DESAIN DAN IMPLEMENTASI DATA WAREHOUSE U

DESAIN DAN IMPLEMENTASI DATA WAREHOUSE UNTUK SISTEM
PENDUKUNG KEPUTUSAN PADA MANAJEMEN
DATA KESEHATAN NASIONAL
Vicky Vadya Royibha, M. Andri Setiawan, dan Lizda Iswari
Program Studi Teknik Informatika, Fakultas Teknologi Industri,
Universitas Islam Indonesia (UII)
Jl. Kaliurang KM 14.5, Yogyakarta 55581 Indonesia
13523103@studens.uii.ac.id, 035230102@uii.ac.id, dan 045230406@uii.ac.id

Abstrak—Penelitian ini mengimplementasikan data warehouse
untuk menganalisis data kesehatan nasional, yaitu publikasi data
informasi tentang situasi dan kondisi kesehatan yang cukup
komprehensif serta diterbitkan secara berkala tiap tahun oleh
Departemen Kesehatan Republik Indonesia (Depkes RI). Dengan
menganalisis data kesehatan nasional, maka diharapkan dapat
membantu mengetahui permasalahan kesehatan yang ada di
Indonesia dan membantu proses pengambilan keputusan oleh pihak
stakeholder, dengan membangun data warehouse yang diawali
dengan proses studi kelayakan. Setelah proses tersebut dialnjutkan
degnan menentukan arsitektur sistem data warehouse dan
mendesain data warehouse. Langkah selanjutnya adalah

membangun data warehouse dengan ETL (Extract, Transform, and
Load), kemudian hasilnya dianalisis dengan membangun sistem
business intelligence dengan metode OLAP (On-Line Analytical
Processing). Setelah itu data warehouse dianalisis dengan
membangun dashboard system.
Hasil penelitian business intelligence data kesehatan nasional
menunjukkan bahwa sistem business intelligence khususnya dalam
analisis data kesehatan nasional menggunakan grafik yang
dilengkapi analisis statistik dapat membantu pihak manajemen
maupun stakeholder dalam mengambil keputusan manajerial.
Selain itu penyajian data laporan dalam bentuk grafik lebih mudah
dibaca, dipahami, dan dianalisis dibandingkan dengan penyajian
menggunakan angka-angka dalam tabel.
Keywords : Business Intelligence, Data Warehouse, Data
Kesehatan Nasional, OLAP.

I. PENDAHULUAN
Data kesehatan nasional adalah salah satu publikasi data dan
informasi yang berisi situasi dan kondisi kesehatan yang cukup
komprehensif dan diterbitkan secara berkala tiap tahun oleh

Departemen Kesehatan Republik Indonesia (Depkes RI). Profil
data kesehatan nasional disusun berdasarkan ketersediaan data,
informasi, dan indikator kesehatan yang bersumber dari unit
teknis di lingkungan kementerian kesehatan serta institusi lain
yang terkait seperti Badan Pusat Statistik (BPS) dan Badan
Kependudukan dan Keluarga Berencana Nasional. Data
kesehatan nasional dapat diakses melalui situs resmi Depkes RI
yaitu depkes.go.id.
Namun data kesehatan nasional yang terdapat pada situs
Depkes RI masih ditampilkan sebagai laporan per periode dan

sifatnya masih berupa data mentah sehingga tidak ada pola
tertentu yang dibutuhkan untuk proses analisis. Selain itu
terdapat juga perbedaan susunan laporan setiap tahun sehingga
mempengaruhi ketersediaan data yang valid dan konsisten.
Maka dari itu dibutuhkan suatu data warehouse yang digunakan
untuk kebutuhan analisis data dalam suatu rentang waktu
tertentu, dan diharapkan dapat mewujudkan pengelolaan data
paramedik yang terintegrasi dan terorganisir. Selanjutnya hal
tersebut akan bermanfaat untuk pengambilan keputusan oleh

para stakeholder, dimana sebelumnya terdapat laporan statistik
data dari tiap kategori yang sudah dianalisis dengan tools
business intelligence seperti ETL maupun OLAP.
Solusi data warehouse yang diharapkan nantinya berupa
report yang ditampilkan dalam bentuk dashboard yang akan
menampilkan halaman statistik data kesehatan nasional beserta
dengan faktor – faktor pendukungnya, yang telah diolah
menggunakan metode analisis statistik. Dashboard ini
diharapkan dapat memberikan informasi mengenai statistik data
kesehatan nasional, dimana data – data tersebut sebelumnya
dimasukkan ke dalam suatu data warehouse dengan skema yang
telah disesuaikan untuk memudahkan proses penggalian data
sesuai dengan kondisi yang terjadi di lapangan maupun pola
yang diinginkan. Solusi ini juga dapat membantu pemerintah
menggunakan metode yang tepat dan efektif dalam peningkatan
kinerja untuk mengatasi permasalahan pengelolaan data
kesehatan nasional.
II. LANDASAN TEORI
A. Business Intelligence
Business Intelligence (BI) merupakan suatu proses ekstraksi

pada sekumpulan data operasional dan mengumpulkannya
dalam suatu sistem yang disebut data warehouse. Selama
berlangsungnya proses ektraksi, data dapat ditransformasi
dengan menerapkan berbagai teknik sesuai dengan kepentingan
analisis bisnis terhadap data yang diperlukan. Biasanya setelah
proses ekstraksi data, data yang terdapat pada data warehouse
kemudian diproses melalui analisis statistik dan data mining,
sehingga pada akhirnya diperoleh pattern atau pola
kecenderungan yang muncul dari data tersebut [1].

Hasil dari penyederhaan data tersebut nantinya disajikan
kepada end user yang biasanya mengambil keputusan bisnis.
Dengan demikian pihak manajemen dapat mengambil
keputusan sesuai dengan fakta – fakta aktual yang terjadi di
lapangan, sehingga tidak hanya mengandalkan intuisi dan
pengalaman kuantitatif saja. Business intelligence disebut juga
sebagai sistem informasi eksekutif atau sistem pendukung
pengambilan keputusan yang berbasis data – data [2].

Gambar 2 Detail proses ETL


Gambar 1 Arsitektur business intelligence
B. Data Warehouse
Data warehouse adalah sekumpulan data yang dibuat untuk
mendukung proses pengambilan keputusan dan juga tempat
penyimpanan data dari masa sekarang dan lampau yang
memiliki potensi ketertarikan kepada manajer di seluruh
organisasi [3].
Perbedaannya dengan business intelligence adalah data
warehouse berbicara mengenai bagaimana data yang besar dan
beragam disimpan dalam satu repository yang disusun sehingga
memudahkan proses pencarian, sedangkan business
intelligence adalah teknologi yang digunakan untuk
menyajikan data tersebut sehingga memudahkan proses analisis
dan pengambilan keputusan berdasarkan informasi yang akurat
dari sumber data. Maka dari itu suatu solusi business
intelligence yang baik memerlukan sumber data yang terpusat
yaitu data warehouse.
C. Extract, Transform, Load
Proses ETL dibagi menjadi tiga proses yaitu Extraction,

proses penguraian dan pembersihan data (dari sumber data
homogen atau heterogen) yang diekstrak untuk mendapatkan
struktur atau pola pada data yang diharapkan. Lalu
Transformation, merupakan proses untuk memilih, merapihkan
dan memberikan atribut tambahan agar data yang telah melalui
proses extract dapat masuk dan sesuai dengan format atau
struktur data warehouse yang sudah ada. Terakhir Load,
merupakan proses memasukkan data ke dalam data warehouse
yang sebelumnya telah melalui proses transformation.
Setelah data yang dihasilkan sudah sesuai dengan kondisi
pada data warehouse, maka proses load tersebut akan berjalan.
Data yang berasal dari staging area akan dipindahkan ke lokasi
yang sudah ditentukan pada data warehouse [4].

D. On-Line Analytical Processing
On-Line Analytical Processing (OLAP) adalah serangkaian
aktivitas menganalisis data interaksi pada transaksi bisnis yang
tersimpan pada dimensional data warehouse dan digunakan
untuk menentukan taktis dan strategi bisnis [5]. Tidak hanya
meringkas data, OLAP juga memberikan kemampuan pada

sistem business intelligence untuk melihat data dengan cara baru
dan bisa disebut juga sebagai teknologi yang mendukung
kegiatan mulai dari self-service reporting dan analisis dengan
manajemen aplikasi yang dibuat seperti sistem perencanaan dan
sistem penganggaran [6].

Gambar 3 Ilustrasi proses OLAP
E. Dashboard
Dashboard adalah komponen yang umumnya memiliki
Performance Management Systems, Performace Measurement
Systems, Business Process Management (BPM) suites, dan
Business Intelligence (BI) platform. Selain itu dashboard
menyediakan tampilan visual dari informasi penting yang
kemudian disatukan dan diatur dalam sebuah layar tunggal
sehingga informasi tersebut dapat dipahami cukup dengan
sekali lihat, serta mudah untuk dieksplorasi [3].
III. ANALISIS DAN PERANCANGAN
Analisis pada perancangan aplikasi ini diperoleh melalui
beberapa metode dimulai dari studi berbagai literatur (buku,
jurnal, hasil penelitian, internet) yang terkait dengan

pengembangan sistem business intelligence, lalu metode
pengumpulan data dengan cara analisis dokumen dan
melakukan diskusi dengan dosen pembimbing. Beberapa ruang
lingkup yang diperlukan pada sistem business intelligence
setelah melakukan analisis adalah :
• Data yang diolah pada sistem memiliki susunan atribut
yang sama, dalam artian setiap data yang digunakan
konsisten muncul dalam rentang waktu tiga tahun.
• Sistem dapat menampilkan dashboard beserta grafik
yang informatif dan tampilan dashboard dapat

dikategorikan sesuai dengan kategori yang sudah
ditentukan sebelumnya.
• Sistem dapat menampilkan drill-down setiap kategori
data untuk melihat isi tabel dimensi yang menjadi sumber
data.
• User dapat menentukan atribut provinsi yang akan
ditampilkan pada panel dashboard.
• Sistem dapat menampilkan data dalam bentuk tabel dan
dapat diunduh dalam format Excel.

Sistem business intelligence data kesehatan nasional bisa
menjadi solusi untuk memudahkan stakeholder atau manajer
dalam proses pengambilan keputusan setelah melihat
pergerakan data pada panel dashboard. Selain itu sistem juga
dapat memberikan kesimpulan hasil analisis data, agar
kedepannya dapat menjadi aspek pertimbangan oleh para
stakeholder maupun manajer atau atasan yang berwenang.

A. Proses ETL pada Sumber Data
Proses ETL membantu melakukan ekstraksi dari staging
area ke dalam data warehouse untuk kebutuhan integrasi data,
setelah itu dilakukan proses transformasi data untuk melakukan
penyamaan atau standarisasi di antaranya untuk tipe data dan
nama field, sedangkan load dilakukan untuk memindahkan data
ke dalam data warehouse. Proses ETL data ini dilakukan
dengan memakai sistem SQL Server Integration Services yang
sudah disediakan oleh perangkat Microsoft SQL Server 2016.
Pada akhirnya setelah proses ETL selesai, maka data yang telah
diolah sudah berhasil masuk ke dalam data warehouse yang
akan menjadi acuan sumber data.

B. SQL Server Integration Services (SSIS)
SSIS memiliki kemampuan utama untuk melakukan ETL
(Extract, Transform, Load) yang terdapat dalam proses
replikasi data dari satu database ke database lain, ataupun
proses transformasi data pada data warehouse yang terdiri dari
komponen control flow dan data flow. Proses SSIS itu sendiri
diawali dengan memilih komponen data flow task yang sesuai,
mengatur input pada setiap task dan menyambungkan setiap
task dengan task yang lainnya sesuai urutan ETL.

Gambar 4 Use Case Diagram sistem business intelligence
Dari hasil analisis dan diskusi lebih lanjut dengan dosen
pembimbing maka dibuatlah perancangan untuk aplikasi sistem
business intelligence data kesehatan nasional dengan
menggunakan use case diagram. Pada use case diagram yang
diperlihatkan pada Gambar 5 menjelaskan bahwa sistem
business intelligence memiliki tiga menu utama yaitu menu
dashboard itu sendiri, menu master data, dan menu tentang yang
berisi penjelasan mengenai sistem yang dibuat. Pada menu
dashboard, admin dapat memilih dashboard mana yang ingin

ditampilkan dengan terlebih dahulu memilih kategori data dan
juga dapat menentukan atribut provinsi mana yang ingin
ditampilkan pada panel dashboard.
Selain itu pengguna juga dapat menampilkan drill-down
terhadap kategori data untuk melihat isi tabel dimensi yang
menjadi sumber data. Selanjutnya untuk menu master data,
admin dapat memilih dan menampilkan data dalam bentuk tabel
serta melihta keterangan dari setiap tabel data, lalu admin juga
dapat mengunduh data dalam format excel. Terakhir untuk menu
tentang admin dapat melihat penjelasan mengenai sistem yang
dibuat.
IV.

Gambar 5 Tampilan data flow task pada SSIS
Setelah proses eksekusi setiap task maka tampilan data flow
task akan menunjukkan tanda berhasil apabila terdapat simbol
centang hijau di pojok kanan atas nama task, ditambah dengan
informasi isi data pada tabel yang berhasil ditambahkan dari
OLE DB Source, lalu ditransformasi dan dimasukkan ke dalam
OLE DB Destination.

HASIL DAN PEMBAHASAN

Implementasi adalah tahap penerapan berdasarkan hasil
analisis dan perancangan yang telah dilakukan pada bagian
sebelumnya. Bagian ini merupakan implementasi hasil
rancangan menjadi sebuah sistem business intelligence data
kesehatan nasional dimulai dari pengolahan data melalui proses
ETL, SQL Server Integration Services (SSIS), SQL Server
Analysis Services (SSAS), dan pembuatan dashboard system.

Gambar 6 Tampilan data pada OLE DB Destination
Untuk melihat hasil pada OLE DB Destination atau
database tujuan tempat dimana data hasil ektraksi dan
transformasi, bisa dilihat melalui tools SQL Server
Management Service dengan mencari nama tabel yang menjadi
OLE DB Destination. Lalu untuk melihat isi data pada tabel

tinggal klik kanan pada nama tabel dan pilih ‘Select Top 1000
Rows’ dan hasilnya detail isi tabel data akan langsung muncul
beserta dengan query yang dijalankan seperti pada Gambar 6.
C. Perancangan OLAP Cube
Perancangan OLAP Cube adalah suatu cara untuk
menampilkan data secara multidimensional (dari berbagai
dimensi) dimana dalam dalam cube tersebut mendefinisikan
data yang akan menjadi bahan analisis. Pembuatan cube sendiri
diawali dari pembuatan tabel fakta, pembuatan tabel dimensi,
dan pembuatan skema OLAP. Dalam sistem business
intelligence terdapat empat tabel fakta diantaranya tabel fakta
sarana kesehatan, tabel fakta tenaga kesehatan, tabel fakta
kesehatan keluarga, dan juga tabel fakta pengendalian penyakit.
Sementara untuk tabel dimensi ada 23 tabel dimensi yang
tersebar ke dalam empat tabel fakta tersebut, dengan jumlah
tabel dimensi yang bervariasi mulai dari tabel fakta sarana
kesehatan yang hanya memiliki dua tabel dimensi sampai
dengan tabel fakta kesehatan keluarga yang memiliki jumlah
tabel dimensi paling banyak dengan 12 tabel dimensi.
Sementara untuk pembuatan skema OLAP menggunakan starschema (skema bintang) terhadap keempat tabel dimensi.

Gambar 8 Tampilan atribut dimensi pada cube
E. Antarmuka Sistem Dashboard Business Intelligence
Tampilan yang akan muncul pertama kali setelah user
berhasil login adalah main dashboard yang menampilkan
ringkasan semua data fakta yang terdapat pada sistem yaitu
fakta sarana kesehatan, fakta tenaga kesehatan, fakta kesehatan
keluarga, dan fakta pengendalian penyakit.

Gambar 9 Tampilan main dashboard
Selain itu terdapat tampilan dashboard lainnya yang
merupakan tampilan drill-down data untuk setiap tabel dimensi.

Gambar 7 Star-schema tabel fakta kesehatan keluarga
D. SQL Server Analysis Services (SSAS)
SSAS adalah salah satu elemen business intelligence selain
SSIS yang digunakan untuk proses analisa data pada OLAP dan
membantu manajemen perusahaan dalam mengambil
keputusan. Proses SSIS dimulai dari pembuatan data sources
dan data source views, selanjutnya yaitu pemilihan sumber data
yang akan dianalisis dan dilanjutkan dengan pembuatan cubes
yang akan otomatis menghasilkan tabel dimensi sebagai sumber
data dari tabel fakta lalu dilanjutkan lagi dengan menentukan
kolom measure dan memilih tabel dimensi. Hasil akhir nantinya
berupa cube yang sudah siap untuk diproses dan dapat dilihat
dari berbagai dimensi.

Gambar 10 Tampilan menu dashboard tenaga kesehatan
Selanjutnya yaitu tampilan master data yang
menampilkan nama tabel data yang dapat dilihat isi dan
keterangan tabel tersebut maupun untuk diunduh dalam format
Excel.

No
3.

4.

Gambar 11 Tampilan menu master data
Terakhir ada tampilan tentang yang berisi penjelasan
mengenai sistem yang dibuat, seperti penjelasan mengenai data
– data yang terdapat pada sistem maupun sumber data yang
didapatkan.

5.

6.

Gambar 12 Tampilan menu tentang
F. Hasil Pengujian
. Proses implementasi dan pengujian sistem business
intelligence dilakukan langsung oleh penulis dengan
menggunakan teknik Black-Box Testing yang berfokus pada
kebutuhan fungsional software, memungkinkan perancang
untuk memperoleh kondisi – kondisi input maupun output yang
secara penuh menguji semua kebutuhan fungsional suatu
program.
Pengujian black-box sistem business intelligence sendiri
menggunakan tabel dengan beberapa kolom seperti Skenario
pengujian, test case, hasil yang diharapkan, dan kesimpulan
proses. Berikut merupakan isi ringkasan tabel black-box testing
sistem business intelligence dimulai dari testing login, register¸
halaman main dashboard, halaman master data, dan halaman
tentang.
Tabel 1 Black-box Testing pada beberapa fungsi utama Sistem
Business Intelligence
No

Skenario
Pengujian

Test Case

1.

Memasukkan
data login yang
benar,
lalu
mengklik
tombol
‘Sign
In’.

Username:
admin
Password:
123456

2.

Memasukkan
data
register
yang benar, lalu
mengklik
tombol
‘Register’ dan
memberi tanda
checklist
terhadap
box
‘Terms
and
Conditions’.

Full Name:
Admin
Sistem
Username:
admin
Password:
123456
Re-type
Password:
123456

Hasil yang
Diharapkan
Sistem menerima
akses login dan
kemudian
langsung
menampilkan
halaman
main
dashboard.
Sistem menerima
data register dan
kemudian
langsung
menampilkan
halaman
main
dashboard.

Hasil
Penguji
an
Sesuai

Valid

Sesuai

Valid

Kesimpulan

Skenario
Pengujian

Test Case

Sistem
menampilkan
halaman main
dashboard
setelah proses
login berhasil,
lalu
user
melakukan
perubahan pada
variabel
data
yang
ingin
ditampikan.
Sistem
menampilkan
halaman main
dashboard
setelah proses
login berhasil,
lalu
user
mengklik menu
‘Master Data’
pada
sidebar
panel.
Sistem
menampilkan
halaman master
data, lalu user
mengklik
tombol ‘Tabel’
untuk melihat
detail data setiap
tabel
yang
dipilih.
Sistem
menampilkan
halaman main
dashboard
setelah proses
login berhasil,
lalu
user
mengklik menu
‘Tentang’ pada
sidebar panel.

V.

Hasil yang
Diharapkan

Hasil
Penguji
an
Sesuai

Valid

Kesimpulan

Melakukan
perubahan
variabel
data
provinsi
pada main
dashboard.

Tampilan
dashboard
akan
berubah
sesuai
dengan
variabel
data provinsi yang
telah dipilih.

Mengklik
menu
‘Master
Data’ pada
sidebar
panel.

Sistem
menampilkan
halaman
menu
‘Master Data’.

Sesuai

Valid

Mengklik
tombol
‘Tabel’.

Sistem
akan
menampilkan
detail data setiap
tabel yang dipilih.

Sesuai

Valid

Mengklik
menu
‘Tentang’
pada
sidebar
panel.

Sistem
menampilkan
halaman
menu
‘Tentang’.

Sesuai

Valid

SIMPULAN DAN SARAN

A. Simpulan
Dari hasil pembahasan dan pengujian prototype sistem
business intelligence data kesehatan nasional yang telah
dilakukan, dapat diambil beberapa kesimpulan dari penelitian
sebagai berikut.
1. Business intelligence system data kesehatan nasional,
khususnya dalam analisis data fakta dan dimensi kesehatan
nasional menggunakan tampilan grafik yang dilengkapi
analisis statistik dapat membantu pihak manajemen dinas
kesehatan dalam proses pengambilan keputusan dengan
melihat informasi data pada dashboard.
2. Skema data warehouse yang telah disesuaikan untuk
memudahkan proses penggalian data sesuai sesuai dengan
kondisi yang terjadi di lapangan maupun pola yang
diinginkan.
3. Diharapkan kedepannya dapat membantu pemerintah
menggunakan metode yang tepat dan efektif dalam
peningkatan kinerja untuk mengatasi permasalahan
pengelolaan data kesehatan nasional.
B. Saran
Berdasarkan analisis kelemahan yang ada pada sistem dan
kesimpulan di atas, dapat diambil beberapa saran yang dapat
dipertimbangkan apabila akan dilakukan pengembangan
terhadap sistem ini, yaitu :

1.

2.

Perlu adanya integrasi sistem lebih lengkap terhadap sistem
business intelligence dengan data pada sistem Dinas
Kesehatan, sehingga analisis yang dilakukan dapat
diperluas dan saling terhubung.
Proses OLAP yang masih bisa dikembangkan karena sistem
belum mencakup proses cross data tabel antar tabel fakta
atau antar tabel dimensi pada tabel fakta lain karena sejauh
ini hanya menampilkan data yang berdiri sendiri pada tabel
faktanya.

DAFTAR PUSTAKA
[1]
[2]
[3]
[4]

[5]
[6]

Imelda S.T., M. (2010). Business Intelligence. Business Intelligence, 111121.
DJ Powers. (2002). Essentials of Business Information Systems . Pearson
Prentice Hall.
Turban, E., Sharda, R., Delen, D., & King, D. (2011). Business
Intelligence, 2nd Edition. Oklahoma & Hawaii: Prentice Hall.
Vercellis, C. (2009). Business Intelligence : Data Mining and
Optimization for Decision Making (A John Wiley and Sons, 3rd Edition).
Italy: John Wiley & Sons.
Rainady, V. (2010). Building a Data Warehouse with Examples in SQL
Server. New York: Apress.
Schrader, M., Vlamis, D., Nader, M., Claterbos, C., Collins, D., Campbell,
M., & Conrad, F. (2010). Oracle Essbase & Oracle OLAP. New York,
NY, USA: McGraw-Hill, Inc