Analisis Dan Perancangan Data Warehouse Sebagai Alat Untuk Monitoring Jalannya Proses Bisnis (Studi Kasus: RSUD Al-Ihsan Jawa Barat)

ANALISIS DAN PERANCANGAN DATA WAREHOUSE SEBAGAI ALAT UNTUK MONITORING JALANNYA PROSES BISNIS

(Studi Kasus RSUD Al-Ihsan Jawa Barat)

Oleh : SUTIYONO 57.101.13.015

TESIS

Untuk memenuhi salah satu syarat Memperoleh gelar Magister Sistem Informasi

PROGRAM STUDI PASCA SARJANA MAGISTER SISTEM INFORMASI UNIVERSITAS KOMPUTER INDONESIA

BANDUNG 2015

ABSTRAK

ANALISIS DAN PERANCANGAN DATA WAREHOUSE SEBAGAI ALAT UNTUK MONITORING JALANNYA PROSES BISNIS

(Studi Kasus RSUD Al-Ihsan Jawa Barat)

Rumah Sakit Umum Daerah (RSUD) Al-Ihsan Jawa Barat merupakan instansi pemerintah/Badan Usaha Milik Daerah (BUMD) Pemerintah Jawa Barat yang memberikan pelayanan kesehatan bagi masyarakat. Seiring dengan berjalannya waktu, RSUD ini semakin mendapatkan kepercayaan masyarakat sekitar, maka konsekuensinya semakin banyak dan kompleks pula data medik yang dimiliki dan harus diolah. Perkembangan data ini tidak diimbangi dengan kemampuan teknologi pengolahan data yang ada saat ini di RSUD Al-Ihsan. Selain kebutuhan akan pengolahan data historis sebagai dasar pengambilan keputusan, diperlukan juga tools yang dapat berfungsi sebagai monitoring jalannya proses bisnis yang dijalankan RSUD Al-Ihsan. Penerapan teknologi informasi yang cocok untuk memecahkan permasalahan ini adalah dengan membangun data warehouse. Data warehouse dibangun dengan menggunakan nine-step methodologi. Proses monitoring dan penyajian laporan untuk proses pengambilan keputusan dibangun dalam bentuk grafis dashboard dengan bantuan software Spago-BI.

Teknologi data warehouse dapat menjawab permasalahan yang ada di RSUD Al-Ihsan Jawa Barat, dengan kemampuannya yang dirancang untuk memudahkan proses pembuatan laporan yang bersifat multi dimensi. Pengembangan laporan data warehouse dalam bentuk dashboard web aplikasi akan sangat membantu pihak RSUD Al-Ihsan Jawa Barat dalam melakukan proses monitoring sekaligus sebagai dasar untuk mengambil keputusan dalam mengembangkan unit-unit bisnis secara realtime tanpa terikat waktu dan tempat.

Kata Kunci : data warehouse, dashboard, monitoring

ABSTRACT

ANALYSIS AND DESIGN DATA WAREHOUSE AS A TOOL FOR MONITORING COURSE OF THE PROCESS BUSINESS

(A Case Study of Al-Ihsan General Hospital, West Java)

General Hospital (RSUD) Al-Ihsan is a medical institution owned by regional government of West Java, which provides health care to the society. Over time, this hospital is increasingly gaining trust from the people around. Hence, the consequences are piling and so is the complexity of medical data which must be created and processed. Unfortunately, the ability of data processing technology existing today in Al-Ihsan Hospital does not match the recent growth of those data. In addition to the need for the processing of historical data as a basis for decision-making, it is necessary also to make tools that function as monitors for the course of business processes in Al-Ihsan Hospital.

Then, information technology suitable for solving these problems are to build a data warehouse. Data warehouse is built using a nine-step methodology. The process of monitoring and presenting a report to for the decision-making are composed the form of graphical dashboard, supported by software Spago-BI.

The data warehouse technology can answer the problems which exist in Al-Ihsan Hospital, with its ability designed to simplify and facilitate the reporting process in multi-dimensional ways. Composing data warehouse reports in the form of a dashboard web-based application will greatly assist Al-Ihsan Hospital, particularly in monitoring process as well as a base for decision-making in conducting business units in realtime without being tied to time and place.

Keyword : data warehouse, dashboard, monitoring

KATA PENGANTAR

Puji syukur terpanjatkan ke hadirat Allah S.W.T atas segala karunia, ilmu, dan kebijaksanaan-Nya dan juga kepada baginda Rasulullah Muhammad S.A.W atas curahan doa dan bimbingannya, sehingga proposal tesis ini dapat selesai tepat waktu. Tak lupa mengucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang turut membantu penyelesaian laporan tesis ini, yaitu kepada :

1. Bapak Dr. Didi Rosiyadi M.Kom dan Bapak Dr. Ir. Yeffry Handoko Putra M.T selaku pembimbing yang telah memberikan bimbingan dengan penuh perhatian, ketulusan dan kesabaran.

2. Bapak Makhfudz Sappe, Selaku pimpinan perusahaan dimana penulis mengais nafkah, yang telah memberikan izin studinya, ditengah-tengah pekerjaan yang menumpuk.

3. Seluruh Staf Pengajar di Program Magister Sistem Informasi Unikom atas semua ilmu yang telah diberikan.

4. Ayah, Ibu, Istri dan anak-anaku tercinta yang telah memberikan dukungan motivasi yang sangat berharga.

5. Bapak Bambang, Ibu Ai, Bapak Zaki, Kang Arif, juga seluruh staf RSUD Al-Ihsan Jawa Barat yang berinteraksi langsung maupun tidak langsung dalam penyusunan laporan penelitian ini.

6. Rekan-rekan seperjuangan angkatan 2013 di Pasca Sarjana Magister Sistem Informasi Unikom yang telah memberikan banyak dukungan, doa dan kerjasamanya selama perkuliahan maupun pada saat penyusunan tesis.

7. Semua pihak yang telah memberikan dukungan untuk penyelesaian laporan tesis ini, yang tidak dapat disebutkan satu persatu.

Akhir kata semoga Allah S.W.T memberikan pahala, rahmat, karunia, dan hidayah-Nya kepada semua pihak yang telah membantu penyelesaian laporan tesis ini. Amin.

Bandung, Agustus 2015 Penulis

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... v

DAFTAR GAMBAR ... x

DAFTAR TABEL ... xii

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah ... 1

1.2 Perumusan Masalah ... 3

1.3 Tujuan Penelitian ... 4

1.4 Manfaat Penelitian ... 4

1.5 Batasan Masalah ... 7

1.6 Sistematika Penulisan ... 7

BAB II TINJAUAN PUSTAKA 2.1 Data ... 8

2.2 Informasi ... 8

2.3 Basis Data (Database) ... 9

2.4 Analisis Sistem ... 12

2.4.1 Diagram Alir Dokumen (Data Flow Diagram) ... 12

2.4.3 Entity Relationship Diagram ... 13

2.5 Database Management System (DBMS) ... 15

2.6 Data Warehouse ... 16

2.7 Keuntungan Data Warehouse ... 17

2.8 Dimensional Modelling ... 18

2.9 Komponen Dimensional Modelling ... 21

2.10 Data Mart ... 22

2.11 Model Arsitektur Data Warehouse ... 23

2.11.1 Enterprise Data Warehouse ... 23

2.11.2 Independent Data Mart Architecture ... 24

2.11.3 Dependent Data Mart Architecture ... 24

2.11.4 ETL (Extract, Transform, Load) ... 24

2.12 Microsoft SQL Server 2008 ... 27

2.13 Microsoft SQL Business Intelligence Development Studio (BIDS) ... 27

2.14 Online Analytical Processing (OLAP) ... 29

2.15 Metodologi Perancangan Data Warehouse ... 20

2.16 Spago Business Intelligence ... 32

2.17 Indikator Pelayanan Rumah Sakit ... 34

2.17.1 BOR (Bed Occupancy Ratio = Angka penggunaan tempat tidur) ... 34

2.17.2 ALOS (Average Length of Stay) ... 35

2.17.4 BTO (Bed Turn Over = Angka perputaran tempat tidur) ... 35

2.17.5 NDR (Net Death Rate) ... 36

2.17.6 GDR (Gross Death Rate) ... 36

2.18 Review Penelitian Terkait ... 36

BAB III METODELOGI PENELITIAN 3.1 Gambaran Umum Perusahaan ... 39

3.1.1 Sejarah Berdirinya Perusahaan ... 39

3.1.2 Visi Perusahaan ... 40

3.1.3 Misi Perusahaan ... 40

3.1.4 Struktur Organisasi ... 41

3.2 Flowchart Penelitian ... 43

3.2.1 Studi Pendahuluan ... 43

3.2.2 Identifikasi masalah ... 44

3.2.3 Perancangan Data Warehouse ... 44

3.2.3.1 Pengumpulan Data ... 44

3.2.3.2 Analisis Data Berjalan ... 44

3.2.3.3 Sembilan Tahap Metodologi ... 44

3.2.3.4 Extract, Transform, Loading (ETL) ... 45

3.2.3.5 Pemodelan Data Dimensional / Penentuan Skema Data Warehouse ... 46

3.2.3.6 OLAP (Online Analytical Proccessing) ... 46

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Analisis Sistem Informasi ... 48

4.1.1 Flowmap Sistem Berjalan ... 49

4.1.2 Flowmap Sistem Usulan ... 50

4.1.3 Diagram Konteks ... 51

4.1.4 Diagram Alir Data ... 52

4.1.5 Kamus data ... 55

4.1.6 Entity Relationships Diagram (ERD) ... 56

4.2 Perancangan Data Warehouse ... 56

4.2.1 Arsitektur Data Warehouse ... 56

4.2.2 Sumber Data ... 58

4.2.3 Perancangan Data Warehouse ... 61

4.2.3.1 Pemilihan Proses ... 61

4.2.3.2 Pemilihan Grain ... 61

4.2.3.3 Identifikasi dan Penyesuaian Dimensi ... 64

4.2.3.4 Pemilihan Fakta ... 66

4.2.3.5 Menyimpan Pre-Calculation di Tabel Fakta ... 75

4.2.3.6 Melengkapi Tabel Dimensi ... 77

4.2.3.7 Pemilihan Durasi Database ... 79

4.2.3.8 Pelacakan Slowly Changing Dimensions (SCD) ... 80

4.2.3.9 Penentuan Prioritas Query dan Mode Query ... 82

4.4 Proses ETL ... 85

4.4.1 Extract ... 85

4.4.2 Cleansing ... 86

4.4.3 Transform ... 87

4.4.4 Loading ... 88

4.5 Pemodelan Data Dimensional ... 88

4.6 Online Analytical Processing (OLAP) ... 90

4.7 Reporting dan Dashboard ... 92

4.8 Pengguna Aplikasi ... 95

4.9 Teknologi yang Digunakan ... 95

4.3.1 Hardware ... 95

4.3.2 Software ... 96

BAB V KESIMPULAN DAN DARAN 5.1 Kesimpulan ... 97

5.2 Saran ... 98

DAFTAR PUSTAKA LAMPIRAN

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Rumah Sakit berdasarkan Undang-undang no.44 tahun 2009 merupakan institusi pelayanan kesehatan bagi masyarakat dengan karateristik tersendiri yang dipengaruhi oleh perkembangan ilmu pengetahuan kesehatan, kemajuan teknologi, dan kehidupan sosial ekonomi masyarakat yang harus tetap mampu meningkatkan pelayanan yang lebih bermutu dan terjangkau oleh masyarakat agar terwujud derajat kesehatan yang setinggi-tingginya.

Rumah Sakit Umum Daerah Al-Ihsan (RSUD AI) merupakan instansi pemerintah/Badan Usaha Milik Daerah (BUMD) Pemerintah Jawa Barat yang memberikan pelayanan kesehatan bagi masyarakat Kabupaten Bandung sekitarnya. Semakin banyaknya pasien yang melakukan pengobatan ke RSUD AI ini membuat pihak pemda Jawa Barat terus mengembangkan fasilitas dan pelayanannya secara berkesinambungan.

Semakin meningkatnya kepercayaan masyarakat terhadap RSUD AI ini juga menyebabkan semakin pesatnya peningkatan transaksi data pasien. Pengembangan unit bisnis yang terus bertambah juga membuat database semakin kompleks.

Perjalanan sistem database RSUD AI ini dimulai dari menggunakan MS Access, hingga pada akhirnya menggunakan MS SQL Server untuk menangani database transaksi. Walaupun sudah menggunakan MS SQL Server, namun sistem

informasi yang sudah berjalan hingga penelitian ini dilaksanakan belum mampu memenuhi keinginan pihak manajemen, yakni membuat sistem yang dapat memberikan informasi dengan cepat. Disisi lain juga, manajemen perlu adanya sistem yang bisa memonitor jalannya proses bisnis, sehingga setiap perkembangan kondisi bisnisnya akan terus terpantau.

Kondisi ini membuat pihak manajemen kesulitan untuk mengambil keputusan yang sifatnya strategis dengan segera bagi perkembangan RS. Laporan yang ada saat ini masih bersifat umum, sedangkan pihak manajemen sangat membutuhkan laporan yang sifatnya lebih spesifik dan terukur dalam dimensi waktu tertentu.

Sebagai contoh, pihak manajemen ingin membangun kerjasama dengan perusahaan yang karyawannya banyak menggunakan jasa RSUD AI, baik dengan memberikan diskon maupun memberikan pola bayar yang bisa dilakukan dikemudian hari. Contoh lain ketika manajemen ingin melakukan pengadaan infrastruktur sistem kesehatan yang harganya cukup tinggi diperlukan informasi yang akurat, sehingga tidak salah dalam mengambil keputusan. Sistem informasi yang ada saat ini belum bisa memberikan laporan secara spesifik seperti yang diinginkan oleh pihak top manajemen tersebut.

Perkembangan teknologi mobile/handphone saat ini juga diharakan sangat memungkinkan pihak top manajemen bisa turut serta memonitoring kodisi perkembangan proses bisnis yang dijalankan RSUD AI realtime. Banyak pengembang aplikasi yang menanamkan program bisnis perusahaannya kedalam handphone secara ekslusif.

Berdasarkan kondisi yang ada saat ini, teknologi yang cocok untuk dikembangkan akan kebutuhan RSUD AI ini adalah dengan diterapkannya teknologi data warehouse. Teknologi ini didesain untuk mengolah data dalam jumlah besar dan kompleks sehingga mampu memberikan model laporan dalam lebih dari dua dimensi. Pengembangan laporan yang disajikan bisa berupa grafis yang terkumpul dalam satu dashboard sehingga akan lebih memudahkan para manajemen, bahkan orang awam sekalipun dalam menganalisa.

Terkait dengan hal ini, maka saya mencoba untuk mengusulkan penelitian tentang perancangan data warehouse di RSUD AI sebagai alat untuk monitoring jalannya proses bisnis. Adapun metode perancangan data warehouse yang akan dilakukan adalah menggunakan 9 tahap metodologi yang dikenal dengan nine-step methodology (Connolly dan Begg, 2005) dan tools yang digunakan selain SQL Server juga akan digunakan Spago-BI sebagai alat untuk membuat dashboard untuk versi desktop sampai ke versi mobile.

1.2 Perumusan Masalah

Agar dapat memanfaatkan data RS yang besar secara optimal, maka dalam penelitian ini dirumuskan masalah sebagai berikut:

“Bagaimana merancang data warehouse menggunakan metode nine-step methodologi sebagai teknologi terapan untuk mengolah data yang besar dan kompleks sekaligus sebagai alat untuk memonitoring jalannya proses bisnis di

Data yang dikelola didalam data warehouse merupakan data historis sehingga dapat juga digunakan sebagai dasar informasi untuk pengambilan keputusan-keputusan yang strategis oleh pihak managemen RS berkaitan dengan pengembangan kemajuan rumah sakit dalam jangka pendek maupun jangka panjang. Dalam data warehouse bahwa semakin banyak periode data yang dikelola maka kecenderungan karakteristik data akan lebih tergambarkan dengan baik.

1.3 Tujuan Penelitian

Adapun tujuan dari penelitian dari perancangan Data Warehouse ini adalah sebagai berikut:

1. Menerapkan teknologi data warehouse sebagai alat bantu untuk memudahkan proses pembuatan laporan multi dimensi.

2. Membangun data warehouse sebagai alat monitoring jalannya proses bisnis RS.

3. Penerapan data warehouse bukan hanya dapat memonitoring proses bisnis, tetapi juga mampu membantu pihak manajemen dalam mengidentifikasi dan menganalisis proses bisnis pelayanan kesehatan dalam RS.

1.4 Manfaat Penelitian

Selain tujuan utama diatas yang sudah penulis ungkapkan, dalam jangka panjang penulis berharap bahwa hasil dari perancangan data warehouse ini

kualitas resume dapat terus dikembangkan sesuai dengan kebutuhan terkini akan kualitas informasi yang dibutuhkan dan yang lebih strategis lagi untuk meningkatkan kualitas pelayanan dari RS itu sendiri. Baik peningkatan dari kualitas SDM maupun kualitas perlengkapan rumah sakit guna memberikan pelayanan yang terbaik bagi para pasiennya.

1.5 Batasan Masalah

Agar penelitian ini lebih terarah, maka akan dibatasi oleh beberapa hal berikut:

1. Perancangan data warehouse dibatasi hanya pada data transaksi rumah sakit yang berkaitan dengan pasien rawat inap RSUD AI Bandung. 2. Perancangan data warehouse menggunakan 9 tahap metodologi. 3. Trend perkembangan jumlah dan karekteristik pasien sejak tahun

2010-sekarang.

4. Evaluasi kinerja ataupun fasilitas RS berdasarkan tren perkembangan jumlah dan karekteristik pasien.

5. Implementasi perancangan dashboard data warehouse menggunakan software Spago-BI.

1.6 Sistematika Penulisan

Secara garis besar penyusunan penulisan ilmiah ini akan terbagi menjadi 5 bagian pembahasan yang meliputi :

BAB I PENDAHULUAN

Bab ini membahas mengenai latar belakang dilakukannya penelitian, perumusan masalah dalam penelitian, tujuan dilakukannya penelitian,

manfaat penelitian, pembatasan masalah dan terakhir sistematika penulisan penelitian itu sendiri.

BAB II LANDASAN TEORI

Bab ini akan membahas tentang teori-teori dasar yang berhubungan dengan penyusunan penelitian, meliputi pengertian sistem informasi, database, data warehouse, metode pembangunan data warehouse, skema data warehouse, Online Analytic Proccesess (Olap), Extract Transform Loading (ETL), SQL Server dan Business Intelligence, Spago-BI

BAB III ANALISIS SISTEM

Bab ini membahas mengenai analisa sistem yang sedang berjalan di RSUD Al-Ihsan Jawa Barat, yang terdiri dari: pembahasan mengenai sejarah berdisinya RSUD AI Jawa Barat beserta struktur organisasinya, menguraikan mengenai sistem prosedur untuk sistem prosedur yang sedang berjalan menggunakan metode OOAD (Object Oriented Analysis and Design), serta uraian mengenai analisa dokumen dan informasi yang digunakan pada sistem yang diteliti.

BAB IV PERANCANGAN SISTEM

Bab ini membahas mengenai permasalahan yang ada dari hasil analisa dan perbaikan struktur sistem kemudian dirancanglah data warehouse dengan menggunakan nine step metodhology dan dan dibantu oleh software Spago-BI untuk mempermudah proses generating report yang lebih menarik dalam bentuk visual grafis. Adapun perancangan sistem data

warehouse ini merupakan bagian dari pengembangan sistem informasi yang telah ada.

BAB V KESIMPULAN DAN SARAN

Bab ini menjelaskan mengenai kesimpulan yang diambil dari inti penelitian dan hasil penelitian berupa informasi yang sifanya kuantitatif ataupun kualitatif. Saran-saran yang merupakan tindakan yang perlu diambil untuk tindak lanjut yang lebih baik dari hasil pemecahan masalah.

BAB II

TINJAUAN PUSTAKA 2.1 Data

Ada beberapa definisi tentang data antara lain (Indrajani, 2009:2) :

a) Data adalah fakta atau observasi mentah yang biasanya mengenai fenomena fisik atau transaksi bisnis.

b) Lebih khusus lagi, data adalah ukuran objektif dari atribut (karakteristik) dari entitas seperti orang, tempat, benda, atau kejadian.

c) Representasi fakta yang mewakili suatu objek seperti pelanggan, karyawan, mahasiswa dan lain-lain, yang disimpan dalam bentuk angka, huruf, simbol, teks, gambar, bunyi dan kombinasi.

2.2 Informasi

Informasi dapat diartikan sebagai pemrosesan input yang terorganisasi, memiliki arti, dan berguna bagi orang yang menerimanya. Informasi harus memiliki arti sehingga dapat dimanfaatkan. agar dapat memiliki arti, informasi harus memiliki beberapa karakteristik, yaitu dapat diandalkan (reliable), relevan, memiliki keterkaitan dengan waktu (timely), lengkap, dapat dipahami dan diverifikasi (Tantra, 2012:1).

Informasi dapat diandalkan jika bebas dari kesalahan, secara akurat mempresentasikan keadaan atau aktivitas organisasi. Informasi relevan jika dapat mendukung pengambilan keputusan karena memberikan tambahan pengetahuan atau nilai kepada para pengambil keputusan. Informasi berkaitan dengan waktu karena apabila hendak mendukung suatu keputusan maka informasi tidak boleh

terlambat atau sudah ketinggalan. Informasi dapat dikatakan lengkap jika mengandung semua data yang relevan. Informasi dapat dipahami jika tersusun dalam bentuk yang dapat dimanfaatkan dan jelas bagi yang menggunakannya.

Informasi dapat diverifikasi jika ada sumber lain yang dapat menjadi pembanding bagi keabsahannya. Informasi adalah data yang telah diproses sedemikian rupa atau disampaikan dalam model yang memiliki lebih banyak makna (Evi dan Humdiana, 2005:23).

2.3 Basis Data (Database)

Basis data adalah sekumpulan data organisasi untuk melayani banyak aplikasi secara efisien dengan memusatkan data dan mengendalikan redudansi data. Data yang disimpan dalam file terpisah untuk setiap aplikasi, data disimpan supaya pada pengguna data tersebut tampak seperti disimpaan hanya dalam satu lokasi. Sebuah basis data melayani banyak aplikasi sekaligus.

Contohnya, alih-alih menyimpan data karyawan di dalam sistem informasi yang terpisah dan memisahkan file untuk personalia, pengajian, dan keuntungan, perusahaan dapat membuat sebuah basis data sumber daya manusia dan dapat digunakan bersama (Laudon, 2007:265).

Pemanfaatan basis data dilakukan untuk memenuhi sejumlah tujuan (objektif) (Fathansyah, 1999:5) seperti berikut :

1. Kecepatan dan Kemudahan

Pemanfaatan basis data memungkinkan kita untuk dapat menyimpan data atau melakukan perubahan/manipulasi terhadap data atau menapilkan kembali data secara manual (non elektronis) atau secara elektronis (tetapi

tidak dalam bentuk penerapan basis data, misalnya dalam bentuk spread sheet atau dokumen teks biasa).

2. Efisiensi Ruang Penyimpanan (Space)

Karena keterkaitan yang erat antar kelompok data dalam sebuah basis data, maka redudansi (pengulangan) data pasti akan selalu ada. Banyaknya redudansi itu tentu akan memperbesar ruang penyimpanan (baik di memori utama maupun memori sekunder) yang harus disediakan. Dengan basis data efisiensi/optimalisasi penggunaan ruang penyimpanan dapat dilakukan, karena kita dapat melakukan penekanan jumlah redudansi data, baik dengan menerapkan sejumlah pengkodean atau dengan mebuat relas-relasi (dalam bentuk file) antar kelompok data yang saling berhubungan.

3. Keakuratan (Accurancy)

Pemanfaatan pengkodean atau pembentukan relasi antar data bersama dengan penerapan aturan/batasan (constraint) tipe data, domain data, keunikan data, dan sebagainya, yang secara ketat dapat diterapkan dalam sebuah basis data, sangat berguna untuk menekan ketidakakuratan pemasukan/penyimpanan data.

4. Ketersediaan (Availability)

Pertumbuhan data (baik dari sisi jumlah maupun jenisnya) sejalan dengan waktu akan semakin membutuhkan ruang penyimpanan yang besar. Padahal tidak semua data itu selalu kita gunakan/butuhkan.

Lengkap atau tidaknya yang kita kelola dalam sebuah basis data bersifat relative (baik terhadap kebutuhan pemakai maupun terhadap waktu). Untuk mengakomodasi kebutuhan pelengkapan data yang semakin berkembang, maka kita tidak hanya dapat menambah records data, tetapi juga dapat melakukan perubahan struktur dalam basis data, baik dalam bentuk penambahan objek baru (tabel) atau dengan penambahan fields baru pada suatu tabel.

6. Keamanan (Security)

Memang ada sejumlah sistem (aplikasi) peneglola basis data menerapkan aspek keaman dalam penggunaan basis data. Tetapi sistem yang besar dan serius, aspek keamanan juga dapat diterapkan dengan ketat. Dengan begitu kita dapat menentukan siapa-siapa (pemakai) yang boleh menggunakan basis data beserta objek-objek didalamnya dan menentukan jenis-jenis operasi apa saja yang boleh dilakukannya.

7. Kebersamaan Pemakaian (Sharability)

Pemakai basis data sering kali tidak terbatas pada satu pemakai saja, atau disatu lokasi saja atau oleh satu sistem/aplikasi saja. Basis data yang dikelola oleh sistem (aplikasi) yang mendukung lingkungan multiuser, akan dapat memenuhi kebutuhan ini, tetapi tetap dengan menjaga atau menghindari terhadap munculnya persoalan baru seperti inkonsistensi data (karena data yang sama diubah oleh banyak pemakai pada saat yang bersamaan) atau kondisi deadlock (karena ada banyak pengguna yang saling menunggu untuk menggunakan data).

2.4 Analisis Sistem

Sistem informasi yang telah dibuat pasti mempunyai kelemahan dan perlu diperbaiki maka dengan daya analisisnya ahli-ahli yang berkecimpung dalam sistem informasi terus memikirkan bagaimana agar sistem informasi itu lebih baik lagi. Analisis adalah proses pendefinisian kebutuhan untuk memperoleh sebuah pemecahan suatu masalah. Analisis sistem adalah penguraian dari suatu sistem informasi yang utuh kedalam bagian komponennya dengan tujuan untuk mengidentifikasikan dan mengevaluasi permasalahan, kesempatan, hambatan yang terjadi dan kebutuhan yang diharapkan sehingga dapat diusulkan perbaikannnya.

2.4.1. Diagram Alir Dokumen (Data Flow Diagram)

DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan secara logika tanpa mempertimbangkan lingkungan fisik dimana data tersebut mengalir (misalnya lewat telepon, surat dan sebagainya) atau lingkungan fisik dimana data tersebut akan disimpan (misalnya file kartu, microfiche, hard disk, tape, dikette dll). DFD merupakan alat yang digunakan pada metodologi pengembangan sistem yang terstruktur (Jogiyanto, 2005:701).

Tahapan-tahapan pembuatan Diagram Alir Dokumen yang terdiri dari: a) Pelajari dan pahami sistemnya,

b) Tentukan entity baik external entity maupun internal entity, c) Daftar dokumen-dokumen yang terlibat dalam sistem d) Buatlah Diagram Alir Dokumennya

2.4.2. Diagram Kontek (Context Diagram)

Diagram kontek adalah diagram yang terdiri dari suatu proses dan menggambarkan ruang lingkup suatu sistem. Diagram konteks merupakan level tertinggi dari DFD yang menggambarkan seluruh input ke sistem atau output dari sistem. Ia akan memberi gambaran tentang keseluruan sistem. Sistem dibatasi oleh boundary (dapat digambarkan dengan garis putus). Dalam diagram kontek hanya ada satu proses. Tidak boleh ada store dalam diagram konteks (Ladjamuddin, 2006:170).

2.4.3. Entity Relationship Diagram

ERD adalah suatu model jaringan yang menggunakan susunan data yang disimpan dalam sistem secara abstrak. Jadi, jelaslah bahwa ERD ini berbeda dengan DFD yang merupakan suatu model jaringan fungsi yang akan dilaksanakan oleh sistem, sedangkan ERD merupakan model jaringan data yang menekankan pada struktur-struktur dan relationship data.

Elemen-elemen Diagram hubungan entitas :

a) Etity (Entitas)

Pada E-R diagram digambarkan dengan bentuk persegi panjang. Entity adalah sesuatu apa saja yang ada didalam sistem, nyata maupun abstrak dimana data tersimpan atau dimana terdapat data. Entitas diberi nama dengan kata benda dan dapat dikelompokkan dalam empat jenis nama yaitu; orang, benda, lokasi, kejadian (terdapat unsure waktu didalamnya).

Pada E-R diagram digambarkan dengan sebuah bentuk belah ketupat. Relationship adalah hubungan alamiah yang terjadi antara entitas. Pada umumnya penghubung (Relationship) diberi nama dengan kata kerja dasar, sehingga memudahkan untuk melakukan pembacaan relasi (biasanya dengan kalimat aktif atau dengan kalimat pasif).

c) Derajat relasi (Relationship Degree)

Derajat Relasi adalah jumlah entitas yang berpartisipasi dalam satu relationship.

d) Atribut Value

Atribut Value atau nilai attribute adalah suatu occurrence tertentu dari sebuah attribute didalam suatu entity atau relationship.

Ada dua jenis Atribut:

1. Identifier (key) digunakan untuk menentukan suatu entity secara unik (primary key).

2. Descriptor (nonkey attribute) digunakan untuk menspesifikasikan karakteristik dari suatu entity yang tidak unik.

e) Kardinalitas(Cardinality)

Kardinalitas relasi menunjukan jumlah maksimum tupel yang dapat berelasi dengan entitas pada entitas yang lain.

Terdapat 3 macam kardinalitas relasi yaitu: 1. One to One

Tingkat hubungan satu ke satu, dinyatakan dengan satu kejadian pada entitas pertama, hanya mempunyai satu hubungan dengan satu kejadian pada entitas yang kedua dan sebaliknya.

2. One to Many atau Many to One

Tingkat hubungan satu ke banyak adalah sama dengan banyak ke satu. Tergantung dari mana hubungan tersebut dilihat. Untuk satu kejadian pada entitas pertama dapat mempunyai banyak hubungan dengan kejadian pada entitas yang kedua, dan sebaliknya.

3. Many to Many

Tingkat hubungan kebanyakan terjadi jika tiap kejadian pada setiap entitas akan memepunyai banyak hubungan dengan kajadian pada entitas lainnya. Baik dilihat dari sisi entitas yang pertama, maupun dilihat dari sisi yang kedua.

2.5 Database Management System (DBMS)

Database Management System (DBMS) adalah perangkat lunak yang dapat memungkinkan pengguna untuk mendefinisikan, membuat, memelihara dan mengontrol database (Connoly dan Begg, 2005:16).

2.6 Data Warehouse

Data warehouse adalah sekumpulan data yang bersifat integrated, subject-oriented, time variant dan nonvolatile dalam mendukung pengambilan keputusan manajemen (Inmon, 2005:29). Karakteristik data warehouse menurut Inmon :

1. Subject-oriented (Berorientasi Subjek)

Data warehouse didesain untuk menganalisa data berdasarkan subject oriented tertentu dalam organiasi, bukan pada proses atau fungsi aplikasi tertentu.

2. Integrated (Terintegrasi)

Data warehouse dapat menyimpan data-data yang berasal dari sumber-sumber yang terpisah ke dalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya. Syarat integrasi sumber dapata dipenuhi dengan berbagai cara, seperti konsisten dalam penambahan variabel. Konsisten dalam ukuran variabel, konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data. 3. Time Variant (Rentang Waktu)

Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu tertentu. Cara-cara yang digunakan untuk melihat interval waktu yang digunakana dalam mengukur keakuratan suatu data warehouse:

a) Cara yang paling sederhana adalah menyajikan data warehouse pada rentang waktu tertentu.

b) Menggunakan variasi/perbedaan waktu yang disajikaan dalam data warehouse baik implicit maupun explicit, secara explicit dengan unsur waktu dalam hari, minggu, bulan dan waktu tertentu.

c) Variasi yang disajikan data warehouse melalui serangkaian snapshoot yang panjang.

4. Nonvolatile

Data pada data warehouse tidak di-update secara real time tetapi di-refresh dari sistem operasional secara reguler. Data yang baru selalu ditambahkan bagi basis data itu sebagai sebuah perubahan. Basis data tersebut secara terus menerus menyerap data baru ini, kemudian disatukan dengan data sebelumnya.

Hal ini berbeda dengan basis data operasional yang dapat melakukan update, insert dan delete terhadap data, sedangkan pada data warehouse hanya ada dua kegiatan manpiulasi data yaitu loading data (mengambil data) dan akses data.

2.7 Keuntungan Data Warehouse

Data warehouse dapat memberikan beberapa keuntungan bagi perusahaan (Connolly dan Begg, 2005:1152), diantaranya :

1. Tingkat pengembalian investasi yang tinggi

Sebuah organiassi harus menangani sumber daya dalam jumlah besar untuk memastikan implementasi data warehouse yang berhasil dan biaya yang sangat bervariasi.

2. Keuntungan kompetitif

Pengembalian investasi yang tinggi bagi perusahaan yang mengimplementasikan data warehouse dengan berhasil akan memberikan mereka keuntungan kompetitif. Keuntungan tersebut didapat dengan

mengizinkan pembuat keputusan mengakses data yang sebelumnya tidak tersedia, tidak diketahui dan informasi yang belum dimanfaatkan, contohnya tren dan permintaan.

3. Meningkatkan produktivitas para pembuat keputusan perusahaan

Data warehouse meningkatkan produktivitas dari pembuat keputusan perusahaan dengan menciptakan database yang terintegrasi, konsisten, berorientasi subjek dan data historis. Dengan merubah data dan mmenjadi informai yang berarti, data warehouse memungkinkan manajer untuk melakukan analisis dengan lebih akurat dan konsisten.

2.8 Dimensional Modelling

Dimensionality modelling adalah sebuah teknik desain logis yang bertujuan untuk menghadirkan data dalam sebuah bentuk yang standar dan intuitif yang memungkinkan pekasesan basis data dengan performa yang tinggi (Connolly dan Begg, 2001:1183).

Ada beberapa konsep permodelan data warehouse pada dimensionality modelling yang dikenal umum pada saat ini, konsep-konsep tersebut antara lain star schema, snowflake dan factconstellationschema.

1. Skema Bintang (Star Schema)

Skema bintang terdiri dari dua macam tabel, yaitu tabel fakta (fact table) dan tabel dimensi (dimensiontable). Tabel fakta mengandung fakta suatu data kuantitatif mengenai sebuah bisnis seperti jumlah unit terjual, jumlah order daan sebagainya. Tabel dimensi berisi data deskriptif mengenai subjek bisnis. Tabel dimensi biasanya adalah sebagai sumber

atribute yang digunakan untuk mengkualifikasi, mengkategorikan, atau meringkas fakta dalam query, report, atau grafik (Modern Database Mangement 8th Edition, 2007:457).

Skema bintang adalah sebuah loogikal struktur yang mempunyai sebuah tabel fakta berisi data terbaru di tengah, yang dikelilingi tabel dimensi yang berisi data referensi (Connolly dan Begg, 2005:1018). Skema bintang memiliki beberapa keuntungan (Ponniah, 2001:220), yaitu: a. Pengguna mudah untuk dimengerti

Saat user berinteraksi dengan data warehouse melalui alat query pihak ketiga, user seharusnya mengetahui apa maksud pertanyaan. Mereka harus mengetahui data apa yang tersedia bagi mereka data warehouse. Mereka harus memahami struktur data dan bagaimana bermacam-macam bagian yang saling berhubungan dalam seluruh skema. Skema bintang menampilkan bagaimana user berpikir dan apa yang pengguna perlukan untuk meng-query dan mengalisis.

b. Optimasi navigasi

Hubungan digunakan untuk berpindah dari datu tabel ke tabel yang lain untuk mendapatkan informasi yang dicari. Hubungan menyediakan kemampuan untuk melakukan navigasi melalui database. User dapat berpindah ke tabel satu ke tabel lain menggunakan join. Jika bagian dari proses join banyak dan rumit, navigasi melalui database menjadi sulit dan lambat. Di sisi lain, jika bagian join sederhana, maka navigasi yang ada menjadi optimal dan

cepat. Keuntungan utama dari skema bintang adalah mengoptimasi navigasi melalui database. Bahkan ketika hasil dari query terlihat kompleks, navigasi akan tetap sederhana.

c. Cocok untuk pemrosesan Query

Karena skema bintang adalah struktur query-centric, maka skema bintang sangat cocok untuk pemrosesan query.

d. Star Join dan Star Index

Skema bintang mengizinkan software pemroses query untuk melakukaan pelaksanaan yang lebih baik. Itu dapat membuat performa skema spesifik yang dapat diimplementasikan dalam query. Susunan skema bintang lebih cocok untuk teknik performa yang khusus.

2. Snowflake Schema

Snowflake Schema merupakan variasi dari skema bintang dimana tabel dimensi dari skema bintang dinormalisasi (Ponniah, 2001:235).

3. Fact Constellation

Fact Constellation schema dalah skema multi dimensional yang berisikan lebih dari satu tabel fakta yang saling berbagi tabel dimensi. Jenis skema ini dapat dilihat sebagai gabungan dari berbagai skema bintang sehingga sering juga disebut dengan nama skema galaksi (Han, 2006:116).

2.9 Komponen Dimensional Modelling

2.9.1 Fact (Fakta)

Fact atau fakta adalah sebuah ukuran dari performansi bisnis, biasanya berupa numerical dan penjumlahan. Hal ini berlanjutan pada pengertian dari tabel fact sebagai lokasi penyimpanan untuk fakta yang ada (Kimball dan Ross, 2002:402).

2.9.2 Fact Table (Tabel Fakta)

Fact table adalah pusat dari tabel star join dimana data dengan banyak kepentingan tersimpan (Inmon, 2005:497). Fact table pada sebuah stars chema dengan pengukuran performansi bisnis dalam bentuk numerik yang memiliki karakteristik berupa sebuah composite key, yang tiap-tiap elemennya adalah foreign key yang didapat dari tabel dimensi (Kimball dan Ross, 2002:402).

2.9.3 Dimension

Dimension atau dimensi merupakan sebuah entitas independent pada sebuah model dimensional yang berfungsi sebagai pintu masuk atau mekanisme untuk memecah-mecah pengukuran tambahan yang ada pada tabel fakta dari model dimensional (Kimball dan Ross, 2002:399).

2.9.4 Dimension Table

Dimensiontable atau tabel dimensi merupakan tempat dimana data tambahan yang berhubungan dengan tabel fakta ditempatkan pada sebuah tabel multidimensional (Inmon, 2005:495). Tabel dimensi ialah sebuah tabel pada model dimensional yang memiliki sebuah primmary key

tunggal dan kolom dengan atribut deskriptif (Kimball dan Ross, 2002:399).

2.9.5 Surrogate Key

Surrogate key ialah key berupa integer yang secara squential ditambahkan sesuai dengan keperluan untuk membentuk sebuah tabel dimensi dan elemen yang menggabungkannya dengan tabel fakta. Pada tabel dimensi, surrogate key bertindak sebagai primmary key. Sedangkan pada tabel fakta, surrogate key bertindak sebagai foreign key yang menspesifikasikan dimensi (Kimball dan Ross, 2002:414).

2.10 Data Mart

Data mart adalah struktur data per departemen yang berasal dari data warehouse dimana data di denormalisasi berdasarkan kebutuhan informasi tiap departemen (Inmon, 2005:494). Data mart dan data warehouse memiliki beberapa perbedaan (Ponniah, 2001:26), yaitu :

Tabel 2.1 Perbedaan Data Warehouse dan Data Mart

Data Warehouse Data Mart

Menunjuk pada keseluruhan organisasi Menunjuk padadepartemen tertentu Gabungan dari semua data mart Sebuah proses bisnis

Data diterima dari staging area Star join (fakta dan dimensi)

Di-query di sumber tampilan

Teknologi yang maksimal untuk akses dan analisis data

organisassi departemen

Diorganisasikan dalam ER-model Diorganisasikan dalam model dimensional

2.11 Model Arsitektur Data Warehouse 2.11.1 Enterprise Data Warehouse

Enterprise data warehouse adalah suatu model data warehouse yang mendukung seluruh atau sebagian besar dari kebutuhan bisnis untuk penggunaaan data warehouse yang sepenuhnya terintegrasi dan memiliki tingkat akses data yang tinggi terhadap suatu departemen atau bagian dari bisnis (Dimensional Modelling - In a Business Intelligence Environment, 2006:58).

Komponen-komponen yang ada didalam enterprisedata warehouse, yaitu: 1. Sistem sumber data (Source sytems)

Sistem sumber data adalah basis data operasional dimana data-datanya telah dinormalisasi dan disajikan dengan ER model. 2. Data staging area

Data staging area adalah suatu database penampung data-data yang telah di-extract untuk ditransformasikan agar dapat dimasukkan ke dalam data warehouse.

3. Enterprise data warehouse

Pengguna dapat mengakses data warehouse secara langsung melalui query atau melalui data mart.

Data mart dalam lingkungan enterprise data warehouse berdasarkan model dimensional yang dapat berupa skema bintang, snowflake, multi-star.

2.11.2 Independent Data Mart Architecture

Data mart merupakan data warehouse yang memiliki lingkup terbatas, dimana data yang terdapat didalamnya diperoleh dari menyeleksi dan meringkas data yang ada di dalam data warehoues.

Independent data mart adalah sebuah data warehouse yang berisikan data yang di extract dari lingkungan operasional tanpa mengandung keuntungan dari sebuah data warehouse (Dimensional Modelling – In a Business Intelligence Environment, 2006:59).

2.11.3 Dependent Data Mart Architecture

Pengembangan dependent data mart ini ditujukan untuk mengatassi keterbatasan-keterbatasan yang dimilki oleh independent data mart. Karena data mart di-load dari Enterprise Data Warehouse (EDW), sebuah data warehouse sentral yang terintegrasi, merupakan sebuah titik kontrol dan suatu versi kebenaran yang tersedia untuk pemakai akhir untuk aplikasi-aplikasi pendukung keputusan.

2.11.4 ETL (Extract, Transform, 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. Proses ETL terdiri dari empat fase yang terpisah: extraction (atau capture), cleansing (atau cleaning atau scrubbing), transformation, dan loading (Golfarelli dan Rizzi, 2009:15).

1. Extraction

Extraction adalah pengambilan data yang relevan atau berkaitan dari sumber data. Extract merupakan proses yang pertama kali dilakukan dalam pengisian data warehouse.

2. Cleansing

Proses cleansing sangatlah penting dalam sistem data warehouse untuk meningkatkan kualitas data, karena normalnya data dari sumber data berkualitas rendah. Dibawah ini merupakan beberapa kesalahan dan ketidakkonsistenan yang dapat membuat data menjadi “kotor”:

a) Duplikat data (data yang terduplikasi)

b) Inconsistent values that are logically associated (nilai yang tidak konsisten yang semestinya berhubungan)

c) Missing data (data yang hilang)

d) Unexpected use of fields (penggunaan kolom yang tidak sesuai) e) Impossible or wrong values (nilai yang tidak mungkin ataupun

salah)

f) Inconsistent values for a single entity because different practices were used (nilai yang tidak konsisten untuk entitas tunggal karena penggunaan yang berbeda)

g) Inconsistent values for one individual entity because of typing mistake (nilai yang tidak konsisten pada satu entitas individu karena kesalahan pengetikan)

3. Transformation

Transformation mengubah format data dari sumber data operasional menjadi format data warehouse yang lebih spesifik. Beberapa poin penting yang harus diperhatikan pada transformasi :

a) Text yang hilang dapat menghilangkan nilai informasi. b) Format yang berbeda dapat digunakan untuk data individual.

Contohnya, tipe date dapat disimpan sebagai string. Di bawah ini merupakan proses utama yang terjadi pada fase transformation:

a) Conversion dan normalization yang terjadi pada format dan unit dari pengukuran untuk membuat susunan data.

b) Matching yang mengasosiasikan kolom-kolom yang sama dari berbagai sumber.

c) Selection yang mengurangi jumlah dari kolom dan baris. 4. Loading

Loading ke dalam data warehouse merupakan langkah terakhir dalam ETL. Loading dapat dijalankan dengan dua cara, yaitu :

a) Refresh

Data warehouse akan sepenuhnya diisi kembali, yang berarti data yang lama akan diganti.

Update akan berjalan tanpa menghapus atau mengubah data yang telah ada.

2.12 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 operasional lainnya (Kadir, 2003:285).

Microsoft SQL Server 2008 adalah sebuah terobosan baru dari Microsoft dalam bidang database. SQL Server adalah sebuah DBMS (Database Management System) yang dibuat oleh Microsoft untuk ikut berkecimpung dalam persaingan dunia pengolahan data menyusul pendahulunya seperti IBM dan Oracle. SQL Server 2008 dibuat pada saat kemajuan dalam bidang hardware sedemikian pesat. Oleh karena itu sudah dapat dipastikan bahwa SQL Server 2008 membawa beberapa terobosan dalam bidang pengolahan dan penyimpanan data (Wahana, 2010:2).

2.13 Microsoft SQL Business Intelligence Development Studio (BIDS)

Business intelligence adalah istilah sebuah payung yang mengambungkan arsitektur, tools, database, analytical tools, aplikasi dan metodologi. Tujuan utama business intelligence adalah dapat mengakses data secara interkatif (kadang-kadang dalam real time), untuk dapat memanipulasi data dan memberikan manager bisnis dan analisis kemampuan untuk mengadakan analisa yang sesuai.

Microsoft Business Intelligence Development Studio (BIDS) adalah salah satu perangkat lunak yang dikembangkan oleh Microsoft untuk membantu user dalam merancang business intelligence. BIDS menyediakan tool untuk melakukan analisa data (Turban at all, 2011:28).

Ada 3 jenis solusi analisa yang ada di BIDS, yaitu : 1. Analysis Services Project

SQL Server Analysis Services (SSAS). Komponen ini bisa dibilang sebagai data analyzer, berurusan dengan OLAP dan star schema, konsep-konsep seperti datamining dan cube adalah domain dari SSAS.

a. Data mining

Data mining adalah proses untuk menemukan pengetahuan yang menarik dari umlah data yang besar yang disimpan dalam database, gudang data, atau informasi lainnya dalam repositori. (Han, 2006:7).

b. Cube

Cube adalah sebuah bentuk database dimana data disimpan dalam bentuk cell, dan posisi dari sel-sel tersebut ditentukan oleh beberapa variabel yang disebut dengan dimension. Jumlah dimension ini secara teori bisa tidak terbatas, tidak perlu terkuantifikasi untuk membentuk sebuah bangun 3 dimensi berupa cube. Istilah cube dan penggambaran dalam bentuk cube (3 dimensi) ini dimaksud untuk mempermudah visualisasi kita tentang sifat multi dimensionalnya. (Kusnawi :2)

SQL Server Integration Services (SSIS). Secara gampang SSIS memiliki kemampuan utama untuk melakukan proses ETL (extract, transform, dan load). Biasanya ETL terdapat dalam proses replikasi data dari satu database ke database lain. Kemampuan SSIS sebenarnya far beyond ETL. SSIS bisa mendefinisikan proses flow maupun data flow yang tidak hanya berinterkasi dengan source dan destination data saja, namun juga bisa berinterkasi dengan komponen-komponen lain sebuah sistem, misalnya email, FTP, dan lain-lain.

3. Reporting Services Project

SQL Server Reporting Services (SSRS), sesuai dengan namanya, komponen ini bertugas untuk menyajikan informasi yang telah diolah oleh komponen-komponen lain ke pihak manajemen.

2.14 Online Analytical Processing (OLAP)

Online Analytical Processing (OLAP) merupakan salah satu tools yang digunakan untuk mengakses informasi dalam data warehouse secara efektif untuk proses online analysis, memberikan respon yang cepat terhadap analytical queries yang kompleks (Wiliam, C.Amo, 2000).

Multidimensional data model dan teknik agregasi data yang dimiliki oleh OLAP dapat mengatur dan membuat kesimpulan dari data dalam jumlah besar, sehingga dapat dievaluasi secara cepat dengan menggunakan online analysis dan graphical tool. Sistem OLAP menyediakan kecepatan dan fleksibilitas untuk melakukan support analisis secara real time.

Metode perancangan data warehouse menurut Kimball yang digunakan meliputi 9 tahap yang dikenal dengan nine-step methodology (Connolly dan Begg, 2005:1187). Kesembilan tahap tersebut yaitu :

1. Pemilihan Proses (Choosing the process)

Proses mengacu pada subjek masalah dari bagian data mart. Data mart yang akan dibangun harus sesuai anggaran dan dapat menjawab masalah-masalah bisnis yang penting. Pemilihan proses ini dilakukan untuk memperjelas batasan mengenai data warehouse yang dibuat. 2. Pemilihan Grain (Choosing the grain)

Pemilihan grain berarti menentukan secara tepat apa yang dipresentasikan oleh record pada tabel fakta.

3. Identifikasi dari penyampaian dimensi (Indentifying and conforming the dimensions)

Pada tahap ini dilakukan penyesuaian dimensi dan grain yang ditampilkan dalam bentuk matriks.

4. Pemilihan fakta (Choosing the facts)

Grain dari tabel fakta menentukan fakta yang bisa digunakan.

5. Penyimpanan pre-calculation di tabel fakta (Storing pre-calculation in the fact table)

Setelah fakta-fakta dipilih, maka dilakukan pengkajian ulang untuk menentukan apakah ada fakta-fakta yang dapat diterapkan untuk kalkulasi awal.

Dalam tahap ini, kembali pada tabel dimensi dan menambahkan gambaran teks terhadap dimensi yang memungkinkan. Gambaran teks harus mudah digunakan dan dimengerti oleh user.

7. Pemilihan durasi database (Choosing the duration of the database) Pemilihan durasi data histori yang dimiliki oleh rumah sakit dapat dilakukan sesuai dengan kebutuhan informasi. Umumnya semakin banyak data yang dipindahkan ke dalam data warehouse semakin lengkap pula informasi yang bisa dihasilkan. Perlu diperhatikan pula tingkat durasi yang dimiliki oleh data histori dengan memperhatikan isi dan format data yang ada. Jangan sampai data yang dipindahkan merupakan data sampah yang tidak bermanfaat sama sekali.

8. Melacak perubahan dari dimensi secara perlahan (Tracking slowly changing dimensions)

Mengamati perubahan dari dimensi pada tabel dimensi dapat dilakukan dengan tiga cara, yaitu mengganti secara langsung pada tabel dimensi, membentuk record baru untuk setiap perubahan baru dan perubahan data yang membentuk kolom baru yang berbeda. 9. Penentuan prioritas dan model query (Deciding the query priorities

and the query modes)

Mempertimbangkan pengaruh dari rancangan fisik, seperti penyortiran urutan tabel fakta pada disk dan keberadaan dari penyimpanan awal ringkasan (summaries) atau penjumlahan (aggregate).

2.16 Spago Business Intelligence

Spago-BI merupakan paket software business intelligence open source yang menawarkan fungsi analitik pada tingkat data yang besar, fungsi semantic layer dan fitur visualisasi data, termasuk analitik geospasial. Adapun paket modul yang ditawarkan adalah sebagai berikut:

1. SpagoBI Server

Merupakan modul dasar yang memiliki fungsi analitik, yang menyediakan dua model konseptual, yaitu Analytical Model dan BehaviouralModel, Tools administrasi dan layanan lintas platform 2. SpagoBI Studio

SpagoBI Studio memungkinkan kita untuk merancang dan memodifikasi dokumen hasil analisis seperti laporan, grafik, GEO dan cockpits.

3. SpagoBI Meta

SpagoBI Meta difokuskan pada manajemen metadata dan inquiry. 4. SpagoBI SDK

SpagoBI SDK adalah tools yang digunakan untuk integrasi layanan yang diberikan oleh server.

Fungsi Analitik yang dimaksud adalah laporan, untuk memperlihatkan data terstruktur dalam pixel yang sempurna, analisis OLAP, untuk menavigasi melalui data, Grafik, memberikan tampilan yang sederhana dan informasi yang intuitif, dashboard real-time, untuk memantau KPI, KPI model, untuk membangun dan menguji sendiri Model

pemantauan kinerja, pelaporan Geo-referenced, untuk mempublikasikan data melalui representasi grafis, kokpit, untuk mewujudkan dashboard kompleks dan interaktif, Inquiry gratis (QBE), untuk membangun satu permintaan sendiri dan menghasilkan template laporan pertama, dan proses data mining, untuk menemukan informasi yang tersembunyi.

SpagoBI memungkinkan untuk mewujudkan laporan terstruktur, menggunakan pandangan informasi terstruktur seperti daftar, tabel, crosstabs, laporan dan untuk eksport-nya menggunakan beberapa format seperti HTML, PDF, XLS, XML, TXT, CSV, RTF. SpagoBI memungkinkan analisis multidimensi melalui mesin OLAP fleksibel dan user-friendly. Pengguna dapat menganalisis data pada tingkat detail yang berbeda dan dari perspektif yang berbeda, melalui drill-down, drill-accross, iris-dan-dadu, dan proses drill-through.

SpagoBI menawarkan mesin analitis yang menggunakan JFreeChart untuk pengembangan tunggal dengan widget grafik yang siap digunakan seperti histogram, diagram lingkaran, diagram batang, diagram daerah, diagram pencar, line chart, grafik gelembung, yang digunakan secara terpisah atau akan dikumpulkan ke dalam sebuah laporan untuk analisis data yang lebih banyak. SpagoBI menawarkan semua alat yang diperlukan untuk membuat, mengelola, melihat dan mencari model hirarki KPI, melalui metode yang berbeda, aturan perhitungan, ambang batas dan aturan alarm. SpagoBI memungkinkan pengguna untuk melakukan

agregat beberapa dokumen ke dalam satu tampilan dan berinteraksi dengan mereka dalam cara yang dinamis dan intuitif.

SpagoBI memungkinkan para penggunanya secara bebas membuat laporan multi-lembar mereka sendiri, termasuk meja sederhana, lintas-tabel dan grafik dalam dokumen template. SpagoBI menawarkan dua mesin geografis memungkinkan untuk mengatur koneksi run-time antara data geografis dan data bisnis yang disimpan dalam data warehouse.

2.17 Indikator Pelayanan Rumah Sakit

Indikator-indikator pelayanan rumah sakit dapat dipakai untuk mengetahui tingkat pemanfaatan, mutu, dan efisiensi pelayanan rumah sakit. Indikator-indikator berikut bersumber dari sensus harian rawat inap :

2.17.1 BOR (Bed Occupancy Ratio = Angka penggunaan tempat tidur) BOR menurut Huffman (1994) adalah “the ratio of patient service days to inpatient bed count days in a period under consideration”. Sedangkan menurut Depkes RI (2005), BOR adalah prosentase pemakaian tempat tidur pada satuan waktu tertentu. Indikator ini memberikan gambaran tinggi rendahnya tingkat pemanfaatan tempat tidur rumah sakit. Nilai parameter BOR yang ideal adalah antara 60-85% (Depkes RI, 2005).

Rumus :

[ (jumlah hari perawatan di rumah sakit) × 100% ] / [ (jumlah tempat tidur × jumlah hari dalam satu periode)]

2.17.2 ALOS (Average Length of Stay)

ALOS menurut Huffman (1994) adalah “The average hospitalization stay of inpatient discharged during the period under consideration”. ALOS menurut Depkes RI (2005) adalah rata-rata lama rawat seorang pasien. Indikator ini disamping memberikan gambaran tingkat efisiensi, juga dapat memberikan gambaran mutu pelayanan, apabila diterapkan pada diagnosis tertentu dapat dijadikan hal yang perlu pengamatan yang lebih lanjut. Secara umum nilai ALOS yang ideal antara 6-9 hari (Depkes, 2005).

Rumus :

[ (jumlah lama dirawat) ] / [ (jlh pasien keluar (hidup + mati)) ]

2.17.3 TOI (Turn Over Interval)

TOI menurut Depkes RI (2005) adalah rata-rata hari dimana tempat tidur tidak ditempati dari telah diisi ke saat terisi berikutnya. Indikator ini memberikan gambaran tingkat efisiensi penggunaan tempat tidur. Idealnya tempat tidur kosong tidak terisi pada kisaran 1-3 hari.

Rumus :

[ ((jumlah tempat tidur × Periode) − Hari Perawatan) ] / [ (jlh pasien keluar (hidup + mati)) ]

2.17.4 BTO (Bed Turn Over = Angka perputaran tempat tidur)

BTO menurut Huffman (1994) adalah “…the net effect of changed

adalah frekuensi pemakaian tempat tidur pada satu periode, berapa kali tempat tidur dipakai dalam satu satuan waktu tertentu. Idealnya dalam satu tahun, satu tempat tidur rata-rata dipakai 40-50 kali.

Rumus :

[ Jumlah pasien dirawat (hidup + mati) ] / [ (jumlah tempat tidur) ]

2.17.5 NDR (Net Death Rate)

NDR menurut Depkes RI (2005) adalah angka kematian 48 jam setelah dirawat untuk tiap-tiap 1000 penderita keluar. Indikator ini memberikan gambaran mutu pelayanan di rumah sakit.

Rumus :

[[ Jumlah pasien mati > 48 jam ] / [(jumlah pasien keluar (hidup + mati)) ]] × 100%

2.17.6 GDR (Gross Death Rate)

GDR menurut Depkes RI (2005) adalah angka kematian umum untuk setiap 1000 penderita keluar.

Rumus :

[[ Jumlah pasien mati seluruhnya ] / [(jumlah pasien keluar (hidup + mati)) ]] × 100%

2.18 Review Penelitian Terkait

Penelitian yang dibuat, merupakan pengemabangan dari penelitian yang sudah ada sebelumnya. Selengkapnya dapat kita lihat pada Tabel 2.2.

Tabel 2.2 Review Penelitian

Nama (tahun) Judul Penelitian Resume

João Completo, Rui Santos Cruz, Luisa Coheur, Manuel Delgado (Elsevier, 2012)

Design and Implementation of a Data Warehouse for Benchmarking in Clinical Rehabilitation

DW digunakan untuk mempermudah proses

benchmarking data klinik rehabilitasi sebagai salah satu komponen pembantu DSS

Marleen de Mul, Peter Alons, Peter van der Velde, Ilse Konings, Jan Bakker, Jan Hazelzet (Elsevier, 2010)

Development of A Clinical Data Warehouse From An Intensive Care Clinical Information System

Membangun DW pada sistem informasi ICU menggunakan metode Atos Origin Metadata Frame

Ause Labellapansa, Ana Yulianti, Hendrik (Seminar Nasional Informatika Medis III, 2012)

Perancangan Data Warehouse Untuk Meningkatkan Mutu Pelayanan Rumah Sakit Berdasarkan Standar Mutu Nasional

DW dipergunakan untuk menghitung kualitas RS berdasarkan Standar Mutu Nasional menggunakan

Nine Step Methodology

Noor Suhani Sulaiman, Jamaiah H. Yahaya (Elsevier, 2013)

Development of Dashboard Visualization for Cardiovascular Disease Based on Star Scheme

Membangun dashboard dari DW data klinis serangan jantung menggunakan skema bintang (star)

Sutiyono (Usulan Penelitian, 2013)

Analisis dan Perancangan Data warehouse Sebagai Alat untuk Monitoring Jalannya Proses Bisnis (Studi Kasus RSUD Al-Ihsan Bandung)

Membangun dashboard berdasarkan skema DW data pasien rawat inap menggunakan Nine Step Methodology sebagai alat memonitor jalannya proses bisnis RS.

97 BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Kesimpulan yang dapat ditarik dalam penelitian analisis dan perancangan data warehouse di RSUD Al-Ihsan, diantaranya :

1. Penerapan teknologi data warehouse dapat menjawab permasalahan yang ada di RSUD Al-Ihsan Jawa Barat, dengan kemampuannya dalam memudahkan proses pembuatan laporan yang bersifat multi dimensi.

2. Pengembangan laporan data warehouse dalam bentuk dashboard dengan bantun software Spago-Bi membantu pihak RSUD Al-Ihsan Jawa Barat dalam melakukan proses monitoring perkembangan unit proses bisnisnya secara realtime.

3. Pihak manajemen RSUD Al-Ihsan Jawa Barat dapat mengambil keputusan yang sifatnya strategis dengan cepat berdasarkan visualisasi laporan yang dibangun oleh data warehouse dalam bentuk dashboard.

4. Aplikasi dashboard berbasis web aplikasi juga sangat memudahkan managemen dalam memonitoring perkembangan bisnis rumah sakit yang sedang berjalan kapan saja dan dimana saja.

5.2 Saran

Beberapa saran yang dapat penulis berikan berdasaran hasil penelitian ini adalah: 1. Karena sistem bisnis rumah sakit yang kompleks dan juga perkembangan

data transaksi yang cukup banyak, maka pengembangan pada aplikasi reporting dianjurkan menggunakan teknologi data warehouse untuk lebih meringankan beban server, terutama report yang erat pengaruhnya terhadap proses pengambilan keputusan dan jalannya proses bisnis rumah sakit.

2. Pengembangan teknologi data warehouse diharapkan tidak hanya dapat diaplikasikan pada proses bisnis rumah sakit rawat inap saja, tetapi pada bagian proses bisnis lain yang dijalankan oleh RSUD Al-Ihsan.

DAFTAR PUSTAKA

Azwar, Saifuddin. 2005. Metode Penelitian, Pustaka Pelajar, Yogyakarta.

Ballard, Chuck, Farrel, M. Daniel. 2006. Dimensional Modelling: In a Business Intelligence Environment, IBM RedBooks, USA.

Connolly, Thomas M. and Carolyn E. Begg. 2005. Database Systems: A Practical Approach to Design, Implementation, and Management, 4th. Edition, Addison Wesley, Longman Inc., USA.

Evi, Humdiana, Indrayani. 2005. Sistem Informasi Manajemen (Obsesi Mengoptimalkan Informasi dalam Bisnis), Graha Ilmu,Yogyakarta.

Fathansyah. 1999. Basis Data Edisi Satu, CV.Informatika, Bandung.

Golfarelli, Rizzi. (2009). Data Warehouse Design: Modern Principles and Methodologie, Mc Graw Hill, New York.

Han, Jiawei, Kamber, Micheline. 2006. Data Mining: Concepts and Techniques 2nd Edition, Morgan Kaufman Publisher, Elsevier Inc., San Francisco. Indrajani. 2009. Sistem Basis Data dalam Paket Five in One, PT.Elex Media

Komputindo, Jakarta.

Inmon, W.H. 2005. Building the Data Warehouse, 4th Edition. Wiley Publishing, Inc., Indianapolis, Indiana.

Jogiyanto HM, Analisis. 2005, Desain, Ed ke-III, Andi Offset, Yogyakarta. Kadir, Abdul. 2003. Pengenalan Sistem Informasi, CV.Andi Offset, Yogyakarta. Kimball, R. dan Ross. 2002. The Data Warehouse 4th Edition, John Wiley &

Sons Inc., Canada.

Komputer, Wahana. 2010. Short Course Series: SQL Server 2008 Express, CV.Andi Offset, Yogyakarta.

Ladjamuddin. B, Al-Bahra. 2006. Rekayasa Perangkat Lunak, cet-ke II GRAHA ILMU, Yogyakarta.

Laudon, Kenneth C dan Jane P. 2007. Sistem Informasi Manajemen, Mengelola Perusahaan Digital Edisi 10, Salemba Empat, Jakarta Selatan.

Makiani (2013) RSUD Palembang Bari. Online. Tersedia: http://rsudpbari.palembang.go.id/ark/id/76 (28 Mei 2013).

Ponniah, Paulraj. 2001. Data Warehousing Fundamentals, Willey Interscience Publication, New York.

Tantra, Rudy. 2012. Manajemen Proyek Sistem Informasi, CV.Andi Ofset, Yogyakarta.

Wiliam, C.Amo. 2000. Microsoft SQL Server OLAP Developer's Guide, Wiley Publishing, Inc., CA.

ANALISIS DAN PERANCANGAN DATA WAREHOUSE SEBAGAI ALAT UNTUK MONITORING JALANNYA PROSES BISNIS (Studi Kasus : Rumah Sakit Umum Daerah Al-Ihsan Jawa Barat)

Sutiyono

Program Studi Magister Sistem Informasi,Universitas Komputer Indonesia Jalan Dipatiukur 112-116, Bandung 40132

Email : sutiyonodoang@gmail.comd

ABSTRAK

Rumah Sakit Umum Daerah (RSUD) Al-Ihsan Jawa Barat merupakan instansi pemerintah/Badan Usaha Milik Daerah (BUMD) Pemerintah Jawa Barat yang memberikan pelayanan kesehatan bagi masyarakat. Seiring dengan berjalannya waktu, RSUD ini semakin mendapatkan kepercayaan masyarakat sekitar, maka konsekuensinya semakin banyak dan kompleks pula data medik yang dimiliki dan harus diolah. Perkembangan data ini belum diimbangi dengan kemampuan teknologi pengolahan data yang ada di RSUD Al-Ihsan. Selain itu diperlukan juga tools yang dapat berfungsi sebagai monitoring jalannya proses bisnis yang dijalankan RSUD Al-Ihsan.

Penerapan teknologi informasi yang cocok untuk memecahkan permasalahan ini adalah dengan membangun data warehouse. Data warehouse dibangun dengan menggunakan nine-step methodologi. Proses monitoring dan penyajian laporan untuk proses pengambilan keputusan dibangun dalam bentuk grafis dashboard dengan bantuan software Spago-BI. Teknologi data warehouse dapat menjawab permasalahan yang ada di RSUD Al-Ihsan Jawa Barat, dengan kemampuannya yang dirancang untuk memudahkan proses pembuatan laporan yang bersifat multi dimensi. Pengembangan laporan data warehouse dalam bentuk dashboard web aplikasi akan sangat membantu pihak RSUD Al-Ihsan Jawa Barat dalam melakukan proses monitoring sekaligus sebagai dasar untuk mengambil keputusan dalam mengembangkan unit-unit bisnis secara realtime tanpa terikat waktu dan tempat.

Kata Kunci : data warehouse, dashboard, monitoring

1. PENDAHULUAN

1.1.Latar Belakang

Semakin meningkatnya kepercayaan masyarakat terhadap RSUD AI ini juga menyebabkan semakin pesatnya peningkatan transaksi data pasien. Pengembangan unit bisnis yang terus bertambah juga membuat database semakin kompleks.

Walaupun sudah menggunakan MS SQL Server, namun sistem informasi yang sudah berjalan hingga penelitian ini dilaksanakan belum mampu memenuhi keinginan pihak manajemen, yakni membuat sistem yang dapat memberikan informasi dengan cepat. Disisi lain juga, manajemen perlu adanya sistem yang bisa memonitor jalannya proses bisnis, sehingga setiap perkembangan kondisi bisnisnya akan terus terpantau.

Kondisi ini membuat pihak manajemen kesulitan untuk memonitoring perkembang-an bisnisnya dperkembang-an juga dalam mengambil ke-putusan yang sifatnya strategis dengan sege-ra bagi perkembangan RS. Laposege-ran yang ada saat ini juga masih bersifat umum, sedang-kan pihak manajemen sangat membutuhsedang-kan laporan yang sifatnya lebih spesi-fik dan terukur dalam dimensi waktu tertentu.

Terkait dengan hal ini, maka penulis mencoba untuk mengusulkan penelitian tentang perancangan data warehouse di RSUD AI sebagai alat untuk monitoring jalannya proses bisnis. Adapun metode perancangan data warehouse yang akan dilakukan adalah menggunakan 9 tahap metodologi yang dikenal dengan nine-step methodology (Connolly dan Begg, 2005) dan tools yang digunakan selain SQL Server juga akan digunakan Spago-BI sebagai alat

5

4. Tabel dimensi waktu opname terdiri

dari atribut: idWaktuopname (pk), datein dan dateout.

5. Tebel dimensi ruang terdiri dari atribut: idRuang, namaRuang, jumlahKamar dan Status.

6. Tabel dimensi kondisi terdiri dari atribut: idKondisi dan namaKondisi. 7. Tabel dimensi pasien terdiri dari:

idPasien, jenisKelamin dan tglLahir. 8. Tabel dimensi diagnosa terdiri dari

atribut: idDiagnosa dan namaDiagnosa.

3.7

Pemilihan Durasi

Database

Sebagai prototype dari perancangan data warehouse pada penelitian saat ini, data transaksi yang akan diproses hanya data transaksi selama dua tahun terakhir. Untuk meningkatkan akurasi data, sebaiknya paling minimal data yg diproses minimal lima tahun terakhir

3.8

Pelacakan

Slowly

Changing

Dimensions

(SCD)

Pada perancangan data warehouse ini, digunakan tipe SCD 1 untuk atribut yang tidak mempengaruhi pada hasil perhitungan dan tipe 3 untuk attribut yang memperngaruhi proses perhitungan, dengan pertimbangan bahwa setiap perubahan pada atribut akan tercatat dengan baik dengan harapan setiap perubahan yang terjadi dapat di-trace dengan mudah karena akan berpengaruh terhadap hasil akhir pada proses perhitungan data warehouse yang nantinya bisa dijadikan sebagai landasan untuk pengambilan keputusan.

3.9

Pemodelan Data Dimensional

Berdasarkan penyusunan data warehouse

pada nine step methodology, pemodelan data dimensional yang dipilih adalah model

snowflake. Model ini memungkinkan tabel dimensi digunakan bersamaan pada fakta yang berbeda. Lebih jelasnya dapat kita lihat pada gambar skema berikut:

Gambar 1. Snowflake SchemaData Warehouse

3.10

Online

Analytical

Processing

(OLAP)

Setelah terbentuknya skema data warehouse pada sub bab sebelumnya, maka langkah selanjutnya dirancanglah desain laporan dengan menggunakan tools OLAP. Adapun bentuk OLAP yang akan disajikan adalah dalam bentuk pivot table. Perancangan

pivot table ini menggunakan software SQL Server Business Intelligence Development Studi. Berikut contoh tabel OLAP hasil rancangan.

Tabel 1. Tabel OLAP Tipe Pivot untuk Kunjungan Pasien Rawat Inap

Tabel 2. Tabel OLAP Tipe Pivot untuk Indikator Pelayanan Rawat Inap

3.11

Reporting

dan

Dashboard

Pada penelitian ini, kegiatan monitoring yang dilakukan adalah membandingkan nilai-nilai fakta yang sudah di hitung pada proses OLAP dengan standar nilai yang diinginkan. Pada perhitungan Fakta Indikator Rawat Inap, Departemen Kesehatan RI sudah memberikan angka standar pada setiap parameter indikator, atau angka Key Performance Indikator (KPI). Jika angka parameter fakta berada dalam kisaran nilai standar, maka rumah sakit dalam kondisi aman, namun jika parameter berada dibawah kisaran angka standar KPI, maka status pelayanan rumah buruk.

Key Performance Indikator pada Fakta selain Indikator Pelayanan Rawat Inap, alat ukur yang dijadikan proses pembanding adalah angka-angka pada periode-periode sebelumya yang dihitung dengan cara metode peramalan atau forecasting, sehingga

6

ditemukan bagaimana kira-kira tren beberapa periode kedepannya.

Berikut adalah contoh desain layout

monitoring yang diharapkan, dengan menggunakan software SpagoBI.

Gambar 2. Contoh Rancangan 1 Monitoring Data Warehouse Rawat Inap RSUD Al-Ihsan

Gambar 2 merupakan desain prototype

dari dashboard monitoring. Pada bagian sebelah kiri yang merupakan fakta-fakta dari hasil perhitungan proses OLAP adalah pada kolom Actual, kolom Target merupakan angka standar baku yang sudah ditetapkan oleh departemen kesehatan dan tim perencanaan dan eveluasi RSUD. Kolom

Status merupakan alert atau indikator dari hasil perbandingan antara Actual dan Target, warna hijau menunjukkan bahwa nilai Actual

berada dibawah angka standar, warna kuning menunjukkan nilai Actual berada dalam

range angka standar, dan warna menunjukkan nilai Actual berada diatas nilai standar.

Pada bagian sebelah kanan, tepatnya pada tab detail merupakan tampilan grafik

cockpits. Jika pada baris sebelah kiri salah satu fakta kita sorot, maka grafik cockpits

akan memperlihatkan status angka actual

dengan lebih jelas dan mudah dalam membacanya. Bagian ini juga terdapat legenda yang menjelaskan skala warna pada grafik cockpits.

Gambar 3. Gambar Contoh Rancangan 2 Monitoring Data Warehouse Rawat Inap

RSUD Al-Ihsan

Pada gambar 3, bagian sebelah kanan dan pada tab History, menunjukan data historis selama beberapa periode kebelakang pada fakta yang disorot. Pada grafik ini kita dapat melihat perkembangan nilai fakta untuk setiap periode perhitungan.

4.

KESIMPULAN DAN SARAN

4.1

Kesimpulan

Kesimpulan yang dapat ditarik dalam penelitian analisis dan perancangan data warehouse di RSUD Al-Ihsan, diantaranya : 1. Penerapan teknologi data warehouse

dapat menjawab permasalahan yang ada di RSUD Al-Ihsan Jawa Barat, dengan kemampuannya dalam memudahkan proses pembuatan laporan yang bersifat multi dimensi.

2. Pengembangan laporan data warehouse

dalam bentuk dashboard dengan bantun

software Spago-Bi membantu pihak RSUD Al-Ihsan Jawa Barat dalam melakukan proses monitoring perkembangan unit proses bisnisnya secara realtime.

3. Pihak manajemen RSUD Al-Ihsan Jawa Barat dapat mengambil keputusan yang sifatnya strategis dengan cepat berdasarkan visualisasi laporan yang dibangun oleh data warehouse dalam bentuk dashboard.

4. Aplikasi dashboard berbasis web aplikasi juga sangat memudahkan managemen dalam memonitoring perkembangan bisnis rumah sakit yang sedang berjalan kapan saja dan dimana saja.

4.2

Saran

Beberapa saran yang dapat penulis berikan berdasaran hasil penelitian ini adalah: 1. Karena sistem bisnis rumah sakit yang kompleks dan juga perkembangan data transaksi yang cukup banyak, maka pengembangan pada aplikasi reporting

dianjurkan menggunakan teknologi data warehouse untuk lebih meringankan beban server, terutama report yang erat pengaruhnya terhadap proses pengambilan keputusan dan jalannya proses bisnis rumah sakit.

2. Pengembangan teknologi data warehouse

diharapkan tidak hanya dapat diaplikasikan pada proses bisnis rumah sakit rawat inap saja, tetapi pada bagian proses bisnis lain yang dijalankan oleh RSUD Al-Ihsan.

7

5.

Daftar Pustaka

Ballard, Chuck, Farrel, M. Daniel. 2006.

Dimensional Modelling: In a Business Intelligence Environment, IBM RedBooks, USA. Connolly, Thomas M. and Carolyn E. Begg. 2005. Database Systems: A Practical Approach to Design, Implementation, and Management, 4th. Edition, Addison Wesley, Longman Inc., USA.

Fathansyah. 1999. Basis Data Edisi Satu, CV.Informatika, Bandung.

Golfarelli, Rizzi. (2009). Data Warehouse Design: Modern Principles and Methodologie,

Mc Graw Hill, New York.

Han, Jiawei, Kamber, Micheline. 2006. Data Mining: Concepts and Techniques 2nd Edition, Morgan Kaufman Publisher, Elsevier Inc., San Francisco.

Inmon, W.H. 2005. Building the Data Warehouse, 4th Edition. Wiley Publishing, Inc., Indianapolis, Indiana.

Jogiyanto HM, Analisis. 2005, Desain, Ed ke-III, Andi Offset, Yogyakarta.

Kadir, Abdul. 2003. Pengenalan Sistem Informasi, CV.Andi Offset, Yogyakarta.

Kimball, R. dan Ross. 2002. The Data Warehouse 4th Edition, John Wiley & Sons Inc., Canada.

Komputer, Wahana. 2010. Short Course Series: SQL Server 2008 Express, CV.Andi Offset, Yogyakarta.

Ladjamuddin. B, Al-Bahra. 2006. Rekayasa Perangkat Lunak, cet-ke II GRAHA ILMU, Yogyakarta.

Laudon, Kenneth C dan Jane P. 2007. Sistem Informasi Manajemen, Mengelola Perusahaan Digital Edisi 10, Salemba Empat, Jakarta Selatan.

Makiani (2013) RSUD Palembang Bari.

Online. Tersedia:

http://rsudpbari.palembang.go.id/ark/id/76 (28 Mei 2013).

Ponniah, Paulraj. 2001. Data Warehousing Fundamentals, Willey Interscience Publication, New York.

Tantra, Rudy. 2012. Manajemen Proyek Sistem Informasi, CV.Andi Ofset, Yogyakarta.

Wiliam, C.Amo. 2000. Microsoft SQL Server OLAP Developer's Guide, Wiley Publishing, Inc., CA.

Copyright @ 2015

Sutiyono Waluyo

IT Supervisor at PT Berita Nasional

(+62) 08991118083 | sutiyonodoang@gmail.com | 33 years old | Jawa Barat

Experience 8 years

Current IT Supervisor

PT Media Nusa Pradana

Education Universitas Islam Bandung

Bachelor's, Industrial Engineering (2005)

Nationality Indonesia

Experience

Jun 2013 - Present

IT Officer

PT Berita Nasional | Jawa Barat, Indonesia

Bekerja bukan hanya untuk IT Network administrator, namun jg sebagai maintain/backup data. centos base, samba, web server (apache). sebagai web admin juga dengan wordpress cms. Familier dengan perintah unix. Membuat web aplikasi (newsroom) berbasis php native + mysql.

Membangun server secara virtual menggunakan xen server, virtual box, vmware, openvz.

untuk memperdalam wawasan ke-IT an, saat ini sedang menjalani pendidikan s2 manajemen sistem informasi, dengan rencana tesis perancangan datawarehouse di sebuah RSUD jawabarat, bandung.

Oct 2006 – 2013 (7 years 10 months )

IT Supervisor

PT Media Nusa Pradana

Berawal dari IT Support, Junior programer, dan posisi terakhir sebagai supervisor. ---

Selain trouble shooting hardwere softwere, saat ini lebih banyak pada monitoring, maintain, dan memperbaiki system operasi (terutama server berbasis linux OS --Debian, Opensuse, RedHat, Ubuntu). Terbiasa melakukan pekerjaan berbasis unix command line.

Melakukan supervisi terhadap sistem aplikasi yang sedang dibangun, melakukan koordinasi dengan vendor, memberikan kebijakan baru yang terkait dengan berlangsungnya proses kerja di lantai redaksi dan perusahaan yang berkaitan dengan sistem informasi.

Feb 2012 - Sep 2012 (7 months )

IT Staff

Koran GO SPORT

Memanage website dan email via CPanel, monitoring server local (file server sebagai data center kantor) Berfungsi juga sebagai IT support

Mar 2006 - Aug 2006 (5 months )

Implementor

Siskomlabs

Mengaplikasikan sistem yang sudah dibangun, dan melakukan trial and error terhadap sistem aplikasi yang akan berjalan.

2005 - 2005 (1 month)

Staff Produksi

PT Ghaida Sugih Mandiri

Mengumpulkan data primer berkaitan dengan bill of material yang nantinya akan dijadikan master guna pembuatan sistem informasi produksi.

Copyright @ 2015

Education

2005

Universitas Islam Bandung

Bachelor's Degree in Engineering (Industrial) | Indonesia

Major Manajemen Industri

Skills

Intermediate Network Administration, Web Developer, Network Configuration

Additional Info

Preferred Work Location Jawa Barat, Jakarta Raya, Sulawesi Selatan

Other Information

Untuk memperkaya keilmuan dibidang teknologi informasi, saat ini saya sedang menjalankan studi S2 dengan program studi Manajemen sistem informasi.

About Me

Gender Male

Telephone Number (+62) 899-1118083

Address Jawa Barat, Indonesia