Implementasi data warehouse untuk analisa rekam medis pasien di RSUP Dr. Soeradji Tirtonegoro Klaten.
vii
ABSTRAK
IMPLEMENTASI DATA WAREHOUSE UNTUK ANALISA REKAM MEDIS PASIEN DI RSUP DR. SOERADJI TIRTONEGORO KLATEN
D. Ronny Dwiharyanto Universitas Sanata Dharma
Yogyakarta 2015
Data adalah fakta yang dapat disimpan dan memiliki arti. Agar data dapat memiliki nilai yang berharga maka data tersebut harus diolah. Salah satu cara mengolah data agar dapat menghasilkan informasi yang berguna adalah dengan menggunakan teknikdata warehouse.
Problem yang dihadapi adalah membangun sistem yang mampu menggali informasi dari rekam medis pasien yang berguna dalam pembuatan laporan. Oleh karena itu teknologi gudang dipilih sebagai solusi untuk menggali informasi rekam medis pasien terutama dengan keunggulannya dalam menyajikan data.
Data warehouse yang terbentuk selanjutnya akan digunakan untuk keperluan
Online Analytical Processing (OLAP) yang mencakup informasi diagnosa, penggunaan ruang, cara bayar, daerah asal pengunjung dan dokter.
(2)
viii
ABSTRACT
IMPLEMENTATION OF DATA WAREHOUSE FOR PATIENT MEDICAL RECORD
AT RSUP DR. SOERADJI TIRTONEGORO KLATEN
D. Ronny Dwiharyanto Sanata Dharma University
Yogyakarta 2015
Data is a fact that can be saved and has a value. In order to have valuable data then the data must be processed. One way to process the data in order to produce useful information is data warehouse technique.
Problem faced is to build a system which is able to gather information from patient medical record that are useful for reporting. Data warehouse technology chosen as the solution to process information about patient medical records, especially with its excellence in presenting the data. The data warehouse that is formed will be used for Online Analytical Processing (OLAP) that include information about diagnostic, room usage, payment method, the origin of visitors and doctor.
(3)
IMPLEMENTASI DATA WAREHOUSE UNTUK ANALISA REKAM MEDIS PASIEN DI RSUP DR. SOERADJI TIRTONEGORO KLATEN
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika
Disusun oleh : D. Ronny Dwiharyanto
105314088
PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA YOGYAKARTA
(4)
i
HALAMAN JUDUL
IMPLEMENTASI DATA WAREHOUSE UNTUK ANALISA REKAM MEDIS PASIEN DI RSUP DR. SOERADJI TIRTONEGORO KLATEN
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika
Disusun oleh : D. Ronny Dwiharyanto
105314088
PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA YOGYAKARTA
(5)
ii
IMPLEMENTATION OF DATA WAREHOUSE FOR PATIENT MEDICAL RECORD
AT RSUP DR. SOERADJI TIRTONEGORO KLATEN
FINAL PROJECT
Presented as Partial Fulfillment of the Requirements
To Obtain theSarjana KomputerDegree In Informatics Engineering
By :
D. Ronny Dwiharyanto 105314088
INFORMATICS ENGINEERING STUDY PROGRAM DEPARTMENT OF INFORMATICS ENGINEERING
FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY
YOGYAKARTA 2015
(6)
Pembimbing,
IIALAMAN
PERSETUJUAIISKRIPSI
IMPLEMENTASI DATA WA R E H O US E UNTUK ANALISA REKAM MEDIS PASIEN DI RS{'P DR. SOERADJI TIRTONEGORO KLATAN
Dipersiapkan dan ditulis oleh:
D. Ronny Dwiharyanto
NIM: 105314088
Telah disetujui oleh:
idowati Gunawan, S.Kom., M.T. Tanggal: 3 ) Agustus 201 5
(7)
IIALAMAN PENGESAHAN
SKRIPSI
IMPLEMENTA SI D ATA WA RE H O U S E
I.INTUK ANALISA REKAM MEDIS PASIEN
DI RSUP DR SOERADJI TIRTONEGORO KLATEN
Dipersiapkan dan ditulis oleh :
D. Ronny Dwiharyanto
lv
s#:
-fr*
*6-4eiiu*-B
{tf
F"'"fft
f*o'""W'"'"nutii$u*t'l..'
i $
-'1.u"";'frii.-'\q,'
i;
q,H:
ft
K
*m::fu--",frry
i'r.;f?,e#"-qu
(8)
(9)
(10)
vii
ABSTRAK
IMPLEMENTASI DATA WAREHOUSE UNTUK ANALISA REKAM MEDIS PASIEN DI RSUP DR. SOERADJI TIRTONEGORO KLATEN
D. Ronny Dwiharyanto Universitas Sanata Dharma
Yogyakarta 2015
Data adalah fakta yang dapat disimpan dan memiliki arti. Agar data dapat memiliki nilai yang berharga maka data tersebut harus diolah. Salah satu cara mengolah data agar dapat menghasilkan informasi yang berguna adalah dengan menggunakan teknikdata warehouse.
Problem yang dihadapi adalah membangun sistem yang mampu menggali informasi dari rekam medis pasien yang berguna dalam pembuatan laporan. Oleh karena itu teknologi gudang dipilih sebagai solusi untuk menggali informasi rekam medis pasien terutama dengan keunggulannya dalam menyajikan data.
Data warehouse yang terbentuk selanjutnya akan digunakan untuk keperluan
Online Analytical Processing (OLAP) yang mencakup informasi diagnosa, penggunaan ruang, cara bayar, daerah asal pengunjung dan dokter.
(11)
viii
ABSTRACT
IMPLEMENTATION OF DATA WAREHOUSE FOR PATIENT MEDICAL RECORD
AT RSUP DR. SOERADJI TIRTONEGORO KLATEN
D. Ronny Dwiharyanto Sanata Dharma University
Yogyakarta 2015
Data is a fact that can be saved and has a value. In order to have valuable data then the data must be processed. One way to process the data in order to produce useful information is data warehouse technique.
Problem faced is to build a system which is able to gather information from patient medical record that are useful for reporting. Data warehouse technology chosen as the solution to process information about patient medical records, especially with its excellence in presenting the data. The data warehouse that is formed will be used for Online Analytical Processing (OLAP) that include information about diagnostic, room usage, payment method, the origin of visitors and doctor.
(12)
ix
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah Bapa di Surga, karena berkat, kasih, dan rahmat-Nya penulis dapat menyelesaikan skripsi yang berjudul
“Implementasi Data Warehouseuntuk Analisa Rekam Medis Pasien di RSUP Dr. Soeradji Tirtonegoro Klaten”. Skripsi ini diajukan untuk memenuhi salah satu
syarat dalam memperoleh gelar sarjana strata satu pada Program Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. Selama penyusunan skripsi ini, penulis mendapat banyak bimbingan, saran, masukan dan dukungan dari berbagai pihak. Maka pada kesempatan ini penulis ingin menghaturkan rasa hormat dan terima kasih kepada :
1. Orang tua saya tercinta, Y. Sumaryanto dan Martini S. yang selalu memberikan dukungan doa, materi, dan nasehat kepada saya.
2. Adik saya Regina Renny T. yang selalu memberikan hiburan, doa dan dukungan kepada saya.
3. Ibu Ridowati Gunawan S.Kom., M.T., selaku Ketua Program Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata Dharma serta dosen pembimbing yang telah memberikan masukan dan kejutan.
4. Ibu P.H. Prima Rosa, S.Si., M.Sc. selaku Dekan Fakultas Sains dan Teknologi dan dosen pembimbing akademik yang telah mendampingi selama belajar di Teknik Informatika Sanata Dharma.
5. Seluruh dosen program studi Teknik Informatika yang membimbing dari awal hingga selesai masa studi.
6. Seluruh staf RSUP Dr. Soeradji Tirtonegoro Klaten yang telah membantu dalam pengumpulan data.
7. Seluruh keluarga besar Hadisumarmo yang selalu memberikan doa dan semangat.
8. Vinsen Muliadi dan Maximilianus Bimo yang telah membantu selama penyelesaian skripsi dan sidang.
9. Seluruh teman mahasiswa teknik informatika 2010 Sanata Dharma yang telah membantu dan bertukar pengalaman.
(13)
x
10. Teman - teman lain yang tidak dapat disebutkan satu persatu.
Untuk itu dengan rendah hati penulis mengharapkan kritik dan saran yang membangun agar dapat memberikan kesempurnaan pada skripsi ini. Akhir kata, semoga penulisan skripsi ini dapat bermanfaat menambah wawasan dan referensi bagi pembaca.
Yogyakarta, Juli 2015
(14)
xi
DAFTAR ISI
HALAMAN JUDUL... i
HALAMAN PERSETUJUAN... iii
HALAMAN PENGESAHAN... iv
PERNYATAAN KEASLIAN KARYA ... v
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS... vi
ABSTRAK ... vii
ABSTRACT... viii
KATA PENGANTAR... ix
DAFTAR ISI ... xi
DAFTAR GAMBAR ... xv
DAFTAR TABEL... xx
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Tujuan ... 2
1.4 Batasan Masalah ... 3
1.5 Metodologi Penelitian ... 4
1.6 Sistematika Penulisan... 5
BAB II LANDASAN TEORI ... 6
2.1 Data warehouse... 6
2.1.1 PengertianData warehouse... 6
2.1.2 KomponenData warehouse... 6
2.1.3 KarakteristikData warehouse... 8
2.1.4 ArsitekturData warehouse... 9
2.1.5 Langkah PembuatanData warehouse... 10
(15)
xii
2.2 Extract, Transform dan Load(ETL) ... 12
2.3 Multi Dimensional Modeling ... 13
2.3.1 Cube, Dimension, MeasuredanMember... 13
2.3.2 Fact TabledanDimension Table... 13
2.3.3 Star Schema... 14
2.3.4 Surrogate Key... 14
2.4 Online Analitycal Processing(OLAP) ... 15
2.5 Rekam Medis... 15
BAB III ANALISIS DAN PERANCANGAN SISTEM ... 16
3.1 Analisis Kebutuhan ... 16
3.2 Analisis Sistem ... 16
3.3 Langkah - Langkah PembuatanData warehouse... 18
3.3.1 MembacaData Legacy... 18
3.3.2 Menggabungkan Data dari Sumber Terpisah... 22
3.3.3 MemecahData warehousedalam Tabel Fakta dan Tabel Dimensi 23 3.4 Pembuatan OLAP... 31
3.4.1 Cube_Rekam_Medis ... 31
3.5 Perancangan Proses Transfer Data ... 32
3.6 Analisis Kebutuhan ... 33
3.6.1 Use Case... 33
3.6.2 NarasiUse Case... 34
3.7 Rancangan Antar Muka Pengguna Sistem Database OLAP ... 40
3.7.1 Tampilan HalamanLogin... 40
3.7.2 Tampilan Menu Utama ... 41
3.7.3 Tampilan Halaman OLAP ... 42
3.7.4 Tampilan Halaman Transfer Data ... 43
3.8 Kebutuhan Komponen dan Kebutuhan Sistem... 43
BAB IV IMPLEMENTASI DAN ANALISIS SISTEM ... 44
4.1 Implementasi ArsitekturData warehouse... 44
4.2 Langkah PembuatanData warehouse... 45
4.2.1 Membaca Data Legacy... 45
4.2.2 Pembentukan Tabel Rekam Medis... 48
(16)
xiii
4.2.4 Pembentukan Tabel Fakta fact_rekam_medis ... 73
4.3 Implementasi Star Schema Untuk Database OLAP ... 81
4.3.1 Star Schema Cube_Rekam_Medis... 81
4.3.2 Skema MDX ... 85
4.3.3 Schema_Rekam_Medis.xml ... 86
4.4 Implementasi Proses Transfer Data ... 92
4.5 Implementasi Antar Muka Pengguna Sistem OLAP ... 93
4.5.1 Halaman Login... 93
4.5.2 Halaman Menu Utama ... 94
4.5.3 Halaman View Diagnosa... 94
4.5.4 Halaman View Ruang ... 95
4.5.5 Halaman View Cara Bayar... 96
4.5.6 Halaman View Kecamatan... 97
4.5.7 Halaman View Dokter... 98
4.5.8 Halaman Transfer Data ... 99
BAB V ANALISIS HASIL ... 100
5.1 Penyelesaian Rumusan Masalah ... 100
5.1.1 View Diagnosa ... 100
5.1.2 View Ruang... 101
5.1.3 View Cara Bayar ... 102
5.1.4 View Kecamatan ... 103
5.1.5 View Dokter ... 104
5.2 Pengujian Cube Cube_Rekam_Medis... 105
5.2.1 Pengujian View Diagnosa ... 105
5.2.2 Pengujian View Ruamg... 106
5.2.3 Pengujian View Cara Bayar ... 107
5.2.4 Pengujian View Kecamatan ... 109
5.2.5 Pengujian View Dokter ... 110
5.3 Analisis Pengguna ...111
5.4 Kelebihan dan Kelemahan Sistem...112
BAB VI PENUTUP ...113
(17)
xiv
6.2 Saran ...113 DAFTAR PUSTAKA ...115
(18)
xv
DAFTAR GAMBAR
Gambar 2.1 ArsitekturData warehouse... 9
Gambar 3.1 Ilustrai Sumber Data... 22
Gambar 3.2 Pembentukan fact_rekam_medis... 30
Gambar 3.3 Cube_Rekam_Medis ... 31
Gambar 3.4 DiagramUse Case... 33
Gambar 3.5 Tampilan Halaman Login ... 40
Gambar 3.6 Tampilan Menu Utama ... 41
Gambar 3.7 Tampilan Halaman OLAP ... 42
Gambar 3.8 Tampilan Halaman Transfer Data... 43
Gambar 4.1 ArsitekturData warehouse... 44
Gambar 4.2 Job data_rekam_medis 0.1 ... 45
Gambar 4.3 Step Input data_rekam_medis.xls di rekam_medis 0.1... 46
Gambar 4.4 Step tMap_1 pada data_rekam_medis 0.1... 46
Gambar 4.5 Step Output data_rekam_medis pada data_rekam_medis 0.1... 47
Gambar 4.6 Tabel data_rekam_medis ... 48
Gambar 4.7 Job rekam_medis 0.1... 48
Gambar 4.8 Step input data_rekam_medis ... 48
Gambar 4.9 Step tReplace_1... 49
Gambar 4.10 Step input dokter data_rekam_medis ... 49
Gambar 4.11 Step tMap_2 ... 50
Gambar 4.12 Step tMap_1 ... 50
(19)
xvi
Gambar 4.14 Tabel rekam_medis... 52
Gambar 4.15 Job dim_waktu 0.1 ... 52
Gambar 4.16 Step input table_waktu ... 52
Gambar 4.17 Step tMap_1 ... 53
Gambar 4.18 Step output dim_waktu... 53
Gambar 4.19 Tabel dim_waktu ... 54
Gambar 4.20 Job dim_pasien 0.1... 54
Gambar 4.21 Step input tabel_pasien... 55
Gambar 4.22 Step tMap_1 ... 55
Gambar 4.23 Step output dim_pasien ... 56
Gambar 4.24 Tabel dim_pasien... 56
Gambar 4.25 Job dim_diagnosa 0.1 ... 57
Gambar 4.26 Step input tabel_diagnosa... 57
Gambar 4.27 Step tMap_1 ... 57
Gambar 4.28 Step output dim_diagnosa ... 58
Gambar 4.29 Tabel dim_diagnosa... 59
Gambar 4.30 Job dim_ruang 0.1 ... 59
Gambar 4.31 Step input tabel_ruang... 59
Gambar 4.32 Step tMap_1 ... 60
Gambar 4.33 Step output dim_ruang ... 60
Gambar 4.34 Tabel dim_ruang... 61
Gambar 4.35 Job dim_dokter 0.1... 61
Gambar 4.36 Step input rekam_medis ... 62
Gambar 4.37 Step tMap_1 ... 62
Gambar 4.38 Step output dim_dokter ... 63
(20)
xvii
Gambar 4.40 Job dim_jenis_kasus 0.1... 64
Gambar 4.41 Step input rekam_medis ... 64
Gambar 4.42 Step tMap_1 ... 64
Gambar 4.43 Step output dim_jenis_kasus ... 65
Gambar 4.44 Tabel jenis_kasus... 65
Gambar 4.45 Job dim_jenis_kelamin 0.1... 66
Gambar 4.46 Step input rekam_medis ... 66
Gambar 4.47 Step tMap_1 ... 66
Gambar 4.48 Step output jenis_kelamin ... 67
Gambar 4.49 Tabel dim_jenis_kelamin ... 67
Gambar 4.50 Job dim_cara_bayar 0.1... 68
Gambar 4.51 Step input rekam_medis ... 68
Gambar 4.52 Step tMap_1 ... 68
Gambar 4.53 Step output dim_cara_bayar... 69
Gambar 4.54 Tabel dim_cara_bayar ... 70
Gambar 4.55 Job dim_kecamatana 0.1 ... 70
Gambar 4.56 Step input dim_pasien ... 70
Gambar 4.57 Step dim_kecamatan ... 71
Gambar 4.58 Step output dim_kecamatan ... 71
Gambar 4.59 Tabel dim_kecamatan... 72
Gambar 4.60 fact_rekam_medis ... 73
Gambar 4.61 Step input rekam_medis ... 73
Gambar 4.62 Step input dim_waktu... 74
Gambar 4.63 Step input dim_pasien ... 74
Gambar 4.64 Step input dim_diagnosa ... 75
(21)
xviii
Gambar 4.66 Step input dim_dokter ... 76
Gambar 4.67 Step input dim_jenis_kasus ... 76
Gambar 4.68 Step input dim_jenis_kelamin ... 77
Gambar 4.69 Step input dim_cara_bayar... 77
Gambar 4.70 Step input dim_kecamatan ... 78
Gambar 4.71 Step tMap_1 ... 78
Gambar 4.72 Step output fact_rekam_medis ... 79
Gambar 4.73 Tabel fact_rekam_medis... 80
Gambar 4.74 Cube_Rekam_Medis ... 81
Gambar 4.75 Dimensi_Waktu ... 82
Gambar 4.76 Dimensi_Pasien... 82
Gambar 4.77 Dimensi_Diagnosa ... 82
Gambar 4.78 Dimensi_Ruang... 83
Gambar 4.79 Dimensi_Dokter ... 83
Gambar 4.80 Dimensi_Kasus... 83
Gambar 4.81 Dimensi Jenis Kasus... 84
Gambar 4.82 Dimensi_Cara_Bayar ... 84
Gambar 4.83 Dimensi_Kecamatan ... 84
Gambar 4.84 Job transfer_data 0.1 ... 92
Gambar 4.85 Tampilan Halaman Login ... 93
Gambar 4.86 Tampilan Halaman Menu Utama ... 94
Gambar 4.87 Tampilan Halaman View Diagnosa ... 94
Gambar 4.88 Tampilan Halaman View Ruang... 95
Gambar 4.89 Tampilan Halaman View Cara Bayar ... 96
Gambar 4.90 Tampilan Halaman View Kecamatan ... 97
(22)
xix
Gambar 4.92 Tampilan Halaman View Transfer Data ... 99
Gambar 5.1View Diagnosa ... 100 Gambar 5.2 View Ruang ... 101 Gambar 5.3 View Cara Bayar ... 102 Gambar 5.4 View Kecamatan ... 103 Gambar 5.5 View Dokter ... 104 Gambar 5.6 Pengujian View Diagnosa ... 105 Gambar 5.7 Query Pengujian View Diagnosa ... 105 Gambar 5.8 Hasil Query Pengujian View Diagnosa ... 106 Gambar 5.9 Pengujian View Ruang ... 106 Gambar 5.10 Query Pengujian View Ruang ... 106 Gambar 5.11 Hasil Query Pengujian View Ruang... 107 Gambar 5.12 Pengujian View Cara Bayar ... 107 Gambar 5.13 Query Pengujian View Cara Bayar ... 108 Gambar 5.14 Hasil Query Pengujian View Cara Bayar ... 108 Gambar 5.15 Pengujian View Kecamatan... 109 Gambar 5.16 Query Pengujian View Kecamatan ... 109 Gambar 5.17 Hasil Query Pengujian View Kecamatan ...110 Gambar 5.18 Pengujian View Dokter ...110 Gambar 5.19 Query Pengujian View Dokter ...111 Gambar 5.20 Hasil Query Pengujian View Dokter ...111
(23)
xx
DAFTAR TABEL
Tabel 3.1 Struktur tabel master_rekam_medis... 18 Tabel 3.2 Struktur tabel_waktu ... 19 Tabel 3.3 Struktur tabel_pasien... 19 Tabel 3.4 Struktur tabel_diagnosa... 20 Tabel 3.5 Struktur tabel_ruang ... 20 Tabel 3.6 Contoh master_rekam_medis ... 21 Tabel 3.7 Contoh tabel_waktu... 21 Tabel 3.8 Contoh tabel_pasien ... 21 Tabel 3.9 Contoh tabel_diagnosa ... 21 Tabel 3.10 Contoh tabel_ruang ... 22 Tabel 3.11 dim_waktu ... 24 Tabel 3.12 dim_pasien ... 24 Tabel 3.13 dim_diagnosa ... 25 Tabel 3.14 dim_ruang... 25 Tabel 3.15 dim_dokter ... 26 Tabel 3.16 dim_jenis_kasus ... 27 Tabel 3.17 dim_jenis_kelamin ... 28 Tabel 3.18 dim_cara_bayar ... 29 Tabel 3.19 dim_kecamatan... 29 Tabel 3.20 Narasi Use Case Login ... 34 Tabel 3.21 Narasi Use Case Login Admin ... 35 Tabel 3.22 Narasi Use Case OLAP ... 36 Tabel 3.23 Narasi Use Case Upload Data ... 37 Tabel 3.24 Narasi Use Case Upload File ... 38 Tabel 3.25 Narasi Use Case Transfer Data... 39
(24)
xxi
Tabel 4.1 Lookup tMap_1 ... 79 Tabel 4.2 Deskripsi Skema MDX ... 85 Tabel 4.3 Schema_Rekam_Medis.xml... 86 Tabel 4.4Query MDXView Diagnosa... 95 Tabel 4.5Query MDXView Ruang ... 95 Tabel 4.6Query MDXView Cara Bayar... 96 Tabel 4.7Query MDXView Kecamatan ... 97 Tabel 4.8Query MDXView Dokter... 98
(25)
1 tabel, gambar
BAB I
PENDAHULUAN
1.1 Latar Belakang
Data adalah fakta yang dapat disimpan dan memiliki arti (Elmasri & Navathe, 2004). Pada masa kini data menjadi aset yang sangat berharga bagi kehidupan manusia. Informasi yang terkandung dalam sekumpulan data dapat membantu manusia dalam menggali pengetahuan dan merencanakan masa depan. Agar data dapat memiliki nilai yang berharga maka data tersebut harus diolah sedemikian rupa. Salah satu cara mengolah data agar dapat menghasilkan informasi yang berguna adalah dengan menggunakan teknikdata warehouse.
Menurut PERMENKES No: 269/MENKES/PER/III/2008, Rekam medis adalah berkas yang berisi data tentang identitas pasien, diagnosa, kunjungan, waktu berkunjung dan data lain menyangkut pasien. Melihat banyaknya fitur data yang terdapat di rekam medis maka sangat dimungkinkan untuk menggali informasi yang kedepannya dapat digunakan sebagai bahan sebuah penelitian dibidang kesehatan maupun bidang -bidang yang terkait.
RSUP dr. Soeradji Tirtonegoro Klaten memiliki data rekam medis yang disimpan dalam bentuk fisik maupun elektronik. Umur penyimpanan dokumen fisik rekam medis seorang pasien di RSUP dr. Soeradji Tirtonegoro Klaten adalah selama 5 tahun terhitung sejak terakhir kali dirawat / melakukan kunjungan di rumah sakit. Jika setelah 5 tahun pasien tersebut tidak dirawat / berkunjung maka data pasien tersebut akan dihapus. Hal tersebut dikarenakan ruang penyimpanan yang terbatas serta adanya pasien baru yang masuk ke rumah sakit. Selain itu pihak rumah sakit secara periodik membuat laporan yang berisi informasi yang salah satunya bersumber dari rekam medis.
(26)
Problem yang dihadapi adalah membangun sistem yang mampu menggali informasi dari rekam medis pasien yang berguna dalam pembuatan laporan. Oleh karena itu teknologi gudang dipilih sebagai solusi untuk menggali informasi rekam medis pasien terutama dengan keunggulannya dalam menyajikan data. Data warehouse yang terbentuk selanjutnya akan digunakan untuk keperluan Online Analytical Processing
(OLAP) yang mencakup informasi diagnosa, penggunaan ruang, cara bayar, daerah asal pengunjung dan dokter.
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah diatas, maka dapat dirumuskan masalah :
1. Bagaimana membangun data warehouse untuk keperluan Online Analytical Processing(OLAP) rekam medis?
2. Apakah hasil OLAP rekam medis mampu untuk membantu pihak rumah sakit dalam membuat laporan berkala ?
3. Apakah hasil OLAP rekam medis mampu memberikan informasi yang dibutuhkan untuk menganalisa rekam medis pasien ?
1.3 Tujuan
Membangun data warehouse untuk keperluan Online Analytical Processing (OLAP) yang mampu memperoleh informasi mengenai rekam medis mencakup diagnosa, penggunaan ruang, cara bayar, daerah asal pengunjung dan dokter.
(27)
1.4 Batasan Masalah
Batasan Masalah yang digunakan dalam penelitian ini adalah :
1. Desain dan implementasi data warehouse dan Online Analytical Processing(OLAP) menggunakan :
a. Jasper ETL untuk prosespre-processing dan ETL b. Schema Workbench untuk membangunstar schema
c. Jasper Server untuk server OLAP d. MySql untukdatabase
2. Data yang digunakan adalah rekam medis inap dan jalan di RSUP dr. Soeradji Tirtonegoro Klaten periode November 2013 - Desember 2014.
3. Titik berat penelitian adalah pada penggunaan format data dalam rentang waktu tertentu sehingga data yang ada dipecah untuk memperoleh periode waktu yang lebih panjang.
4. DimensiData warehouseyang dibentuk adalah : a. Waktu
b. Pasien c. Diagnosa d. Dokter e. Ruang f. Jenis Kasus g. Jenis Kelamin h. Cara Bayar
5. Sifat dari rekam medis adalah rahasia sehingga segala identitas yang menyangkut orang terutama pasien dan dokter disamarkan.
(28)
6. Data warehouse yang dibangun ini tidak akan terintegrasi langsung dengan sistem informasi yang ada di RSUP dr. Soeradji Tirtonegoro Klaten.
7. Informasi yang dihasilkan daridata warehouseditujukan untuk membantu pembuatan laporan serta penelitian yang menggunakan rekam medis sebagai sumber informasinya.
1.5 Metodologi Penelitian
Metodologi penelitian dan langkah - langkah yang digunakan dalam penulisan tugas akhir adalah :
1. Studi materi dan data
Metode yang digunakan adalah mempelajari materi - materi yang terkait dengan tugas akhir beserta referensi - referensinya.
2. Identifikasi masalah
Melakukan observasi ke RSUP dr. Soeradji Tirtonegoro Klaten dan melakukan wawancara dengan pihak rumah sakit untuk memdapatkan informasi mengenai rekam medis terutama struktur data dan metode penyimpanannya.
3. Pengumpulan data dan informasi
Mengumpulkan data rekam medis rawat inap dan rawat jalan di RSUP dr. Soeradji Tirtonegoro Klaten lalu menganalisa dan melakukan pre-processingagar dapat digunakan dalam pembuatan
data warehouse.
4. Membuatdatabase data warehousedan proses ETL 5. Membuatstar schema
6. Membuat OLAP dan desain tampilan 7. Membuat proses transfer data
(29)
9. Pembuatan kesimpulan
1.6 Sistematika Penulisan
Sistematika penulisan merupakan uraian susunan penulisan Tugas Akhir yang akan dibuat secara teratur dan sistematis yang terdiri dari enam bab yaitu:
1. Bab I. Pendahuluan
Bab ini membahas mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi penelitian, dan sistematika penulisan.
2. Bab II. Landasan Teori
Bab ini membahas mengenai pengetahuan yang menjadi dasar teori untuk mendukung pembuatan data warehouse rekam medis RSUP dr. Soeradji Tirtonegoro Klaten.
3. Bab III. Analisis dan Perancangan Sistem
Bab ini berisi analisa dan perancangan data warehouse rekam medis RSUP dr. Soeradji Tirtonegoro Klaten.
4. Bab IV. Implementasi dan Analisis Hasil
Bab ini berisi implementasi pembuatan data warehouse rekam medis RSUP dr. Soeradji Tirtonegoro Klaten.
5. Bab V. Analisis Hasil
Bab ini berisi analisa hasil program dan pembahasan berdasarkan hasil yang telah didapat secara keseluruhan.
6. Bab VI. Penutup
Bab ini berisi kesimpulan dari hasil analisis dan saran berdasarkan hasil pembuatandata warehouse.
(30)
2 tabel, gambar
BAB II
LANDASAN TEORI
2.1 Data warehouse
2.1.1 Pengertian Data warehouse
Menurut William H. Inmon (1992a, p5) data warehouse
adalah sekumpulan data Subject-oriented, integrated, time variant,
dan non volatile yang digunakan untuk membantu dalam proses pengambilan keputusan.
Menurut Connolly dan Beg (2010, p1197), data warehouse
adalah sekumpulan data yang berorientasi subjek, terintegrasi, memiliki varian waktu, dan tidak berubah yang dapat mendukung fungsi dariDecision Support System(DSS), dimana setiap unit data relevan untuk beberapa saat dalam suatu waktu. Data warehouse
berisikan data atomik dan ringkasan data.
Berdasarkan dua pengertian diatas maka dapat ditarik kesimpulan bahwa data warehouse adalah sekumpulan data yang memiliki 4 sifat utama yaitu Subject-oriented, integrated, time variant, dan non volatile dimana informasi yang dihasilkan digunakan untuk membantu dalam proses pengambilan keputusan/
Decision Support System(DSS).
2.1.2 Komponen Data warehouse
Ada banyak komponen yang terdapat dalam data warehouse, diantaranya (Connoly & Begg, 2008) :
1. Penyimpan Data
Penyimpanan data adalah komponen umum dalam
(31)
organisasi pasti melakukan penyimpanan data operasional maupun non-operasional dengan metode tertentu. Data yang disimpan oleh perusahaan ini dalam data warehouse
menjadi sumber aliran data mentah dan terorganisir berdasar pada subjek seperti pelanggan, produk dan
supplier. Penyimpanan data juga sering disebut sebagai
data warehousesecara fisik. 2. Data Pasar (mart data)
Data pasar adalah subset/ bagian dari data resource
yang memiliki tujuan yang spesifik seperti data penjualan, data pembelian dan data inventori. Dalam data warehouse, data pasar adalah cara untuk mengingkatkan kualitas inputan ke dalam data warehouse dan menurunkan tingkat kesalahan yang terjadi. Data pasarnya biasanya digunakan untuk memperkecil biaya dan memperkecil skala.
3. Metadata
Metadata merupakan salah satu contoh dari data warehouse secara logikal. Yang digunakan untuk memperoleh informasi dan mengakses data secara aktual. Sistem legacy pada umumnya tidak menyimpan record
tentang karakteristik dari data, seperti jumlah item yang ada, lokasi data, asal data, atau bagaimana data dapat diakses. Metadata adalah data dari data atau dengan kata lain menyimpan informasi mengenai data - data yang disediakan olehdata warehouse.
4. Decision Support System (DSS) dan Executive Information System (EIS)
DSS dan EIS bukanlah bagian dari data warehouse
tetapi produk dari data warehouse digunakan sebagai penunjang kedua sistem tersebut.
(32)
2.1.3 Karakteristik Data warehouse
Empat Karakteristik data warehouse menurut Jiawei Han dan Micheline Kamber (2006, p 106) :
1. Subject-oriented
Sebuah data warehouse terorganisasi disekitar subjek utama, seperti customer, supplier, product dan sales. Daripada berkonsentrasi pada operasi harian dan proses transaksi sebuah perusahaan, sebuah data warehouse fokus kepada pemodelan dan analisa data umtuk pembuat keputusan. Oleh karena itu, data warehouse biasanya memberikan pandangan sederhana dan ringkas seputar topik - topik tertentu dengan mengecualikan data yang tidak berguna dalam proses pendukung keputusan.
2. Integrated
Sebuah data warehouse biasanya dibangun dengan mengintegrasikan beberapa sumber yang berbeda, seperti
relational database,flat file, danonline transaction record.
Data cleaning dan teknik integrasi data diterapkan untuk memastikan konsistensi dalam konvensi penamaan, struktur pengkodean, attribut measure dan sebagainya.
3. Time variant
Data disimpan untuk menyediakan informasi dari perspektifhistorical (misalnya, 5-10 tahun). Setiap struktur kunci di data warehouse berisi, baik implisit maupun eksplisit, unsur waktu.
4. Non volatile
Sebuah data warehouse adalah sebuah tempat penyimpanan data yang telah di transformasi dan secara fisik terpisah dari data aplikasi pada lingkup operasional. Karena pemisahan ini, data warehouse tidak memerlukan
(33)
proses transaksi, recovery, dan concurrency control. Biasanya hanya membutuhkan dua operasi dalam mengakses data yaitu inisialisasi data and akses data.
2.1.4 Arsitektur Data warehouse
Arsitektur data warehouse yang digunakan untuk data warehouserekam medis RSUP Soeradji Tirtonegoro adalah :
(34)
Dari Gambar 2.1 terdapat 3 tahap utama dalam arsitektur
data warehouseyaitu :
1. Membangun OLAP Cube Databases. Proses ini diawali dengan pre-processing data yang kemudian dilanjutkan dengan proses ETL yang diakhiri dengan pembentukanfact table dancube.
2. Membangun OLAP Server. Proses ini dilakukan untuk membangun OLAP pada OLAPengine server. Pada proses ini OLAPviewbeserta perangkatnya dibangun.
3. User Service dimana user akan mengakses OLAP yang telah dibangun.
2.1.5 Langkah Pembuatan Data warehouse 1. Membaca datalegacy
Memperhatikan bagian-bagian data yang perlu untuk dibersihkan
2. Menggabungkan data dari sumber terpisah
Setiap jenis informasi yang diinginkan mungkin berasal dari beberapa file yang harus digabungkan untuk digunakan pada
data warehouse.
3. Memecahdata warehousedalam tabel fakta dan tabel dimensi Tabel fakta dan tabel dimensi disusun menurut kebutuhan subyek.
2.1.6 Implementasi Data warehouse
Ada banyak cara untuk mengimplementasikan data warehouse tetapi yang utama adalah mendesain basis data dengan skema yang baik harus agar mudah melakukan integrasi data.Data warehouse harus dapat melakukan proses pembersihan terhadap
(35)
data. Data dengan maksud yang sama seharusnya dipandang sama. Perbedaan harus dihilangkan dalamdata warehouse.
Denis Kozar (1997), wakil pimpinan dari Enterprise Information Architecture dari Chase Manhattan Bank
mengemukakan ‘tujuh kesalahan fatal’ dalam menerapkan data warehouseyaitu:
1. Pada saat membangun data warehouse, data akan datang. Kesalahan yang sering kali terjadi adalah tidak merencanakan dengan baik data warehouse. Pada saat membangun data warehouse, seharusnya dipikirkan bagaimana melakukan desain, membangun dan memelihara
data warehouse itu. Data warehouse tidak dengan sendirinya dibangun dengan harapan akan ada orang yang memanfaatkannya.
2. Kesalahan dalam membuat kerangka arsitektur data warehouse
Hal yang penting adalah bagaimana membangun kerangka arsitektur data warehouse. Kerangka inilah yang merupakanblue printuntuk membangun dan menggunakan berbagai komponen data warehouse. Sehingga kesalahan pada pembuatan kerangka ini akanlah berakibat sangat fatal.
3. Ketidakmampuan menyusun asumsi
Asumsi dan data potensial harus dimasukkan ke dalam kerangka data warehouse. Asumsi yang harus dipersiapkan antara lain:
a. Berapa banyak data yang akan dimasukkan ke dalamdata warehouse?
b. Berapa sering data harus diperbaharui? c. Dimanakahdata warehouseakan diterapkan?
(36)
Jawaban tepat atas pertanyaan diatas akan sangat membantu dalam pembuatan data warehouse.
4. Kesalahan dalam menentukan peralatan yang akan digunakan untuk menyelesaikan tugas. Dalam memilih peralatan untuk membangundata warehouseharuslah tepat. Peralatan data warehouse tidaklah sama dengan peralatan yang digunakan untuk membangun sistem operasional. 5. Kesalahan dalam siklus hidupdata warehouse. Siklus hidup
data warehouse berbeda dengan System Development Life Cycle (SDLC). Walaupun memiliki kesamaan, akan tetapi ada perbedaan mendasar yaitu bahwa siklus hidup data warehouse tidak pernah berakhir, selalu berlanjut sehingga perlu selalu diperbaharui. Hal ini heruslah perlu disadari. 6. Cenderung membatalkan data yang mengandung
perbedaan. Perlu dilakukan penyesuaian terhadap data yang berbeda dan buka menghilangkan data.
7. Menggagalkan dokumen yang ada kesalahan.
Tujuh kesalahan diatas harus dihindari selama proses pembuatandata warehouse.
2.2 Extract, Transform dan Load (ETL)
Secara singkat proses ETL dibagi dalam 3 proses besar yaitu : 1. Extract
Mengumpulkan data dari multiple,heterogeneous dan external sources.
2. Transform
Merubah/convert data dari format asli/legacy ke dalam format
data warehouse. 3. Load
(37)
Mengurutkan, merangkum, mengkonsolidasi, computer views, mengecek integritas, membangun indeks dan partisi.
2.3 Multi Dimensional Modeling
2.3.1 Cube, Dimension, Measure dan Member
Teknologi OLAP menganut multi dimensional modeling, artinya kita dapat melihat analisis pengukuran dengan pandangan berbagai dimensi. Di dalam konsep ini kita perlu mengenal berbagai istilah yang berkaitan dengan OLAP :
1. Cube: adalah struktur multi dimensional konseptual, terdiri dari dimension dan measure dan biasanya mencakup pandangan bisnis tertentu.
2. Dimension / dimensi: adalah struktur view / sudut pandang yang menyusun cube. Dimensi dapat terdiri dari berbagai level.
3. Measure: nilai pengukuran itu sendiri.
4. Member: isi / anggota dari suatu dimension / measure
tertentu.
2.3.2 Fact Table dan Dimension Table
Tabel fakta adalah satu tabel pada model dimensional yang isinyacomposite primary key.
Tabel dimemsi adalah sekumpulan tabel-tabel yang lebih kecil dari tabel fakta pada model dimensional. Setiap tabel dimensi mempunyainon-composite primary key(Connolly dkk, 2005).
Di dalam model multi dimensional, database terdiri dari beberapa tabel fakta dan tabel dimensi yang saling terkait. Suatu tabel fakta berisi berbagai nilai agregasi yang menjadi dasar pengukuran (measure) serta beberapa key yang terkait ke tabel dimensi yang akan menjadi sudut pandang darimeasuretersebut.
(38)
Dalam perkembangannya, susunanfact tabledandimension tableini memiliki standar perancangan atauschemakarena terbukti meningkatkan performa dan kemudahan dalam penerjemahan ke sistem OLAP.
Schema inilah yang menjadi dasar untuk melakukan data warehousing. Dua schema yang paling umum digunakan oleh berbagai OLAP engine adalah skema bintang (star schema) dan skema butir salju (snowflake schema).
2.3.3 Star Schema
Skema bintang (star schema) adalah struktur logikal yang mempunyai sebuah tabel fakta berisi data faktual yang ditempatkan di tengah, dikelilingi oleh tabel dimensi berisi data referensi (yang dapat didenormalisasi). Skema bintang mengeksploitasi karakteristik dari data faktual di mana fakta dibuat dari peristiwa yang muncul di masa lalu dan mustahil untuk berubah, dengan mengabaikan bagaimana mereka dianalisis. Karena sebagian besar data dalam data warehouse ditampilkan sebagai fakta, tabel fakta relatif sangat berhubungan dengan tabel dimensi. Karena itu, penting untuk memperlakukan data fakta sebagai data referensi yang hanya dapat dibaca (read only reference data), yang tidak akan berubah sepanjang waktu (Connolly dkk, 2005).
2.3.4 Surrogate Key
Surrogate key adalah field dari tabel dimensi yang menjadi
primary key dari tabel tersebut. Nilai dari key ini biasanya berupa nilai sekuensial dan tidak memiliki arti dari proses bisnis dari mana sumber data berasal.
(39)
2.4 Online Analitycal Processing (OLAP)
OLAP adalah metode untuk menampilkan informasi dari permintaan proses analisis yang bersifat dimensional secara cepat dengan menggunakan aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk tujuan analisis. OLAP adalah bagian dari kategori yang lebih global dari sebuah konsep bisnis yang juga merangkum hubungan antara pelaporan dan penggalian data.
2.5 Rekam Medis
Rekam medis adalah sebuah dokumen yang berisi data sosial seorang pasien beserta historis medis yang dimiliki. Setiap rekam medis memiliki nomor rekam medis yang berfungsi sebagai nomor induk untuk setiap pasien sehingga dari sini dapat merekam jejak medis dari setiap pasien yang berobat ke rumah sakit.
Rekam medis selain menyimpan data sosial seperti nama, alamat dan data diri lainnya juga menyimpan data - data medis seperti historis kunjungan ke rumah sakit, diagnosa penyakit hingga tindakan yang dilakukan terhadap pasien.
(40)
3 tabel, gambar
BAB III
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Kebutuhan
Untuk kebutuhan pembuatan laporan berkala pihak RSUP dr. Soeradji Tirtonegoro Klaten membutuhkan informasi dari rekam medis sebagai sumber data. Informasi rekam medis yang dibutuhkan untuk pembuatan laporan antara lain informasi diagnosa, penggunaan ruang, metode pembayaran yang digunakan, dokter yang bertugas dan daerah asal pengunjung pasien. Dalam pembuatannya, pihak rumah sakit juga membutuhkan parameter pengukuran seperti jumlah kasus, jenis kasus yang terjadi, jumlah pasien yang berkunjung, jenis kelamin dari pasien yang berkunjung.
3.2 Analisis Sistem
Untuk membangun data warehouse rekam medis RSUP dr. Soeradji Tirtonegoro Klaten maka diperlukan beberapa sumber data yaitu rekam medis, diagnosa, pasien dan ruang.
1. Bahan berupa dataExcel: a. Data rekam medis
•bulan
•tahun
•nomor rekam medis
•diagnosa
•ruang
•dokter
(41)
•jenis kelamin
•cara bayar b. Waktu
•tahun
•bulan c. Pasien
•nomor rekam medis
•kecamatan d. Diagnosa
•kode diagnosa
•kategori diagnosa
•sub kategori diagnosa
•diagnosa e. Ruang
•instalasi
•kelas
•ruang
2. Struktur tabel berupadatabase: a. Tabel rekam_medis b. Tabel dim_waktu c. Tabel dim_pasien d. Tabel dim_diagnosa e. Tabel dim_ruang f. Tabel dim_dokter g. Tabel dim_jenis_kasus h. Tabel dim_jenis_kelamin
(42)
i. Tabel dim_cara_bayar j. Tabel dim_kecamatan k. Tabel fact_rekam_medis
3.3 Langkah - Langkah Pembuatan Data warehouse 1. Membaca datalegacy
Memperhatikan bagian-bagian data yang perlu untuk dibersihkan 2. Menggabungkan data dari sumber terpisah
Setiap jenis informasi yang diinginkan mungkin berasal dari beberapa
fileyang harus digabungkan untuk digunakan padadata warehouse. 3. Memecahdata warehousedalam tabel fakta dan tabel dimensi
Tabel fakta dan tabel dimensi disusun menurut kebutuhan subyek.
3.3.1 Membaca Data Legacy
Sumber data berupa file excel data rekam medis, waktu, pasien, diagnosa dan ruang. Struktur data dari sumber data dapat dilihat pada tabel 3.1 sampai dengan 3.5.
Tabel 3.1 Struktur tabel master_rekam_medis
Field Keterangan
bulan Berisi bulan saat kasus terjadi tahun Berisi tahun saat kasus terjadi no_rm Berisi nomor rekam medis pasien kode_du Berisi kode diagnosa
ruang Berisi ruang pemeriksaan/ perawatan dokter Berisi dokter yang bertanggung jawab jns_kasus Berisi jenis kasus yang terjadi
(43)
sex Berisi jenis kelamin dari pasien
cara_bayar Berisi cara pembayaran yang digunakan
Tabel 3.1 merupakan struktur tabel master_rekam_medis. Tabel ini berisi data rekam medis. Padafileini terdapat 9fieldyaitu bulan, tahun, no_rm, kode_du, ruang, dokter, jns_kasus, sex dan cara_bayar.
Tabel 3.2 Struktur tabel_waktu
Field Keterangan
bulan Berisi data bulan
tahun Berisi data tahun
Tabel 3.2 merupakan struktur tabel_waktu. Tabel ini berisi data waktu. Pada tabel ini terdapat 2fieldyaitu bulan dan tahun.
Tabel 3.3 Struktur tabel_pasien
Field Keterangan
no_rm Berisi nomor rekam medis pasien kecamatan Berisi kecamatan asal pasien
Tabel 3.3 merupakan struktur tabel_pasien. Tabel ini berisi data pasien. Pada tabel ini terdapat 2 field yaitu no_rm dan kecamatan.
(44)
Tabel 3.4 Struktur tabel_diagnosa
Field Keterangan
kode_diagnosa Berisi kode diagnosa kategori Berisi kategori diagnosa sub_kategori Berisi sub kategori diagnosa diagnosa Berisi diagnosa penyakit
Tabel 3.4 merupakan struktur tabel_diagnosa. Tabel ini berisi data diagnosa. Pada tabel ini terdapat 4 field yaitu kode_diagnosa, kategori, sub_kategori dan diagnosa.
Tabel 3.5 Struktur tabel_ruang
Field Keterangan
tabel_ruang Tabel yang berisi data ruang instalasi Berisi jenis instalasi
kelas Berisi kelas dari ruang
ruang Berisi ruang pemeriksaan/ perawatan
Tabel 3.5 merupakan struktur tabel_ruang. Tabel ini berisi data ruang. Pada tabel ini terdapat 3field yaitu instalasi, kelas dan ruang.
(45)
Contoh data dari sumber data dapat dilihat pada tabel 3.6 sampai dengan 3.10.
Tabel 3.6 Contoh master_rekam_medis
bulan tahun no_rm kode_du ruang dokter jns_kasus sex cara_bayar DESEMBER 2014 I25.1 50410 KLINIK
CENDANA
M. YULIANTO, DR. SP. JP
BARU LK ASKES APRIL 2013 E14.9 51159 KLINIK
CENDANA
SAPTO HARSOYO DR SPP
LAMA PR ASKES
Tabel 3.7 Contoh tabel_waktu
bulan tahun
JANUARI 2011
FEBRUARI 2011
JANUARI 2012
FEBRUARI 2012
Tabel 3.8 Contoh tabel_pasien
no_rm kecamatan
54771 Kemalang
56683 Wedi
Tabel 3.9 Contoh tabel_diagnosa
kode_diagnosa kategori sub_kategori diagnosa
A00 (A00-B99) Certain
infectious and parasitic diseases
Intestinal infectious diseases
(46)
Tabel 3.10 Contoh tabel_ruang
instalasi kelas ruang
INSTALASI RAWAT INAP
VIP B PAVILIUN CEMPAKA
INSTALASI RAWAT JALAN
POLIKLINIK REGULER
KLINIK ANAK
3.3.2 Menggabungkan Data dari Sumber Terpisah
Pada studi kasus yang digunakan dalam penelitian ini yaitu rekam medis pasien RSUP Dr. Soeradji Tirtonegoro data diambil dari 5 sumber yang berbeda.
Gambar 3.1 mengilustrasikan bahwa data warehouse yang akan divisualisasikan berasal dari 4 sumber yang berbeda yaitu :
1. rekam_medis : berisi data rekam medis. 2. tabel_pasie : berisi data pasien.
3. diagnosa : berisi data diagnosa.
(47)
4. ruang : berisi data ruang. 5. waktu : berisi data waktu.
3.3.3 Memecah Data warehouse dalam Tabel Fakta dan Tabel Dimensi
Dalam pembuatan data warehouse rekam medis, skema yang digunakan adalah star schema karena lebih efisien serta sederhana dalam membuat query dan mudah diakses secara langsung oleh pengguna.
Berdasarkan tujuan dibangunnya data warehouse rekam medis di RSUP Dr. Soeradji Tironegoro, diharapkan mampu menyediakan informasi menyangkut:
1. Informasi jumlah diagnosa berdasarkan jumlah kasus, jenis kelamin dan jenis kasus selama periode waktu tertentu.
2. Informasi penggunaan ruang berdasarkan jenis kelamin dan jenis kasus selama periode waktu tertentu.
3. Informasi asal daerah pasien selama periode waktu tertentu. 4. Informasi metode pembayaran yang digunakan pasien selama
periode waktu tertentu.
5. Informasi jumlah dokter dalam periode tertentu
Berdasarkan kebutuhan informasi di atas, maka model data dimensional yang dibuat dalam bentuk star schema untuk data warehouse rekam medis RSUP Dr. Soeradji Tirtonegoro dijelaskan sebagai berikut :
1. Tabel Dimensi
Tabel dimensi merupakan tabel yang berisi data yang menunjukkan tinjauan dari berbagai perspektif. Penjelasan dari masing-masing tabel dimensi dijelaskan sebagai berikut:
(48)
a. Tabel dim_waktu
Tabel 3.11 dim_waktu
tabel_waktu dim_waktu
bulan PK sk_waktu
tahun bulan
tahun
Tabel 3.11 merupakan proses pembentukan tabel dim_waktu. Tabel dim_waktu berasal dari tabel_waktu. Pada tabel dim_waktu ini memiliki
primary key sk_waktu dan field lainnya yaitu bulan dan tahun.
b. Tabel dim_pasien
Tabel 3.12 dim_pasien
tabel_pasien dim_pasien
no_rm PK sk_pasien
kecamatan no_rm
kecamatan
Tabel 3.12 merupakan proses pembentukan tabel dim_pasien. Tabel dim_pasien berasal dari tabel_pasien. Pada tabel dim_pasien ini memiliki
primary key sk_pasien dan field lainnya yaitu no_rm dan kecamatan.
(49)
c. Tabel dim_diagnosa
Tabel 3.13 dim_diagnosa
tabel_diagnosa dim_diagnosa
kode_diagnosa PK sk_diagnosa
kategori kode_diagnosa
sub_kategori kategori
diagnosa sub_kategori
diagnosa
Tabel 3.13 merupakan proses pembentukan tabel dim_diagnosa. Tabel dim_diagnosa berasal dari tabel_diagnosa. Pada tabel dim_diagnosa ini memiliki
primary key sk_diagnosa dan field lainnya yaitu kode_diagnosa, kategori, sub_kategori dan diagnosa.
d. Tabel dim_ruang
Tabel 3.14 dim_ruang
tabel_ruang dim_ruang
instalasi PK sk_ruang
kelas instalasi
ruang kelas
ruang
Tabel 3.14 merupakan proses pembentukan tabel dim_ruang. Tabel dim_ruang berasal dari tabel_ruang. Pada tabel dim_ruang ini memiliki
primary keysk_ruang danfield lainnya yaitu instalasi, kelas dan ruang.
(50)
e. Tabel dim_dokter
Tabel 3.15 dim_dokter
rekam_medis dim_dokter
PK no PK sk_dokter
bulan dokter
tahun no_rm diagnosa ruang dokter jenis_kasus jenis_kelamin cara_bayar
Tabel 3.15 merupakan proses pembentukan tabel dim_dokter. Tabel dim_dokter berasal dari rekam_medis. Pada tabel dim_dokter ini memiliki
(51)
f. Tabel dim_jenis_kasus
Tabel 3.16 dim_jenis_kasus
rekam_medis dim_jenis_kasus
PK no PK sk_jenis_kasus
bulan jenis_kasus
tahun no_rm diagnosa ruang dokter jenis_kasus jenis_kelamin cara_bayar
Tabel 3.16 merupakan proses pembentukan tabel dim_jenis_kasus. Tabel dim_jenis_kasus berasal dari tabel_jenis_kasus. Pada tabel dim_jenis_kasus ini memilikiprimary keysk_jenis_kasus danfieldlainnya yaitu jenis_kasus.
(52)
g. Tabel dim_jenis_kelamin
Tabel 3.17 dim_jenis_kelamin
rekam_medis dim_jenis_kelamin
PK no PK sk_jenis_kelamin
bulan jenis_kelamin
tahun no_rm diagnosa ruang dokter jenis_kasus jenis_kelam in
cara_bayar
Tabel 3.17 merupakan proses pembentukan tabel dim_jenis_kelamin. Tabel dim_jenis_kelamin berasal dari tabel_jenis_kelamin. Pada tabel dim_jenis_kelamin ini memiliki primary key
sk_jenis_kelamin dan field lainnya yaitu jenis_kelamin.
(53)
h. Tabel dim_cara_bayar
Tabel 3.18 dim_cara_bayar
rekam_medis dim_cara_bayar
PK no PK sk_cara_bayar
bulan cara_bayar
tahun no_rm diagnosa ruang dokter jenis_kasus jenis_kelamin cara_bayar
Tabel 3.18 merupakan proses pembentukan tabel dim_cara_bayar. Tabel dim_cara_bayar berasal dari tabel_cara_bayar. Pada tabel dim_cara_bayar ini memilikiprimary key sk_cara_bayar dan field lainnya yaitu cara_bayar.
i. Tabel dim_kecamatan
Tabel 3.19 dim_kecamatan
tabel_pasien dim_kecamatan
no_rm PK sk_kecamatan
kecamatan kecamatan
Tabel 3.19 merupakan proses pembentukan tabel dim_kecamatan. Tabel dim_kecamatan berasal
(54)
dari tabel_pasien. Pada tabel dim_kecamatan ini memiliki primary keysk_kecamatan dan fieldlainnya yaitu kecamatan.
2. Tabel Fakta
Tabel fakta yang terbentuk dari data warehouse
rekam medis merupakan tabel yang berhubungan dengan rekam medis di RSUP Dr. Soeradji Tirtonegoro. Tabel fakta yang ada didata warehousedijelaskan sebagai berikut:
a. Tabel fact_rekam_medis
Gambar 3.2 Pembentukan fact_rekam_medis Tabel ini berisi semuaprimary keydari tabel yang berhubungan dengan rekam medis yang terdiri dari sk_waktu, sk_pasien, sk_diagnosa, sk_ruang, sk_dokter, sk_jenis_kasus, sk_jenis_kelamin, sk_cara_bayar dan sk_kecamatan.
(55)
3.4 Pembuatan OLAP
Data warehouse yang dibuat terdiri dari sebuah cube yaitu cube
Cube_Rekam_Medis.
3.4.1 Cube_Rekam_Medis
Cube_Rekam_Medis memiliki tabel fakta yaitu fact_rekam_medis dan tabel dimensi yaitu tabel dim_diagnosa, dim_kecamatan. dim_jenis_kasus, dim_ruang, dim_jenis_kelamin, dim_dokter, dim_pasien, dim_waktu dan dim_cara_bayar. Berdasarkan analisa kebutuhan maka measure yang digunakan untuk cube adalah jumlah kasus, jumlah pasien, kasus baru, kasus lama, kasus pria dan kasus wanita.
(56)
3.5 Perancangan Proses Transfer Data
Penanganan terhadap perubahan data yang terjadi di dalam
database data warehouse rekam medis akan menggunakan metodeSlowly Changing Dimension (SCD) tipe 1. SCD tipe 1 dipilih karena tidak ada kebutuhan untuk menyimpan history data yang ada sehingga proses
overwriteatau timpa data dapat diaplikasikan.
Dalam penerapannya pada data warehouse rekam medis, sistem akan menjalankan batch file. Batch file yang dijalankan berisi job dari proses ETL yang dieksekusi ulang sehingga prosesdata overwriteterjadi.
Proses Transfer Data memiliki 3 menu yaitu :
1. Upload File: Berfungsi untuk mengupload file kedalam server. 2. Upload Data : Berfungsi untuk mengupload file serta menjalankan
batch filedata_rekam_medis.
3. Transfer Data : Berfungsi untuk menjalankan batch file
(57)
3.6 Analisis Kebutuhan
3.6.1 Use Case
Diagram use case dapat menggambarkan fungsi user
terhadapdata warehouseyang akan dibangun.
Gambar 3.4 Diagram Use Case
Gambar 3.4 merupakan gambar diagram use case untuk
(58)
3.6.2 Narasi Use Case
Tabel 3.20 Narasi Use Case Login Nama Use Case Login
Aktor User
Deskripsi Use Case
Use Case ini menggambarkan proses login sebelum memasuki sistem. Pada tahap ini user diminta untuk memasukkanusernamedanpassword
Prakondisi Userberada pada halamanlogin
Trigger User dapat masuk ke halaman menu jika input usernamedanpasswordbenar
Langkah Umum Kegiatan Aktor Respon Sistem
1. Menampilkan halaman login
2. Memasukkan
usernamedanpassword
3. Mengecek inputan
usernamedanpassword
dengandatabase
4. Jika inputanusername
danpasswordsesuai, masuk ke halaman menu Langkah
Alternatif
5. Jika inputanusername
danpasswordtidak sesuai, muncul pesan login gagal. Kesimpulan User akan memasuki halaman menu data jika proses
(59)
login sukses
Postkondisi Userberada di halaman menu
Tabel 3.21 Narasi Use Case Login Admin Nama Use Case Login
Aktor Admin
Deskripsi Use Case
Use Case ini menggambarkan proses login sebelum memasuki sistem. Pada tahap ini user diminta untuk memasukkanusernamedanpassword
Prakondisi Userberada pada halamanlogin
Trigger User dapat masuk ke halaman menu admin jika input usernamedanpasswordbenar
Langkah Umum Kegiatan Aktor Respon Sistem
1. Menampilkan halaman login
2. Memasukkan
usernamedanpassword
3. Mengecek inputan
usernamedanpassword
dengandatabase
4. Jika inputanusername
danpasswordsesuai, masuk ke halaman menu admin
(60)
Alternatif danpasswordtidak sesuai, muncul pesan login gagal. Kesimpulan User akan memasuki halaman menu admin data jika
proses login sukses
Postkondisi Userberada di halaman menu admin
Tabel 3.22 Narasi Use Case OLAP
Nama Use Case OLAP
Aktor User
Deskripsi Use Case
Use Case ini menggambarkan proses masuk ke halaman OLAP view
Prakondisi Userberada pada halaman menu
Trigger Userdapat masuk ke halaman OLAP view
Langkah Umum Kegiatan Aktor Respon Sistem
1. Menampilkan halaman menu
2. Memilih OLAP yang ingin dilihat
3. Menampilkan halaman OLAP
Langkah Alternatif
Kesimpulan Userakan memasuki halaman OLAP Postkondisi Userberada di halaman OLAP
(61)
Tabel 3.23 Narasi Use Case Upload Data Nama Use Case Upload Data
Aktor UserAdmin
Deskripsi Use Case
Use Caseini menggambarkan prosesuploaddata
Prakondisi Userberada pada halaman transfer data Trigger Userdapat melakukan proses upload data
Langkah Umum Kegiatan Aktor Respon Sistem
1. Menampilkan halaman transfer data
2. Menginput file pada
form upload data dan memilih tombol Upload
Data
3. Melakukan proses
upload filekefolder
4. Melakukan proses
upload data file ke
database
5. Menampilkan halaman uploadResult dengan pesan sukses
Langkah Alternatif
6. Jika proses gagal menampilkan halaman uploadResult dengan pesanerror
(62)
Kesimpulan User sukses melakukan upload data ke database dan memasuki halaman uploadResult
Postkondisi Userberada di halaman uploadResult
Tabel 3.24 Narasi Use Case Upload File Nama Use Case Upload File
Aktor UserAdmin
Deskripsi Use Case
Use Caseini menggambarkan prosesupload file
Prakondisi Userberada pada halaman transfer data Trigger Userdapat melakukan prosesupload file
Langkah Umum Kegiatan Aktor Respon Sistem
1. Menampilkan halaman transfer data
2. Menginput file pada
form upload file dan memilih tombol Upload File
3. Melakukan proses upload file kefolder
4. Menampilkan halaman uploadResult dengan pesan sukses
Langkah Alternatif
5. Jika proses gagal menampilkan halaman
(63)
uploadResult dengan pesanerror
Kesimpulan User sukses melakukan upload file ke folder dan memasuki halaman uploadResult
Postkondisi Userberada di halaman uploadResult
Tabel 3.25 Narasi Use Case Transfer Data Nama Use Case Transfer Data
Aktor UserAdmin
Deskripsi Use Case
Use Caseini menggambarkan proses transfer data
Prakondisi Userberada pada halaman transfer data Trigger
Langkah Umum Kegiatan Aktor Respon Sistem
1. Menampilkan halaman transfer data
2. Memilih tombol Transfer Data
3. Melakukan proses transfer data
4. Menampilkan halaman transferResult dengan pesan sukses
Langkah 5. Jika proses gagal
(64)
Alternatif transferResult dengan pesanerror
Kesimpulan User sukses melakukan transfer data dan memasuki halaman transferResult
Postkondisi Userberada di halaman transferResult
3.7 Rancangan Antar Muka Pengguna Sistem Database OLAP
3.7.1 Tampilan Halaman Login
Pada tampilan halaman login terdapat 2 field input yaitu
username dan password untuk mengisi username dan password
user serta 1button Loginuntuk melakukan proseslogin.
Gambar 3.5 Tampilan Halaman Login
Gambar 3.5 adalah rancangan untuk tampilan halaman
(65)
3.7.2 Tampilan Menu Utama
Halaman menu adalah halaman yang muncul setelah user
baik admin maupun user biasa melewati proses login. Secara desain tampilan tidak ada perbedaan antara user admin dan user
biasa, perbedaan hanya pada menu - menu yang ada.
Gambar 3.6 Tampilan Menu Utama
Gambar 3.6 adalah rancangan untuk tampilan halaman menu utama.
(66)
3.7.3 Tampilan Halaman OLAP
Tampilan OLAP view adalah halaman yang muncul ketika
user memilih salah satu OLAP view yang ingin dilihat. Tampilan halaman OLAP dapat dilihat pada gambar 3.7.
Gambar 3.7 Tampilan Halaman OLAP
Gambar 3.7 adalah rancangan untuk tampilan halaman menu OLAPview.
(67)
3.7.4 Tampilan Halaman Transfer Data
Tampilan Transfer Data adalah halaman yang muncul ketika user memilih menu Transfer Data. Tampilan halaman transfer data dapat dilihat pada gambar 3.8.
Gambar 3.8 Tampilan Halaman Transfer Data
Gambar 3.8 adalah rancangan untuk tampilan halaman menu OLAP transfer data.
3.8 Kebutuhan Komponen dan Kebutuhan Sistem
Adapun kebutuhan komponen yang menunjang terbentuknya data warehouseini antara lain :
a. Jespersoft ETL merupakan komponen yang dibutuhkan untuk melakukan perancangan ETL.
b. Schema Workbench merupakan komponen yang digunakan untuk membuat file skema mondrian dalam format XML untuk memetakan cube, dimensi, dan measure dengan relasional
database.
c. JasperReports Server digunakan dalam menampilkan analisa hasil OLAP.
(68)
4 tabel, gambar
BAB IV
IMPLEMENTASI DAN ANALISIS SISTEM
Pada bab ini akan menjelaskan tentang implementasi pembuatan data warehouse dan analisanya. Pembuatan data warehouse mengacu pada kebutuhan informasi yang dapat diperoleh dari rekam medis di RSUP dr. Soeradji Tirtonegoro Klaten .
4.1 Implementasi Arsitektur Data warehouse
Pembentukan data warehouse rekam medis RSUP Dr. Soeradji Tirtonegoro berasal dari sumber data yang berbentuk file excel. Sumber data yang masih berbentuk excel akan disimpan dalam database
master_rekam_medis, kemudian dilakukan proses ETL. Setelah proses ETL dilanjutkan dengan proses OLAP . Hasil dari pembentukan OLAP nantinya digunakan untuk membantu dalam menggali informasi mengenai rekam medis di Dr. Soeradji Tirtonegoro Klaten. Arsitektur sistem yang digunakan untuk pembuatan data warehouse beasiswa dapat dilihat pada gambar 4.1.
Gambar 4.1 Arsitektur Data warehouse
Untuk mendukung arsitektur sistem data warehouse rekam medis RSUP dr. Soeradji Tirtonegoro Klaten diperlukan beberapa spesifikasi
softwaredanhardwareyang mendukung yaitu: 1. Software yang digunakan :
(69)
b. Proses ETL : Jespersoft ETL Express Community V.5.2.2
c. Skema : Schema Workbench Version 3.4.1.1 d. Proses OLAP : JasperReports Server Community
V.6.1.0
e. Apache : Apache Tomcat 7.0.42 2. Hardware yang digunakan :
a. Processor : AMD Phenom II X4 3.0 GHz b. Memory : 4 GB DDR 3
c. Hardisk : 360 GB
4.2 Langkah Pembuatan Data warehouse 4.2.1 Membaca Data Legacy
4.2.1.1 Membuat Tabel data_rekam_medis
Sumber data yang digunakan dalam pembuatandata warehouse ini adalah data rekam medis di RSUP dr. Soeradji Tirtonegoro Klaten . Setelah proses pre processing data terdiri dari data rekam medis tahun 2011, 2012, 2013 dan 2014. Implementasi pembacaan sumber data rekam medis dapat dilihat sebagai berikut:
Gambar 4.2 Job data_rekam_medis 0.1
Gambar 4.2 merupakan proses pembentukan tabel master_rekam_medis. Proses ini melakukan pembacaanfile excel data_rekam_medis.xls. Hasil pembacaan akan disimpan dalamdatabasemaster_rekam_medis.
(70)
Langkah dari proses data_rekam_medis 0.1 adalah sebagai berikut:
1. Membaca file excel data_rekam_medis.xls (Input data_rekam_medis.xls)
Gambar 4.3 Step Input data_rekam_medis.xls di rekam_medis 0.1
Proses ini bertujuan untuk membaca file excel data_rekam_medis.xls dari folder directory. Proses ini akan membaca semua sheets pada file
serta membuat baris pertama sebagai header(hanya padasheets1). Schemayang digunakan diambil dari
repositoryyaitu data_rekam_medis–metadata.
2. Mapping untuk mendapatkan field yang dibutuhkan (tMap_1)
Gambar 4.4 Step tMap_1 pada data_rekam_medis 0.1
Proses ini bertujuan untuk mengambil field
yang dibutuhkan dari file excel data_rekam_medis yang kemudian dimasukkan ke output table
(71)
data_rekam_medis. Pada proses ini juga dilakukan penentuan nama field, type data dan length field
untukoutput table.
3. Output tabel data_rekam_medis (output data_rekam_medis)
Gambar 4.5 Step Output data_rekam_medis pada data_rekam_medis 0.1
Proses ini bertujuan untuk membuat output table data_rekam_medis di database
master_rekam_medis. Pada proses ini menggunakan
koneksi repository yaitu
koneksi_master_rekam_medis dengan target table
data_rekam_medis. Action on table yang digunakan adalah drop table if exist and create serta action on datayang digunakan adalahinsert.
Hasil dari pembentukan tabel data_rekam_medis seperti pada Gambar 4.6. Terdapat 9 field yaitu bulan, tahun, no_rm, kode_du, ruang, dokter, jns_kasus, sex dan cara_bayar.
(72)
Gambar 4.6 Tabel data_rekam_medis
4.2.2 Pembentukan Tabel Rekam Medis 4.2.2.1 Tabel rekam_medis
Gambar 4.7 Job rekam_medis 0.1
Pembentukan tabel rekam_medis. Langkah pembentukan tabel rekam_medis adalah sebagai berikut :
1. Membaca tabel data_rekam_medis (input data_rekam_medis)
(73)
Proses ini bertujuan untuk membaca data pada tabel data_rekam_medis dari database
master_rekam_medis. Koneksi menggunakan
koneksi repository yaitu
koneksi_master_rekam_medis. Query yang
digunakan adalah “select * from data_rekam_medis”.
2. Mengganti isi darifieldsex (tReplace_1)
Gambar 4.9 Step tReplace_1
Proses ini bertujuan untuk mengganti isi dari
field sex. Pada proses ini sistem akan melakukan
search untuk field sex yang berisi “LK” diganti dengan “Pria” dan “PR” diganti dengan “Wanita”.
3. Membaca field dokter dari tabel data rekam_medis (input dokter data_rekam_medis)
Gambar 4.10 Step input dokter data_rekam_medis
Proses ini bertujuan untuk membaca field
dokter pada tabel data_rekam_medis dari database
master_rekam_medis. Koneksi menggunakan
(74)
koneksi_master_rekam_medis. Query yang
digunakan adalah “select distinct dokter from
data_rekam_medis”.
4. Mappinghasil dari membacafielddokter (tMap_2)
Gambar 4.11 Step tMap_2
Proses ini bertujuan untuk mengambil field
dari proses input dokter data_rekam_medis dan menambahkanfield kode_dokter. Field kode_dokter diambil dari var1 yang berisi expression "Dokter "+Numeric.sequence("s6",1,1), fungsi dari
expression tersebut untuk membuat variable
“Dokter” dan disambung dengan angka sekuensial, contoh : Dokter 1.
5. Mapping hasil dari tReplace_1 dan tMap_2 (tMap_1)
Gambar 4.12 Step tMap_1
Proses ini bertujuan untuk mengambil field
(75)
Pada proses ini juga terdapat lookup antara hasil dari step tReplace_1 dan tMap_2 untuk fielddokter. Proses ini juga melakukan penambahan field no, diambil dari var1 yang berisi expression
Numeric.sequence("s7",1,1), fungsi dari expression
tersebut untuk membuat variable angka sekuensial.
Field yang dihasilkan adalah no, bulan, tahun, no_rm, diagnosa, ruang, dokter, jenis_kasus, jenis_kelamin dan cara_bayar. Khusus untuk field
diagnosa hanya diambil 3 huruf dari kiri (StringHandling.LEFT(row5.kode_du,3)).
6. Outputtabel rekam_medis (output rekam_medis)
Gambar 4.13 Step output rekam_medis Proses ini bertujuan untuk membuat output table rekam_medis di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table
rekam_medis. Action on table yang digunakan adalah drop table if exist and create serta action on datayang digunakan adalahinsert.
Hasil dari pembentukan tabel rekam_medis seperti pada Gambar 4.14. Terdapat 10fieldyaitu no, bulan, tahun, no_rm, diagnosa, ruang, dokter, jenis_kasus, jenis_kelamin dan cara_bayar.
(76)
Gambar 4.14 Tabel rekam_medis
4.2.3 Pembentukan Tabel Dimensi 4.2.3.1 Tabel dim_waktu
Gambar 4.15 Job dim_waktu 0.1
Pembentukan tabel dim_waktu. Langkah pembentukan tabel dim_waktu adalah sebagai berikut :
1. Membaca file excel tabel_waktu.xls (input tabel_waktu)
Gambar 4.16 Step input table_waktu
Proses ini bertujuan untuk membaca file excel tabel_waktu.xls dari folder directory. Proses ini akan membaca semua sheets pada file serta membuat baris pertama sebagai header(hanya pada
(77)
sheets 1). Schema yang digunakan diambil dari
repositoryyaitu tabel_waktu–metadata.
2. Mapping untuk mendapatkan field yang dibutuhkan (tMap_1)
Gambar 4.17 Step tMap_1
Proses ini bertujuan untuk mengambil field
yang diperlukan. Proses ini juga melakukan penambahanfield sk_waktu, diambil dari var1 yang berisi expression Numeric.sequence("s5",1,1), fungsi dari expression tersebut untuk membuat
variable angka sekuensial. Field yang dihasilkan adalah sk_waktu, tahun dan bulan.
3. Outputtabel dim_waktu (output dim_waktu)
Gambar 4.18 Step output dim_waktu
Proses ini bertujuan untuk membuat output table dim_waktu di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table
(78)
drop table if exist and create serta action on data
yang digunakan adalahinsert.
Hasil dari pembentukan tabel rekam_medis seperti pada Gambar 4.19. Terdapat 3 field yaitu sk_waktu, tahun dan bulan.
Gambar 4.19 Tabel dim_waktu
4.2.3.2 Tabel dim_pasien
Gambar 4.20 Job dim_pasien 0.1
Pembentukan tabel dim_pasien. Langkah pembentukan tabel dim_pasien adalah sebagai berikut :
1. Membaca file excel tabel_pasien.xls (input tabel_pasien)
(79)
Gambar 4.21 Step input tabel_pasien
Proses ini bertujuan untuk membaca file excel tabel_pasien.xls dari folder directory. Proses ini akan membaca semua sheets pada file serta membuat baris pertama sebagai header (semua
sheets). Schema yang digunakan diambil dari
repositoryyaitu tabel_pasien–metadata.
2. Mapping untuk mendapatkan field yang dibutuhkan (tMap_1)
Gambar 4.22 Step tMap_1
Proses ini bertujuan untuk mengambil field
yang diperlukan. Proses ini juga melakukan penambahanfieldsk_pasien, diambil dari var1 yang berisi expression Numeric.sequence("s3",1,1), fungsi dari expression tersebut untuk membuat
variable angka sekuensial. Field yang dihasilkan adalah sk_pasien, no_rm dan kecamatan.
(80)
3. Outputtabel dim_pasien (output dim_pasien)
Gambar 4.23 Step output dim_pasien
Proses ini bertujuan untuk membuat output table dim_pasien di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table
dim_pasien. Action on table yang digunakan adalah
drop table if exist and create serta action on data
yang digunakan adalahinsert.
Hasil dari pembentukan tabel dim_pasien seperti pada Gambar 4.24. Terdapat 3 field yaitu sk_pasien, no_rm dan kecamatan.
(81)
4.2.3.3 Tabel dim_diagnosa
Gambar 4.25 Job dim_diagnosa 0.1
Pembentukan tabel dim_diagnosa. Langkah pembentukan tabel dim_diagnosa adalah sebagai berikut :
1. Membaca file excel tabel_diagnosa.xls (input tabel_diagnosa)
Gambar 4.26 Step input tabel_diagnosa
Proses ini bertujuan untuk membaca file excel tabel_diagnosa.xls dari folder directory. Proses ini akan membaca semua sheets pada file
serta membuat baris pertama sebagaiheader(semua
sheets). Schema yang digunakan diambil dari
repositoryyaitu tabel_diagnosa–metadata.
2. Mapping untuk mendapatkan field yang dibutuhkan (tMap_1)
(82)
Proses ini bertujuan untuk mengambil field
yang diperlukan. Proses ini juga melakukan penambahan field sk_diagnosa, diambil dari var1 yang berisi expression Numeric.sequence("s1",1,1), fungsi dari expression tersebut untuk membuat
variable angka sekuensial. Field yang dihasilkan adalah sk_diagnosa, kode_diagnosa, kategori, sub_kategori dan diagnosa.
3. Outputtabel dim_diagnosa (output dim_diagnosa)
Gambar 4.28 Step output dim_diagnosa
Proses ini bertujuan untuk membuat output tabledim_diagnosa di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table
dim_diagnosa. Action on table yang digunakan adalah drop table if exist and create serta action on datayang digunakan adalahinsert.
(83)
Hasil dari pembentukan tabel dim_diagnosa seperti pada Gambar 4.29. Terdapat 5 field yaitu sk_diagnosa, kode_diagnosa, kategori, sub_kategori dan diagnosa.
Gambar 4.29 Tabel dim_diagnosa
4.2.3.4 Tabel dim_ruang
Gambar 4.30 Job dim_ruang 0.1
Pembentukan tabel dim_ruang. Langkah pembentukan tabel dim_ruang adalah sebagai berikut :
1. Membaca file excel tabel_ruang.xls (input tabel_ruang)
Gambar 4.31 Step input tabel_ruang
Proses ini bertujuan untuk membaca file excel tabel_ruang.xls dari folder directory. Proses ini akan membaca semua sheets pada file serta
(84)
membuat baris pertama sebagai header (semua
sheets). Schema yang digunakan diambil dari
repositoryyaitu tabel_ruang–metadata.
2. Mapping untuk mendapatkan field yang dibutuhkan (tMap_1)
Gambar 4.32 Step tMap_1
Proses ini bertujuan untuk mengambil field
yang diperlukan. Proses ini juga melakukan penambahan field sk_ruang, diambil dari var1 yang berisi expression Numeric.sequence("s4",1,1), fungsi dari expression tersebut untuk membuat
variable angka sekuensial. Field yang dihasilkan adalah sk_ruang, ruang, instalasi dan kelas.
3. Outputtabel dim_ruang (output dim_ruang)
Gambar 4.33 Step output dim_ruang Proses ini bertujuan untuk membuat output table dim_ruang di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table
(85)
dim_ruang. Action on table yang digunakan adalah
drop table if exist and create serta action on data
yang digunakan adalahinsert.
Hasil dari pembentukan tabel dim_ruang seperti pada Gambar 4.34. Terdapat 4 field yaitu sk_ruang, ruang, instalasi dan kelas.
Gambar 4.34 Tabel dim_ruang
4.2.3.5 Tabel dim_dokter
Gambar 4.35 Job dim_dokter 0.1
Pembentukan tabel dim_dokter. Langkah pembentukan tabel dim_dokter adalah sebagai berikut :
(86)
Gambar 4.36 Step input rekam_medis Proses ini bertujuan untuk membaca field
dokter pada tabel rekam_medis dari database
rekam_medis. Koneksi menggunakan koneksi
repositoryyaitu koneksi_ rekam_medis. Queryyang
digunakan adalah “select distinct dokter from rekam_medis”.
2. Mapping untuk mendapatkan field yang dibutuhkan (tMap_1)
Gambar 4.37 Step tMap_1
Proses ini bertujuan untuk mengambil field
yang diperlukan. Proses ini juga melakukan penambahanfieldsk_dokter, diambil dari var1 yang berisi expression Numeric.sequence("s8",1,1), fungsi dari expression tersebut untuk membuat
variable angka sekuensial. Field yang dihasilkan adalah sk_dokter dan dokter.
(87)
Gambar 4.38 Step output dim_dokter Proses ini bertujuan untuk membuat output table dim_dokter di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table
dim_dokter. Action on table yang digunakan adalah
drop table if exist and create serta action on data
yang digunakan adalahinsert.
Hasil dari pembentukan tabel dim_dokter seperti pada Gambar 4.39. Terdapat 2 field yaitu sk_dokter dan dokter.
(88)
4.2.3.6 Tabel dim_jenis_kasus
Gambar 4.40 Job dim_jenis_kasus 0.1
Pembentukan tabel dim_jenis_kasus. Langkah pembentukan tabel dim_jenis_kasus adalah sebagai berikut:
1. Membaca tabel rekam_medis (input rekam_medis)
Gambar 4.41 Step input rekam_medis Proses ini bertujuan untuk membaca field
jenis_kasus pada tabel rekam_medis dari database
rekam_medis. Koneksi menggunakan koneksi
repositoryyaitu koneksi_ rekam_medis. Queryyang
digunakan adalah “select distinct jenis_kasus from rekam_medis”.
2. Mapping untuk mendapatkan field yang dibutuhkan (tMap_1)
(89)
Proses ini bertujuan untuk mengambil field
yang diperlukan. Proses ini juga melakukan penambahan field sk_jenis_kasus, diambil dari var1
yang berisi expression
Numeric.sequence("s10",1,1), fungsi dari
expression tersebut untuk membuat variable angka sekuensial. Field yang dihasilkan adalah sk_jenis_kasus dan jenis_kasus.
3. Output tabel dim_jenis_kasus (output dim_jenis_kasus)
Gambar 4.43 Step output dim_jenis_kasus Proses ini bertujuan untuk membuat output table dim_jenis_kasus di database rekam_medis. Pada proses ini menggunakan koneksi repository
yaitu koneksi_ rekam_medis dengan target table
dim_jenis_kasus. Action on table yang digunakan adalah drop table if exist and create serta action on datayang digunakan adalahinsert.
Hasil dari pembentukan tabel dim_jenis_kasus seperti pada Gambar 4.44. Terdapat 2 field yaitu sk_jenis_kasus dan jenis_kasus.
(90)
4.2.3.7 Tabel dim_jenis_kelamin
Gambar 4.45 Job dim_jenis_kelamin 0.1
Pembentukan tabel dim_jenis_kelamin. Langkah pembentukan tabel dim_jenis_kelamin adalah sebagai berikut :
1. Membaca tabel rekam_medis (input rekam_medis)
Gambar 4.46 Step input rekam_medis Proses ini bertujuan untuk membaca field
jenis_kelamin pada tabel rekam_medis dari
database rekam_medis. Koneksi menggunakan koneksi repository yaitu koneksi_ rekam_medis.
Query yang digunakan adalah “select distinct jenis_kelamin from rekam_medis”.
2. Mapping untuk mendapatkan field yang dibutuhkan (tMap_1)
(1)
Gambar 5.17 Hasil Query Pengujian View Kecamatan Gambar 5.17 adalah hasil dari query pengujian View Kecamatan. Pada baris pertama hasil query terdapat data yang serupa dengan data yang ada pada View Kecamatan.
5.2.5 Pengujian View Dokter
Gambar 5.18 Pengujian View Dokter
Gambar 5.18 adalah tampilan View Dokter yang memiliki dimensi waktu, dimensi ruang, dimensi dokter dan measure. Pada
(2)
baris yang ditandai di View Dokter terdapat data tahun : 2011, Instalasi : Rawat Inap, Dokter : Dokter 1, Jumlah Kasus : 167, Kasus Pria : 68 dan Kasus Wanita : 99.
Gambar 5.19 Query Pengujian View Dokter
Gambar 5.19 adalah query yang digunakan untuk menguji View Dokter.
Gambar 5.20 Hasil Query Pengujian View Dokter
Gambar 5.20 adalah hasil dari query pengujian View Dokter. Pada baris pertama hasil query terdapat data yang serupa dengan data yang ada pada View Dokter.
5.3 Analisis Pengguna
Analisis pengguna dari data warehouse yang telah dibangun dilakukan dengan cara melakukan demonstrasi program kepada pengguna dari pihak rumah sakit yaitu staf bagian rekam medis dan IT. Tujuan dari demonstrasi ini untuk mengetahui tanggapan dari pihak rumah sakit terhadap data warehouse yang telah dibangun. Kesimpulan yang didapat setelah melakukan demonstrasi program adalahdata warehouseyang telah dibangun mampu untuk menampilkan data yang dibutuhkan untuk melakukan pelaporan walaupun tidak dapat langsung mencetak hasil
(3)
laporan karena sistem tidak dilengkapi dengan kemampuan mencetak laporan sesuai format yang digunakan rumah sakit.
5.4 Kelebihan dan Kelemahan Sistem
1. Kelebihan Sistem
a. Mampu menampilkan informasi yang dibutuhkan pihak rumah sakit sebagai sumber laporan periodik.
b. Hasil OLAP view dapat dilihat dari berbagai sudut pandang measure dan dimensi.
c. Admin sistem dapat melakukan proses pembentukan OLAP (import MDX, koneksi OLAP, OLAP view) secara mudah (GUIprocessing). d. Sistem dilengkapi dengan role dan permission sehingga admin sistem
dapat mengatur tampilan OLAP view untuk setiap user.
e. Hasil OLAPviewdapat langsung di export dalam bentuk excel.
2. Kekurangan Sistem
a. Software OLAP yang digunakan membutuhkan kapasitas memory yang besar.
b. Dimensi dan measure bersifat tetap sehingga tidak dapat ditambah/dikurang.
c. Data yang digunakan kurang lengkap sehingga OLAP yang dihasilkan kurang tajam dan variatif.
d. Tidak mampu melakukan cetak laporan yang sesuai dengan format pelaporan yang dibutuhkan rumah sakit.
(4)
6 tabel, gambar
BAB VI
PENUTUP
Setelah melakukan penelitian data warehouse rekam medis pasien RSUP dr. Soeradji Tirtonegoro Klaten secara menyeluruh, dapat ditarik beberapa kesimpulan dan saran yang diharapkan dapat bermanfaat bagi pengembangan lebih lanjut.
6.1 Kesimpulan
1. Disain dan implementasi data warehouse rekam medis pasien RSUP dr. Soeradji Tirtonegoro Klaten berhasil dibuat dengan menggunakan Jespersoft ETL untuk proses ETL dan JasperReports Server untuk proses OLAP.
2. OLAP yang dibangun mampu menampilkan data dalam berbagai variasi dimensi (dimensi diagnosa, dimensi ruang, dimensi cara bayar, dimensi kecamatan)
3. Data warehouse yang dibangun mampu menyediakan informasi yang dibutuhkan oleh pihak rumah sakit dalam rangka pembuatan laporan periodik terutama pada asperk diagnosa, penggunaan ruang, cara bayar dan asal daerah pengunjung rumah sakit.
6.2 Saran
Setelah melakukan penelitian data warehouse rekam medis RSUP dr. Soeradji Tirtonegoro Klaten, data warehouse memiliki potensi yang besar dalam hal menyajikan informasi sebagai bahan penelitian terutama jika subjek penelitian memiliki variasi data yang luas. Penelitian ini sendiri hanya berfokus pada membangun data warehouse yang mampu menyajikan informasi yang dibutuhkan.
(5)
Beberapa saran yang muncul untuk pengembangandata warehouse rekam medis RSUP dr. Soeradji Tirtonegoro Klaten :
1. Memasukkan variasi data yang belum ada seperti tindakan, obat dan biaya rumah sakit.
2. Menggunakan data yang tidak tunggal seperti pada dimensi diagnosa menggunakan diagnosa 1, 2 dst. Dengan penggunaan data tidak tunggal tersebut diharapkan informasi yang disajikan menjadi lebih lengkap dan akurat.
3. Fokus penelitian yang berbeda seperti ujischema.
4. Menambahkan output iReport agar sistem dapat mencetak laporan sesuai dengan format yang dibutuhkan rumah sakit.
5. Mengembangkandata warehouseke tahap lanjut seperti Data Miningdan SPPK
(6)
DAFTAR PUSTAKA
Jiawei Han, Micheline Kamber. 2006. Data Mining Concept and Techniques Second Edition. Elsevier Inc
W. H. Inmon. 1996. Building the Data Warehouse Second Edition. JohnWiley & Sons Inc
Connolly, Thomas M. and Carolyn E. Begg. 2005.Database Systems: A Practical Approach to Design, Implementation and Management 4th edition Addison Wesley. Longman Inc
Connolly, Thomas M. and Carolyn E. Begg. 2008. Database Systems A Practical Approach to Design, Implementation and Management 5th edition Addison Wesley. University of The West of Scotland
TIBCO Jaspersoft. 2013.JasperReports Server 5.5. Jaspersoft Corporation
TIBCO Jaspersoft. 2015. TIBCO JasperReports® Server Jaspersoft OLAP Ultimate Guide Release 6.1. TIBCO Software Inc