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.

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.

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

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

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

Pembimbing,

IIALAMAN

PERSETUJUAII

SKRIPSI

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

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

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.

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.

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.

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

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

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

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

xiv

6.2 Saran ...113 DAFTAR PUSTAKA ...115

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

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

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

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

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

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

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

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.

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.

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.

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

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.

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

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.

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

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 :

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

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?

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

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.

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.

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.

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

•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

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

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.

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.

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

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.

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:

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.

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.

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

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.

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.

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

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.

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.

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

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

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

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

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

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

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

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

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

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.

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.

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.

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 :

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.

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

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.

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)

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

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

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.

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

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

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)

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.

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.

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)

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.

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

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

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 :

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.

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.

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)

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.

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)

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

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

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.

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.

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

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