Hasil Pencarian  ::  Simpan CSV :: Kembali

"SJSN pada dasarnya merupakan program negara yang bertujuan memberi kepastian perlindungan dan kesejahteraan sosial bagi seluruh rakyat Indonesia. Melalui program ini, setiap penduduk diharapkan dapat memenuhi kebutuhan dasar hidup yang layak apabila terjadi hal-hal yang dapat mengakibatkan hilang atau berkurangnya pendapatan, karena menderita sakit, mengalami kecelakaan, kehilangan pekerjaan, memasuki usia lanjut atau pensiun Melalui peraturan presiden nomor 12 tahun 2013 tentang jaminan kesehatan ditetapkan pembayaran pelayanan kesehatan tingkat lanjut di rumah sakit menggunakan pembayaran pra upaya (prospective payment) yaitu menggunakan pola INA-CBGs. Penerapan tarif INA-CBGs menimbulkan polemik bagi rumah sakit karena terdapat selisih bayar yang cukup besar antara tarif rumah sakit dan tarif INA-CBGs.Salah satu komponen yang harus dipersiapkan oleh rumah sakit adalah membuat suatu pedoman pembiayaan berdasarkan cost of treatment berbasis clinical pathways. Prioritas untuk pembuatan clinical pathway adalah kasus yang sering ditemui,kasus yang terbanyak,biayanya tinggi,perjalanan penyakit dan hasilnya dapat diperkirakan,telah tersedia standar pelayanan medis dan standar prosedur operasional. Untuk tindakan herniotomi yang disepakati di RS PMI Bogor ada 12 clinical pathway.dengan perhitungan cost of treatment dari yang paling minimal pada kasus herniotomi anak murni Rp 5.368.719,00 sampai yang maksimal pada herniotomi Tua komplikasi dengan penyerta sebesar Rp 9.350.683,00. Dengan adanya perhitungan ini Rumah Sakit memiliki pedoman biaya tindakan herniotomi yang bersifat prospective payment. Saran untuk rumah sakit diharapkan rumah sakit melakukan perhitungan cost of treatment untuk tindakan yang lain berdasarkan clinical pathway yang disepakati di RS PMI Bogor.

---

National Health Insurance System (SJSN) is basically a state program that aims to provide certainty of protection and social welfare for all Indonesian people. Through this program, each resident is expected to meet the basic needs of living where things happen that can lead to lost or reduced income, because of illness, accident, loss of a job, entering old age or retirement. Through a presidential decree number 12 of 2013 about , has set an advanced payment of health care services in hospitals, using pre-payment efforts (prospective payment) that uses pattern INA-CBGs. Implementation of INACBGs rates for hospital became polemic because there is a large enough difference in pay between hospital rates and INA-CBGs rates.One of the component that must be prepared by the hospital is making a guideline based on clinical pathway calculated cost of treatment.Prioritas for the manufacture of clinical pathways are frequently encountered cases, most cases, the cost is high, the disease course and outcome can be expected, has provided medical service standards and standard procedures operasional.For herniotomy procedures agreed at the PMI Bogor hospital, there were 12 clinical pathway with calculation cost of treatment and the most minimal in the case of a pure child herniotomy Rp 5,368,719.00 to the maximum at Old herniotomy with concomitant complications of Rp 9,350,683.00. Given this calculation Hospital has guidelines herniotomy procedures costs that are prospective payment. Suggestions for hospital is expected to perform the calculation of the cost of treatment for other actions based on agreed clinical pathways in PMI Bogor hospital."

"Realisasi anggaran belanja modal merupakan salah satu indikator kinerja. Porsi terbesar anggaran belanja modal dimiliki oleh kegiatan pengadaan barang/jasa. Harga Perkiraan Sendiri (HPS) merupakan perkiraan harga Barang/Jasa yang telah memperhitungkan semua komponen biaya sampai dengan siap digunakan dan dimanfaatkan oleh pengguna. HPS digunakan untuk dasar menilai kewajaran harga penawaran dari calon penyedia barang/jasa. penyusunan HPS harus didasarkan kepada metode yang dapat dipertanggungjawabkan serta berdasarkan data yang relevan, aktual dan dapat diandalkan. Machine Learning adalah tentang merancang algoritme yang secara otomatis mengekstrak informasi berharga dari data. Machine Learning menggunakan Regresi linier menjadi salah satu algoritma yang paling banyak digunakan untuk melakukan model prediksi harga dan penjualan. Dalam penelitian ini menggunakan Machine Learning untuk menghitung prediksi HPS tahun 2021 pada Pengadaan Pembangunan Gedung Perusahaan X milik Pemerintah. Variabel X yang digunakan adalah Tahun, dan Variabel Y yang digunakan adalah Harga. Diperoleh hasil prediksi Machine Learning tahun 2021 mengalami kenaikan untuk Pekerjaan Dinding Batu Bata Lantai Dasar sebesar 7,1% dengan nilai RMSE 0,020 (Good Fit), Pekerjaan Dinding Batu Bata Bangunan Belakang sebesar 7,2% dengan nilai RMSE 0,019 (Good Fit), Pekerjaan Dinding Batu Bata Ruang Luar sebesar 8,6% dengan nilai RMSE 0,031 (Good Fit), Pekerjaan Finishing Lantai Dasar sebesar 1,6% dengan nilai RMSE 0,036 (Good Fit), Pekerjaan Finishing Ruang Luar Depan sebesar 2,6% dengan nilai RMSE 0,014 (Good Fit), dan Pekerjaan Finishing Ruang Luar Belakang sebesar 2% dengan nilai RMSE 0,014 (Good Fit). Hasil Prediksi dari Machine Learning semuanya memiliki kriteria good fit, dan tingkat akurasi yang tinggi. Sehingga dapat disimpulkan bahwa Prediksi Dari Machine Learning dapat membantu perencanaan anggaran dan estimasi biaya (perencanaan HPS) yang meningkatkan faktor keberhasilan proyek.......The realization of capital expenditure budget is one of the Key Performance Indicators. The largest portion of capital expenditure budget is owned by procurement activities of goods / services. Self-Estimate Price is an estimated price of Goods/Services that has taken into account all components of cost until it is ready to be used and utilized by users. Self-Estimate Price is used to assess the fairness of the offer price of prospective providers of goods/services. Self-Estimate Price preparation must be based on accountable methods and based on relevant, actual and reliable data. Machine Learning is about designing algorithms that automatically extract valuable information from data. Machine Learning uses linear regression to be one of the most widely used algorithms for performing price and sales prediction models. In this study, Machine Learning used to calculate Self-Estimate Price predictions in 2021 in the procurement of government-owned Company X Building Development. Variable X used is Year, and Variable Y used is Price. The prediction results of Machine Learning in 2021 experienced an increase for Ground Floor Brick Wall Work by 7.1% with a RMSE value of 0.020 (Good Fit), Rear Building Brick Wall Work by 7.2% with a RMSE value of 0.019 (Good Fit), Outdoor Brick Wall Work of 8.6% with a RMSE value of 0.031 (Good Fit), Ground Floor Finishing Work of 1,6% with a RMSE value of 0.036 (Good Fit),  Outdoor Space Finishing Work is 2.6% with a RMSE value of 0.014 (Good Fit), and Outdoor Space Finishing Work by 2% with a RMSE value of 0.014 (Good Fit). it can be concluded that predictions from machine learning can help budget planning and cost estimates (Price Analysis) which increase the project's success rate."