Selain itu, korelasi dan korelasi pendekatan proaktif untuk pencegahan kesalahan. Penggunaan
kovarians antara variabel-variabel ini dipertimbangkan.11]. metode ini untuk membangun NTM-DSS memberikan pencegahan
Akibat pandemi COVID-19 dan kebutuhan untuk melakukan kecelakaan dan kesalahan kerja dengan tidak menugaskan perawat
pengukuran dari jarak tertentu tanpa mengganggu aktivitas melebihi batas kemungkinan kesalahan yang diperbolehkan.
aktif, penelitian ini mempertimbangkan variasi suhu, pola tidur, Dengan demikian, keberlangsungan layanan kesehatan berkualitas
dan usia sebagai variabel fisik. Komponen mental yang tinggi dapat terjamin.
dievaluasi oleh NASA Task Load Index (NASA-TLX) dianggap Dalam tinjauan literatur, terungkap bahwa jumlah penelitian
sebagai faktor mental penelitian ini. Individu mungkin merasa yang diselesaikan dengan pendekatan HEART masih sedikit
lebih lelah berdasarkan durasi dan volume beban kerja mereka sebelum tahun 2020, namun telah meningkat sejak saat itu.
saat ini serta kekuatan fisik mereka [12]. Beban kerja mental Artikel literatur terkini dan kontribusi penelitian ini terhadap
dapat didefinisikan sebagai interaksi antara persyaratan tugas, literatur disajikan pada Gambar.1.
kondisi lingkungan, tingkat keterampilan dan pengalaman, Penelitian mengenai pencegahan kesalahan dan penerapan
perilaku dan persepsi, serta perubahan dalam aktivitas mental pendekatan HATI dalam industri kesehatan masih terbatas.
berdasarkan kondisi vital seseorang saat ini. NASA-TLX Penelitian ini bertujuan untuk berkontribusi pada penelitian masa
menganalisis perubahan ini berdasarkan enam hingga depan yang sebanding dengan menguji potensi kesalahan perawat
sembilan parameter [13]. menggunakan aplikasi dunia nyata. Selain itu, DSS baru telah
Dengan menggunakan pendekatan FSPC-HEART, nilai-nilai HEP diciptakan untuk membantu administrasi rumah sakit dalam
untuk setiap individu dan setiap tugas dihitung secara objektif, dan pengambilan keputusan dan berkontribusi pada penelitian HRA di
tugas-tugas yang tidak boleh diberikan kepada individu ditentukan bidang lainnya.
berdasarkan hal tersebut. Dengan demikian, pengambil keputusan Bagian makalah berikut ini memberikan penjelasan
dibekali dengan pendekatan proaktif untuk mencegah kesalahan. tentang metodologi penelitian, komponen beban kerja
Teknik FSPC-HEART memberikan berbagai rekomendasi untuk fisik dan mental, metode FSPC-HEART yang diusulkan,
meminimalkan risiko terkait ergonomi untuk mencapai hasil yang dan NTM-DSS. Pada bagian ketiga dijelaskan aplikasi
sederhana dan obyektif. Alasan penerapan pendekatan FSPC-HEART untuk perawat. Kesimpulan dan saran disajikan pada
yang diusulkan untuk perawat dalam penelitian ini adalah bahwa bagian penutup.
mereka bekerja di industri yang ditandai dengan tingginya risiko
kesalahan manusia dan pentingnya keandalan manusia.
13
53 Halaman 4 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 5 dari 21 53
komputerJ Jkondisi yang mendorong kesalahan (J=1, 2, 3, …,N) aku gSaya Sayavektor eigen ke
POAJ Penilaian ahli mengenai efek proporsi untuk masing-masingJEPC eSaya,J)T Transpos dariSaya,Jmatriks
J Berat dihitung ulang untukJfaktor ke-th X Vektor eigen yang dikaitkan dengan nilai eigen Nilai
J Nilai bobot relatifJfaktor ke-th Bilangan SayaF
tertimbang dariFtingkat faktorSayapeserta WWL untuk
X segitiga WLSaya Sayapeserta ke
()
X Defuzzifikasi bobot kepentingan relatif fuzzy dari TSayaB Perubahan suhu tubuh untukSayapeserta ke
faktor-faktornya
k̃aku
Nilai koefisien untukJfaktor titik terendah TSayaC Perubahan suhu inti untukSayapeserta ke
J
segi tiga
k̃M Nilai koefisien untukJfaktor titik tengah TSayask Perubahan suhu cangkang (kulit) untukSayapeserta ke
J
segi tiga
k̃kamu
Nilai koefisien untukJfaktor titik atas X Alfa (X) nilai
J
segi tiga
QJ aku Berat dihitung ulang untukJfaktor titik terendah segitiga Paku Rasio dampak tertimbang beban kerja mental untukSayapeserta ke-
QM Dihitung ulang bobotnyaJfaktor ke titik tengah segitiga Rasio dampak tertimbang usia untukSayapeserta ke Rasio dampak
J Pia
Qkamu
J
Dihitung ulang bobotnyaJfaktor ke-titik atas segitiga Pisp tertimbang fase tidur untukSayapeserta ke Rasio dampak
̃aku
J
Nilai bobot relatif dariJfaktor titik terendah Pdia tertimbang termoregulasi untukSayapeserta ke
segi tiga
̃MJ Nilai bobot relatif dariJfaktor titik tengah PSaya Rasio dampak tertimbang untukSayapeserta ke
segi tiga
̃kamu
J
Nilai bobot relatif dariJfaktor titik atas POASayaJ Efek proporsi dariJtingkat kriteria keSayapeserta ke
segi tiga
M Struktur perubahan beban kerja mental EPSayaT Kemungkinan kesalahan manusiaTtugas keSayapeserta ke
Meja 2Skala perbandingan linguistik nilai fuzzy segitiga untuk berat badan dengan membandingkanJfaktor denganJ-Faktor ke-1, yang
kriteria evaluasi [24] memiliki tingkat kepentingan lebih tinggi. Kemudian, tingkat kepentingan
Skala perbandingan linguistik Nilai fuzzy segitiga untuk kriteria evaluasi ( relatif—yaitu, tingkat kepentingan relatifSJnilai—diperoleh dengan
untuk bobot kepentingan aku, m,kamu) menghitung rata-rata bobot signifikansi yang ditentukan oleh masing-masing
pengambil keputusan.
Skala respons kabur segitiga
skala angka Langkah 3MenghitungJkoefisien.
ItuJkoefisien dihitung untuk setiap faktor dengan memanfaatkan
Sama pentingnya (1, 1, 1) (1, 1, 1)
Persamaan. (2) sebagai berikut: Faktor terpenting̃ Jkoefisien-
Cukup kurang penting (2/3, 1, 3/2) (0,67, 1, 1,50)
efisien dalam peringkat umum faktor-faktor tersebut ditetapkan sebagai
Kurang penting (2/5, 1/2, 2/3) (0,40, 0,50, 0,67)
1:
Kurang penting (2/7, 1/3, 2/5) (0,29, 0,33, 0,40)
{
Kurang penting (2/9, 1/4, 2/7) (0,22, 0,25, 0,29)
̃ J= 1J=1
SJ+1j >1
k̃=J (k̃aku,k̃J M,k̃JkamuJ). (2)
13
53 Halaman 6 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
{
1J=1
̃J= QJ= (Qaku,QJ M,QJ kamuJ). (3)
QJ−1j >1
k̃J
QJ
J=∑N J=1, 2, 3,…,N. (4)
kQk
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 7 dari 21 53
Langkah 5Menghitung kumpulan data baru. yang menurut mereka berkontribusi paling besar terhadap beban
Kumpulan data baru diperoleh dengan mengalikan vektor eigen kerja dalam perbandingan biner ini. Nantinya diperoleh nilai
dengan kumpulan data yang dialihkan.1…eMnilai akan menjadi frekuensi, yaitu berapa kali setiap kriteria dipilih. Pada tahap
vektor dimensi baru. Koordinat baru dari nilai terpusat} s terakhir, WLSayaditentukan menggunakan Persamaan. (13)–(14)
�
karena proses sentralisasi akanX�=X� 1…XM.
Jumlah total penandaan untuk faktor yang relevan
Saya,Jmatriks adalah )matriks vektor eigen tempat dilakukannya rotasi
F =
,
varimax.eSaya,Jadalah matriks dengan vektor eigen di kolomnya, seperti yang
Saya
36
(13)
ditunjukkan pada Persamaan. (11)
Kapan=1 …MDanJ=1 …N, kumpulan data baru diperoleh dengan + FSayaxWSayaF + PADASayaxWSayaPADA .
mengalikan Saya,Jmatriks oleh transposisiXCseperti yang ditunjukkan di (14)
Persamaan. (12)
Di Sini,Fmengambil TD, TP,P, UMK, PE, FL, SL,F, dan nilai
( ) AT, masing-masing.DSayaadalah nilai skor faktor TD untuk
XCeSaya,J TSaya=1…mj=1…N. (12) Sayapeserta ke.
NASA-TLX, yang merupakan alat penilaian beban kerja subjektif disarankan dalam penelitian ini menyajikan metodologi baru dengan
untuk operator yang bekerja menggunakan antarmuka manusia- jawaban obyektif yang bersifat eksperimental dan berdasarkan
mesin, dikembangkan oleh Human Performance Group di Ames pendapat ahli. Menghitung nilai HEP spesifik individu dalam pendekatan
Research Center NASA sebagai hasil simulasi yang dilakukan selama FSPC-HEART berdasarkan kualitas fisik dan mental yang dapat diukur
3 tahun di lebih dari 40 laboratorium berbeda. Telah terbukti lebih merupakan kemajuan besar dibandingkan metode HEART tradisional.
andal dan valid dibandingkan metode beban kerja mental serupa. Selain itu, menganalisis faktor-faktor risiko secara terpisah sambil
NASA-TLX adalah alat penilaian beban kerja mental yang mengabaikan keterkaitannya kemungkinan besar akan berdampak
memberikan skor beban kerja keseluruhan berdasarkan rata-rata negatif pada keandalan [32]. Pengaruh langsung dan tidak langsung
bobot skala 6 atau 9 faktor, karena menggunakan prosedur masing-masing faktor mempunyai pengaruh yang berbeda terhadap
penskalaan multidimensi. Penelitian ini menggunakan sembilan proses. Untuk menentukan kecenderungan kesalahan pengguna dalam
faktor NASA-TLX yang melibatkan faktor-faktor berikut: kesulitan penelitian ini, parameter teknik yang disarankan ditetapkan dengan
tugas (TD), tekanan waktu (TP), kinerja (P), upaya mental/sensorik menggabungkan ketegangan mental dan fisik. Mengingat bahwa hal
(MSE), upaya fisik (PE), tingkat frustrasi ( FL), tingkat stres (SL), tersebut memperkenalkan beragam konsep dan hasil, penilaian yang
kelelahan (F), dan jenis aktivitas (AT). Tingkat stres (SL), kelelahan didasarkan pada efek gabungan dari berbagai elemen berbeda
(F), dan jenis aktivitas (AT) adalah tiga faktor yang digunakan dalam kemungkinan besar akan memberikan wawasan yang signifikan. Angka3
NASA-TLX sembilan faktor yang berbeda dengan NASA-TLX 6 faktor. menyajikan diagram alir metode FSPC-HEART berbasis NTM-DSS [33].
penelitian ini menggunakan metode NASA-TLX 9 faktor. pada input data menggunakan Persamaan. (6–12), dan matriks efek
Dimungkinkan untuk mengukur dan menilai beban kerja komposit tertimbang dihasilkan menggunakan Persamaan. (15).
tertimbang secara subjektif menggunakan faktor-faktor ini. Efek komposit tertimbang dalam matriks ini {PSaya,
M
P, SayaA
P, Sayasp
Metode NASA-TLX terdiri dari tiga tahap yaitu penskalaan, PSaya},seperti yang ditunjukkan dalam Persamaan. (16)PSayanilai kemudian
T
pembobotan, dan penentuan beban kerja secara keseluruhan. Pada dibuat dengan menggabungkan efek komposit tertimbang dengan rata-rata
tahap penskalaan, pengaruh sembilan sub-faktor terhadap tugas geometrik. Dengan demikian, keempat faktor ini direfleksikan sebagai satu
dievaluasi dengan memberi nilai pada skala yang berkisar antara faktor gabungan dalam perhitungan APOA [21]
“sangat rendah” dan “sangat tinggi”. Nilai yang diperoleh antara 0 dan
100 setelah penandaan ini merupakan nilai beban kerja tidak tertimbang
⎡wp1Mwp1Awp1sp wp1T ⎤
⎢ wp2T ⎥
[31]. Pada tahap kedua yang disebut pembobotan, setiap peserta �T=⎢ ⎢ wp2Mwp2Awp2sp ⎥
menentukan bobot untuk setiap faktor sesuai dengan kontribusinya XCeSaya,J wp3Mwp3Awp3sp wp3T ⎥, (15)
terhadap beban kerja. Teknik Berpasangan (PWT) digunakan untuk
⎢ ⋮ ⋮ ⋮ ⋮ ⎥
⎢ wpaku wpia wpisp ⎥
menentukan bobot. Dalam teknik ini dilakukan total 36 perbandingan ⎣ wpdia ⎦
13
53 Halaman 8 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
√
⎡ wp1MXwp1AXwp1spXwp NTM-DSS dikembangkan menggunakan informasi yang
wp1⎤ 4
1T⎤
⎢ √ ⎥ diperoleh dari model FSPC-HEART, sehingga petugas kesehatan
wp2⎥⎥ 4wp2MXwp2AXwp2spXwp 2T⎥
⎢ √ dapat mengambil keputusan dengan cepat dan akurat. Ada
wp3⎥ = ⎢ 4wp3MXwp3AXwp3spXwp3T⎥ (16)
⋮⎥ ⎢ ⋮ ⎥ beberapa penelitian dalam literatur yang menggunakan hasil
√
⎢
wp⎥ ⎦ ⎣ 4wpakuXwpiaXwpispXwpdia ⎥⎦
Saya
model MCDM dalam DSS [34,35].
NTM-DSS disimulasikan dengan menggabungkan beragam
modul pelaporan kesalahan berbasis manusia dengan berbagai
Kemudian memanfaatkan bobot EPC dari metode FSWARA
perspektif. Dengan menggunakan pendekatan FSPC-HEART, nilai
dan nilai efek gabungan yang diperoleh dari PCA pada
HEP dihitung untuk setiap orang dan tugas, dan persentase risiko
Persamaan. (17),Sayauntuk individuJ, berikut ini dihitung: itu
yang terkait dengan tugas tersebut ditampilkan pada antarmuka
ditetapkan rasio efekAPOASaya(0 ≤POA
J
Saya≤
J
1):
yang ramah pengguna. Ini dikembangkan menggunakan C#
POASaya
J
=wpSaya
×w. J (17) Bahasa pemrograman (C-Sharp) untuk penyelidikan ini.
Manajemen antarmuka pengguna digunakan oleh NTM-DSS
Pada teknik FSPC-HEART, nilai GEP, nilai EPC, dan untuk menciptakan pengalaman pengguna yang interaktif. Sebagai
APOASayanilai yang
J
dihitung menurut GTT manajemen model, ia menawarkan alternatif proses kepada
kategori tugas digunakan dalam Persamaan. (18) untuk pengguna. Sebagai manajemen data, ini menghasilkan output
menentukan nilai HEP setiap tugas secara individual [21] grafis dan database. Memanfaatkan teknik OLAP, ia menganalisis
∏[( ) ] model keputusan proses produksi. Misi DSS ini diatur oleh rencana
EPSayaT =GEPT× EPCJ- P Saya
1 A OA J
+1 . (18) manajemen personalia yang berkelanjutan; ia berupaya
J=1 memberikan layanan pelanggan yang baik, mengurangi beban
kerja, berbagi tanggung jawab, dan membantu mencegah
kesalahan.
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 9 dari 21 53
3 Aplikasi Kehidupan Nyata pekerjaan disajikan pada Tabel3. Unit Gawat Darurat
merupakan departemen dengan jumlah peserta terbanyak.
Tujuan dari aplikasi ini adalah untuk mengetahui Langkah 2Menentukan tugas, GTT, dan EPC
pengaruh kelelahan mental dan fisik perawat terhadap Tahap ini melibatkan proses penentuan tugas yang
kemungkinan melakukan kesalahan, perilaku, dan dilakukan perawat saat melakukan pekerjaannya. Oleh
produktivitas mereka dalam konteks risiko. Ukuran karena itu, lebih dari 100 tugas yang ditetapkan untuk
sampel dibatasi pada karyawan siang hari karena perawat yang bekerja di Turki dan dunia didaftar dan dinilai
kendala pandemi COVID-19. Penelitian dilakukan tanpa berdasarkan tingkat kesulitannya. 45 tugas tersulit
mengganggu proses kerja rutin perawat, dan partisipasi ditentukan bekerja sama dengan perawat peserta
perawat selama penerapan serta durasinya tidak berdasarkan hasil sesi brainstorming dan analisis Pareto.
berpengaruh pada prosedur lainnya. Selama jam kerja Kemudian dilakukan pilot practice dengan 27 perawat (19 perawat
normal, peneliti melakukan metode survei dan perempuan dan 8 perawat laki-laki) yang bekerja di unit gawat darurat.
mengukur suhu lingkungan kerja perawat. Mereka diminta menjawab survei dan menilai draf tugas sesuai dengan
Setelah resolusi komite etik dan izin hukum lainnya pengalaman dan tingkat pengetahuan mereka. Praktek percontohan ini
diperoleh, peneliti menyimpan data yang dikumpulkan memungkinkan peneliti untuk melakukan revisi dan pembaruan yang
dalam bentuk digital/hard copy dengan memberikan kode/ diperlukan mengenai 45 tugas dan dokumen survei. 38 dari tugas ini
nomor/nama yang tepat untuk menjamin kerahasiaan ditemukan melibatkan EPC (Lampiran 1). Akhirnya, GTT dan EPC
informasi pribadi. ditentukan untuk setiap tugas tertentu.
Tahap 1Metode FSPC-HATI Langkah 3Menghitung bobot EPC menggunakan metode
Langkah 1Seleksi peserta FSWARA
Implementasinya berlangsung di Rumah Sakit Pelatihan dan Pada tahap ini, bobot kepentingan untuk setiap EPC dihitung
Penelitian. Sebanyak 144 perawat diminta untuk berpartisipasi menggunakan Persamaan. (2)–(5) dalam metode FSWARA seperti
dalam penelitian ini; Namun, 8 orang diantaranya menolak terlihat pada Tabel4. Awalnya, frekuensi EPC di 45 tugas digunakan
menjadi peserta. Oleh karena itu, 136 perawat ditentukan saat perhitunganJnilai-nilai.
sebagai peserta penelitian: 71,32% perempuan (N=97) dan Langkah 4Menentukan faktor beban kerja fisik dan mental
28,68% laki-laki (N= 39). 74,41% dari perawat tersebut sudah Pada tahap ini, faktor fisik dan mental ditentukan menurut
menikah (N=74) dan 45,59% tunggal (N=62). Sedangkan untuk isi tugas, jenis upaya fisik dan mental yang dilakukan dalam
pengalaman kerja, 55,88% (N=76) telah bekerja selama 5 tahun tugas, dan lingkungan kerja. Penelitian ini mengambil
atau kurang; 15,44% (N=21) selama 6—10 tahun dan 14,71% (N perubahan suhu, pola tidur, dan usia sebagai faktor fisik,
=20) untuk 10–20 dan 13,97% (N=10) selama lebih dari 20 karena prosedur kerja di rumah sakit tidak boleh terganggu
tahun. Selain itu, 92,64% peserta adalah perawat layanan, dan peneliti harus melakukan pengukuran dari jarak tertentu
6,62% perawat bayaran, dan 0,74% (N= 1) kepala perawat. karena tindakan pencegahan yang disarankan oleh Menteri
Akhirnya, 75% (N=102) perawat merupakan lulusan program Kesehatan mengenai perubahan suhu. Pandemi covid-19.
sarjana, sedangkan 16,91% (N= 23) lulus dari program gelar Faktor mental yang digunakan dalam penelitian ini adalah
associate. Departemen tempat para peserta sembilan faktor yang diukur dengan NASA-TLX.
Perubahan suhuSedangkan untuk pengukuran termoregulasi,
peneliti menggunakan Termografi Inframerah untuk mengukurnya
13
53 Halaman 10 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
suhu inti dan cangkang (kulit). Kamera inframerah yang dianggap sebagai nilai standar. Angka4menampilkan berbagai
termal digunakan untuk pengukuran suhu termal dari sampel pengukuran. Penelitian ini menggunakan model
jarak 50 cm dan pada nilai pengukuran emisivitas 0,98, termometri dua kompartemen tradisional yang disarankan oleh
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 11 dari 21 53
Tabel 5 Matriks masukanXaku j)untuk PCA Tabel 6 Matriks efek terintegrasi berbobotXC(eSaya,J)TDanPSaya
Perawat WLSaya Termoregulasi- Fase tidur Usia Perawat Paku Pia Pisp Pdia PSaya
hubungan
UsiaPrestasi kerja bergantung pada faktor-faktor yang berhubungan Persamaan. (6–12) dan matriks efek komposit tertimbang diperoleh,
dengan tugas, seperti beban kerja yang dirasakan, pengaruh lingkungan seperti yang ditunjukkan pada Persamaan. (15). Kemudian, dengan
kerja, dan isi tugas serta faktor-faktor lain yang tidak bergantung pada menerapkan Persamaan. (16), mean geometrik danPSayanilai diperoleh.
tugas, seperti kemampuan pribadi, upaya, sensitivitas, dan faktor usia. Perangkat lunak Minitab 18 dan IBM SPSS Statistics 26
38]. Dalam hal ini, dilaporkan bahwa pekerja lanjut usia merasakan digunakan untuk matriks input yang ditampilkan pada Tabel5. Meja
peningkatan beban kerja yang jauh lebih tinggi. Selain itu, penurunan 6 menampilkan distribusi untuk input data berbobot.
kinerja kognitif mengakibatkan pemrosesan sumber daya menjadi lebih Langkah 6Menghitung nilai APOA berbasis tugas untuk
lambat seiring bertambahnya usia, yang juga dikenal sebagai penuaan setiap peserta
kognitif (terkait dengan penuaan kognitif).
13
53 Halaman 12 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
Bobot EPC yang diperoleh pada Tahap 3 dan nilai efek terintegrasi konflik dengan pasien dan kerabatnya, gangguan
yang diperoleh pada Tahap 5 digunakan dalam Persamaan. (17) untuk komunikasi, dll. bekerja dalam kondisi seperti T15: bekerja
menentukanPOASaya.Contohnya,
J
POA14nilai untukkomputer1Untuk
1
dalam lingkup tuntutan, seperti kerabat pasien
perawat diberi kode sebagaiN14 dihitung sebagai berikut: mengharapkan perawat menunjukkan tingkat empati dan
kepekaan tertentu, T30: bekerja di departemen di mana
POA141 =wp14 ×w1. jumlah perawat tidak mencukupi dalam hal beban kerja,
T33: pelaksanaan prosedur dalam kerangka negatif, seperti
Langkah 7Menentukan nilai HEP berdasarkan tugas untuk setiap
ketidaksesuaian, konflik, dll dengan perawat pelajar dan
peserta
peserta pelatihan, T34: bekerja dengan kurangnya waktu
Dimungkinkan untuk menghitung berdasarkan tugasAPOASayanilai-nilai sebagai
J dalam hal persiapan awal dan perencanaan kerja , T35:
serta nilai HEP setiap peserta karena nilai GEP dan EPC yang
prosedur akibat kurangnya latihan atau pertama kali
berbeda untuk setiap tugas. Misalnya saja HEP14nilai untuk perawat
menghadapi intervensi yang tidak memadai terhadap
diberi kode sebagaiN14dihitung menggunakan Persamaan. (18)
20 pasien sakit kritis, T39: menjalankan prosedur dalam hal-hal
sebagai berikut:
negatif, seperti ketidakmampuan mendengar dengan jelas
∏[( ) ] dalam pengukuran tekanan darah, dan ketidakcocokan
EP1420 =GEP20× EPC1− 1 APOA14+ 1 .
1 lengan pasien dan manset, T40: bekerja dalam kondisi yang
J=1
tidak diinginkan, seperti masalah, gangguan, dll dalam
Khusus untuk tugasHEPSayanilai yang dihitung untuk setiap perawat
T
fungsi alat kesehatan, dan T43: pelaksanaan transaksi
ditampilkan dalam Tabel6. sebagai akibat dari arahan dan harapan atasan.
Langkah 8Menentukan tingkat risiko setiap peserta untuk tugas Berdasarkan data yang diperoleh, peserta N14 adalah
Pada tahap ini, tugas yang melibatkan risiko dan tugas bebas perawat layanan wanita yang bekerja di unit gawat darurat. Dia
risiko ditentukan untuk perawat sesuai denganEPSayaT
lulus dari program sarjana dan memiliki pengalaman kurang
nilai yang dihitung pada tahap sebelumnya. Kategori risiko dari 5 tahun. Selain itu, ia harus bekerja sambil berdiri selama
disiapkan oleh Garvey dan ditunjukkan pada Tabel7digunakan 24 jam, menderita gangguan tidur, dan didiagnosis menderita
untuk mencapai tujuan ini.EPSayanilai dikategorikan sesuai dengan
T
hipotermia ringan selama pengukuran termoregulasi (34,47
kategori risiko yang diberikan dalam Tabel7, dan nilai yang °C).
dikategorikan ditampilkan dalam Tabel8. Selain itu, ia menunjukkan gejala-gejala tertentu, seperti
Menurut Tabel8, nilai HEP secara individual cukup tinggi karena gemetar, daya nalar berkurang, kehilangan ingatan, apatis, serta
nilai EPC yang tinggi pada beberapa tugas. Selain itu, tugas-tugas peningkatan detak jantung dan pernapasan. Nilai NASA-TLX untuk
yang tidak boleh ditugaskan kepada setiap perawat tergantung perawat tersebut dihitung sebesar 87,5. Meja9menunjukkan
pada tingkat risiko mereka telah ditentukan. Misalnya, probabilitas penilaian risiko tugas untuk perawat N14, selanjutnya.
kesalahan perawat N14 untuk tugas T1, T11, T13, T15, T30, T33, T34, Seperti yang terlihat pada Tabel9, N14 memiliki nilai risiko tinggi
T35, T39, T40, dan T43 cukup tinggi. Dengan kata lain, diasumsikan untuk banyak tugas. Perawat ini harus menerima dukungan psikologis
bahwa dia akan melakukan kesalahan saat melakukan tugas untuk mengatasi masalah adaptasinya dan dia tidak boleh ditugaskan
tersebut. Merupakan risiko untuk menugaskan perawat ini untuk pada tugas-tugas dengan tingkat risiko tinggi. Penting juga untuk
tugas-tugas berikut: T1: menangani keadaan darurat, T11: mengambil beberapa tindakan pencegahan terkait keselamatan kerja.
pelaksanaan prosedur tanpa informasi yang diperlukan tentang Selain itu, kompetensinya harus ditingkatkan melalui sesi pelatihan
riwayat pasien, T13: dalam jabatan, uraian tugas harus diperjelas dan
> 0,05 hingga ≤0,15 Hampir pasti tidak akan terjadi Rendah
> 0,25 hingga ≤0,35 Sangat kecil kemungkinannya untuk terjadi Rendah
> 0,35 hingga ≤0,45 Kurang dari peluang genap Peluang yang Sedang/sedang
> 0,45 hingga ≤0,55 genap untuk terjadi Sedang/sedang
> 0,55 hingga ≤0,65 Agak lebih besar dari peluang genap Kemungkinan Sedang/sedang
> 0,65 hingga ≤0,75 besar akan terjadi Tinggi
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 13 dari 21 53
T1. T13. T30. T33. T34. T35. T39. T40 Tinggi Sangat pasti terjadi
T11 Tinggi Hampir pasti terjadi
T15. T43 Tinggi Sangat mungkin terjadi
T31 Sedang/sedang Agak lebih besar dari peluang genap
T10 Sedang/sedang Agak kurang dari peluang genap Sangat
T4. T8. T19. T20. T25 T9. T12. Rendah tidak mungkin terjadi
T27. T29. T32. T45 T16. T22. Rendah Tidak mungkin terjadi Hampir
T26. T36. T37 Rendah pasti tidak terjadi Sangat pasti
T2. T7. T18. T23. T28. T38. T41. T42. T44 Rendah tidak terjadi
Tugas yang tidak memiliki EPC: T3, T5, T6, T14, T17, T21, T24
lingkup pekerjaan harus dipersempit dan ditentukan dalam arahan Secara khusus, kemungkinan kesalahan manusia dihitung
tertulis, laporan kesalahan harus disiapkan sedemikian rupa sehingga di latar belakang, hasilnya dihasilkan menggunakan model
mencakup umpan balik yang efektif, dan audit internal harus dilakukan FSPC-HEART, dan kemungkinan risiko terkait diwakili oleh
secara teratur oleh perawat senior. layar yang mudah digunakan. Pada penelitian ini NTM-DSS
Tahap 2Pengembangan NTM-DSS dibangun dengan bahasa pemrograman C# (C-Sharp).
NTM-DSS disimulasikan dengan menggabungkan berbagai modul Pertama, nama pengguna dan kata sandi pengguna diminta. Pada
pelaporan kesalahan berbasis manusia dari perspektif berbeda. saat yang sama, pilihan proyek disajikan kepada pengguna, seperti
13
53 Halaman 14 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 15 dari 21 53
terlibat dalam tugas relevan yang dimiliki yang jenis risikonya berdasarkan
38
33
1
pencocokan tugas perawat.
34
15
1
32
40
4. Diskusi
1
27
41
1
4.1 Analisis Sensitivitas
20
40
1
Dalam penelitian ini, tingkat risiko peserta untuk setiap
19
tugas ditentukan. Ditemukan bahwa termoregulasi, fase
1
9
tidur, usia, dan beban kerja mental serta EPC tugas
17
40
1
tertentu mempunyai pengaruh besar pada tingkat risiko
12
45
tinggi ini. Sebaran nilai EPC menurut tugasnya disajikan
1
pada Tabel10.
19
9
1
Meja10menunjukkan bahwa EPC5 adalah EPC yang paling
umum saat menjalankan tugas. Didefinisikan sebagai “tidak
23
8
1
ada cara untuk menyampaikan informasi spasial dan fungsional
40
kepada operator dalam bentuk yang mudah mereka asimilasi”,
1
EPC5 harus diperiksa dan perbaikan yang diperlukan harus
28
32
44
2
dilakukan. Untuk mencapai tujuan tersebut, penting untuk
26
35
meningkatkan persepsi kognitif dengan memanfaatkan
40
2
berbagai saluran komunikasi secara terpadu dan
10
23
26
menggunakan elemen audio visual. Kondisi EPC5 juga dapat
2
dihilangkan dengan memperoleh produktivitas optimal melalui
13
19
3
33
35
44
Glass dan sistem manajemen data dan komunikasi hibrid [42],
3
12
13
16
33
4
12
13
18
33
4
22
33
38
40
Nilai HEP dari tugas-tugas tersebut akan menurun dengan
4
4
13
18
33
35
42
5
atau berdampak besar pada nilai HEP. Misalnya, T13, T19, T20,
T22, T26, T30, T33, T35, T40, dan T43 terpengaruh EPC 5.
13
16
18
37
40
7
22
28
44
45
33
37
40
42
T
6
1
2
11
13
18
31
35
10
11
13
29
35
45
7
7
10
12
15
20
34
35
36
40
13
53 Halaman 16 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
Proposisi
Berisiko tinggi Memberikan dukungan pengobatan kognitif dan hipnosis untuk mendapatkan operan
T1, T11, T13, T15, T30, T33, T34, T35, T39, T40, T43 pengalaman
Pengembangan metode khusus untuk prosedur anamnesis
Penghapusan faktor negatif di lingkungan kerja
Memfasilitasi proses orientasi, mengembangkan metode kepatuhan kerja-
ologi berdasarkan penghargaan dan hukuman
Mengembangkan prosedur untuk mencegah faktor dampak emosional pasien
kerabat
Risiko sedang Meningkatkan jumlah perawat yang berkualitas untuk mengurangi beban kerja
T10, T31 keperawatan Melaksanakan pengkajian untuk meningkatkan motivasi perawat yang belum
berpengalaman Membuat instruksi sederhana dan jelas untuk proses profesional
praktik
Resiko rendah Persediaan pasokan barang habis pakai seperti pada manufaktur just-in-time
T2, T4, T7, T8, T9, T12, T16, T18, T19, T20, T22, T23, T25, strategi
T26, T27, T28, T29, T32, T38, T41, T42, T36, T37, T44, T45 Penunjukan perawat dalam jumlah yang cukup di departemen
Membuat penugasan kerja sesuai tingkat pengalaman
Memberikan peluang stocking yang cepat dan berkesinambungan dengan meningkatkan pasokan
kondisi perbekalan kesehatan
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 17 dari 21 53
nilainya menurun, nilai HEP yang dihasilkan menurun, dan seiring DSS dan teknologi akan sangat bermanfaat dalam meningkatkan
peningkatan, nilai HEP yang diperoleh meningkat. kualitas layanan kesehatan dan layanan manusia.
Dalam lingkup penyelidikan saat ini, tingkat risiko perawat
ditetapkan. Bagi beberapa perawat, tingkat ini sangat tinggi.
5. Kesimpulan Akibatnya, dimungkinkan untuk mempertahankan tingkat stres dan
beban kerja mental yang sesuai di antara perawat dengan
Dalam penelitian ini, pendekatan baru bernama FSPC-HEART dan DSS memperoleh tingkat risiko sedang untuk variabel seperti etika
berdasarkan metode ini dikembangkan. Berbeda dengan pendahulunya, kerja, lingkungan kerja yang ergonomis, kolaborasi tim,
yang lebih sederhana dan umum, metode baru ini menggunakan pengalaman tim, kualitas organisasi, keakraban, dan waktu yang
centroid yang dibuat oleh PCA untuk menghasilkan hasil yang lebih tersedia. Selain itu, seluruh petugas kesehatan diketahui
detail dan menyeluruh. Mendapatkan nilai APOA yang lebih spesifik menghadapi tekanan emosional dan fisik selama pandemi. Penting
lebih mudah, dan menawarkan solusi yang lebih kuat dan andal dalam untuk mengambil tindakan pencegahan tambahan, seperti
hal wilayah penerapannya. Metode yang diusulkan, tidak seperti metode menambah jumlah perawat, untuk mengurangi beban kerja dan
HEART tradisional, menghitung nilai HEP yang berbeda untuk setiap pemicu stres akibat kondisi pandemi yang unik dan sulit ini. Segala
aktivitas yang diberikan. Nilai risiko setiap individu dievaluasi, dan jenis perbaikan pada lingkungan dan pengaturan kerja mereka
pekerjaan yang tidak boleh dialokasikan kepada mereka ditentukan. akan meningkatkan produktivitas mereka.
Tingkat risiko individu dapat dikurangi dengan merencanakan dan Untuk layanan kesehatan yang unggul secara konsisten, rencana
mengatur kegiatan pencegahan dan mewajibkan individu untuk perbaikan dan pengembangan yang berkelanjutan memerlukan
berpartisipasi di dalamnya. Dengan demikian, keberlanjutan pelayanan pembagian data yang konstan dan akurat. Perawat harus memiliki
kesehatan pada tingkat mutu tertentu dapat dicapai. Tidak diragukan kesadaran yang komprehensif tentang riwayat pengobatan pasien.
lagi bahwa ini ramah pengguna Terjadinya gangguan ini nampaknya meningkatkan peluang
13
53 Halaman 18 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
kesalahan keperawatan. Peningkatan teknologi di masa depan, pendekatan berdasarkan teori himpunan fuzzy ketidakpastian
seperti Industri IV atau V, termasuk dalam bidang solusi yang dapat sambil menghitung nilai GTT, EPC, dan APOA. Terakhir, hasil yang
diusulkan berdasarkan temuan studi. Kesalahan dan kejadian lebih komprehensif dapat diperoleh dengan memasukkan lebih
lainnya dapat dihindari dengan membangun sistem unik yang banyak faktor beban kerja fisik dan beban kerja mental.
menyediakan transmisi data secara simultan. Aplikasi online yang
menggunakan kecerdasan buatan dan manajemen memori akan
mencapai tingkat kualitas yang dibutuhkan. Dalam membangun Lampiran A
sistem yang akan memperoleh manfaat dari kemajuan teknologi
baik pada tingkat pengukuran maupun manajemen, teknik Lampiran 1: Tugas Perawat Terpilih Yang Lebih Berpengaruh
identifikasi risiko yang disajikan dalam penelitian ini diharapkan Terhadap Beban Kerja Keperawatan
akan berfungsi sebagai landasan bagi evaluasi kontemporer dan
tindakan pencegahan.
Karena kebutuhan untuk memastikan kelangsungan Tugas
lingkungan bisnis dan dampak buruk dari pembatasan 1. Menangani keadaan darurat
pandemi terhadap proses implementasi, analisis yang 2. Bekerja dalam peran yang ambigu atau harus melaksanakan
komprehensif tidak dapat dilakukan. Hal ini diperlukan untuk tugas-tugas yang saling bertentangan
menjaga alur kerja dan ketertiban saat ini. Selain itu, 3. Mengarahkan pasien ke unit dengan mengumpulkan informasi
mationasi dan menyelesaikan prosedur
ketidakmampuan observasi perawat akibat pandemi di luar jam
penerimaan-transfer
kerja yang ditentukan pukul 08.00 hingga 16.00 dan variabilitas
4. Menyatukan lebih dari satu pekerjaan dan melakukannya di
shift juga berdampak negatif terhadap pekerjaan. Terlepas dari waktu yang sama
keterbatasan yang ditunjukkan, data yang diperoleh 5. Gangguan komunikasi, konflik, dll dengan orang lain
menunjukkan bahwa, selain lingkungan kerja, kecenderungan anggota tim; bekerja dalam kondisi
kesalahan masyarakat juga dipengaruhi oleh karakteristik 6. Melaksanakan operasi pelayanan pasien secara langsung dan tidak langsung
ada, ia memberikan perspektif baru tentang interaksi 7. Melakukan operasi di bawah pengeroyokan
perilaku yang diterapkan oleh rekan satu tim
kesalahan manusia, yang mengarah pada penyelidikan saat ini.
8. Tidak memiliki cukup informasi tentang operasi tersebut
Arsitektur penelitian memungkinkan dilakukannya penelitian
dari peralatan; tidak mampu merespon kebutuhan
baru yang mana lebih banyak variabel yang dapat diteliti pada dalam kondisi baru, dll, bekerja dengan hambatan
penelitian selanjutnya, dengan mempertimbangkan hasil yang
diperoleh. Kemampuan sistem untuk memantau EPC berpotensi 9. Pada saat yang sama, prosedur yang memerlukan fisioterapi
menjadi dasar bagi sistem kecerdasan buatan otonom dalam pengetahuan cian dilakukan dengan pengetahuan dan
pengalaman individu. karena pihak berwenang tidak
penelitian di masa depan. Hal ini dimungkinkan untuk
dapat dihubungi tepat waktu
memanfaatkannya sebagai alat yang berharga di berbagai tahap
10. Melakukan prosedur yang tidak memadai
prosedur pelembagaan. Selain itu, cara pembagian pekerjaan dan informasi yang cukup tentang pengobatan yang
penyelesaian tugas akan dilakukan dengan cara yang lebih sehat diperlukan dan prosedur intervensi
dan berkualitas karena adanya potensi perubahan. EPC yang perlu 11. Eksekusi prosedur tanpa diperlukan
diminimalkan dengan mengembangkan DSS atau EPC yang informasi tentang riwayat pasien
meningkatkan risiko dapat disampaikan kepada pengambil 12. Tidak mengetahui hak pasien dan membawa
keluar prosedur dengan cara ini
keputusan melalui sistem dan tindakan pencegahan dapat
13. Konflik dengan pasien dan kerabatnya, komunitas
ditentukan. Jika modul baru ditambahkan, diperbarui, atau
gangguan nication., dll. bekerja dalam kondisi
ditingkatkan ke DSS yang dikembangkan, modul tersebut dapat
14. Ketidakmampuan untuk berkomunikasi secara efektif dengan pasien
digunakan sebagai alat solusi efektif untuk banyak masalah di masa dan/atau kerabat mereka, dll., melakukan transaksi
depan. Fitur ini menunjukkan berbagai aspek NTM-DSS. tergantung pada situasi
Dalam penelitian selanjutnya, DSS yang dikembangkan dalam penelitian 15. Bekerja dalam lingkup tuntutan seperti itu
kerabat pasien mengharapkan perawat untuk menunjukkan
ini dapat digunakan untuk menentukan tingkat risiko karyawan di berbagai
tingkat empati dan kepekaan tertentu
sektor. Selain itu, dengan mempertimbangkan hasil penelitian ini,
16. Melaksanakan prosedur saat ini di bawah tekanan
dimungkinkan untuk mengembangkan pendekatan baru terhadap masalah
yakinkan keluarga pasien untuk segera menghubungi
penugasan personel dan menciptakan model solusi dengan perawat dan memenuhi kebutuhannya sesegera
mempertimbangkan berbagai faktor, seperti biaya, pengalaman, jam kerja, mungkin
dan jumlah karyawan, dan minimalisasi kesalahan. Metode HATI baru dapat 17. Bekerja dengan keadaan kelelahan yang disebabkan oleh
pasien/kerabat pasien membuat pilihan di antara perawat
dikembangkan dengan menggunakan metode yang berbeda
dan memisahkan mereka menjadi yang baik-buruk dan
sukses-tidak berhasil
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 19 dari 21 53
18. Bekerja dalam kondisi dimana pasien-perawat percaya 42. Melakukan operasi dengan penyebab psikologi
tidak cukup atau tidak dapat ditetapkan berdasarkan situasi, seperti pemantauan yang cermat
19. Tidak mampu mengkomunikasikan perubahan yang penting dan interpretasi permohonan oleh pasien/kerabat pasien
dengan penderitaan yang dialami pasien bekerja dalam kondisi kerja yang sulit
22. Kurangnya departemen terkait di 45. Melakukan pekerjaan yang memerlukan intervensi intensif
rumah sakit dalam penyediaan alat dan dan harus menyelesaikan pengukuran dan pemantauan
perlengkapan pelayanan. dll untuk melakukan tanda-tanda vital dalam proses yang kompleks dalam
29. Membuat prosedur yang rumit bagi mereka yang tidak berpengalaman Ketersediaan Data dan BahanTak dapat diterapkan.
perawat berpengalaman yang baru saja mulai bekerja
31. Bekerja dengan perasaan gagal saat urat Konflik kepentinganPara penulis menyatakan tidak ada konflik kepentingan.
tidak terlihat jelas dan/atau tidak terasa, pada saat
pengambilan darah Persetujuan Etika dan Persetujuan untuk BerpartisipasiTak dapat diterapkan.
34. Bekerja dengan kekurangan waktu dalam hal pendahuluan Commons Atribusi 4.0, yang mengizinkan penggunaan, berbagi, adaptasi, distribusi,
persiapan dan perencanaan kerja dan reproduksi dalam media atau format apa pun, selama Anda memberikan kredit
yang sesuai kepada penulis asli dan sumbernya, berikan a tautan ke lisensi Creative
35. Prosedur akibat kurangnya latihan atau
Commons, dan tunjukkan jika ada perubahan. Gambar atau materi pihak ketiga
menghadapi untuk pertama kalinya, intervensi yang tidak
lainnya dalam artikel ini termasuk dalam lisensi Creative Commons artikel tersebut,
memadai terhadap pasien yang sakit kritis
kecuali dinyatakan sebaliknya dalam batas kredit materi tersebut. Jika materi tidak
36. Membantu dokter dalam prosedurnya termasuk dalam lisensi Creative Commons artikel dan tujuan penggunaan Anda
37. Meningkatkan beban kerja pasien tanpa pendamping tidak diizinkan oleh peraturan perundang-undangan atau melebihi penggunaan
dan menyelesaikan prosedur tergantung pada beban yang diizinkan, Anda harus mendapatkan izin langsung dari pemegang hak cipta.
kerja ini Untuk melihat salinan lisensi ini, kunjungihttp://creativecommons.org/licenses/by/
13
53 Halaman 20 dari 21 Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53
objek. J. Mar. Sci. Aplikasi.15(3), 250–259 (2016).https://doi.org/ mengidentifikasi kesalahan besar dalam tindakan mitigasi yang diambil
10.1007/s11804-016-1361-y setelah deteksi kebakaran di atas kapal penumpang. Samudera Inggris.253,
3. Patriarca, R., Ramos, M., Paltrinieri, N., Massaiu, S., Costantino, F., Di 111339 (2022).https://doi.org/10.1016/j.oceaneng.2022.111339
Gravio, G., Boring, RL: Analisis keandalan manusia: mengeksplorasi 17. Cahyani, SN, Safirin, MT, Donoriyanto, DS, Rahmawati,
struktur intelektual suatu bidang penelitian. dapat diandalkan. bahasa N.: Analisis human error untuk meminimalisir kecelakaan kerja dengan
Inggris sistem. Saf.203, 107102 (2020).https://doi.org/10.1016/ metode HEART dan SHERPA di PT. Wonojati Wijoyo. Melecut. Optimal.
j.ress.2020. 107102 Manuf. sistem. bahasa Inggris6(1), 48–59 (2022).https://doi.org/10.
4. Castiglia, F., Giardina, M.: Analisis kesalahan manusia operator di 21070/prozima.v6i1.1569
stasiun pengisian bahan bakar hidrogen: perbandingan antara 18. Ghousi, R., Khanzadi, M., Esfahani, MM: Analisis keandalan manusia
teknik penilaian tingkat manusia. Int. J. Hidrog. Energi38(2), 1166– dalam proyek penggalian dalam menggunakan metode
1176 (2013).https://doi.org/10.1016/j.ijhydene.2012.10.092 terintegrasi fuzzy Bayesian HEART-5M: kasus menara perumahan di
5. Abbassi, R., Khan, F., Garaniya, V., Chai, S., Chin, C., Hossain, Teheran Utara. Int. J. Pekerjaan. Saf. Ergon. (2022).https://doi.org/
KA: Metode terintegrasi untuk penilaian probabilitas kesalahan manusia 10.1080/10803548.2022.2115227
selama pemeliharaan fasilitas lepas pantai. Proses Saf. Mengepung. 19. Rammadaniya, P., Mahbubah, N.: Integrasi pendekatan HEART dan
Prot.94(3), 172–179 (2015).https://doi.org/10.1016/j. SHERPA untuk mengevaluasi kesalahan manusia dalam produksi
pertunjukan.2017.06.008 garam kilang. JSTI-Jurnal Sistem Teknik Industri24(2), 177–193
6. Navas de Maya, B., Komianos, A., Wood, B., de Wolff, L., Kurt, RE, (2022).https://doi.org/10.32734/jsti.v24i2.7755
Turan, O.: Aplikasi praktis dari analisis tugas hierarki (HTA) dan 20. Uflaz, E., Sezer, SI, Akyuz, E., Arslan, O., Kurt, RE: Analisis keandalan
penilaian kesalahan manusia dan teknik reduksi (HEART) untuk manusia untuk proses bunkering LNG kapal ke kapal dengan
mengidentifikasi kesalahan besar dengan tindakan mitigasi yang pendekatan HEART fusi bukti DS. J. Kerugian Sebelumnya. Proses Ind.
diambil setelah deteksi kebakaran di atas kapal penumpang. 80, 104887 (2022).https://doi.org/10.1016/J.JLP.2022.104887
Samudera Inggris.253, 111339 (2022).https://doi.org/10.1016/ 21. Köseoğlu, SC, Kılıç, DE: Metode penilaian risiko baru berdasarkan
j.ocean eng.2022.111339 kemungkinan kesalahan manusia: SPC-HEART. J.Turki. Operasi.
7. Chauhan, A., Golestani, N., Yazdi, M., Njue, JCW, Abbassi, R., Salehi, F.: Kelola.6(2), 1390–1409 (2022).https://doi.org/10.56554/jtom.
Metodologi terintegrasi baru untuk penilaian keandalan manusia di 1205364
stasiun pengisian bahan bakar hidrogen. Int. J. Hidrog. Energi 22. Williams, JC: Heart—metode yang diusulkan untuk mencapai keandalan
(2023).https://doi.org/10.1016/j.ijhydene.2022.12.181 yang tinggi dalam operasi proses melalui teknologi rekayasa faktor
8. Katrancı, A., Kundakcı, N.: SWARA Temelli Bulanık COPRAS manusia. Saf. dapat diandalkan.35(3), 5–25 (2015).https://doi.org/
Yöntemi ile Soğuk Hava Deposu Seçimi. Ekonomi Optimal dan 10.1080/09617353.2015.11691046
Yönetim Bilimleri Dergisi7(1), 63–80 (2020).https://doi.org/10. 23. Sumrit, D.: Pemilihan pemasok untuk inventaris yang dikelola vendor di layanan
17541/optimal.526134 kesehatan menggunakan pendekatan pengambilan keputusan multi-kriteria
9. Zolfani, SH, Saparauskas, J.: Penerapan baru metode SWARA dalam fuzzy 9(2), 233–256 (2020)https://doi.org/10.5267/j.dsl.2019.10.002
memprioritaskan indikator penilaian keberlanjutan sistem energi. 24. Güran, A., Uysal, M., Ekinci, Y., Güran, B.: Fungsi skor kalimat
bahasa Inggris ekonomi.24(5), 408–414 (2013).https://doi. org/ berbasis FAHP aditif untuk peringkasan teks. Inf. Teknologi.
10.5755/j01.ee.24.5.4526 Kontrol46(1), 53–69 (2017).https://doi.org/10.5755/j01.itc.
10. Taguchi, Y.-H.: Ekstraksi Fitur Tanpa Pengawasan yang Diterapkan pada 46.1.13051
Bioinformatika: Pendekatan Berbasis PCA dan Berbasis TD, edisi 25. Thakkar, JJ: Analisis rasio penilaian bobot bertahap (SWARA). Dalam:
pertama, hlm. 34–58. Penerbitan Internasional Springer, Cham (2020). ( Pengambilan Keputusan Multi-Kriteria. Studi dalam Sistem,
ISBN: 978-3-030-22455-4,978-3-030-22456-1) Keputusan dan Pengendalian, vol. 336. Springer, Singapura, hlm.
11. Kline, RB: Prinsip dan Praktek Pemodelan Persamaan Struktural, 281–289 (2021).https://doi.org/10.1007/978-981-33-4745-8_16
edisi ke-3, hlm.7–385. Guilford Press, New York (2011). 26. Cheng, AJ, Chen, CJ, Chen, CY: Perbandingan beberapa kriteria
(ISBN-13: 978-1606238769) metode peramalan teknologi yang tidak jelas untuk memprediksi
12. Pütz, S., Baier, R., Brauner, P., Brillowski, F., Dammers, H., Liehner, L., perkembangan material baru. Teknologi. Ramalan. sosial.
Mertens, A., Rodemann, N., Schneider, S., Schollemann, Mengubah 75(1), 131–141 (2008).https://doi.org/10.1016/
A., Steuer-Dankert, L., Vervier, L., Gries, T., Leicht-Scholten, j.techfore.2006. 08.002
C., Nagel, SK, Piller, FT, Schuh, G., Ziefle, M., Nitsch, V.: Pandangan 27. Tharwat, A.: Analisis komponen utama—tutorial. Int. J. Aplikasi.
interdisipliner tentang antarmuka manusiawi untuk bayangan digital di Pengenalan Pola.3(3), 197–240 (2016).https://doi.org/10. 1504/
internet produksi. Dalam: Konferensi Internasional ke-15 tentang IJAPR.2016.079733
Interaksi Sistem Manusia (HSI) tahun 2022, hal. 1–8 (2022).https://doi. 28. Karamizadeh, S., Abdullah, S., Manaf, A., Zamani, M., Hooman,
org/10.1109/HSI55341.2022.9869467 A.: Gambaran umum analisis komponen utama. J.Inf Sinyal.
13. Hart, SG, Staveland, LE: Pengembangan NASA-TLX (task load Proses.4(3B), 173–175 (2013).https://doi.org/10.4236/jsip.
index): hasil penelitian empiris dan teoritis. Adv. Psikologi. 2013.43B031
52(1), 139–170 (1988).https://doi.org/10.1016/S0166- 29. Jollife, IT, Cadima, J.: Analisis Komponen Utama: tinjauan dan
4115(08)62386-9 perkembangan terkini. Philos Trans R Soc AMath Fisika Eng
14. Rathnayake, S., Dasanayake, D., Maithreepala, SD, Ekanayake, Sains (2016).https://doi.org/10.1098/rsta.2015.0202
R., Basnayake, PL: Perspektif perawat dalam merawat pasien 30. Shlens, J.: Tutorial analisis komponen utama 2005. Educ. Int. J.
dengan penyakit virus corona 2019: studi fenomenologis. PLoS Sensor Jarak Jauh.51(2), 1–12 (2014)
SATU (2021).https://doi.org/10.1371/journal.pone. 0257064 31. Virtanen, K., Mansikka, H., Kontio, H., Harris, D.: Pengamat berat badan:
bobot NASA-TLX ditinjau kembali. teori. Masalah Ergon. Sains.
15. Aliabadi, MM: Analisis kesalahan manusia dalam operasi start-up tungku 23(6), 725–748 (2022).https://doi.org/10.1080/1463922X.2021.
menggunakan HATI dalam lingkungan fuzzy intuisionistik. J. Kerugian 2000667
Sebelumnya. Proses Ind.69, 104372 (2021).https://doi.org/10.1016/j.jlp. 32. Fang, L., Xiao, B., Yu, H., You, Q.: Peringkat risiko sistemik yang stabil
2020.104372 di sektor perbankan Tiongkok: berdasarkan analisis komponen
16. Maya, BN, Komianos, A., Kayu, B., Wolff, L., Kurt, RE, Turan, utama. Fisika A492, 1998–2006 (2018).https://doi.org/10.1016/j.
O.: Penerapan praktis analisis tugas hierarki (HTA) dan teknik fisik.2017.11.115
penilaian dan pengurangan kesalahan manusia (HEART) untuk
13
Jurnal Internasional Sistem Intelijen Komputasi (2023) 16:53 Halaman 21 dari 21 53
33. Köseoğlu, SC: Metode penilaian risiko baru berdasarkan pengurangan 39. Barbosa, R., Midão, L., Almada, M., Costa, E.: Kinerja kognitif pada orang
kesalahan manusia & sistem pendukung keputusan (Disertasi Doktor), dewasa lanjut usia di seluruh Eropa berdasarkan database SHARE.
Pusat Tesis Dewan Pendidikan Tinggi (2022). (Referensi Neuropsikol Penuaan. Pengetahuan.28(4), 584–599 (2020).https://
Nomor : 10513337) doi.org/10.1080/13825585.2020.1799927
34. Agyemang, P., Kwofie, E.: M: Mengintegrasikan analisis kerangka kerja, 40. Salthouse, TA: Kapan penurunan kognitif terkait usia dimulai?
desain skenario, dan sistem pendukung keputusan untuk analisis sistem Neurobiol. Penuaan30(4), 507–514 (2009).https://doi.org/10.
pangan sehat berkelanjutan. J.Bersih. Melecut.372, 133661 (2022). 1016/j.neurobiolaging.2008.09.023
https://doi.org/10.1016/j.jclepro.2022.133661 41. Garvey, PR: Jalur 2: menerapkan proses manajemen risiko untuk
35. Ahmad, F., Saman, MYM, Noor, NMM, Othman, A.: DSS untuk Proses peningkatan sistem informasi skala besar—sebuah studi kasus.
Tender: Mengintegrasikan Model Statistik Kriteria Tunggal dengan TERMASUK4(1), 14–18 (2001).https://doi.org/10.1002/inst.20014 115
Model MCDM. Simposium Internasional IEEE 2007 tentang
Pemrosesan Sinyal dan Teknologi Informasi, hal. 863–868 (2007). 42. Carmen Lucas-Estañ, M., Sepulcre, M., Raptis, TP, Passarella,
https://doi.org/10.1109/isspit.2007.4458013 A., Conti, M.: Tren yang muncul dalam komunikasi nirkabel hybrid
36. Lenhardt, R., Sessler, DI: Estimasi suhu rata-rata tubuh dari dan manajemen data untuk Industri 4.0. Elektronik7(12), 400–405
rata-rata suhu kulit dan inti. Anestesiologi105(6), 1117– (2018).https://doi.org/10.3390/electronics7120400
1121 (2006).https://doi.org/10.1097/00000542-20061 43. Yılmaz Kaya, B., Kaya, G., Dağdeviren, M.: Contoh penerapan sistem
2000-00011 ujian berbasis web untuk pendidikan jarak jauh dan formal.
37. Weaver, MD, Sletten, TL, Foster, RG, Gozal, D., Klerman, EB, Procedia Soc. Berperilaku. Sains.141, 1357–1362 (2014).https://
Rajaratnam, SMW, Roenneberg, T., Takahashi, doi.org/10.1016/j.sbspro.2014.05.234
JS, Turek, FW, Vitiello, MV, Young, MW, Czeisler, CA: Dampak
buruk pola tidur polifasik pada manusia: laporan panel Catatan PenerbitSpringer Nature tetap netral sehubungan dengan klaim
konsensus waktu tidur dan variabilitas yayasan tidur nasional. yurisdiksi dalam peta yang dipublikasikan dan afiliasi kelembagaan.
Kesehatan Tidur7(3), 293–302 (2021).https://doi.org/10. 1016/
j.sleh.2021.02.009
38. Kaewdok, T., Norkaew, S., Sirisawasd, S., Choochouy, N.: Faktor-faktor yang
mempengaruhi kemampuan kerja pada penduduk usia kerja di Provinsi
Singburi, Thailand. Int. J.Lingkungan. Res. Kesehatan masyarakat 19(10),
5935 (2022).https://doi.org/10.3390/ijerph19105935
13