Intelligent Healthcare Queue & CDSS

Platform web untuk manajemen antrian rumah sakit real-time, prediksi waktu tunggu, optimasi distribusi pasien, dan dukungan keputusan klinis (CDSS) untuk dokter.

Ringkasan Masalah

Layanan rumah sakit di Indonesia masih menghadapi:

• waktu tunggu panjang,
• proses pendaftaran kurang efisien,
• informasi antrian yang kurang transparan,
• belum adanya prediksi lonjakan pasien.

Akibatnya, beberapa poli overload, kualitas layanan turun, dan pengalaman pasien memburuk.

Tujuan

Sistem ini dibangun untuk:

• mengelola antrian secara real-time,
• memprediksi estimasi waktu tunggu,
• menyeimbangkan distribusi pasien antar layanan,
• meningkatkan transparansi informasi ke pasien,
• memberi rekomendasi diagnosis awal berbasis gejala melalui CDSS (tetap sebagai alat bantu dokter).

Research Questions

1. Bagaimana membuat estimasi waktu tunggu yang akurat?
2. Bagaimana mengurangi overload layanan melalui optimasi distribusi pasien?
3. Bagaimana meningkatkan transparansi informasi ke pasien?
4. Bagaimana merancang CDSS yang efektif tanpa menggantikan peran dokter?

Cakupan MVP

1. Data & Analisis: cleaning data, EDA, identifikasi peak hour dan pola durasi layanan.
2. Machine Learning: prediksi waktu tunggu (regresi/ML sederhana) dan CDSS berbasis aturan/klasifikasi gejala.
3. Backend API: manajemen antrian, pengguna, jadwal, hasil prediksi, dan integrasi mock API (mis. BPJS).
4. Frontend:
   • Pasien: booking dan tracking antrian,
   • Admin: monitoring layanan,
   • Dokter: input gejala dan rekomendasi CDSS.
5. Integrasi & Deployment: pengujian unit/integrasi dan deployment ke cloud.

Evaluasi Model

• Prediksi waktu tunggu: MAE, RMSE
• CDSS klasifikasi gejala: Accuracy

Batasan Saat Ini

• Data masih simulasi (dummy)
• Integrasi BPJS masih mock API
• Fokus pada MVP, belum integrasi penuh HIS/EMR
• Model AI masih dasar (belum training real-time)

Arah Pengembangan

• Integrasi sistem eksternal (BPJS, HIS/EMR)
• Peningkatan kualitas model AI
• Analitik operasional layanan kesehatan yang lebih mendalam

Menjalankan Backend

Prasyarat: Node.js 20 LTS, pnpm (atau npm), dan instance PostgreSQL (Supabase direkomendasikan).

1. Install dependensi

pnpm install

2. Konfigurasi environment

Salin .env.example menjadi .env dan isi nilainya (khususnya DATABASE_URL, DIRECT_URL, dan secret JWT):

cp .env.example .env

Variabel penting:

• DATABASE_URL — koneksi pooled Supabase (port 6543) untuk runtime.
• DIRECT_URL — koneksi direct (port 5432) untuk prisma migrate.
• JWT_ACCESS_SECRET, JWT_REFRESH_SECRET — minimal 16 karakter.
• ML_SERVICE_URL — opsional. Jika kosong, estimasi waktu tunggu pakai heuristik lokal; CDSS SmartQueue juga membutuhkan variabel ini.

3. Migrate & seed database

pnpm prisma:migrate   # membuat skema di database
pnpm prisma:seed      # mengisi data dummy (admin, dokter, pasien, poli, jadwal)

Akun seed default:

• Admin: admin@hospital.test / password123
• Dokter: dr.budi@hospital.test / password123
• Pasien: pasien1@test.com / password123

4. Jalankan server

pnpm dev         # mode watch (tsx)
# atau
pnpm build && pnpm start

Server default di http://localhost:3000. Base API: http://localhost:3000/api/v1. Health check: GET /health.

5. Testing & kualitas kode

pnpm test         # unit test (vitest)
pnpm lint
pnpm format

Ringkasan endpoint tersedia di docs/api.md.

Kontribusi

Panduan kontribusi tersedia di CONTRIBUTING.md.