BAB 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE
4.1
Arsitektur Data Warehouse Pelayanan Kesehatan Sint Carolus dan cabangnya yaitu Rumah Sakit Ibu dan Anak, masih melakukan pengolahan terhadap datanya secara terpisah. Dikarenakan Pelayanan Kesehatan Sint Carolus belum memiliki jaringan eksternal yang menghubungkannya dengan cabang maka dalam perancangan data warehouse di Pelayanan Kesehatan Sint Carolus dibutuhkan suatu data warehouse terpusat atau centralized. Data operasional yang dibutuhkan pihak direksi untuk dilakukan analisis seperti : rawat inap, farmasi dan laboratorium, dimasukkan ke dalam tempat penyimpanan yaitu data warehouse, data yang dimasukkan tersebut sesuai dengan informasi yang dibutuhkan.
Gambar 4.1 Arsitektur Data Warehouse 101
102 4.2
Perancangan Data Warehouse Dalam perancangan data warehouse dibutuhkan beberapa tahap sehingga terbentuknya data warehouse. Metode yang digunakan adalah Nine-step Methodology menurut pendekatan Kimball. Kesembilan tahap tersebut, yaitu : 4.2.1
Pemilihan Proses atau ruang lingkup (Choosing the process) Proses yang terjadi pada Pelayanan Kesehatan Sint Carolus yang dipilih untuk dibuat suatu rancangan data warehouse-nya yaitu sebagai berikut :
Rawat Inap Proses rawat inap pada Pelayanan Kesehatan Sint Carolus dimulai dari pasien yang datang kemudian melakukan pendaftaran rawat inap ke bagian registrasi rawat inap dan pasien mendapatkan perawatan. Dokumen yang digunakan adalah Berkas Rawat Inap. Data yang digunakan berasal dari tabel : Ms_Pasien, Ms_Perusahaan, Ms_Anggota, Ms_Kamar, Ms_Tempat_Tidur, Ms_Unit_Pelayanan, Ms_Kelas, Ms_Tindakan, Ms_Diagnosa, Ms_Dokter, Ms_Spesialis, Ms_Tarif_Dokter, Ms_Obat, Ms_Alat_Kesehatan, Ms_Kegiatan.
Farmasi Proses farmasi pada Pelayanan Kesehatan Sint Carolus dimulai dari suster yang datang langsung dengan membawa resep. Dokumen yang digunakan adalah Surat Pengeluaran Barang dan data yang digunakan berasal dari tabel : Ms_Pasien, Ms_Anggota, Tr_Rawat_Inap, Ms_Alat_Kesehatan, Ms_Obat.
103 Laboratorium Proses laboratorium pada Pelayanan Kesehatan Sint Carolus dimulai dari suster yang datang langsung untuk melakukan tes laboratorium. Dokumen yang digunakan adalah Berkas Pemeriksaan Laboratorium dan data yang digunakan berasal dari tabel : Ms_Pasien, Ms_Kegiatan, Tr_Rawat Inap, MsAggota.
4.2.2
Pemilihan Grain (Choosing the grain) Grain adalah menggambarkan suatu record yang terdapat pada table fakta. Grain yang ada pada perancangan data warehouse Pelayanan Kesehatan Sint Carolus adalah sebagai berikut :
Rawat Inap Pemilihan grain pada proses rawat inap meliputi jumlah dari transaksi rawat inap, diagnosa yang paling banyak diderita pasien berserta tindakannya, obat yang sering diberikan dokter, dokter yang sering menangani pasien, kategori umur yang paling banyak melakukan rawat inap, alat kesehatan yang paling sering digunakan pasien, diagnosa yang diderita oleh pasien rawat inap berdasarkan interval waktu, tindakan yang dilakukan dokter berdasarkan diagnosa dan tes laboratorium yang sering dilakukan berdasarkan diagnosa.
Farmasi Pemilihan grain pada proses farmasi meliputi jumlah transaksi pembelian obat dan alat kesehatan pada farmasi, pemberian obat dan alat kesehatan yang paling sering diberikan oleh dokter spesialis, jumlah pembelian obat dan alat kesehatan
104 oleh pasien berdasarkan diagnosa dan melihat jumlah pembelian obat dan alat kesehatan berdasarkan interval waktu.
Laboratorium Pemilihan grain pada proses laboratorium meliputi meliputi jumlah transaksi pemeriksaan pada laboratorium, tes laboratorium berdasarkan diagnosa, jenis tes laboratorium yang biasa dilakukan berdasarkan interval waktu.
4.2.3
Melakukan identifikasi dan penyesuaian dimensi (Identifying and conforming the dimensions).
105
106
107
108
109 4.2.4
Memilih Fakta (Choosing the Facts) Pada tahap ini dilakukan pemilihan fakta yang akan digunakan. Masing-masing fakta memiliki data yang dapat dihitung dan selanjutnya akan ditampilkan dalam bentuk laporan dan grafik. Berikut adalah faktafakta yang akan digunakan dalam data warehouse : •
Fakta rawat inap meliputi : WaktuID, PasienID, DiagnosaID, ObatID,
DokterID,
TindakanID,
SpesialisID
,
AlkesID,
ObatID,
PasienID,
KegiatanID, KompetitorID. •
Fakta
Farmasi
SpesialisID,
meliputi DiagnosaID,
:
WaktuID,
AlatKesehatanID,
DokterID,
KompetitorID. •
Fakta laboratorium meliputi : WaktuID, KegiatanID, PasienID, DiagnosaID, KompetitorID.
4.2.5
Menyimpan Pre-Kalkulasi dalam Tabel Fakta (Storing precalculation in the fact table) Dalam tabel fakta terdapat data yang merupakan kalkulasi awal. Hasil dari kalkulasi ini kemudian akan disimpan dalam tabel fakta.
1.
Fakta Rawat Inap Fakta Rawat inap meliputi : •
Jumlah transaksi rawat inap (jumlah Tr_Rawat_Inap) merupakan kumpulan (count) dari NoMasuk pada tabel Tr_Rawat_Inap.
110 2.
Fakta Farmasi Fakta farmasi meliputi: •
Jumlah transaksi farmasi (jumlah Tr_Surat_Pengeluaran_Barang) merupakan kumpulan (count) dari Kd_SpengeluaranBarang pada tabel Tr_SPengeluaran_Barang.
3.
Fakta laboratorium Fakta laboratorium meliputi: •
Jumlah transaksi laboratorium (jumlah Tr_Pemeriksaan_Lab) merupakan kumpulan (count) dari No_Reg_Lab pada tabel Tr_Pemeriksaan_Lab.
4.2.6 Memastikan Tabel Dimensi (Rounding out the dimension tables) Dalam table dimensi terdapat data yang merupakan rujukan dari tabel fakta yang berhubungan dengan tabel dimensi tersebut, sebagai berikut : Tabel 4.4 Tabel Dimensi Dimensi
Field
Deskripsi
Waktu
WaktuID
Laporan dapat dilihat baik bulan, tahun,
Bulan
kuarter dan juga semester.
Tahun Kuarter Semester
111 Iklim Pasien
PasienID
Laporan dapat dilihat berdasarkan pasien
NOMR Nama Pasien Umur Diagnosa
DiagnosaID
Laporan dapat dilihat berdasarkan diagnosa
Kd_Dignosa Nama Diagnosa Obat
ObatID
Laporan dapat dilihat berdasarkan obat
Kd_Obat Nama Obat Dokter
DokterID
Laporan dapat dilihat berdasarkan dokter
Kd_Dokter Nama_Dokter Alat Kesehatan AlkesID Kd_Alkes
Laporan dapat dilihat berdasarkan alat kesehatan
Nama Alkes Kegiatan
KegiatanID
Laporan dapat dilihat berdasarkan kegiatan
Nama Kegiatan Tindakan
TindakanID Kd_Tindakan Nama Tindakan
Laporan dapat dilihat berdasarkan tindakan
112 Spesialis
SpesialisID
Laporan dapat dilihat berdasarkan spesialis
Kd_Spesialis Nama Spesialis Kompetitor
KompetitorID
Laporan
Nama Kompetitor
kompetitor
dapat
Alamat Kompetitor
Berikut ini adalah penjelasan lebih lanjut dari dimensi diatas : •
Dimensi waktu Tabel 4.5 Dimensi Waktu Attributee
Tipe Data
Panjang
WaktuID
Int
4
ID_Waktu
Varchar
10
Bulan
Varchar
10
Tahun
Int
4
Kuarter
Int
4
Semester
Int
4
Iklim
Varchar
4
dilihat
berdasarkan
113 •
Dimensi pasien Tabel 4.6 Dimensi Pasien
•
Attributee
Tipe Data
Panjang
PasienID
Int
4
NOMR
Varchar
6
Nama_Pasien
Varchar
50
Umur
Int
4
Dimensi diagnosa Tabel 4.7 Dimensi Diagnosa Attributee
Tipe Data
Panjang
DiagnosaID
Int
4
Kd_Diagnosa
Varchar
7
Nama_Diagnosa Varchar
•
150
Dimensi obat Tabel 4.8 Dimensi Obat Attributee
Tipe Data
Panjang
ObatID
Int
4
Kd_Obat
Varchar
11
Nama_Obat
Varchar
150
114 •
Dimensi dokter Tabel 4.9 Dimensi Dokter
•
Attributee
Tipe Data
Panjang
DokterID
Int
4
Kd_Dokter
Varchar
8
Kd_Spesialis
Varchar
3
Nama_Dokter
Varchar
50
Dimensi alat kesehatan Tabel 4.10 Dimensi Alat Kesehatan
•
Attributee
Tipe Data
Panjang
AlkesID
Int
4
Kd_Alkes
Varchar
6
Nama_Alkes
Varchar
150
Dimensi Kompetitor Tabel 4.10 Dimensi Kompetitor Attributee
Tipe Data
Panjang
KompetitorID
Int
4
Nama_Kompetitor
Varchar
50
Alamat_Kompetitor Varchar
100
115 •
Dimensi kegiatan Tabel 4.11 Dimensi Kegiatan
•
Attributee
Tipe Data
Panjang
KegiatanID
Int
4
Kd_Kegiatan
Varchar
6
Nama_Kegiatan
Varchar
150
Dimensi tindakan Tabel 4.12 Dimensi Tindakan
•
Attributee
Tipe Data
Panjang
TindakanID
Int
4
Kd_Tindakan
Char
5
Nama_Tindakan
Varchar
150
Dimensi spesialis Tabel 4.13 Dimensi Spesialis Attributee
Tipe Data
Panjang
SpesialisID
Int
4
Kd_Spesialis
Varchar
3
Deskripsi
Varchar
300
116 4.2.7 Pemilihan durasi Database(Choosing the duration of the Database) Durasi dari data Pelayanan Kesehatan Sint Carolus yang dimasukkan ke dalam data warehouse sebagai berikut:
Tabel 4.14 Durasi Database
Nama Aplikasi
Database
Database ada tahun
Aplikasi
DWH OLTP PKSC
1998
Data yang Data
sejak masuk
ke dalam
Data
Data
Warehouse
Warehouse
2005-2010
5 tahun
PKSC
4.2.8 Melacak Perubahan Dimensi Secara Perlahan (Deciding the query priorities and the query modes) Terdapat tiga perubahan dasar pada dimensi yaitu : •
Tipe 1 : Ketika terjadi perubahan attribute dalam dimensi maka akan ditulis ulang atau diganti.
•
Tipe 2 : Ketika terjadi perubahan attribute dalam dimensi maka menyebabkan dibentuknya record baru dalam dimensi.
•
Tipe 3 : Ketika terjadi perubahan attribute dalam dimensi maka menyebabkan dibentuknya attribute alternatif sehingga attribute yang lama dan yang baru tetap dapat diakses pada dimensi yang sama.
117 Namun dalam Perancangan data warehouse pada Pelayanan Kesehatan Sint Carolus, perubahan attribute pada dimensi mengakibatkan dibentuknya record baru dalam dimensi sehingga attribute yang berubah tetap bertambah dalam data warehouse. Melihat dari kebutuhan Pelayanan Kesehatan Sint Carolus ke depannya, maka penambahan dimensi disebabkan karena bertambahnya kebutuhan akan informasi rawat inap, farmasi dan laboratorium dari data operasional yang ada, sehingga sewaktu-waktu dibutuhkan infomasi tambahan maka dimensi baru akan ditambahkan ke dalam star schema.
4.2.9 Penentuan prioritas query dan model query (Deciding the query priorities and the query modes). 4.2.9.1 Extract, Transform, Load(ETL) Proses ETL pada Pelayanan Kesehatan Sint Carolus dilakukan oleh bagian divisi Teknologi Informasi. Dari semua proses ETL yang dilakukan terdapat beberapa tahap yang secara umum digunakan untuk melakukan proses pengubahan data dari data awal menjadi sebuah data yang siap diolah untuk proses analisis. Tahapan tersebut setdaknya melibatkan satu komponen yang sudah disediakan dalam tools ETL ini, adapun komponen - komponen yang dilibatkan dalam proses ETL ini adalah : • Source Komponen source adalah sebuah komponen yang digunakan untuk memilih dan menampung sumber data dari semua proses ETL yang
118 akan dilaksanakan dan komponen ini terdiri dari berbagai jenis komponen yang disesuaikan dengan jenis sumber data yang akan digunakan dalam proses ETL. Cara penggunaan dari komponen source adalah sebagai berikut : o
Menentukan Sumber Data
Gambar 4.2 Pemilihan Sumber Data Pada Komponen Source Pada tahap ini akan dilakukan pemilihan terhadap sumber data yang akan digunakan dalam proses ETL. Sumber data dapat langsung ditemukan dengan cara melakukan pemilihan terhadap Connection manager yang sudah disediakan sebelumnya secara default, ketika Connection manager sudah dipilih maka hal berikutnya adalah dengan memilih tabel atau view yang berkaitan dengan Connection manager tersebut.
119
Gambar 4.3 Dialog Configure Connection Manager Jika menginginkan sebuah Connection manager yang baru maka dapat dilakukan dengan cara menekan tombol new yang akan menampilkan dialog configure Connection manager, pada dialog ini akan menampilkan beberapa data Connection yang sudah pernah dibuat sebelumnya pada group box bagian kiri dan penjelasan singkat dari setiap data Connection pada group box bagian kanan.
120
Gambar 4.4 Pembuatan Sebuah ConnectionManager Baru Jika menginginkan sebuah data Connection baru maka dapat menekan tombol new dan akan menampilkan sebuah dialog Connection manager. Pada dialog ini terdapat beberapa pilihan tentang rincian asal dari sumber data yang akan digunakan misalnya dari provider DBMS yang digunakan seperti SQL Server maupun oracle, nama dari server asal sumber data tersebut dan nama tabel dari asal sumber data tersebut.
121 o
Melihat Struktur Tabel Asal
Gambar 4.5 Struktur Tabel Asal Setelah mendapatkan sumber data yang diinginkan maka susunan kolom dari tabel tersebut dapat dilihat pada tab columns yang berada pada sebelah kiri.
• Derived Columns Komponen derived columns adalah salah satu dari komponen yang digunakan untuk melakukan pengubahan pada data menjadi sebuah bentuk yang sama dan konsisten sehingga siap untuk diolah dalam proses analisis. Cara kerja dari derived columns adalah dengan melakukan pelacakan dan pencarian setiap baris pada kolom yang sudah ditentukan untuk mengalami proses pengubahan data dan akan mengganti setiap data yang berada pada baris tersebut sesuai dengan kriteria yang sudah ditentukan sebelumnya. Cara penggunaan
122 komponen derived columns adalah dengan cara menentukan kolom yang akan menerima proses pengubahan dan menuliskan sintaks perubahan pada kolom expression yang disediakan pada tabel derived columns. o
Melakukan pengubahan pada kolom nama pasien
Gambar 4.6 Dialog Derived Columns
• Sort Komponen sort adalah salah satu dari komponen yang digunakan untuk melakukan pengurutan data dari kolom yang dipilih sebagai dasar dari pengurutan data, pengurutan data dapat dilakukan baik secara descending maupun ascending. Selain melakukan pengurutan data, komponen sort juga dapat digunakan untuk melakukan pencarian, pelacakan dan penghapusan terhadap duplikasi data.
123 o
Melakukan Pengurutan Data Pengurutan data dapat dilakukan dengan cara memilih kolom pada tabel yang akan digunakan sebagai dasar dari pengurutan data, setelah memilih kolom maka kolom tersebut akan muncul pada tabel rincian yang terletak di bawah dan pada tabel ini terdapat beberapa pilihan misalnya untuk melakukan jenis pengurutan yang akan digunakan misalnya ascending atau descending dan hasil dari pengurutan kolom tersebut dibedakan menjadi 2 jenis, yaitu melakukan pergantian pada kolom asal (replace) atau membuat sebuah kolom baru.
Gambar 4.7 Dialog Sort Transformation Order
124 o
Melakukan Penghapusan Duplikasi Data Penghapusan duplikasi data dapat dilakukan dengan melakukan penandaan checklist pada checkbox yang terdapat pada pojok kiri bawah dialog sort transformation order ini. Proses pencarian, pelacakan dan penghapusan duplikasi data ini dilakukan dengan berdasarkan pada kolom tabel yang akan digunakan sebagai dasar dari penghapusan duplikasi data.
Gambar 4.8 Dialog Sort Transformation Order
• Aggregation Komponen aggregation adalah sebuah komponen yang digunakan untuk
melakukan
tindakan
pengelompokkan
(group
by)
dan
menghitung beberapa perhitungan seperti total (sum), mencari nilai maksimal (max), mencari nilai minimal (min), mencari nilai rata – rata (average) maupun menghitung jumlah baris (count). Selain fungsi
125 tersebut, komponen aggregation juga memiliki fungsi untuk melakukan pemilihan terhadap attribute yang akan dimasukkan pada tabel dimensi.
Gambar 4.9 Dialog Aggregation Transformation Order
• Lookup Komponen lookup adalah sebuah komponen dalam melakukan proses ETL dimana dalam komponen ini akan melakukan proses pencarian, pelacakan dari setiap baris yang ada pada sumber data lalu melakukan pemetaan dan pemasangan pada baris yang sama yang ada pada tabel dimensi setelah melakukan pemetaan maka akan melakukan validasi antara data yang ada pada sumber data dengan data yang ada pada tabel dimensi lalu membuat data yang berada pada sumber data yang sebelumnya sudah ada pada tabel dimensi (existing data)
tidak
kembali masuk pada tabel dimensi dan membuat data baru yang
126 berasal dari sumber data masuk ke dalam tabel dimensi. Cara penggunaan dari komponen lookup dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah sebagai berikut: o
Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi pelanggan dan memiliki tahapan – tahapan yang sama dengan cara mencari dan memilih sumber data yang ada pada komponen source.
o
Melakukan Pemetaan (mapping) Pemetaan (mapping) dilakukan antara sumber data dengan tabel dimensi dengan cara memilih kolom yang berada pada sumber data dan menarik hubungan antara tabel sumber data menuju tabel dimensi, kolom yang dipilih ini nantinya juga akan menjadi dasar dari proses validasi pemisahan antara data yang akan masuk ke dalam tabel dimensi pelanggan dan data yang tidak akan masuk ke dalam tabel dimensi pelanggan.
• Destination Komponen destination adalah sebuah komponen yang digunakan untuk memilih dan mencari tabel dimensi sebagai tabel yang digunakan untuk menampung hasil dari semua proses ETL yang telah dilakukan pada komponen – komponen ETL sebelumnya. Cara penggunaan dan cara kerja dari komponen destination sama dengan cara penggunaan dan cara kerja dari komponen source, perbedaannya
127 hanya terletak pada fungsi nya, jika pada komponen source fungsinya adalah mencari dan menemukan sumber data sebagai bahan dalam melakukan proses ETL sedangkan komponen destination memiliki fungsi untuk memilih dan mencari tabel dimensi untuk menampung semua hasil dari proses ETL.
1.
Pasien • Struktur ETL
Gambar 4.10 Struktur ETL Dimensi Pasien
128 • Proses ETL selesai
Gambar 4.11 Proses ETL Dimensi Pasien
• Penjelasan Proses ETL Dimensi Pasien Pada proses ETL tabel pasien menjadi sebuah dimensi pasien melibatkan enam komponen dalam ETL tools yaitu source, derived columns, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi pasien ini adalah sebagai berikut : o Source
Menentukan Sumber Data Sumber data yang digunakan dalam ETL dimensi pasien ini adalah tabel OLTP pasien.
o Derived Columns
Melakukan pengubahan pada kolom nama pasien Pada kolom nama pasien terdapat sebutan (TN) yang berarti “tuan”, (NY) yang berarti “nyonya” dan
129 (BAYI) atau (BY) yang berarti “bayi” dan selanjutnya adalah membuat format yang sama bagi nama pasien yang mengandung nama “Mohh.”, ”Muhammad” menggunakan
menjadi derived
“Muh.”. columns
maka
Dengan proses
perbaikan pada kolom nama pasien dapat dilakukan dengan cara menuliskan sintaks yang berada pada kolom expression. Adapun sintaks yang digunakan untuk memperbaiki kolom nama pelanggan adalah sebagai berikut : REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (Nama_Pasien,"(BAYI)",""),"(JANDA)",""),"(JD)"," "),"TN",""),"NY",""),"NN",""),"[BAYI]",""),"Muha mmad","Muh."),"Moh.","Muh."),"M.","Muh."),"(SU STER)","") . Berikut ini adalah hasil pengubahan derived columns. Sebelum mengalami pengubahan adalah sebagai berikut :
130 Tabel 4.15 Tabel Sebelum Pengubahan Derived Columns Mariya Goreti Suyanti [Bayi] R. Al. Soedihadi (TN) Muhammad Rizky Dhylan Dan setelah mengalami proses pengubahan dari derived columns adalah : Tabel 4.16 Tabel Setelah Pengubahan Derived Columns Mariya Goreti Suyanti R. Al. Soedihadi Muh. Rizky Dhylan o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah sebagai berikut :
Melakukan Pengurutan Data Pada proses ETL dimensi pasien ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah NOMR.
131
Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi pasien ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah NOMR.
o Aggregate Pada proses ETL dimensi pasien ini, attribute dari tabel asal yaitu tabel pasien yang akan dimasukkan kedalam dimensi pasien adalah NOMR dan nama_pasien. o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah sebagai berikut:
Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi pelanggan
Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom NOMR yang berada sumber data tabel pelanggan dengan kolom NOMR yang berada pada dimensi pelanggan sehingga NOMR yang sama tidak akan kembali masuk pada dimensi pelanggan.
132 o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi pasien yang sudah dibuat sebelumnya.
2.
Obat • Struktur ETL
Gambar 4.12 Struktur ETL Dimensi Obat
•
Proses ETL selesai
Gambar 4.13 Proses ETL Dimensi Obat
133 •
Penjelasan Proses ETL Dimensi Obat Pada proses ETL tabel obat menjadi sebuah dimensi obat melibatkan lima komponen dalam ETL tools yaitu source, derived columns, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi obat ini adalah sebagai berikut : o
Source Cara penggunaan dari komponen source dalam proses ETL tabel obat menjadi sebuah dimensi obat adalah sebagai berikut
Menentukan Sumber Data Pada proses ETL dimensi obat ini maka tabel yang akan dipilih sebagai sumber data adalah Obat.
o
Sort Cara penggunaan dari komponen sort dalam proses ETL tabel obat menjadi sebuah dimensi obat adalah sebagai berikut :
Melakukan Pengurutan Data Pada proses ETL dimensi obat ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah Kd_Obat.
Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi obat ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah KD_Obat.
134 o
Aggregate Pada proses ETL dimensi obat ini, attribute dari tabel asal yaitu tabel obat yang akan dimasukkan kedalam dimensi obat adalah Kd_Obat, Nama_Obat.
o
Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel obat menjadi sebuah dimensi obat adalah sebagai berikut:
Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi obat .
Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom KD_Obat yang berada sumber data tabel obat dengan kolom Kd_Obat yang berada pada dimensi obat sehingga Kd_Obat yang sama tidak akan kembali masuk pada dimensi obat.
o
Destination Cara penggunaan dari komponen destination dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi pasien yang sudah dibuat sebelumnya.
135 3.
Tindakan • Struktur ETL
Gambar 4.14 Struktur ETL Dimensi Tindakan
•
Proses ETL selesai
Gambar 4.15 Proses ETL Dimensi Tindakan
•
Penjelasan Proses ETL Dimensi Tindakan Pada proses ETL tabel tindakan menjadi sebuah dimensi tindakan melibatkan lima komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi Tindakan ini adalah sebagai berikut :
136 o Source Cara penggunaan dari komponen source dalam proses ETL tabel tindakan menjadi sebuah dimensi tindakan adalah sebagai berikut :
Menentukan Sumber Data Pada proses ETL dimensi tindakan ini maka tabel yang akan dipilih sebagai sumber data adalah tindakan.
o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel tindakan menjadi sebuah dimensi tindakan adalah sebagai berikut :
Melakukan Pengurutan Data Pada proses ETL dimensi tindakan ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah Kd_Tindakan.
Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi tindakan ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_Tindakan.
o Aggregate Pada proses ETL dimensi tindakan ini, attribute dari tabel asal yaitu tabel tindakan yang akan dimasukkan kedalam dimensi tindakan adalah Kd_Tindakan dan NmTnd.
137 o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel tindakan menjadi sebuah dimensi tindakan adalah sebagai berikut:
Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi tindakan.
Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom Kd_Tindakan yang berada sumber data tabel tindakan dengan kolom Kd_tindakan yang berada pada dimensi tindakan sehingga Kd_tindakan yang sama tidak akan kembali masuk pada dimensi tindakan.
o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel tindakan menjadi sebuah dimensi tindakan adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi tindakan yang sudah dibuat sebelumnya.
138 4.
Diagnosa • Struktur ETL
Gambar 4.16 Struktur ETL Dimensi Diagnosa
• Proses ETL selesai
Gambar 4.17 Proses ETL Dimensi Diagnosa
•
Penjelasan Proses ETL Dimensi Diagnosa Pada proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa melibatkan lima komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi diagnosa ini adalah sebagai berikut :
139 o Source Cara penggunaan dari komponen source dalam proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa adalah sebagai berikut :
Menentukan Sumber Data Pada proses ETL dimensi diagnosa ini maka tabel yang akan dipilih sebagai sumber data adalah diagnosa.
o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa adalah sebagai berikut :
Melakukan Pengurutan Data Pada proses ETL dimensi diagnosa ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah Kd_Diagnosa.
Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi diagnosa ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_diagnosa.
o Aggregate Pada proses ETL dimensi diagnosa ini, attribute dari tabel asal yaitu tabel diagnosa yang akan dimasukkan kedalam dimensi tindakan adalah Kd_diangosa dan Nama_Diagnosa.
140 o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa adalah sebagai berikut:
Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi diagnosa.
Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom Kd_Diagnosa yang berada sumber data tabel diagnosa dengan kolom KD_Diagnosa yang berada pada dimensi diagnosa sehingga Kd_diagnosa yang sama tidak akan kembali masuk pada dimensi diagnosa.
o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi diagnosa yang sudah dibuat sebelumnya.
141 5. Alat Kesehatan • Struktur ETL
Gambar 4.18 Struktur ETL Dimensi Alat Kesehatan
• Proses ETL selesai
Gambar 4.19 Proses ETL Dimensi Alat Kesehatan
•
Penjelasan Proses ETL Dimensi Alat Kesehatan Pada proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan melibatkan lima komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun
142 penjelasan dari proses ETL dimensi alat kesehatan ini adalah sebagai berikut : o Source Cara penggunaan dari komponen source dalam proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan adalah sebagai berikut :
Menentukan Sumber Data Pada proses ETL dimensi alat kesehatan ini maka tabel yang akan dipilih sebagai sumber data adalah alat kesehatan.
o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan adalah sebagai berikut :
Melakukan Pengurutan Data Pada proses ETL dimensi alat kesehatan ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah Kd_Alkes.
Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi alat kesehatan ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_Alkes.
143 o Aggregate Pada proses ETL dimensi alat kesehatan ini, attribute dari tabel asal yaitu tabel diagnosa yang akan dimasukkan kedalam
dimensi
tindakan
adalah
Kd_alkes
dan
Nama_alkes. o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan adalah sebagai berikut:
Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi alat kesehatan.
Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom Kd_alkes yang berada sumber data tabel alat kesehatan dengan kolom Kd_alkes yang berada pada dimensi alat kesehatan sehingga Kd_alkes yang sama tidak akan kembali masuk pada dimensi alat kesehatan.
o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi alat kesehatan yang sudah dibuat sebelumnya.
144 6.
Spesialis • Struktur ETL
Gambar 4.20 Struktur ETL Dimensi Spesialis
• Proses ETL selesai
Gambar 4.21 Proses ETL Dimensi Spesialis
145 •
Penjelasan Proses ETL Dimensi Spesialis Pada proses ETL tabel spesialis menjadi sebuah dimensi spesialis melibatkan lima komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi diagnosa ini adalah sebagai berikut : o Source Cara penggunaan dari komponen source dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah sebagai berikut :
Menentukan Sumber Data Pada proses ETL dimensi spesialis ini maka tabel yang akan dipilih sebagai sumber data adalah spesialis.
o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah sebagai berikut :
Melakukan Pengurutan Data Pada proses ETL dimensi spesialis ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah kd_spesialis.
146
Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi spesialis ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah kd_spesialis.
o Aggregate Cara penggunaan dari komponen aggregation dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah dengan cara memilih attribute yang sudah disediakan dari tabel spesialis dan disesuaikan dengan tingkat rincian yang ada pada tabel dimensi spesialis. Pada proses ETL dimensi spesialis ini, attribute dari tabel asal yaitu tabel spesialis yang akan dimasukkan kedalam dimensi spesialis adalah Kd_ spesialis dan Nama_ spesialis. o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah sebagai berikut:
Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi spesialis.
Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom kd_spesialis yang berada sumber data tabel spesialis dengan kolom kd_spesialis yang berada pada dimensi
147 spesialis sehingga kd_spesialis yang sama tidak akan kembali masuk pada dimensi spesialis. o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi spesialis yang sudah dibuat sebelumnya.
7.
Dokter • Struktur ETL
Gambar 4.22 Struktur ETL Dimensi Dokter
• Proses ETL selesai
Gambar 4.23 Proses ETL Dimensi Dokter
148 • Penjelasan Proses ETL Dokter Pada proses ETL tabel dokter menjadi sebuah dimensi dokter melibatkan empat komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi dokter ini adalah sebagai berikut : o Source Cara penggunaan dari komponen source dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah sebagai berikut :
Menentukan Sumber Data Pada proses ETL dimensi dokter ini maka tabel yang akan dipilih sebagai sumber data adalah dokter.
o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah sebagai berikut :
Melakukan Pengurutan Data Pada proses ETL dimensi dokter ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah kd_dokter.
Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi dokter ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_ dokter.
149 o Aggregate Cara penggunaan dari komponen aggregation dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah dengan cara memilih attribute yang sudah disediakan dari tabel dokter dan disesuaikan dengan tingkat rincian yang ada pada tabel dimensi dokter. Pada proses ETL dimensi dokter ini, attribute dari tabel asal yaitu tabel dokter yang akan dimasukkan kedalam dimensi dokter adalah Kd_ dokter dan Nama_ dokter. o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah sebagai berikut:
Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi dokter.
Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom kd_dokter yang berada sumber data tabel dokter dengan kolom kd_dokter yang berada pada dimensi dokter sehingga kd_dokter yang sama tidak akan kembali masuk pada dimensi dokter.
150 o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi dokter yang sudah dibuat sebelumnya.
8.
Kegiatan • Struktur ETL
Gambar 4.24 Struktur ETL Dimensi Kegiatan
151 • Proses ETL selesai
Gambar 4.25 Proses ETL Dimensi Kegiatan
•
Penjelasan Proses ETL Kegiatan Pada proses ETL tabel dokter menjadi sebuah dimensi kegiatan melibatkan empat komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi kegiatan ini adalah sebagai berikut : o Source Cara penggunaan dari komponen source dalam proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah sebagai berikut :
Menentukan Sumber Data Pada proses ETL dimensi kegiatan ini maka tabel yang akan dipilih sebagai sumber data adalah kegiatan.
152 o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah sebagai berikut :
Melakukan Pengurutan Data Pada proses ETL dimensi kegiatan ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah kd_kegiatan.
Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi kegiatan ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_ kegiatan.
o Aggregate Cara penggunaan dari komponen aggregation dalam proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah dengan cara memilih attribute yang sudah disediakan dari tabel kegiatan dan disesuaikan dengan tingkat rincian yang ada pada tabel dimensi kegiatan. Pada proses ETL dimensi kegiatan ini, attribute dari tabel asal yaitu tabel kegiatan yang akan dimasukkan kedalam dimensi kegiatan adalah Kd_ kegiatan dan Nama_ kegiatan. o Lookup Komponen
lookup
adalah
sebuah
komponen
dalam
melakukan Cara penggunaan dari komponen lookup dalam
153 proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah sebagai berikut:
Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi kegiatan .
Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom kd_kegiatan yang berada sumber data tabel kegiatan dengan kolom kd_kegiatan yang berada pada dimensi kegiatan sehingga kd_kegiatan yang sama tidak akan kembali masuk pada dimensi kegiatan.
o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi kegiatan yang sudah dibuat sebelumnya.
4.2.9.2 Proses Backup Proses backup terhadap data warehouse akan dilakukan dalam jangka waktu satu bulan, secara otomatis oleh sistem melalui proses ETL(Extract, Transform dan Load).
154 4.2.9.3 Security Security merupakan hal yang penting terutama dalam menjaga kerahasiaan data dalam suatu perusahaan, dengan melakukan security terhadap data tersebut dimana hak akses yang hanya diberikan terbatas hanya kepada pihak-pihak berkepentingan. Untuk membatasi hak akses tersebut maka dilakukan penggunaan password saat melakukan login terhadap sistem tersebut. Pihak-pihak yang dapat mengakses aplikasi data warehouse pada Pelayanan Kesehatan Sint Carolus hanya diberikan kepada pihak direksi, manager Rawat Inap, manager Farmasi, manager Laboratorium dan manager Sistem Informasi Rumah Sakit(SIRS). Manager Sistem Informasi Rumah Sakit berperan selain sebagai pihak yang dapat mengakses aplikasi data warehouse, juga dapat menentukan pihak yang diberi hak akses untuk menggunakan aplikasi Extract, Transform dan Load. Tabel 4.17 Peran User Role
Read
Update
Insert
Delete
X
X
User Pihak Direksi
X
X
Manager SIRS
X
X
Manager Rawat Inap
X
X
155 Manager Farmasi
X
X
Manager Laboratorium
X
X
4.2.9.4 Analisis Kapasitas Media Penyimpanan Untuk mengetahui tentang jumlah kapasitas yang diperlukan dalam melakukan penyimpanan data, maka dibutuhkan suatu analisis terhadap media penyimpanannya
1.
Num_Rows = Jumlah baris dalam tabel
2.
Num_Cols = Jumlah kolom dalam tabel
3.
Fixed_Data_Size = Total ukuran byte dalam tabel
4.
Null_Bitmap = 2 + ((Num_Cols + 7) / 8)
5.
Row_Size
=
Fixed_Data_Size
+
Variable_Data_Size
+
Null_Bitmap + 4 6.
Rows_Per_Page = 8096 / (Row_Size + 2).
7.
Free_Rows_Per_Page = 8096 x ((100 - Fill_Factor) / 100) / (Row_Size + 2)
8.
Num_Leaf_Pages=Num_Rows/(Rows_Per_PageFree_Rows_Per_Page)
9.
Leaf_space_used = 8192 x Num_Leaf_Pages
156 •
Fakta Rawat Inap Asumsi : Jumlah fakta rawat inap dalam 1 bulan sekitar 21000 record, sehingga jumlah record untuk satu tahun adalah Satu tahun = 21000 x 12 = 252000 Maka perkiraan jumlah record dalam 5 tahun kedepan adalah Lima tahun = 252000 x 5 = 1260000 Jumlah record Fakta RWI pada tahun ke-5 = 1260000 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Tabel 4.18 Fakta Rawat Inap
Attribute
Tipe Data
Panjang
PasienID
Int
4
DokterID
Int
4
DiagnosaID
Int
4
TindakanID
Int
4
ObatID
Int
4
AlkesID
Int
4
KegiatanID
Int
4
KompetitorID
Int
4
1.
Nums_Rows = 252000
2.
Nums_Cols = 9
157 3.
Fixed_Data_Size = 4 + 4+ 4 + 4 + 4 + 4 + 4 + 4 +4 =36 bytes
4.
Null_Bitmap =2 + ((9+ 7) / 8) = 4
5.
Rows_Size = 36 + 4 + 4 = 44 bytes
6.
Rows_Per_Page =8096 / (44+ 2) = 176 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 50) / 100) / (44+ 2) = 8096 x (50/100)/(46) = 88pages
•
8.
Num_Leaf_Pages = 252000 / (176 - 88) = 2864 pages
9.
Leaf_space_used = 8192 x 2864=23461888 bytes
Fakta Farmasi Asumsi : Jumlah fakta rawat inap dalam 1 bulan sekitar 25000 record, sehingga jumlah record untuk satu tahun adalah Satu tahun = 25000 x 12 = 300000 Maka perkiraan jumlah record dalam 5 tahun kedepan adalah Lima tahun = 300000 x 5 = 1500000 Jumlah record Fakta RWI pada tahun ke-5 = 1500000 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Tabel 4.19 Fakta Farmasi
Attribute
Tipe Data
Panjang
PasienID
Int
4
158 DokterID
Int
4
DiagnosaID
Int
4
SpesialisID
Int
4
ObatID
Int
4
AlkesID
Int
4
TimeID
Int
4
KompetitorID
Int
4
1.
Nums_Rows =300000
2.
Nums_Cols = 8
3.
Fixed_Data_Size = 4 + 4 +4 + 4 +4 +4 +4 +4= 32
4.
Null_Bitmap = 2 + (8+ 7) / 8) = 4
5.
Rows_Size = 32+ 4 + 4 = 40 bytes
6.
Rows_Per_Page = 8096 / (40+ 2) = 193 pages
7.
Free_Rows_Per_Page =8096 x ((100 - 50) / 100) / (40+ 2) = 8096 x (50/100)/(42) =96 pages
8.
Num_Leaf_Pages =300000 / (193- 96) = 3093 pages
9.
Leaf_space_used = 8192 x 3093 = 25337856 bytes
159 •
Fakta Laboratorium Asumsi : Jumlah fakta rawat inap dalam 1 bulan sekitar 5000 record, sehingga jumlah record untuk satu tahun adalah Satu tahun = 5000 x 12 = 60000 Maka perkiraan jumlah record dalam 5 tahun kedepan adalah Lima tahun = 60000 x 5 = 300000 Jumlah record Fakta RWI pada tahun ke-5 = 300000 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Tabel 4.20 Fakta Laboratorium
Attributee
Tipe Data
Panjang
PasienID
Int
4
KegiatanID
Int
4
DiagnosaID
Int
4
TimeID
Int
4
KompetitorID
Int
4
1.
Nums_Rows = 60000
2.
Nums_Cols = 5
3.
Fixed_Data_Size = 4 + 4 + 4 + 4+4 = 20
4.
Null_Bitmap = 2 + ((5 + 7) / 8) = 4
5.
Rows_Size = 20+ 4 + 4 = 28 bytes
160 6.
Rows_Per_Page = 8096 / (28+ 2) =270 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 50) / 100) / (28 + 2) = 8096 x (50/100)/(30) = 135 pages
8.
Num_Leaf_Pages = 60000/ (270 - 135) = 444 pages
9.
Leaf_space_used = 8192 x 444 = 3637248 bytes
•
Dimensi waktu Tabel 4.21 Dimensi Waktu Attributee
Tipe Data
Panjang
WaktuID
Int
4
ID_Waktu
Varchar
10
Bulan
Varchar
10
Tahun
Int
4
Kuarter
Int
4
Semester
Int
4
Iklim
Int
4
1.
Num_Rows =1000
2.
Num_Cols = 7
3.
Fixed_Data_Size = 4 +10+10+ 4 +4 +4 + 4= 40 bytes
4.
Null_Bitmap = 2 + ((7+ 7) / 8) = 4
5.
Row_Size = 40 + 4 + 4 = 48bytes
6.
Rows_Per_Page = 8096 / (48 + 2) = 162 pages
161 7.
Free_Rows_Per_Page = 8096 x ((100 - 50) / 100) / (48 + 2) = 8096 x (50/100)/(50) = 81 pages
8.
Num_Leaf_Pages = 1000 / (162 - 81) = 13 pages
9.
Leaf_space_used = 8192 x 13 = 106496 bytes
•
Dimensi pasien Tabel 4.22 Dimensi Pasien Attributee
Tipe Data
Panjang
PasienID
Int
4
NOMR
Varchar
6
Nama_Pasien
Varchar
50
Umur
Int
4
1.
Num_Rows =700
2.
Num_Cols = 4
3.
Fixed_Data_Size = 4 + 6 + 50 + 4= 64 bytes
4.
Null_Bitmap = 2 + ((4 + 7) / 8) = 4
5.
Row_Size = 64 + 4 + 4 = 72 bytes
6.
Rows_Per_Page = 8096 / (72 + 2) = 109 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 50) / 100) / (72 + 2) = 8096 x (50/100)/ (74) = 55 pages
162 8.
Num_Leaf_Pages = 700 / (109 - 55) =13 pages
9.
Leaf_space_used = 8192 x 13 = 106496 bytes
•
Dimensi diagnosa Tabel 4.23 Dimensi Diagnosa Attributee
Tipe Data
Panjang
DiagnosaID
Int
4
Kd_Diagnosa
Varchar
7
Nama_Diagnosa Varchar
150
1.
Num_Rows = 2500
2.
Num_Cols = 3
3.
Fixed_Data_Size = 4+7+150 = 161 bytes
4.
Null_Bitmap = 2 + ((3+ 7) / 8) = 4
5.
Row_Size = 161 + 4 + 4 = 169 bytes
6.
Rows_Per_Page = 8096 / (169 + 2) = 48 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 30) / 100) / (169+ 2) = 8096 x (70/100)/(171) = 33 pages
8.
Num_Leaf_Pages = 2500 / (48 - 33) = 167 pages
9.
Leaf_space_used = 8192 x 167= 1368064 bytes
163 •
Dimensi obat Tabel 4.24 Dimensi Obat Attributee
Tipe Data
Panjang
ObatID
Int
4
Kd_Obat
Varchar
11
Nama_Obat
Varchar
150
1.
Num_Rows = 1500
2.
Num_Cols = 5
3.
Fixed_Data_Size = 4+11+150 =165 bytes
4.
Null_Bitmap = 2 + ((5 + 7) / 8) = 4
5.
Row_Size = 165 + 4 + 4 = 173
6.
Rows_Per_Page = 8096/ (173+2) =47 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 30) / 100) / (173 + 2) = 8096 x (70/100) / (175) = 32 pages
•
8.
Num_Leaf_Pages = 1500 / (47 - 32) = 100 pages
9.
Leaf_space_used = 8192 x 100 = 819200 bytes
Dimensi dokter Tabel 4.25 Dimensi Dokter Attributee
Tipe Data
Panjang
DokterID
Int
4
164 Kd_Dokter
Varchar
8
Kd_Spesialis
Varchar
3
Nama_Dokter
Varchar
50
1.
Num_Rows = 100
2.
Num_Cols = 4
3.
Fixed_Data_Size = 4+8+3+50 =65 bytes
4.
Null_Bitmap = 2 + ((4 + 7) / 8) = 4
5.
Row_Size = 65 + 4 + 4 = 73 bytes
6.
Rows_Per_Page = 8096 /(73+2) = 107 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 20) / 100)/ (73 + 2) = 8096 x (80/100) / (75) = 86 pages
•
8.
Num_Leaf_Pages = 100 / (86- 73) = 8 pages
9.
Leaf_space_used = 8192 x 8 = 65536 bytes
Dimensi alat kesehatan Tabel 4.26 Dimensi Alat Kesehatan Attributee
Tipe Data
Panjang
AlkesID
Int
4
Kd_Alkes
Varchar
6
Nama_Alkes
Varchar
150
165 1.
Num_Rows =300
2.
Num_Cols = 3
3.
Fixed_Data_Size = 4+6+150 =160 bytes
4.
Null_Bitmap = 2 + ((3 + 7) / 8) = 4
5.
Row_Size = 160+ 4 + 4 = 168 bytes
6.
Rows_Per_Page = 8096 / (168+ 2) = 48 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 20) / 100) / (168+ 2) = 8096 x ((80)/100) / (170) = 38 pages
8.
Num_Leaf_Pages = 300 / (48 – 38) = 10 pages
9.
Leaf_space_used = 8192 x 10 = 81920 bytes
•
Dimensi kegiatan Tabel 4.27 Dimensi Kegiatan Attributee
Tipe Data
Panjang
KegiatanID
Int
4
Kd_Kegiatan
Varchar
6
Nama_Kegiatan
Varchar
150
1.
Num_Rows = 500
2.
Num_Cols = 3
3.
Fixed_Data_Size =4+6+150 =160 bytes
4.
Null_Bitmap = 2 + ((3 + 7) / 8) = 4
166 5.
Row_Size = 160 + 4 + 4 = 168 bytes
6.
Rows_Per_Page = 8096 / (168+ 2) = 48 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 50) / 100) / (168 + 2) = 8096 x ((50)/100) / (170) = 24 pages
8.
Num_Leaf_Pages = 500 / (48 - 24) = 21 pages
9.
Leaf_space_used = 8192 x 21 =172032 bytes
•
Dimensi tindakan Tabel 4.28 Dimensi Tindakan Attributee
Tipe Data
Panjang
TindakanID
Int
4
Kd_Tindakan
Char
5
Nama_Tindakan
Varchar
150
1.
Num_Rows = 250
2.
Num_Cols = 3
3.
Fixed_Data_Size = 4+5+150 =159 bytes
4.
Null_Bitmap = 2 + ((3 + 7) / 8) = 4
5.
Row_Size = 159 + 4 + 4 = 167 bytes
6.
Rows_Per_Page = 8096 / (167 + 2) = 48 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 30) / 100) / (167 + 2) = 8096 x ((70)/100) / (169)
167 = 34 pages 8.
Num_Leaf_Pages = 250 / (48 - 34) = 18 pages
9.
Leaf_space_used = 8192 x 18 =145656 bytes
•
Dimensi spesialis Tabel 4.29 Dimensi Spesialis Attributee
Tipe Data
Panjang
SpesialisID
Int
4
Kd_Spesialis
Varchar
3
Deskripsi
Varchar
300
1.
Num_Rows =30
2.
Num_Cols = 3
3.
Fixed_Data_Size = 4+3+300 =307 bytes
4.
Null_Bitmap = 2 + ((3 + 7) / 8) = 4
5.
Row_Size = 307 + 4 + 4 = 315 bytes
6.
Rows_Per_Page = 8096 / (315 + 2) = 26 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 10) / 100) / (315 + 2) = 8096 x ((90)/100) / (317) =23 pages
8.
Num_Leaf_Pages = 250 / (26 - 23) = 83 pages
9.
Leaf_space_used = 8192 x 83 = 679936 bytes
168 •
Dimensi Kompetitor Tabel 4.30 Dimensi Kompetitor Attributee
Tipe Data
Panjang
KompetitorID
Int
4
Nama_Kompetitor
Varchar
50
Alamat_Kompetitor Varchar
100
1. Num_Rows =2 2.
Num_Cols = 3
3.
Fixed_Data_Size = 4+50 +100 =154 bytes
4.
Null_Bitmap = 2 + ((3+ 7) / 8) = 3
5.
Row_Size = 154 + 4 + 3 = 161 bytes
6.
Rows_Per_Page = 8096 / (161+ 2) = 50 pages
7.
Free_Rows_Per_Page = 8096 x ((100 - 10) / 100) / (50 + 2) = 8096 x ((90)/100) / (52) =140 pages
8.
Num_Leaf_Pages = 250 / (140 - 50) = 3 pages
9.
Leaf_space_used = 8192 x 3 =24576 bytes
169 Tabel 4.31 Analisis Kapasitas Media Penyimpanan lima Tahun Mendatang untuk Tabel Fakta Nama Dimensi
Bytes
Jumlah
Jumlah
Current
Record lima yang
Record
tahun
digunakan digunakan
kedepan
satu tahun lima tahun
(record)
(record)
(bytes)
(bytes)
Space
Space yang
Fakta Rawat Inap
36
252000
1260000
23461888
117309440
Fakta Farmasi
28
300000
1500000
25337856
126689280
Fakta Laboratorium
16
60000
300000
3637248
18186240
Tabel 4.32 Analisis Kapasitas Media Penyimpanan lima Tahun Mendatang untuk Tabel Dimensi Nama Dimensi
Bytes
Jumlah
Jumlah
Current
Record lima yang
Record
tahun
digunakan digunakan
kedepan
satu tahun lima
(record)
(bytes)
(record)
Space
Space yang
tahun (bytes)
Dimensi Waktu
20
1000
5000
106496
532480
Dimensi Pasien
60
700
3500
106496
532480
Dimensi Diagnosa
161
2500
12500
1368064
6840320
170 Dimensi Obat
164
1500
7500
819200
8765440
Dimensi Dokter
161
100
500
65536
327680
Dimensi Alat Kesehatan
164
300
1500
81920
409600
Dimensi Pengujian
162
300
1500
195096
975480
Dimensi Kegiatan
160
500
2500
172032
860160
Dimensi Tindakan
159
250
1250
145656
728280
Dimensi Spesialis
157
30
150
679936
3399680
Dimensi Iklim
13
2
50
24576
122880
4.3
Skema Bintang dan Metadata 4.3.1
Skema Bintang Permodelan dimensional (dimensionality
modelling) yang
digunakan pada perancangan data warehouse untuk Pelayanan Kesehatan Sint Carolus adalah star schema atau skema bintang. Pemilihan star schema karena bentuk dari star schema ini memaksimalkan tingkat pengaksesan yang dilakukan dan memudahkan dalam query. Terdapat tiga skema bintang yang diperoleh dari perancangan data warehouse pada Pelayanan Kesehatan Sint Carolus, yaitu sebagai berikut :
171
Gambar 4.26 Skema Bintang Fakta Rawat Inap Gambar diatas menunjukkan skema bintang dari fakta rawat inap dimana pada tabel fakta rawat inap terdapat beberapa attribute yang berhubungan dengan berbagai tabel dimensi. Pada fakta rawat inap dapat melihat berbagai dimensi yaitu : pasien, dokter, diagnosa, tindakan, obat, alkes, kegiatan, kompetitor dan waktu.
172
Gambar 4.27 Skema Bintang Fakta Farmasi Gambar diatas menunjukkan skema bintang dari fakta farmasi dimana pada tabel fakta farmasi terdapat beberapa attribute yang berhubungan dengan berbagai tabel dimensi. Pada fakta farmasi dapat melihat berbagai dimensi yaitu : pasien, dokter, obat, alkes, diagnosa, kompetitor dan waktu.
173
Gambar 4.28 Skema Bintang Fakta Laboratorium Gambar diatas menunjukkan skema bintang dari fakta laboratorium dimana pada tabel fakta laboratorium terdapat beberapa attribute yang berhubungan dengan berbagai tabel dimensi. Pada fakta laboratorium dapat melihat berbagai dimensi yaitu : pasien, diagnosa, kegiatan, kompetitor dan waktu.
174 4.3.2
Metadata
175
176
177
178
179
180
181
182
183 4.4
Rancangan Tatap Muka Aplikasi Data Warehouse 1. Form Login Form login adalah tampilan pertama kali ketika masuk dalam program atau aplikasi. Form login berguna untuk masuk ke dalam menu utama dari aplikasi data warehouse ini. Pada form login terdapat dua hal yang harus diisi, yaitu username dan password. Hak akses dari aplikasi ini hanya diberikan pada pihak direksi, bagian Sistem Informasi Rumah Sakit(SIRS), bagian Farmasi, bagian Laboratorium dan bagian Rawat Inap. Setelah user mengisi username dan password maka user dapat mengklik submit untuk lanjut ke form berikutnya.
Gambar 4.29 Form Login
184 2. Form Warning Login a. Form dibawah ini adalah tampilan ketika username dan password tidak diisi oleh user.
Gambar 4.30 Form Warning Login Filled
b. Form dibawah ini adalah tampilan yang akan muncul pada saat username dan password yang diisi user tidak sesuai.
Gambar 4.31 Form Warning Login Incorrect
185 3. Form Menu Utama Login SIRS (Sistem Informasi Rumah Sakit) Form menu utama adalah tampilan pertama setelah login sebagai user dari SIRS (Sistem Informasi Rumah Sakit). Login sebagai SIRS memungkinkan manager SIRS mengakses aplikasi data warehouse untuk melihat data rawat inap, farmasi dan laboratorium. Pada bagian kiri atas sampai dengan kanan dari form menu ini terdapat 7 icon, dimana icon-icon tersebut berguna untuk logout, exit, menambah user, mengganti password, melihat Form ETL, about us dan help untuk membantu user dalam menggunakan aplikasi.
Gambar 4.32 Form Menu Utama
186 4. Form User Form user adalah form untuk menambah user serta hak akses untuk menggunakan aplikasi data warehouse ini. Hak akses untuk user lainnya akan diberikan atas wewenang dari manager SIRS (Sistem Informasi Rumah Sakit). Terdapat beberapa hal yang perlu diisi dalam penambahan user ini, yaitu username, password, confirm password serta memilih divisi untuk mengetahui user yang bertambah tersebut berasal dari divisi mana. Setelah mengisi data tersebut maka user dapat mengklik “Submit” dan username tersebut akan bertambah. Dalam form user ini, juga dapat melihat user yang memiliki hak akses dengan mengklik “Tab User Setting”.
Gambar 4.33 Form User
187 a. Form dibawah ini adalah tampilan yang muncul ketika username tidak diisi.
Ok
Gambar 4.34 Form Warning Add User Filled
b. Form dibawah ini adalah tampilan pada saat username sudah digunakan oleh user lain.
Gambar 4.35 Form Warning Add User Already Used
188 c. Form dibawah ini adalah tampilan ketika password tidak diisi oleh user.
Gambar 4.36 Form Warning Add User Filled
d. Form dibawah ini adalah tampilan pada saat password dan confirm password tidak sama.
Gambar 4.37 Form Warning Add User Not Match
189 e. Form dibawah ini adalah tampilan pada saat user tidak memilih division.
Gambar 4.38 Form Warning Add User Selected
f. Form dibawah ini adalah tampilan pada saat add user berhasil dilakukan.
Gambar 4.39 Form Warning Add User Insert Success
190 5. Form Tab User Setting Form tab user setting adalah tampilan untuk melihat user yang memiliki hak akses untuk aplikasi data warehouse ini. Pada form ini, manager SIRS dapat melakukan pergantian password atau update data user login dengan mengklik “Submit” atas pergantian data user tersebut dan juga dapat menghilangkan hak akses untuk user dengan mengklik “Delete”. Button reset digunakan untuk mengganti password user menjadi default password “123456”.
Gambar 4.40 Form Tab User Setting
191 a. Form dibawah ini adalah tampilan dari user yang berhasil melakukan update user login-nya.
Gambar 4.41 Form Warning User Setting Update Sucsess
b. Form dibawah ini adalah tampilan meminta konfirmasi untuk melakukan delete user login.
Gambar 4.42 Form Warning User Setting Confirm
192 6. Form Change Password Form change password adalah tampilan untuk mengganti password dimana form ini hanya mengubah password dari user itu sendiri. Pada form ini hanya perlu mengisi data password yang ingin diubah dan confirm password. Setelah itu dapat mengklik “Submit” dan pada saat itu juga password dari user yang bersangkutan akan berubah.
Gambar 4.43 Form Change Password
193 7. Form Warning Change Password a. Form ini adalah tampilan untuk password yang tidak diisi oleh user.
Gambar 4.44 Form Warning Change Password Filled
b. Form ini adalah tampilan pada saat password dan confirm password tidak sama.
Confirm password is not match Ok
Gambar 4.45 Form Warning Change Password Not Match
194 c. Form ini adalah tampilan pada saat confirm password yang dilakukan berhasil.
Gambar 4.46 Form Warning Change Password Update Success
8. Form Extract, Transform, Load (ETL) Form ETL ini adalah tampilan untuk melakukan proses ETL dari data baru yang ingin dimasukkan kedalam data warehouse. Proses ETL ini hanya bisa dilakukan oleh bagian SIRS. Untuk melakukan extract, transform dan load data baru dengan mengklik button “ETL Process” maka data baru tersebut akan melalui proses ETL dan data tersebut akan bertambah dalam data warehouse. Jika proses ETL selesai maka akan muncul “ETL Process Success”.
195
Gambar 4.47 Form ETL
9. Form Menu Utama Login Rawat Inap Form menu utama rawat inap adalah tampilan setelah login sebagai user dari rawat inap. Dan menu utama ini menampilkan star schema dari rawat inap yang merupakan hubungan antara fact table dan dimension table, yang berada tepat di tengah form. Pada form ini user hanya dapat memilih menu rawat inap dengan melakukan mouse enter pada gambar rawat inap sesuai dengan hak akses user tersebut. Pada menu bar form menu ini terdapat lima icon, dimana iconicon tersebut berguna untuk logout, exit, mengganti password,about us dan help.
196
Gambar 4.48 Form Menu Utama Rawat Inap
10. Form Menu Rawat Inap Pada form menu rawat inap terdapat tiga tab, yaitu : a. Pivot Table Rawat Inap Form tab pivot table adalah tampilan utama dari menu rawat inap setelah melakukan mouse enter pada gambar rawat inap pada menu utama sebelumnya. Bagian atas kiri dari pivot table rawat inap terdapat beberapa dimensi dari rawat inap. Untuk menghasilkan grain yang diinginkan, dapat dilakukan dengan menarik dimensi ke tabel sesuai dengan grain dan juga dimensi yang di drag tersebut dapat dilihat datanya baik sebagai baris maupun kolom.
197 Pada bagian samping kanan juga terdapat cara lain untuk memudahkan user dalam menentukan dimensi yang diinginkan sebagai baris ataupun kolom. Cara penempatan dimensi tersebut dilakukan dengan menarik dimensi dari filter area dan meletakkan dimensi tersebut pada column area atau row area. Untuk kotak drag items to pivot table merupakan measurement terhadap data dimensi dimana menentukan pengukuran datanya dari jumlah transaksi sehingga datanya hanya bisa count berdasarkan jumlah transaksi. Untuk print preview dari pivot table dapat dilakukan dengan mengklik “Print Pivot Grid”, untuk memindahkan data pada pivot table dalam bentuk excel dilakukan dengan mengklik “Export to Excel” dan untuk preview chartnya dengan mengklik “Show on Chart”.Button reset digunakan untuk mengembalikan posisi dimensi-dimensi yang ada pada pivot table. Sedangkan untuk print data pivot table dan chartnya dapat dilakukan dengan mengklik “Print Report”. Pada form ini juga dapat melihat chart sesuai dengan yang diinginkan dan dimensi yang diinginkan, dimana pilihannya terdapat pada bagian kiri atas berupa tab.
198
Gambar 4.49 Pivot Table Rawat Inap
b. Chart Form tab chart adalah tampilan utama dari menu rawat inap setelah mengklik tab chart itu sendiri. Pada form ini user dapat memilih tipe chart yang diinginkan. Pada bagian kiri bawah juga user dapat preview chart dengan mengklik “Print Chart” atau menkonvert chart ke excel dengan mengklik “Export to Excel” sedangkan untuk mencetak chart dan pivot tablenya dengan mengklik “Print Report”.
199
Gambar 4.50 Chart Rawat Inap
c. Dimension Form tab dimension adalah tampilan setelah pada form menu rawat inap memilih dimension pada bagian tab yang ada pada kiri atas. Pada form ini, user dapat melihat data dari dimensi yang diinginkan dengan mengklik combo box yang berisi dimensi. Maka setelah dipilih dimensinya akan menampilkan data dari dimensi tersebut. Sedangkan untuk mencetak chart dan pivot table dengan mengklik “Print Report”.
200
Gambar 4.51 Dimension Rawat Inap
11. Form Menu Utama Login Farmasi Form menu utama ini adalah tampilan setelah login sebagai user dari farmasi. Dan menu utama ini menampilkan star schema dari farmasi yang merupakan hubungan antara fact table dan dimension table, yang berada tepat di tengah form. Pada form ini user hanya dapat memilih menu farmasi dengan melakukan mouse enter pada gambar rawat inap sesuai dengan hak akses user
201 tersebut. Pada menu bar form menu ini terdapat lima icon, dimana icon-icon tersebut berguna untuk logout, exit, mengganti password ,about us dan help.
Gambar 4.52 Menu Utama Farmasi
12. Form Menu Farmasi Pada form menu farmasi terdapat tiga tab yaitu : a. Pivot Table Form tab pivot table adalah tampilan utama dari menu farmasi setelah melakukan mouse enter pada gambar farmasi pada menu utama sebelumnya. Bagian atas kiri dari pivot table farmasi terdapat beberapa dimensi dari farmasi. Untuk menghasilkan grain yang diinginkan, dapat dilakukan dengan mendrag dimensi ke tabel sesuai dengan grain dan
202 juga dimensi yang di drag tersebut dapat dilihat datanya baik sebagai baris maupun kolom. Pada bagian samping kanan juga terdapat cara lain untuk memudahkan user dalam menentukan dimensi yang diinginkan sebagai baris ataupun kolom. Cara penempatan dimensi tersebut dilakukan dengan mendrag dimensi dari filter area dan meletakkan dimensi tersebut pada column area atau row area. Untuk kotak drag items to pivot table merupakan measurement terhadap data dimensi dimana menentukan pengukuran datanya dari jumlah transaksi sehingga datanya hanya bisa count berdasarkan jumlah transaksi. Untuk print preview dari pivot table dapat dilakukan dengan mengklik “Print Pivot Grid”, untuk memindahkan data pada pivot table dalam bentuk excel dilakukan dengan mengklik “Export to Excel” dan untuk preview chartnya dengan mengklik “Show on Chart”. Button reset digunakan untuk mengembalikan posisi dimensi-dimensi yang ada pada pivot table. Sedangkan untuk print data pivot table dan chartnya dapat dilakukan dengan mengklik “Print Report”. Pada form ini juga dapat melihat chart sesuai dengan yang diinginkan dan dimension yang diinginkan, dimana pilihannya terdapat pada bagian kiri atas berupa tab.
203
Gambar 4.53 Pivot Table Farmasi b. Chart Form tab chart adalah tampilan utama dari menu farmasi setelah mengklik tab chart itu sendiri. Pada form ini user dapat memilih tipe chart yang diinginkan. Pada bagian kiri bawah juga user dapat preview chart dengan mengklik “Print Chart” atau convert chart ke excel dengan mengklik “Export to Excel” sedangkan untuk mencetak chart dan pivot table tersebut dengan mengklik “Print Report”.
204
Gambar 4.54 Chart Farmasi
c. Dimension Form tab dimension adalah tampilan setelah pada form menu farmasi memilih dimension pada bagian tab yang ada pada kiri atas. Pada form ini, user dapat melihat data dari dimensi yang diinginkan dengan mengklik combo box yang berisi dimensi. Maka setelah dipilih dimensinya akan keluarlah data dari dimensi tersebut. Sedangkan untuk mencetak chart dan pivot table tersebut dengan mengklik “Print Report”.
205
Gambar 4.55 Dimension Farmasi
13. Form Menu Utama Login Laboratorium Form menu utama ini adalah tampilan setelah login sebagai user dari laboratorium. Dan menu utama ini menampilkan star schema dari laboratorium yang merupakan hubungan antara fact table dan dimension table, yang berada tepat di tengah form. Pada form ini user hanya dapat memilih menu laboratorium dengan melakukan mouse enter pada gambar laboratorium sesuai dengan hak akses user tersebut. Pada menu bar dari form menu ini terdapat lima icon,
206 dimana icon-icon tersebut berguna untuk logout, exit, mengganti password ,about us dan help.
Gambar 4.56 Form Menu Utama Laboratorium
14. Form Menu Utama Laboratorium Pada form menu laboratorium terdapat tiga tab, yaitu : a. Pivot Table Form tab pivot table adalah tampilan utama dari menu laboratorium setelah melakukan mouse enter pada gambar laboratorium pada menu utama sebelumnya. Bagian atas kiri dari pivot table laboratorium terdapat beberapa dimensi dari laboratorium. Untuk menghasilkan grain yang diinginkan, dapat dilakukan dengan mendrag
207 dimensi ke tabel sesuai dengan grain dan juga dimensi yang di drag tersebut dapat dilihat datanya baik sebagai baris maupun kolom. Pada bagian samping kanan juga terdapat cara lain untuk memudahkan user dalam menentukan dimensi yang diinginkan sebagai baris ataupun kolom. Cara penempatan dimensi tersebut dilakukan dengan mendrag dimensi dari filter area dan meletakkan dimensi tersebut pada colom area atau row area. Untuk kotak drag items to pivot table merupakan measurement terhadap data dimensi dimana menentukan pengukuran datanya dari jumlah transaksi sehingga datanya hanya bisa count berdasarkan jumlah transaksi. Untuk print preview dari pivot table dapat dilakukan dengan mengklik “Print Pivot Grid”, untuk memindahkan data pada pivot table dalam bentuk excel dilakukan dengan mengklik “Export to Excel” dan untuk preview chartnya dengan mengklik “Show on Chart”. Button reset digunakan untuk mengembalikan posisi dimensi-dimensi yang ada pada pivot table. Sedangkan untuk print data pivot table dan chartnya dapat dilakukan dengan mengklik “Print Report”. Pada form ini juga dapat melihat chart sesuai dengan yang diinginkan dan dimension yang diinginkan, dimana pilihannya terdapat pada bagian kiri atas berupa tab.
208
Gambar 4.57 Pivot Table Laboratorium
b. Chart Form tab chart adalah tampilan utama dari menu laboratorium setelah mengklik tab chart itu sendiri. Pada form ini user dapat memilih tipe chart yang diinginkan. Pada bagian kiri bawah juga user dapat preview chart dengan mengklik “Print Chart” atau menkonvert chart ke excel dengan mengklik “Export to Excel” sedangkan untuk mencetak chart dan pivot table tersebut dengan mengklik “Print Report”.
209
Gambar 4.58 Chart Laboratorium
c. Dimension Form tab dimension adalah tampilan setelah pada form menu laboratorium memilih dimension pada bagian tab yang ada pada kiri atas. Pada form ini, user dapat melihat data dari dimensi yang diinginkan dengan mengklik combo box yang berisi dimensi. Maka setelah dipilih dimensinya akan keluarlah data dari dimensi tersebut. Sedangkan untuk mencetak chart dan pivot table tersebut dengan mengklik “Print Report”.
210
Gambar 4.59 Dimension Laboratorium
15. Help Form help adalah form yang digunakan untuk membantu user dalam menggunakan aplikasi ini. Pada form help terdapat penjelasan mengenai tampilan aplikasi dan juga menjelasan mengenai fungsi-fungsi yang ada pada aplikasi.
211
Gambar 4.60 Help
16. About Us Form about us adalah form yang menampilkan anggota kelompok yang merancang aplikasi ini. Untuk kembali ke menu utama klik “Cancel”.
Gambar 4.61 About Us
212 4.5
Navigation Diagram
213 4.6
Software dan Hardware Requirement Untuk mendukung berjalannya sistem data warehouse yang dibangun maka dibutuhkanlah spesifikasi software dan hardware yang dapat menujang pemakaian sistem data warehouse tersebut. 4.6.1
Spesifikasi Sofware Yang Diusulkan Software yang mendukung impelementasi dari data warehouse adalah sebagai berikut : a.
b.
Server •
Sistem operasi menggunakan Windows Server 2003.
•
Microsoft SQL Server 2008.
Client •
Sistem operasi menggunakan Windows 7 professional 32bit
•
Microsoft Visual Studio 2008 sebagai tampilan data warehouse
•
4.6.2
Dev Express v11.1.
Spesifikasi Hardware Yang Diusulkan Hardware yang mendukung impelementasi dari data warehouse adalah sebagai berikut : a.
Server •
Model IBM Sistem X3200M2-36A
214 b.
4.7
Client •
Intel Core2Duo e7400 2.86 GhZ
•
MotherBoard ASUS P5Q P45 (With lan card integrated)
•
RAM 1GB DDR II PC 6400 Dual Channel
•
Harddisk Drive Seagate 7200RPM 320GB
•
CPU Cooler and heatsink
•
LG Optical Drive
Data Warehouse Implementation Plan Tabel 4.41 Gant Chart