JURNAL SISTEM BASIS DATA
ANALISIS DATA WEREHOUSE KLINIK PADJADJARAN LELES
Taupik Gunawan
Jurnal Sistem Basis Data
Sekolah Tinggi
Teknologi Garut
Jl. Mayor Syamsu
No. 1 Jayaraga Garut 22151 Indonesia
Abstrat : Semakin
banyaknya data pasien yang ada di klinik
mengakibatkan semakin sulit melakukan
menyusun data dan menganalisa data secara manual, sehingga dibutuhkan data
warehouse yang dapat
melakukan tugas tersebut secara otomatis. Tujuan dari penulisan makalah ini adalah untuk membangun data warehouse yang dapat menyimpan data
secara tersusun dan mempermudah dalam menganalisa data untuk mengambil sebuah keputusan. Metode
yang digunakan adalah Nine-step Methodology
yang terdiri dari 9 tahap, yaitu Pemilihan Proses, Pemilihan Grain,
Identifikasi dan penyesuaian
dimensi, Pemilihan Fakta, Penyimpanan pre-calculation di tabel fakta,
Memastikan tabel dimensi,
Pemilihan durasi database, Melacak perubahan dari dimensi secara perlahan,
Penentuan prioritas dan model
query. Hasil yang dicapai dalam perancangan data warehouse pada Klinik Padjadjaran Leles adalah dapat menampilkan histori
data pasien baik rawat inap maupun rawat jalan dari berbagai dimensi.
Kata Kunci : Data Warehouse, Database, Data Pasien, Nine-step
I. PENDAHULUAN
Klinik Padjadran
Leles merupakan instansi pelayanan kesehatan bagi semua golongan masyarakat. Data
medik yang besar menyulitkan pihak Klinik Padjadjan
Leles dalam melakukan analisis terhadap data tersebut.
Untuk dapat menangani data dalam jumlah besar dan memanfaatkannya semaksimal
mungkin, diperlukan analisa dan perancangan teknologi informasi yang lebih
lanjut untuk dapat mengatasinya, yaitu data warehouse. Data yang disimpan di
dalam data warehouse bersifat historis sehingga dapat digunakan untuk
perencanaan jangka panjang. Dengan adanya data warehouse pihak manajemen dapat
lebih mudah melihat data dalam jumlah yang besar yang dapat mendukung
pengambilan keputusan manajemen, dan juga dapat memberikan informasi dari
berbagai media. Data
warehouse adalah sekumpulan data yang bersifat integrated, subject-oriented,
time variant dan nonvolatile dalam mendukung pengambilan keputusan manajemen. Metode perancangan data
warehouse digunakan
meliputi 9 tahap yang dikenal dengan nine - step methodology. Kesembilan tahap tersebut
yaitu pemilihan proses, pemilihan grain, identifikasi dari penyampaian dimensi,
pemilihan fakta, penyimpanan pre-kalkulasi di tabel fakta, memastikan tabel
dimensi, pemilihan durasi database, melacak perubahan dari dimensi secara
perlahan, penentuan prioritas dan model query.
II. LANDASAN TEORI
2.1 Database
(Basis Data)
Basis data (Database) adalah sekumpulan data
organisasi untuk melayani banyak aplikasi secara efisien dengan memusatkan data
dan mengendalikan re.
2.2 Data Warehouse
Data Warehouse adalah sekumpulan data yang bersifat
integrated, subject-oriented, time variant dan nonvolatile dalam mendukung
pengambilan keputusan manajemen.
2.3 Database Management System (DBMS)
Database Management System DBMS adalah sistem
perangkat lunak yang dapat memungkinkan pengguna untuk mendefinisikan, membuat,
memelihara dan mengontrol database.
2.4 ETL (Extract, Transfrom, Load)
ETL adalah proses dimana kita melakukan migrasi dari
database operasional menuju Data Warehouse. ETL merupakan proses yang pertama
kali dilakukan dalam pembuatan data warehouse, dan dilakukan setiap kali data
warehouse akan di-update.
2.5 Microsoft
SQL Server 2008
SQL adalah bahasa yang digunakan untuk mengakses basis
data yang tergolong relasional, tidak terbatas hanya untuk dapat mengambil data
(query), tetapi juga dapat digunakan untuk menciptakan tabel, menghapus data
pada tabel, mengganti data pada tabel, dan berbagai operasonal lainnya.
2.6 Microsoft
SQL Business Intelligence Development Studio (BIDS)
Business intelligence adalah istilah sebuah payung
yang mengambungkan arsitektur, tools, database, analytical tools, aplikasi dan
metodologi.
2.7 Metodologi Nine-step
Metode perancangan Data Warehouse menurut Kimball yang
digunakan meliputi 9 tahap yang dikenal dengan Nine-step Methodology,
Kesembilan tahap itu yaitu :
1.
Pemilihan Proses
(Choosing the process)
2.
Pemilihan Grain
(Choosing the grain)
3.
Identifikasi dan
penyesuaian dimensi (Identifying and conforming the dimensions)
4.
Pemilihan Fakta
(Choosing the facts)
5.
Penyimpanan
pre-calculation di tabel fakta (Storing pre-calculations in the fact table)
6.
Memastikan tabel
dimensi (Rounding out the dimension tables)
7.
Pemilihan durasi
database (Choosing the duration of the database)
8.
Melacak perubahan
dari dimensi secara perlahan (Tracking slowly changing dimensions)
9.
Penentuan
prioritas dan model query (Deciding the query priorities and the query modes)
III. PERANCANGAN DATA WEREHOUSE
3.1 Pemilihan Proses (Choosing The Process)
Berdasarkan pada ruang lingkup dan ketentuan yang
diberikan oleh pihak Rumah Sakit Muhammadyah Palembang maka beberapa proses
yang akan digunakan dalam data warehouse :
1.
Proses rawat inap
pada Klinik Padjadjaran Leles.
2.
Proses rawat jalan
pada Klinik Padjadjaran Leles.
3.2 Pemilihan Grain (Choosing the grain)
Grain merupakan
proses untuk menentukan apa yang digambarkan oleh record di dalam tabel
fakta.
Dimensi |
Waktu |
Pasien |
Diagnosa |
Klinik |
Asuransi |
Jumlah pasien berdasakan jenis kelamin pasien |
X |
X |
|
|
|
Jumlah pasien berdasarkan kategori usia pasien |
X |
X |
|
|
|
Jumlah pasien dasarkan jenis kelamin dari tiap
kategori usia pasien |
X |
X |
|
|
|
Jumlah pasien berdasarkan nama diagnosa |
X |
|
X |
|
|
Jumlah pasien berdasarkan nama klinik |
X |
|
|
X |
|
Jumlah pasien berdasarkannama Asuransi |
X |
|
|
|
X |
Jumlah pasien berdasarkan nama asuransi dari tiap
klinik |
X |
|
|
X |
X |
Total pasien rawat Jalan |
X |
X |
X |
X |
X |
(Tabel 1: Grain dari Dimensi pada Tabel Fakta Rawat Jalan)
3.3 Identifikasi dan
penyesuaian dimensi
Pada tahap ini dilakukan identifikasi dan penyesuaian
dimensi yang terkait dengan fakta yang ditampilkan dalam bentuk matriks.
3.4 Pemilihan Fakta (Choosing the facts)
Pada tahap ini dilakukan pemilihan fakta yang akan
digunakan pada tabel fakta rawat inap dan tabel fakta rawat jalan.
3.5 Penyimpanan pre-calculation di tabel fakta
Dalam tabel fakta terdapat data yang merupakan
kalkulasi awal. Hasil dari kalkulasi awal ini disimpan dalam tabel fakta.
3.6 Memastikan tabel dimensi (Rounding out the
dimension tables)
Dalam tahap ini, kembali pada tabel dimensi dan
menambahkan gambaran teks terhadap dimensi yang memungkinkan. Gambaran teks
harus mudah digunakan dan dimengerti oleh user.
3.7 Pemilihan durasi database (Choosing the
duration of the database)
Durasi dari data pada Klinik Padjadjaran Leles yang
dimasukkan ke dalam data warehouse sebagai berikut.
Nama Data
Warehouse |
Database |
Database ada
sejak tahun |
Data masuk Data
Warehouse |
Data dalam Data
Warehouse |
Klinik Padjadjaran Leles |
OLTP
RSMP |
2013 |
2013
– 2015 |
3
Tahun |
(Tabel 2: Durasi Database)
3.8 Melacak perubahan dari dimensi secara perlahan
Atribut dari tabel dimensi tidak selamanya memiliki
nilai yang tetap atau bersifat relatif statis. Perubahan nilai atribut dalam
dimensi dapat terjadi dalam waktu yang cukup lama. Oleh karena itu perlu
dilakukan update jika perlu untuk menjaga kekonsistenan dan ke-akuratan data.
Nama Dimensi |
Atribut yang mungkin berubah |
Dim_pasien |
Umur |
|
Kategori |
Dim_kamar |
Nama_paviliun |
|
No_kelas |
Dim_asuransi |
Nama_asuransi |
Dim_klinik |
Nama_klinik |
Dim_diagnosa |
Nama_diagnosa |
(Tabel 3: Kolom Dimensi yang
dapat Berubah)
3.9
Penentuan prioritas dan model query
Dalam
tahapan ini yang dilakukan adalah mempertimbangkan pengaruh pada perancangan
fisikal, seperti keberadaan dari ringkasan (summaries) dan penjumlahan (aggregate).
IV. ANALISIS DATA WAREHOUSE
4.1
Presentasi Data Warehouse
Informasi
yang dihasilkan oleh data warehouse Klinik Padjadjaran Leles berisikan
data-data pasien rawat inap dan rawat jalan selama 3 tahun terakhir, yaitu dari
bulan Januari 2013 sampai bulan Desember 2015.
4.2
Analisis Pertumbuhan Jumlah Pasien
Dari
data warehouse Klinik Padjadjaranh Leles yang telah dibuat, dapat
dilakukan analisis pertumbuhan jumlah pasien dari tiap periode waktu dengan
menggunakan fungsi dari Business Intelegent Wizard pada SSAS, sehingga
dapat diketahui apakah jumlah pasien dari satu periode ke periode berikutnya
mengalami peningkatan atau penurunan. Pertumbuhan pasien dapat dilihat dari
setiap kolom pada dimensi waktu yang telah ditentukan pada data warehouse Klinik Padjadjaran Leles.
4.3
Analisis Pertumbuhan Jumlah Pasien Per Tahun
Tampilan
analisis pertumbuhan per tahun pada SSAS untuk jumlah pasien rawat jalan dan
rawat inap pada Klinik Padjadjaran
Leles dapat dilihat pada gambar 3.
KUNJUNGAN PASIEN |
|
||||
KUNJUNGAN PASIEN |
2013 |
2014 |
2015 |
JUMLAH |
|
Jumlah Pasien |
11800 |
12938 |
11987 |
36275 |
|
(Gambar 3: Pertumbuhan Data Per Tahun
Pasien Rawat Inap.)
4.4 Laporan Hasil Analisis Data Warehouse
Berikut merupakan laporan jumlah pasien rawat inap dan
rawat jalan perbulan berdasarkaan nama asuransi per kategori umur pasien dalam
bentuk tabel pada Microsoft Office
Excel.
KLINIK UMUM |
JAN |
FEB |
MAR |
APR |
MEI |
JUMLAH |
|
UNPAD |
|
|
|
|
|
|
|
|
Mahasiswa |
0 |
0 |
0 |
0 |
0 |
0 |
|
Pegawai |
0 |
0 |
0 |
0 |
0 |
0 |
|
Guru
Besar |
0 |
0 |
0 |
0 |
0 |
0 |
|
Beasiswa |
0 |
0 |
0 |
0 |
0 |
0 |
|
Takaful |
0 |
0 |
0 |
0 |
0 |
0 |
UMUM |
828 |
860 |
964 |
899 |
987 |
4538 |
|
KARYAWAN |
|
|
|
|
|
|
|
|
AMP
Karyawan |
6 |
10 |
4 |
5 |
9 |
34 |
|
BMS |
0 |
0 |
0 |
0 |
0 |
0 |
BPJS |
|
|
|
|
|
|
|
|
Kesehatan |
958 |
1083 |
1109 |
1076 |
971 |
5193 |
|
Ketenagakerjaan |
0 |
0 |
0 |
0 |
0 |
0 |
ASURANSI
LAIN |
|
|
|
|
|
|
|
|
Inhealth |
3 |
6 |
8 |
7 |
7 |
31 |
|
Popstar |
0 |
0 |
0 |
0 |
0 |
0 |
|
PT.
WIKA |
0 |
0 |
0 |
0 |
0 |
0 |
|
BIG
Jatos |
0 |
0 |
0 |
0 |
0 |
0 |
|
Halo
Dokter |
0 |
0 |
0 |
0 |
0 |
0 |
|
ITB |
0 |
0 |
0 |
0 |
0 |
0 |
|
Adhikarya |
0 |
0 |
0 |
0 |
0 |
0 |
|
PT.
Champ |
0 |
0 |
0 |
0 |
0 |
0 |
|
PT.
Duta |
0 |
0 |
0 |
0 |
0 |
0 |
|
Admedica/Rasapala |
3 |
1 |
4 |
7 |
6 |
21 |
|
MNC |
0 |
0 |
0 |
0 |
0 |
0 |
|
UKN |
0 |
0 |
0 |
0 |
0 |
0 |
|
PP
(Persero) |
0 |
0 |
0 |
0 |
0 |
0 |
|
Adonai |
0 |
0 |
0 |
0 |
0 |
0 |
TOTAL |
1798 |
1960 |
2089 |
1994 |
1980 |
9817 |
(Gambar 4: Laporan Jumlah Pasien Rawat Inap
Dalam Bentuk Tabel)
V. PENUTUP
5.1 Kesimpulan
Beberapa kesimpulan yang dapat ditarik oleh penulis
dari perancangan data warehouse Klinik
Padjadjaran Leles.
1.
Memaparkan
bagaimana langkah-langkah dalam merancangan data warehouse Klinik Padjadjaran Leles.
2.
Pemanfaatan data warehouse yang telah dibuat pada
Klinik Padjadjaran Leles secara sepenuhnya, seperti menganalisa data pasien
rawat inap dan rawat jalan.
5.2 Saran
Penulis mencoba memberikan saran yang diharapkan dapat
membantu pengembangan aplikasi agar memperoleh hasil yang lebih baik dan bermanfaat,
yaitu sebagai berikut :
1.
Menambahkan
aplikasi yang dapat membantu proses pelayanan pasien Klinik Padjadjaran Leles
sehingga data-data lebih tersusun dan lebih mudah di proses.
2.
Ruang lingkup data warehouse dapat diperluas
sehingga mencakup berbagai bidang yang ada pada Klinik Padjadjaran Leles.
DAFTAR PUSTAKA
[1] Madya Soekarno 2016, Laporan
Kunjungan Pasien, PT. Klinik Padjadjaran Leles, Bandung.
[2] Evi, Humdiana,
Indrayani 2005, Sistem Informasi Manajemen (Obsesi
Mengoptimalkan Informasi dalam Bisnis),
Graha Ilmu, Yogyakarta.
[3] Fathansyah
1999, Basis Data Edisi Satu, CV. Informatika, Bandung.