berdasarkan prediksi hari perawatan. 11.
Prediksi kebutuhan tempat tidur tahun 2013-2018.
Prediksi kebutuhan tempat tidur berdasarkan indikator Barber Johnson
dan standar efisiensi.
12. Grafik Barber Johnson
Indikator untuk mengukur efisiensi pengolahan tempat
tidur di
rumah sakit
dengan memadukan 4 empat parameter, yakni BOR,
LOS, TOI, dan BTO dalam bentuk grafik.
C. Populasi
Populasi yang diambil dalam penelitian ini adalah data rekapitulasi pasien keluar rawat inap bangsal kelas III di RSUD Kota Semarang pada tahun 2010 sampai
dengan tahun 2012 dan data indikator tahun 2010 sampai dengan tahun 2012 yang berisikan data-data dasar berupa jumlah tempat tidur siap pakai A, periode waktu
t dan hari perawatan hp.
D. Instrumen Penelitian
1. Tabel bantu : untuk mencatat data tentang jumlah pasien keluar hidup dan mati, jumlah tempat tidur yang tersedia, jumlah hari perawatan, rata-rata tempat tidur
terisi untuk masing-masing bangsal selama tahun 2010 sampai dengan tahun 2012 di RSUD Kota Semarang.
2. Kalkulator : sebagai alat bantu hitung. 3. Pedoman wawancara.
E. Pengumpulan Data
Secara observasi yaitu pengamatan langsung terhadap sumber data primer dan sekunder. Yang digunakan sebagai sumber data primer yaitu jumlah tempat
tidur, sedangkan yang digunakan sebagai sumber data sekunder adalah data keluar
pasien rawat inap, data indikator statistik tahun 2010 sampai dengan tahun 2012, dan daftar tunggu pasien rawat inap.
F. Pengolahan Data
Data-data tersebut di atas baik primer maupun sekunder yang diperoleh, dikelompokkan dalam tabel sehingga data-data tersebut mempunyai makna dan
dapat dievaluasi lebih lanjut. Adapun analisa yang dilakukan adalah : a. Melakukan analisa kegiatan pemanfaatan sarana pelayanan rawat inap
dengan menggunakan indikator penilaian pelayanan berupa pemanfaatan tempat tidur BOR, rata-rata perawatan hari per pasien LOS, frekuensi
pemakaian tempat tidur BTO, serta rata-rata hari tempat tidur tidak ditempati TOI pada tiap-tiap ruang kelas III dengan menggunakan jumlah
perawatan rawat inap, jumlah pasien dan jumlah hari perawatan pasien selama 3 tiga tahun terakhir, yaitu tahun 2010-2012.
b. Melakukan perkiraan jumlah hari perawatan rawat inap untuk 5 lima tahun kedepan yaitu 2014-2018 menggunakan metode peramalan trend
linear.
G. Analisa Data
