77
8. Membaca tabel dim_jenis_kelamin input dim_jenis_kelamin
Gambar 4.68 Step input dim_jenis_kelamin
Proses ini
bertujuan untuk
membaca tabel
dim_jenis_kelamin dari database
rekam_medis. Koneksi menggunakan koneksi repository yaitu koneksi_ rekam_medis.
Query yang
digunakan adalah
“select from
dim_jenis_kelamin”.
9. Membaca tabel dim_cara_bayar input dim_cara_bayar
Gambar 4.69 Step input dim_cara_bayar
Proses ini bertujuan untuk membaca tabel dim_cara_bayar dari database rekam_medis. Koneksi menggunakan koneksi
repository yaitu koneksi_ rekam_medis. Query yang digunakan
adalah “select from dim_cara_bayar”.
78
10. Membaca tabel dim_kecamatan input dim_kecamatan
Gambar 4.70 Step input dim_kecamatan
Proses ini bertujuan untuk membaca tabel dim_kecamatan dari database rekam_medis. Koneksi menggunakan koneksi
repository yaitu koneksi_ rekam_medis. Query yang digunakan
adalah “select from dim_kecamatan”.
11. Mapping untuk mendapatkan field yang dibutuhkan tMap_1
Gambar 4.71 Step tMap_1
Proses ini bertujuan untuk mengambil field
yang diperlukan. Pada proses ini dilakukan lookup tabel untuk
mengaitkan satu tabel dengan yang lainnya. Tabel 4.1 akan menjelaskan lookup tabel yang dilakukan.
79
Tabel 4.1 Lookup tMap_1
Field key Field lookup
rekam_medis bulan
dim_waktu bulan
rekam_medis tahun
dim_waktu tahun
rekam_medis no_rm
dim_pasien no_rm
rekam_medis diagnosa
dim_diagnosa kode_diagnosa
rekam_medis ruang
dim_ruang ruang
rekam_medis dokter
dim_dokter dokter
rekam_medis jenis_kasus
dim_jenis_kasus jenis_kasus
rekam_medis jenis_kelamin
dim_jenis_kelamin jenis_kelamin
rekam_medis cara_bayar
dim_cara_baya cara_bayar
dim_pasien kecamatan
dim_kecamatan kecamatan
Proses ini
juga melakukan
penambahan field
sk_fact_rekam_medis, diambil dari var1 yang berisi expression Numeric.sequences12,1,1, fungsi dari expression tersebut
untuk membuat variable angka sekuensial. Field
yang dihasilkan adalah sk_fact_rekam_medis, sk_waktu, sk_pasien,
sk_diagnosa, sk_ruang,
sk_dokter, sk_jenis_kasus,
sk_jenis_kelamin, sk_cara_bayar dan sk_kecamatan.
12. Output tabel fact_rekam_medis output fact_rekam_medis
Gambar 4.72 Step output fact_rekam_medis
80
Proses ini bertujuan untuk membuat output table
fact_rekam_medis di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis
dengan target table fact_rekam_medis. Action on table yang digunakan adalah drop table if exist and create serta action on
data yang digunakan adalah insert.
Hasil dari pembentukan tabel fact_rekam_medis seperti pada Gambar 4.72. Terdapat 10 field yaitu sk_fact_rekam_medis,
sk_waktu, sk_pasien,
sk_diagnosa, sk_ruang,
sk_dokter, sk_jenis_kasus,
sk_jenis_kelamin, sk_cara_bayar
dan sk_kecamatan.
Gambar 4.73 Tabel fact_rekam_medis
81
4.3 Implementasi Star Schema Untuk Database OLAP
4.3.1 Star Schema Cube_Rekam_Medis
Star Schema Cube_Rekam_Medis akan membaca data dari fact_rekam_medis di database rekam_medis.
Gambar 4.74 Cube_Rekam_Medis
Star Schema Cube_Rekam_Medis memiliki tabel fakta
fact_rekam_medis. Dimensi yang digunakan adalah Dimensi_Waktu,
Dimensi_Pasien, Dimensi_Diagnosa,
Dimensi_Ruang, Dimensi_Dokter,
Dimensi_Jenis_Kasus, Dimensi_Jenis_Kelamin,
Dimensi_Cara_Bayar dan
Dimensi_Kecamatan. Measure yang digunakan adalah Jumlah Kasus, Jumlah Pasien, Kasus Baru, Kasus Lama, Kasus Pria dan
Kasus Wanita.
82
1. Dimensi_Waktu
Gambar 4.75 Dimensi_Waktu
Dimensi_Waktu menggunakan tabel dim_waktu
dari database
rekam_medis. Hierarchy
yang dimiliki adalah Waktu. Level yang dimiliki adalah Tahun dan Bulan.
2. Dimensi_Pasien
Gambar 4.76 Dimensi_Pasien
Dimensi_Pasien menggunakan tabel dim_pasien
dari database
rekam_medis. Hierarchy
yang dimiliki adalah Pasien. Level yang dimiliki adalah Pasien.
3. Dimensi_Diagnosa
Gambar 4.77 Dimensi_Diagnosa
Dimensi_Diagnosa menggunakan tabel dim_diagnosa dari database
rekam_medis. Hierarchy
yang dimiliki adalah
83
Diagnosa. Level yang dimiliki adalah Kategori dan Sub Kategori.
4. Dimensi_Ruang
Gambar 4.78 Dimensi_Ruang
Dimensi_Ruang menggunakan tabel dim_ruang
dari database
rekam_medis. Hierarchy
yang dimiliki adalah Ruang. Level yang dimiliki adalah Instalasi, Kelas dan Ruang.
5. Dimensi_Dokter
Gambar 4.79 Dimensi_Dokter
Dimensi_Dokter menggunakan tabel dim_dokter
dari database
rekam_medis. Hierarchy
yang dimiliki adalah Dokter. Level yang dimiliki adalah Dokter.
6. Dimensi_Jenis_Kasus
Gambar 4.80 Dimensi_Kasus
84
Dimensi_Kasus menggunakan tabel dim_kasus
dari database
rekam_medis. Hierarchy yang dimiliki adalah Jenis Kasus. Level yang dimiliki adalah Jenis Kasus.
7. Dimensi_Jenis_Kelamin
Gambar 4.81 Dimensi Jenis Kasus
Dimensi_Jenis_Kelamin menggunakan
tabel dim_jenis_kasus dari database rekam_medis. Hierarchy yang
dimiliki adalah Jenis Kelamin. Level yang dimiliki adalah Jenis Kelamin.
8. Dimensi_Cara_Bayar
Gambar 4.82 Dimensi_Cara_Bayar
Dimensi_Cara_Bayar menggunakan tabel dim_cara_bayar dari database rekam_medis. Hierarchy yang dimiliki adalah
Cara Bayar. Level yang dimiliki adalah Cara Bayar.
9. Dimensi_Kecamatan
Gambar 4.83 Dimensi_Kecamatan
85
Dimensi_Kecamatan menggunakan tabel dim_kecamatan dari database rekam_medis. Hierarchy yang dimiliki adalah
Kecamatan. Level yang dimiliki adalah Kecamatan.
4.3.2 Skema MDX
Berdasarkan implementasi
Star Schema
Cube_Rekam_Medis, maka deskripsi skema MDX adalah sebagai berikut :
Tabel 4.2 Deskripsi Skema MDX
Atribut MDX
Nilai Atribut Tabel Database rekam_medis
Cube Cube_Rekam_Medis
fact_rekam_medis Measures
Jumlah Kasus sk_fact_rekam_medis
Jumlah Pasien sk_pasien
Kasus Baru sk_jenis_kasus
Kasus Lama sk_jenis_kasus
Kasus Pria sk_jenis_kelamin
Kasus Wanita sk_jenis_kelamin
Dimension Dimensi Waktu
dim_waktu Hierarchy
Waktu dim_waktu.sk_waktu
Level Tahun
dim_Waktu.tahun Level
Bulan dim_waktu.bulan
Dimension Dimensi Pasien
dim_pasien Hierarchy
Pasien dim_pasien.sk_pasien
Level Pasien
dim_pasien.no_rm Dimension
Dimensi Diagnosa dim_diagnosa
Hierarchy Diagnosa
dim_diagnosa.sk_diagnosa Level
Kategori dim_diagnosa.kategori
Level Sub Kategori
dim_diagnosa.sub_kategori
