IMPLEMENTASI DATA WAREHOUSE UNTUK ANALISA REKAM MEDIS PASIEN DI RSUP DR. SOERADJI TIRTONEGORO KLATEN SKRIPSI

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

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 2015


HALAMAN JUDUL


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 2015

i


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 the Sarjana Komputer Degree 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

ii


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:

Pembimbing,

Tanggal: 3 ) Agustus 201 5

idowati Gunawan, S.Kom., M.T.

lll


IIALAMAN PENGESAHAN

SKRIPSI

IMPLEMENTA SI D ATA

WA

REH O US E

I.INTUK ANALISA REKAM MEDIS PASIEN

DI RSUP DR SOERADJI TIRTONEGORO KLATEN

Dipersiapkan dan ditulis oleh

:

D. Ronny Dwiharyanto

s#:

-fr* *6-4eiiu*-B {tf

F"'"

fft f*o'""W'"'"nutii$u*t'l..'

q,H: ft i $ -'1.u"";'frii.-'\q,' i;

K *m::fu--",frry i'r.;f?,e#"-qu

!H. Prima Rosa, S.SL, M.Sc.

lv




ABSTRAK


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 teknik data 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.

Kata kunci: Data, Rekam Medis, Data warehouse, dan OLAP.

vii


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.

Keywords: Data, Medical Record, Data Warehouse, and OLAP.

viii


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 Warehouse untuk 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.

ix


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

Penulis

x


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

Pengertian Data warehouse .............................................................. 6

2.1.2

Komponen Data warehouse.............................................................. 6

2.1.3

Karakteristik Data warehouse........................................................... 8

2.1.4

Arsitektur Data warehouse ............................................................... 9

2.1.5

Langkah Pembuatan Data warehouse............................................. 10

2.1.6

Implementasi Data warehouse........................................................ 10

xi


2.2

Extract, Transform dan Load (ETL) ...................................................... 12

2.3

Multi Dimensional Modeling ................................................................. 13

2.3.1

Cube, Dimension, Measure dan Member........................................ 13

2.3.2

Fact Table dan Dimension 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 Pembuatan Data warehouse................................... 18

3.3.1

Membaca Data Legacy ................................................................... 18

3.3.2

Menggabungkan Data dari Sumber Terpisah.................................. 22

3.3.3

Memecah Data warehouse dalam 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

Narasi Use Case .............................................................................. 34

3.7

Rancangan Antar Muka Pengguna Sistem Database OLAP .................. 40

3.7.1

Tampilan Halaman Login................................................................ 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 Arsitektur Data warehouse .............................................. 44

4.2

Langkah Pembuatan Data warehouse .................................................... 45

4.2.1

Membaca Data Legacy.................................................................... 45

4.2.2

Pembentukan Tabel Rekam Medis.................................................. 48

4.2.3

Pembentukan Tabel Dimensi .......................................................... 52 xii


4.2.4 4.3

Pembentukan Tabel Fakta fact_rekam_medis ................................ 73

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 6.1

Kesimpulan............................................................................................113

xiii


6.2

Saran ......................................................................................................113

DAFTAR PUSTAKA ...........................................................................................115

xiv


DAFTAR GAMBAR

Gambar 2.1 Arsitektur Data 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 Diagram Use 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 Arsitektur Data 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 Gambar 4.13 Step output rekam_medis ................................................................ 51

xv


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 Gambar 4.39 Tabel dim_dokter............................................................................. 63

xvi


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 Gambar 4.65 Step input dim_ruang ...................................................................... 75

xvii


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 Gambar 4.91 Tampilan Halaman View Dokter ..................................................... 98

xviii


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

xix


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

xx


Tabel 4.1 Lookup tMap_1 ..................................................................................... 79 Tabel 4.2 Deskripsi Skema MDX ......................................................................... 85 Tabel 4.3 Schema_Rekam_Medis.xml.................................................................. 86 Tabel 4.4 Query MDX View Diagnosa.................................................................. 95 Tabel 4.5 Query MDX View Ruang ...................................................................... 95 Tabel 4.6 Query MDX View Cara Bayar............................................................... 96 Tabel 4.7 Query MDX View Kecamatan ............................................................... 97 Tabel 4.8 Query MDX View Dokter...................................................................... 98

xxi

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 1

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 teknik data 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 proses pre-processing dan ETL b. Schema Workbench untuk membangun star schema c. Jasper Server untuk server OLAP d. MySql untuk database 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. Dimensi Data warehouse yang 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

disamarkan.

orang

terutama

pasien

dan

dokter


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 dari data warehouse ditujukan 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-processing agar dapat digunakan dalam pembuatan data warehouse. 4. Membuat database data warehouse dan proses ETL 5. Membuat star schema 6. Membuat OLAP dan desain tampilan 7. Membuat proses transfer data 8. Pengujian sistem


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 pembuatan data 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 dari Decision 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 data warehouse. Dalam kurun waktu tertentu sebuah


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 warehouse secara 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 oleh data 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, dan online 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 perspektif historical (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 warehouse rekam medis RSUP Soeradji Tirtonegoro adalah :

Gambar 2.1 Arsitektur Data warehouse


Dari Gambar 2.1 terdapat 3 tahap utama dalam arsitektur data warehouse yaitu : 1. Membangun OLAP Cube Databases. Proses ini diawali dengan pre-processing data yang kemudian dilanjutkan dengan proses ETL yang diakhiri dengan pembentukan fact table dan cube. 2. Membangun OLAP Server. Proses ini dilakukan untuk membangun OLAP pada OLAP engine server. Pada proses ini OLAP view beserta perangkatnya dibangun. 3. User Service dimana user akan mengakses OLAP yang telah dibangun.

2.1.5

Langkah Pembuatan Data warehouse 1. Membaca data legacy 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. Memecah data warehouse dalam 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 dalam data warehouse. Denis Kozar (1997), wakil pimpinan dari Enterprise Information

Architecture

dari

Chase

Manhattan

Bank

mengemukakan ‘tujuh kesalahan fatal’ dalam menerapkan data warehouse yaitu: 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

merupakan blue print untuk 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 dalam data warehouse? b. Berapa sering data harus diperbaharui? c. Dimanakah data warehouse akan 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 membangun data warehouse haruslah tepat. Peralatan data warehouse tidaklah sama dengan peralatan yang digunakan untuk membangun sistem operasional. 5. Kesalahan dalam siklus hidup data 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 pembuatan data 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 isinya composite primary key. Tabel dimemsi adalah sekumpulan tabel-tabel yang lebih kecil dari tabel fakta pada model dimensional. Setiap tabel dimensi mempunyai non-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 dari measure tersebut.


Dalam perkembangannya, susunan fact table dan dimension table ini memiliki standar perancangan atau schema karena 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 data Excel : a. Data rekam medis  bulan  tahun  nomor rekam medis  diagnosa  ruang  dokter  jenis kasus


 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 berupa database : 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 data legacy 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. Memecah data warehouse dalam 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. Pada file ini terdapat 9 field yaitu 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 2 field yaitu 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 3 field 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

DESEMBER

2014

I25.1

50410

KLINIK CENDANA

M. YULIANTO, DR. SP. JP

APRIL

2013

E14.9

51159

KLINIK CENDANA

SAPTO HARSOYO DR SPP

jns_kasus

sex

cara_bayar

BARU

LK

ASKES

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 A00

kategori (A00-B99) Certain infectious and parasitic diseases

sub_kategori

diagnosa

Intestinal infectious Cholera diseases


Tabel 3.10 Contoh tabel_ruang instalasi

3.3.2

kelas

ruang

INSTALASI RAWAT INAP

VIP B

PAVILIUN CEMPAKA

INSTALASI RAWAT JALAN

POLIKLINIK REGULER

KLINIK ANAK

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 Ilustrai Sumber Data 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 bulan

dim_waktu 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 no_rm kecamatan

dim_pasien PK

sk_pasien 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 kode_diagnosa

dim_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 instalasi

dim_ruang 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 key sk_ruang dan field lainnya yaitu instalasi, kelas dan ruang.


e. Tabel dim_dokter Tabel 3.15 dim_dokter rekam_medis PK no bulan

dim_dokter PK

sk_dokter 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 primary key sk_dokter dan field lainnya yaitu dokter.


f. Tabel dim_jenis_kasus Tabel 3.16 dim_jenis_kasus rekam_medis PK no bulan

dim_jenis_kasus PK sk_jenis_kasus jenis_kasus


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 memiliki primary key sk_jenis_kasus dan field lainnya yaitu jenis_kasus.


g. Tabel dim_jenis_kelamin Tabel 3.17 dim_jenis_kelamin rekam_medis PK

dim_jenis_kelamin

no

PK

bulan

sk_jenis_kelamin 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.

dim_jenis_kelamin

ini

sk_jenis_kelamin

dan

jenis_kelamin.

memiliki field

Pada primary

lainnya

tabel key yaitu


h. Tabel dim_cara_bayar Tabel 3.18 dim_cara_bayar rekam_medis PK no

dim_cara_bayar PK sk_cara_bayar

bulan

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 memiliki primary key sk_cara_bayar dan field lainnya yaitu cara_bayar.

i. Tabel dim_kecamatan Tabel 3.19 dim_kecamatan tabel_pasien no_rm kecamatan

dim_kecamatan PK

sk_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 key sk_kecamatan dan field lainnya 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 di data warehouse dijelaskan sebagai berikut: a. Tabel fact_rekam_medis

Gambar 3.2 Pembentukan fact_rekam_medis Tabel ini berisi semua primary key dari tabel yang berhubungan dengan rekam medis yang terdiri dari sk_waktu, sk_pasien, sk_diagnosa, sk_ruang, sk_dokter,

sk_jenis_kasus,

sk_cara_bayar dan sk_kecamatan.

sk_jenis_kelamin,


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.

Gambar 3.3 Cube_Rekam_Medis


3.5

Perancangan Proses Transfer Data Penanganan terhadap perubahan data yang terjadi di dalam database data warehouse rekam medis akan menggunakan metode Slowly Changing Dimension (SCD) tipe 1. SCD tipe 1 dipilih karena tidak ada kebutuhan untuk menyimpan history data yang ada sehingga proses overwrite atau 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 proses data overwrite terjadi. 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 file data_rekam_medis. 3. Transfer Data : Berfungsi untuk menjalankan batch file transfer_data.


3.6

Analisis Kebutuhan 3.6.1

Use Case Diagram use case dapat menggambarkan fungsi user terhadap data warehouse yang akan dibangun.

Gambar 3.4 Diagram Use Case Gambar 3.4 merupakan gambar diagram use case untuk data warehouse rekam medis RSUP Dr. Soeradji Tirtonegoro.


3.6.2

Narasi Use Case Tabel 3.20 Narasi Use Case Login Nama Use Case

Login

Aktor

User

Deskripsi

Use Use Case ini menggambarkan proses login sebelum

Case

memasuki sistem. Pada tahap ini user diminta untuk memasukkan username dan password

Prakondisi

User berada pada halaman login

Trigger

User dapat masuk ke halaman menu jika input username dan password benar

Langkah Umum

Kegiatan Aktor

Respon Sistem 1. Menampilkan halaman login

2. Memasukkan username dan password 3. Mengecek inputan username dan password dengan database 4. Jika inputan username dan password sesuai, masuk ke halaman menu Langkah

5. Jika inputan username

Alternatif

dan password tidak sesuai, muncul pesan login gagal.

Kesimpulan

User akan memasuki halaman menu data jika proses


login sukses Postkondisi

User berada di halaman menu

Tabel 3.21 Narasi Use Case Login Admin Nama Use Case

Login

Aktor

Admin

Deskripsi

Use Use Case ini menggambarkan proses login sebelum

Case

memasuki sistem. Pada tahap ini user diminta untuk memasukkan username dan password

Prakondisi

User berada pada halaman login

Trigger

User dapat masuk ke halaman menu admin jika input username dan password benar

Langkah Umum

Kegiatan Aktor

Respon Sistem 1. Menampilkan halaman login

2. Memasukkan username dan password 3. Mengecek inputan username dan password dengan database 4. Jika inputan username dan password sesuai, masuk ke halaman menu admin Langkah

5. Jika inputan username


Alternatif

dan password tidak sesuai, muncul pesan login gagal.

Kesimpulan

User akan memasuki halaman menu admin data jika proses login sukses

Postkondisi

User berada di halaman menu admin

Tabel 3.22 Narasi Use Case OLAP Nama Use Case

OLAP

Aktor

User

Deskripsi

Use Use Case ini menggambarkan proses masuk ke

Case

halaman OLAP view

Prakondisi

User berada pada halaman menu

Trigger

User dapat 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

User akan memasuki halaman OLAP

Postkondisi

User berada di halaman OLAP


Tabel 3.23 Narasi Use Case Upload Data Nama Use Case

Upload Data

Aktor

User Admin

Deskripsi

Use Use Case ini menggambarkan proses upload data

Case Prakondisi

User berada pada halaman transfer data

Trigger

User dapat 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 file ke folder 4.

Melakukan

upload

data

proses file

ke

database 5. Menampilkan halaman uploadResult

dengan

pesan sukses Langkah

6.

Jika

Alternatif

menampilkan

halaman

uploadResult

dengan

pesan error

proses

gagal


Kesimpulan

User sukses melakukan upload data ke database dan memasuki halaman uploadResult

Postkondisi

User berada di halaman uploadResult

Tabel 3.24 Narasi Use Case Upload File Nama Use Case

Upload File

Aktor

User Admin

Deskripsi

Use Use Case ini menggambarkan proses upload file

Case Prakondisi


Trigger

User dapat melakukan proses upload file

Langkah Umum

Kegiatan Aktor


2. Menginput file pada form upload file dan memilih tombol Upload File 3.

Melakukan

proses

upload file ke folder 4. Menampilkan halaman uploadResult

dengan


5.

Jika

proses

Alternatif

menampilkan

gagal

halaman


uploadResult

dengan

pesan error Kesimpulan

User sukses melakukan upload file ke folder dan memasuki halaman uploadResult

Postkondisi

User berada di halaman uploadResult

Tabel 3.25 Narasi Use Case Transfer Data Nama Use Case

Transfer Data

Aktor

User Admin

Deskripsi

Use Use Case ini menggambarkan proses transfer data

Case Prakondisi


Trigger Langkah Umum

Kegiatan Aktor


2.

Memilih

tombol

Transfer Data 3.

Melakukan

proses

transfer data 4. Menampilkan halaman transferResult

dengan


5.

Jika

proses

menampilkan

gagal

halaman


Alternatif

transferResult

dengan

pesan error Kesimpulan

User sukses melakukan transfer data dan memasuki halaman transferResult

Postkondisi

3.7

User berada di halaman transferResult

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 1 button Login untuk melakukan proses login.

Gambar 3.5 Tampilan Halaman Login Gambar 3.5 adalah rancangan untuk tampilan halaman login.


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 OLAP view.


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 warehouse ini 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. d. MySql merupakan komponen yang digunakan sebagai database.


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 software dan hardware yang mendukung yaitu: 1. Software yang digunakan : a. Database : SQLyog Version 10.42


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

4.2

b. Memory

: 4 GB DDR 3

c. Hardisk

: 360 GB

Langkah Pembuatan Data warehouse 4.2.1

Membaca Data Legacy 4.2.1.1 Membuat Tabel data_rekam_medis Sumber data yang digunakan dalam pembuatan data 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 pembacaan file excel

data_rekam_medis.xls.

Hasil

pembacaan

disimpan dalam database master_rekam_medis.

akan


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 pada sheets 1). Schema yang digunakan diambil dari repository yaitu 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 untuk output 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 data yang digunakan adalah insert.

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)

Gambar 4.8 Step input data_rekam_medis


Proses ini bertujuan untuk membaca data pada

tabel

data_rekam_medis

master_rekam_medis. koneksi

Koneksi

dari

database

menggunakan

repository

koneksi_master_rekam_medis. digunakan

adalah

yaitu Query

yang

*

from

“select

data_rekam_medis”.

2. Mengganti isi dari field sex (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

Koneksi repository

menggunakan yaitu


koneksi_master_rekam_medis.

Query

yang

digunakan adalah “select distinct dokter from data_rekam_medis”.

4. Mapping hasil dari membaca field dokter (tMap_2)

Gambar 4.11 Step tMap_2 Proses ini bertujuan untuk mengambil field dari proses input dokter data_rekam_medis dan menambahkan field kode_dokter. Field kode_dokter diambil dari var1 yang berisi expression "Dokter "+Numeric.sequence("s6",1,1), expression

tersebut

untuk

fungsi membuat

dari 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 yang diperlukan dari step tReplace_1 dan tMap_2.


Pada proses ini juga terdapat lookup antara hasil dari step tReplace_1 dan tMap_2 untuk field dokter. 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. Output tabel 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 data yang digunakan adalah insert.

Hasil dari pembentukan tabel rekam_medis seperti pada Gambar 4.14. Terdapat 10 field yaitu 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 repository yaitu tabel_waktu – metadata.


Gambar 4.17 Step tMap_1 Proses ini bertujuan untuk mengambil field yang diperlukan. Proses ini juga melakukan penambahan field 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. Output tabel 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

dim_waktu. Action on table yang digunakan adalah


drop table if exist and create serta action on data yang digunakan adalah insert.

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

tabel_pasien)

excel

tabel_pasien.xls

(input


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 repository yaitu tabel_pasien – metadata.


Gambar 4.22 Step tMap_1 Proses ini bertujuan untuk mengambil field yang diperlukan. Proses ini juga melakukan penambahan field sk_pasien, diambil dari var1 yang berisi

expression


fungsi dari expression tersebut untuk membuat variable angka sekuensial. Field yang dihasilkan adalah sk_pasien, no_rm dan kecamatan.


3. Output tabel 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 adalah insert. Hasil dari pembentukan tabel dim_pasien seperti pada Gambar 4.24. Terdapat 3 field yaitu sk_pasien, no_rm dan kecamatan.

Gambar 4.24 Tabel dim_pasien


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 sebagai header (semua sheets). Schema yang digunakan diambil dari repository yaitu tabel_diagnosa – metadata.


Gambar 4.27 Step 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. Output tabel dim_diagnosa (output dim_diagnosa)

Gambar 4.28 Step output dim_diagnosa Proses ini bertujuan untuk membuat output table dim_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 data yang digunakan adalah insert.


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 repository yaitu tabel_ruang – metadata.


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


fungsi dari expression tersebut untuk membuat variable angka sekuensial. Field yang dihasilkan adalah sk_ruang, ruang, instalasi dan kelas.

3. Output tabel 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 adalah insert. 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 : 1. Membaca tabel rekam_medis (input rekam_medis)


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

repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select distinct dokter from rekam_medis”.


Gambar 4.37 Step tMap_1 Proses ini bertujuan untuk mengambil field yang diperlukan. Proses ini juga melakukan penambahan field sk_dokter, diambil dari var1 yang berisi

expression


fungsi dari expression tersebut untuk membuat variable angka sekuensial. Field yang dihasilkan adalah sk_dokter dan dokter.

3. Output tabel dim_dokter (output dim_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 adalah insert.

Hasil dari pembentukan tabel dim_dokter seperti pada Gambar 4.39. Terdapat 2 field yaitu sk_dokter dan dokter.

Gambar 4.39 Tabel dim_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

repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select distinct jenis_kasus from rekam_medis”.




Proses ini bertujuan untuk mengambil field yang diperlukan. Proses ini juga melakukan penambahan field sk_jenis_kasus, diambil dari var1 yang

berisi

expression


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 data yang digunakan adalah insert.

Hasil dari pembentukan tabel dim_jenis_kasus seperti pada Gambar 4.44. Terdapat 2 field yaitu sk_jenis_kasus dan jenis_kasus.

Gambar 4.44 Tabel 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”.




Proses ini bertujuan untuk mengambil field yang diperlukan. Proses ini juga melakukan penambahan field sk_jenis_kelamin, diambil dari var1

yang

berisi

expression

Numeric.sequence("s9",1,1), fungsi dari expression tersebut untuk membuat variable angka sekuensial. Field yang dihasilkan adalah sk_jenis_kelamin dan jenis_kelamin.

3. Output

tabel

dim_jenis_kelamin

(output

dim_jenis_kelamin)

Gambar 4.48 Step output jenis_kelamin Proses ini bertujuan untuk membuat output table dim_jenis_kelamin di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table dim_jenis_kelamin. Action on table yang digunakan adalah drop table if exist and create serta action on data yang digunakan adalah insert.

Hasil dari pembentukan tabel dim_jenis_kelamin seperti pada Gambar 4.49. Terdapat 2 field yaitu sk_jenis_kelamin dan jenis_kelamin.

Gambar 4.49 Tabel dim_jenis_kelamin


4.2.3.8 Tabel dim_cara_bayar

Gambar 4.50 Job dim_cara_bayar 0.1 Pembentukan

tabel

dim_cara_bayar.

Langkah

pembentukan tabel dim_cara_bayar adalah sebagai berikut : 1. Membaca tabel rekam_medis (input rekam_medis)

Gambar 4.51 Step input rekam_medis Proses ini bertujuan untuk membaca field jenis_cara_bayar pada tabel rekam_medis dari database rekam_medis. Koneksi menggunakan koneksi repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select distinct cara_bayar from rekam_medis”.


Gambar 4.52 Step tMap_1 Proses ini bertujuan untuk mengambil field yang diperlukan. Proses ini juga melakukan


penambahan field sk_cara_bayar, diambil dari var1 yang

berisi

expression

Numeric.sequence("s11",1,1), fungsi dari expression tersebut untuk membuat variable angka sekuensial. Field yang dihasilkan adalah sk_cara_bayar dan cara_bayar.

3. Output

tabel

dim_cara_bayar

(output

dim_cara_bayar)

Gambar 4.53 Step output dim_cara_bayar Proses ini bertujuan untuk membuat output table dim_cara_bayar di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table dim_cara_bayar. Action on table yang digunakan adalah drop table if exist and create serta action on data yang digunakan adalah insert.


Hasil dari pembentukan tabel dim_cara_bayar seperti pada Gambar 4.14. Terdapat 2 field yaitu sk_cara_bayar dan cara_bayar.

Gambar 4.54 Tabel dim_cara_bayar

4.2.3.9 Tabel dim_kecamatan

Gambar 4.55 Job dim_kecamatana 0.1 Pembentukan

tabel

dim_kecamatan.

Langkah

pembentukan tabel dim_kecamatan adalah sebagai berikut : 1. Membaca tabel dim_pasien (input dim_pasien)

Gambar 4.56 Step input dim_pasien


Proses ini bertujuan untuk membaca field kecamatan pada tabel dim_pasien dari database rekam_medis.

Koneksi

menggunakan

koneksi

repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select distinct kecamatan from dim_pasien”.


Gambar 4.57 Step dim_kecamatan Proses ini bertujuan untuk mengambil field yang diperlukan. Proses ini juga melakukan penambahan field sk_kecamatan, diambil dari var1 yang berisi expression Numeric.sequence("s2",1,1), fungsi dari expression tersebut untuk membuat variable angka sekuensial. Field yang dihasilkan adalah sk_kecamatan dan kecamatan.

3. Output

tabel

dim_kecamatan

(output

dim_kecamatan)

Gambar 4.58 Step output dim_kecamatan Proses ini bertujuan untuk membuat output table dim_kecamatan di database rekam_medis.


Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table dim_kecamatan. Action on table yang digunakan adalah drop table if exist and create serta action on data yang digunakan adalah insert.

Hasil dari pembentukan tabel dim_kecamatan seperti pada Gambar 4.59. Terdapat 2 field yaitu sk_kecamatan dan kecamatan.

Gambar 4.59 Tabel dim_kecamatan


4.2.4

Pembentukan Tabel Fakta fact_rekam_medis

Gambar 4.60 fact_rekam_medis Pembentukan

tabel

fact_rekam_medis.

Langkah

pembentukan tabel fact_rekam_medis adalah sebagai berikut : 1. Membaca tabel rekam_medis (input rekam_medis)

Gambar 4.61 Step input rekam_medis Proses ini bertujuan untuk membaca tabel rekam_medis dari database rekam_medis. Koneksi menggunakan koneksi repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select * from rekam_medis”.


2. Membaca tabel dim_waktu (input dim_waktu)

Gambar 4.62 Step input dim_waktu Proses ini bertujuan untuk membaca tabel dim_waktu dari database

rekam_medis.

Koneksi

menggunakan

koneksi

repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select * from dim_waktu”.

3. Membaca tabel dim_pasien (input dim_pasien)

Gambar 4.63 Step input dim_pasien Proses ini bertujuan untuk membaca tabel dim_pasien dari database

rekam_medis.

Koneksi

menggunakan

koneksi

repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select * from dim_pasien”.


4. Membaca tabel dim_diagnosa (input dim_diagnosa)

Gambar 4.64 Step input dim_diagnosa Proses ini bertujuan untuk membaca tabel dim_diagnosa dari database rekam_medis. Koneksi menggunakan koneksi repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select * from dim_diagnosa”.

5. Membaca tabel dim_ruang (input dim_ruang)

Gambar 4.65 Step input dim_ruang Proses ini bertujuan untuk membaca tabel dim_ruang dari database

rekam_medis.

Koneksi

menggunakan

koneksi

repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select * from dim_ruang”.


6. Membaca tabel dim_dokter (input dim_dokter)

Gambar 4.66 Step input dim_dokter Proses ini bertujuan untuk membaca tabel dim_dokter dari database

rekam_medis.

Koneksi

menggunakan

koneksi

repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select * from dim_dokter”.

7. Membaca tabel dim_jenis_kasus (input dim_jenis_kasus)

Gambar 4.67 Step input dim_jenis_kasus Proses ini bertujuan untuk membaca tabel dim_jenis_kasus dari database rekam_medis. Koneksi menggunakan koneksi repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select * from dim_jenis_kasus”.


8. Membaca tabel dim_jenis_kelamin (input dim_jenis_kelamin)

Gambar 4.68 Step input dim_jenis_kelamin Proses

ini

bertujuan

untuk

membaca

tabel

dim_jenis_kelamin dari database rekam_medis. Koneksi menggunakan koneksi repository yaitu koneksi_ rekam_medis. Query

yang

digunakan

adalah

“select

*

from

dim_jenis_kelamin”.

9. Membaca tabel dim_cara_bayar (input dim_cara_bayar)

Gambar 4.69 Step input dim_cara_bayar Proses ini bertujuan untuk membaca tabel dim_cara_bayar dari database rekam_medis. Koneksi menggunakan koneksi repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select * from dim_cara_bayar”.


10. Membaca tabel dim_kecamatan (input dim_kecamatan)

Gambar 4.70 Step input dim_kecamatan Proses ini bertujuan untuk membaca tabel dim_kecamatan dari database rekam_medis. Koneksi menggunakan koneksi repository yaitu koneksi_ rekam_medis. Query yang digunakan adalah “select * from dim_kecamatan”.


Gambar 4.71 Step tMap_1 Proses

ini

bertujuan

untuk

mengambil

field

yang

diperlukan. Pada proses ini dilakukan lookup tabel untuk mengaitkan satu tabel dengan yang lainnya. Tabel 4.1 akan menjelaskan lookup tabel yang dilakukan.


Tabel 4.1 Lookup tMap_1 Field key

Field lookup

rekam_medis  bulan

dim_waktu  bulan

rekam_medis  tahun

dim_waktu  tahun

rekam_medis  no_rm

dim_pasien  no_rm

rekam_medis  diagnosa

dim_diagnosa  kode_diagnosa

rekam_medis  ruang

dim_ruang  ruang

rekam_medis  dokter

dim_dokter  dokter

rekam_medis  jenis_kasus

dim_jenis_kasus  jenis_kasus

rekam_medis  jenis_kelamin

dim_jenis_kelamin  jenis_kelamin

rekam_medis  cara_bayar

dim_cara_baya  cara_bayar

dim_pasien  kecamatan

dim_kecamatan  kecamatan

Proses

ini

juga

melakukan

penambahan

field

sk_fact_rekam_medis, diambil dari var1 yang berisi expression Numeric.sequence("s12",1,1), fungsi dari expression tersebut untuk membuat variable angka sekuensial. Field yang dihasilkan adalah sk_fact_rekam_medis, sk_waktu, sk_pasien, sk_diagnosa,

sk_ruang,

sk_dokter,

sk_jenis_kasus,

sk_jenis_kelamin, sk_cara_bayar dan sk_kecamatan.

12. Output tabel fact_rekam_medis (output fact_rekam_medis)

Gambar 4.72 Step output fact_rekam_medis


Proses

ini

bertujuan untuk

membuat

output

table

fact_rekam_medis di database rekam_medis. Pada proses ini menggunakan koneksi repository yaitu koneksi_ rekam_medis dengan target table fact_rekam_medis. Action on table yang digunakan adalah drop table if exist and create serta action on data yang digunakan adalah insert.

Hasil dari pembentukan tabel fact_rekam_medis seperti pada Gambar 4.72. Terdapat 10 field yaitu sk_fact_rekam_medis, sk_waktu,

sk_pasien,

sk_jenis_kasus,

sk_diagnosa,

sk_jenis_kelamin,

sk_ruang,

sk_dokter,

sk_cara_bayar

sk_kecamatan.

Gambar 4.73 Tabel fact_rekam_medis

dan


4.3

Implementasi Star Schema Untuk Database OLAP 4.3.1

Star Schema Cube_Rekam_Medis Star Schema Cube_Rekam_Medis akan membaca data dari fact_rekam_medis di database rekam_medis.

Gambar 4.74 Cube_Rekam_Medis Star Schema Cube_Rekam_Medis memiliki tabel fakta

fact_rekam_medis.

Dimensi_Waktu, Dimensi_Ruang,

Dimensi

yang

Dimensi_Pasien, Dimensi_Dokter,

Dimensi_Jenis_Kelamin,

digunakan

adalah

Dimensi_Diagnosa, Dimensi_Jenis_Kasus,

Dimensi_Cara_Bayar

dan

Dimensi_Kecamatan. Measure yang digunakan adalah Jumlah Kasus, Jumlah Pasien, Kasus Baru, Kasus Lama, Kasus Pria dan Kasus Wanita.


1. Dimensi_Waktu

Gambar 4.75 Dimensi_Waktu Dimensi_Waktu menggunakan tabel dim_waktu dari database rekam_medis.

Hierarchy yang dimiliki adalah

Waktu. Level yang dimiliki adalah Tahun dan Bulan.

2. Dimensi_Pasien

Gambar 4.76 Dimensi_Pasien Dimensi_Pasien menggunakan tabel dim_pasien dari database rekam_medis.


Pasien. Level yang dimiliki adalah Pasien.

3. Dimensi_Diagnosa

Gambar 4.77 Dimensi_Diagnosa Dimensi_Diagnosa menggunakan tabel dim_diagnosa dari database rekam_medis.



Diagnosa. Level yang dimiliki adalah Kategori dan Sub Kategori.

4. Dimensi_Ruang

Gambar 4.78 Dimensi_Ruang Dimensi_Ruang

menggunakan

database rekam_medis.

tabel

dim_ruang

dari


Ruang. Level yang dimiliki adalah Instalasi, Kelas dan Ruang.

5. Dimensi_Dokter

Gambar 4.79 Dimensi_Dokter Dimensi_Dokter menggunakan tabel dim_dokter dari database rekam_medis.


Dokter. Level yang dimiliki adalah Dokter.

6. Dimensi_Jenis_Kasus

Gambar 4.80 Dimensi_Kasus


Dimensi_Kasus

menggunakan

tabel

dim_kasus

dari

database rekam_medis. Hierarchy yang dimiliki adalah Jenis Kasus. Level yang dimiliki adalah Jenis Kasus.

7. Dimensi_Jenis_Kelamin

Gambar 4.81 Dimensi Jenis Kasus Dimensi_Jenis_Kelamin

menggunakan

tabel

dim_jenis_kasus dari database rekam_medis. Hierarchy yang dimiliki adalah Jenis Kelamin. Level yang dimiliki adalah Jenis Kelamin.

8. Dimensi_Cara_Bayar

Gambar 4.82 Dimensi_Cara_Bayar Dimensi_Cara_Bayar menggunakan tabel dim_cara_bayar dari database rekam_medis. Hierarchy yang dimiliki adalah Cara Bayar. Level yang dimiliki adalah Cara Bayar.

9. Dimensi_Kecamatan

Gambar 4.83 Dimensi_Kecamatan


Dimensi_Kecamatan menggunakan tabel dim_kecamatan dari database rekam_medis. Hierarchy yang dimiliki adalah Kecamatan. Level yang dimiliki adalah Kecamatan.

4.3.2

Skema MDX Berdasarkan

implementasi

Star

Schema

Cube_Rekam_Medis, maka deskripsi skema MDX adalah sebagai berikut : Tabel 4.2 Deskripsi Skema MDX Atribut MDX

Nilai Atribut

Tabel Database rekam_medis

Cube

Cube_Rekam_Medis

fact_rekam_medis

Measures

Jumlah Kasus

sk_fact_rekam_medis

Jumlah Pasien

sk_pasien

Kasus Baru

sk_jenis_kasus

Kasus Lama

sk_jenis_kasus

Kasus Pria

sk_jenis_kelamin

Kasus Wanita

sk_jenis_kelamin

Dimension

Dimensi Waktu

dim_waktu

Hierarchy

Waktu

dim_waktu.sk_waktu

Level

Tahun

dim_Waktu.tahun

Level

Bulan

dim_waktu.bulan

Dimension

Dimensi Pasien

dim_pasien

Hierarchy

Pasien

dim_pasien.sk_pasien

Level

Pasien

dim_pasien.no_rm

Dimension

Dimensi Diagnosa

dim_diagnosa

Hierarchy

Diagnosa

dim_diagnosa.sk_diagnosa

Level

Kategori

dim_diagnosa.kategori

Level

Sub Kategori

dim_diagnosa.sub_kategori


4.3.3

Dimension

Dimensi Ruang

dim_ruang

Hierarchy

Ruang

dim_ruang.sk_ruang

Level

Instalasi

dim_ruang.instalasi

Level

Kelas

dim_ruang.kelas

Level

Ruang

dim_ruang.ruang

Dimension

Dimensi Dokter

dim_dokter

Hierarchy

Dokter

dim_dokter.sk_dokter

Level

Dokter

dim_dokter.dokter

Dimension

Dimensi Jenis Kasus

dim_jenis_kasus

Hierarchy

Jenis Kasus

dim_jenis_kasus.sk_jenis_kasus

Level

Jenis Kasus

dim_jenis_kasus.jenis_kasus

Dimension

Dimensi Jenis Kelamin

dim_jenis_kelamin

Hierarchy

Jenis Kelamin

dim_jenis_kelamin.sk_jenis_kelamin

Level

Jenis Kelamin

dim_jenis_kelamin.jenis_kelamin

Dimension

Dimensi Cara Bayar

dim_cara_bayar

Hierarchy

Cara Bayar

dim_cara_bayar.sk_cara_bayar

Level

Cara Bayar

dim_cara_bayar.cara_bayar

Dimension

Dimensi Kecamatan

dim_kecamatan

Hierarchy

Kecamatan

dim_kecamatan.sk_kecamatan

Level

Kecamatan

dim_kecamatan.kecamatan

Schema_Rekam_Medis.xml Schema dari Schema_Rekam_Medis.xml adalah sebagai berikut : Tabel 4.3 Schema_Rekam_Medis.xml <Schema name="Skema Rekam Medis">


name="Waktu"

visible="true"

hasAll="true"

allMemberName="Semua Waktu" primaryKey="sk_waktu">

name="Bulan"

ordinalColumn="sk_waktu"

visible="true"

type="String"

column="bulan" uniqueMembers="false"

levelType="Regular" hideMemberIf="Never">
name="Pasien"

visible="true"

hasAll="true"

allMemberName="Semua Pasien" primaryKey="sk_pasien">

name="Pasien"

visible="true"

column="no_rm"

ordinalColumn="no_rm" type="String" uniqueMembers="false" levelType="Regular" hideMemberIf="Never">
name="Diagnosa"

visible="true"

hasAll="true"

allMemberName="Semua Diagnosa" primaryKey="sk_diagnosa">

name="Kategori"

ordinalColumn="kategori"

visible="true"

type="String"


column="kategori" uniqueMembers="false"


name="Sub

Kategori"

ordinalColumn="sub_kategori"

visible="true"

type="String"

column="sub_kategori" uniqueMembers="false"

name="Ruang"

visible="true"

hasAll="true"

allMemberName="Semua Ruang" primaryKey="sk_ruang">

name="Instalasi"

ordinalColumn="instalasi"

visible="true"

type="String"

column="instalasi" uniqueMembers="false"

name="Ruang"

visible="true"

column="ruang"

ordinalColumn="ruang" type="String" uniqueMembers="false" levelType="Regular" hideMemberIf="Never">
name="Dokter"

visible="true"

hasAll="true"

allMemberName="Semua Dokter" primaryKey="sk_dokter">

name="Dokter"

visible="true"

column="dokter"

ordinalColumn="dokter" type="String" uniqueMembers="false" levelType="Regular" hideMemberIf="Never">


name="Jenis

Kasus"

visible="true"

hasAll="true"

allMemberName="Semua Jenis Kasus" primaryKey="sk_jenis_kasus">

name="Jenis

Kasus"

ordinalColumn="jenis_kasus"

visible="true"

type="String"

column="jenis_kasus" uniqueMembers="false"

name="Jenis

Kelamin"

visible="true"

hasAll="true"

allMemberName="Semua Jenis Kelamin" primaryKey="sk_jenis_kelamin">

name="Jenis

Kelamin"

ordinalColumn="jenis_kelamin"

visible="true"

type="String"

column="jenis_kelamin" uniqueMembers="false"

name="Cara

Bayar"

visible="true"

hasAll="true"

allMemberName="Semua Cara Bayar" primaryKey="sk_cara_bayar">

name="Cara

ordinalColumn="cara_bayar"

Bayar"

visible="true"

type="String"


column="cara_bayar" uniqueMembers="false"


name="Kecamatan"

visible="true"

hasAll="true"

allMemberName="Semua Kecamatan" primaryKey="sk_kecamatan">

name="Kecamatan"

ordinalColumn="kecamatan"

visible="true"

type="String"

column="kecamatan" uniqueMembers="false"


source="Dimensi_Waktu"

name="Dimensi_Waktu"

visible="true" foreignKey="sk_waktu" highCardinality="false">
source="Dimensi_Pasien"

name="Dimensi_Pasien"

visible="true" foreignKey="sk_pasien" highCardinality="false">
source="Dimensi_Diagnosa"

name="Dimensi_Diagnosa"

visible="true" foreignKey="sk_diagnosa" highCardinality="false">
source="Dimensi_Ruang"

name="Dimensi_Ruang"

visible="true" foreignKey="sk_ruang" highCardinality="false">
source="Dimensi_Dokter"

name="Dimensi_Dokter"

visible="true" foreignKey="sk_dokter" highCardinality="false">
source="Dimensi_Jenis_Kasus" visible="true"

foreignKey="sk_jenis_kasus"


highCardinality="false">
source="Dimensi_Jenis_Kelamin" visible="true"

foreignKey="sk_jenis_kelamin"

highCardinality="false">
source="Dimensi_Cara_Bayar" visible="true"

foreignKey="sk_cara_bayar"

highCardinality="false"> <Measure

name="Jumlah

Kasus"

column="sk_fact_rekam_medis"

datatype="Integer" aggregator="count" visible="true"> <Measure name="Jumlah Pasien" column="sk_pasien" datatype="Integer" aggregator="distinct count" visible="true"> <Measure

name="Kasus

Baru"

datatype="Integer"

aggregator="sum"

visible="true"> <MeasureExpression> <SQL dialect="generic"> <Measure

name="Kasus

Lama"

datatype="Integer"

aggregator="sum"

visible="true"> <MeasureExpression> <SQL dialect="generic">


<Measure

name="Kasus

Pria"

datatype="Integer"

aggregator="sum"

visible="true"> <MeasureExpression> <SQL dialect="generic"> <Measure

name="Kasus

Wanita"

datatype="Integer"

aggregator="sum"

visible="true"> <MeasureExpression> <SQL dialect="generic">

4.4

Implementasi Proses Transfer Data Proses transfer data pada OLAP dilakukan dengan cara mengeksekusi job transfer_data 0.1.

Gambar 4.84 Job transfer_data 0.1


4.5

Implementasi Antar Muka Pengguna Sistem OLAP 4.5.1

Halaman Login

Gambar 4.85 Tampilan Halaman Login Gambar 4.85 adalah tampilan halaman Login. Proses login dilakukan dengan mengisi field username dan password kemudian memilih tombol “Login”.


4.5.2

Halaman Menu Utama

Gambar 4.86 Tampilan Halaman Menu Utama Gambar 4.86 adalah tampilan halaman Menu Utama. Pada halaman ini user dapat memilih OLAP view yang ingin dilihat.

4.5.3

Halaman View Diagnosa

Gambar 4.87 Tampilan Halaman View Diagnosa Gambar 4.87 adalah tampilan halaman View Diagnosa. Halaman ini menampilkan OLAP view diagnosa. Query MDX yang digunakan untuk halaman View Diagnosa adalah :


Tabel 4.4 Query MDX View Diagnosa select {[Measures].[Jumlah Kasus], [Measures].[Jumlah Pasien], [Measures].[Kasus [Measures].[Kasus

Baru], Pria],

[Measures].[Kasus [Measures].[Kasus

Lama],

Wanita]}

ON

COLUMNS, Hierarchize(Union({([Dimensi_Waktu.Waktu].[Semua [Dimensi_Diagnosa.Diagnosa].[Semua Crossjoin([Dimensi_Waktu.Waktu].[Semua

Waktu], Diagnosa])},

Waktu].Children,

{[Dimensi_Diagnosa.Diagnosa].[Semua Diagnosa]}))) ON ROWS from [Cube_Rekam_Medis]

4.5.4

Halaman View Ruang

Gambar 4.88 Tampilan Halaman View Ruang Gambar 4.88 adalah tampilan halaman View Ruang. Halaman ini menampilkan OLAP view ruang. Query MDX yang digunakan untuk halaman View Ruang adalah : Tabel 4.5 Query MDX View Ruang select {[Measures].[Jumlah Kasus], [Measures].[Jumlah Pasien], [Measures].[Kasus

Baru],

[Measures].[Kasus

Lama],


[Measures].[Kasus

Pria],

[Measures].[Kasus

Wanita]}

ON

COLUMNS, Hierarchize(Union({([Dimensi_Waktu.Waktu].[Semua [Dimensi_Ruang.Ruang].[Semua

Waktu], Ruang])},

Crossjoin([Dimensi_Waktu.Waktu].[Semua

Waktu].Children,

{[Dimensi_Ruang.Ruang].[Semua Ruang]}))) ON ROWS from [Cube_Rekam_Medis]

4.5.5

Halaman View Cara Bayar

Gambar 4.89 Tampilan Halaman View Cara Bayar Gambar 4.89 adalah tampilan halaman View Cara Bayar. Halaman ini menampilkan OLAP view cara bayar. Query MDX yang digunakan untuk halaman View Cara Bayar adalah : Tabel 4.6 Query MDX View Cara Bayar select {[Measures].[Jumlah Kasus], [Measures].[Jumlah Pasien], [Measures].[Kasus

Pria],

[Measures].[Kasus

Wanita]}

ON

COLUMNS, Crossjoin({[Dimensi_Waktu.Waktu].[Semua

Waktu],

[Dimensi_Waktu.Waktu].[2011],



[Dimensi_Waktu.Waktu].[2014]},


{[Dimensi_Cara_Bayar.Cara

Bayar].[Semua

Cara Bayar]}) ON

ROWS from [Cube_Rekam_Medis]

4.5.6

Halaman View Kecamatan

Gambar 4.90 Tampilan Halaman View Kecamatan Gambar 4.90 adalah tampilan halaman View Kecamatan. Halaman ini menampilkan OLAP view kecamatan. Query MDX yang digunakan untuk halaman View Kecamatan adalah : Tabel 4.7 Query MDX View Kecamatan select {[Measures].[Jumlah Kasus], [Measures].[Jumlah Pasien], [Measures].[Kasus

Pria],

[Measures].[Kasus

Wanita]}

ON

COLUMNS, Crossjoin(Hierarchize(Union({[Dimensi_Waktu.Waktu].[Semua Waktu]},

[Dimensi_Waktu.Waktu].[Semua

Waktu].Children)),

{[Dimensi_Kecamatan.Kecamatan].[Semua Kecamatan]}) ON ROWS from [Cube_Rekam_Medis]


4.5.7

Halaman View Dokter

Gambar 4.91 Tampilan Halaman View Dokter Gambar 4.91 adalah tampilan halaman View Dokter. Halaman ini menampilkan OLAP view dokter. Query MDX yang digunakan untuk halaman View Dokter adalah : Tabel 4.8 Query MDX View Dokter select

{[Measures].[Jumlah

Kasus],

[Measures].[Kasus

Pria],

[Measures].[Kasus Wanita]} ON COLUMNS,

Crossjoin(Hierarchize(Union(Union({([Dimensi_Waktu.Waktu].[Semua Waktu],

[Dimensi_Ruang.Ruang].[Semua

Ruang])},

Union(Crossjoin({[Dimensi_Waktu.Waktu].[2011]}, {[Dimensi_Ruang.Ruang].[Semua

Ruang]}),

Crossjoin({[Dimensi_Waktu.Waktu].[2011]}, [Dimensi_Ruang.Ruang].[Semua

Ruang].Children))),

{([Dimensi_Waktu.Waktu].[2012],


Ruang]),

([Dimensi_Waktu.Waktu].[2013],


Ruang]),

([Dimensi_Waktu.Waktu].[2014],


Ruang])})), {[Dimensi_Dokter.Dokter].[Semua Dokter]}) ON ROWS from [Cube_Rekam_Medis]


4.5.8

Halaman Transfer Data

Gambar 4.92 Tampilan Halaman View Transfer Data Gambar 4.92 adalah tampilan halaman Transfer Data. Pada Halaman ini user dapat melakukan proses transfer data. Pada proses transfer data terdapat 2 bagian yaitu upload file dan proses transfer data. Pada proses upload file, user memilih tombol "Choose File" untuk memilih file lalu pilih tombol "Upload". Untuk proses transfer data, user cukup memilih tombol "Transfer Data".


5 tabel, gambar

BAB V ANALISIS HASIL

Pada bab ini akan dijelaskan analisis hasil dari desain dan implementasi data warehouse yang telah dibangun. Analisis hasil dibagi menjadi beberapa bagian yaitu penyelesaian rumusan masalah, pengukuran kinerja sistem, analisis pengguna serta kelebihan dan kelemahan sistem. 5.1

Penyelesaian Rumusan Masalah Sesuai dengan rumusan masalah yang akan diselesaikan pada penelitian ini, yaitu membangun data warehouse untuk keperluan Online Analytical Processing (OLAP) yang mampu memperoleh informasi mengenai rekam medis menyangkut diagnosa, ruang perawatan, cara bayar, kecamatan dan dokter. Maka dibentuklah beberapa OLAP view yang mendukung tujuan penelitian yaitu View Diagnosa, View Ruang, View Cara Bayar, View Kecamatan dan View Dokter. 5.1.1

View Diagnosa

Gambar 5.1View Diagnosa Gambar

5.1

adalah

View

Diagnosa

yang

mampu

menampilkan informasi mengenai diagnosa - diagnosa yang terjadi selama kurun waktu 4 tahun yang dipandang dari beberapa aspek


yaitu jumlah kasus, jumlah pasien, kasus baru, kasus lama, kasus pria dan kasus wanita.

5.1.2

View Ruang

Gambar 5.2 View Ruang Gambar 5.2 adalah View Ruang yang mampu menampilkan informasi mengenai penggunaan ruang perawatan selama kurun waktu 4 tahun yang dipandang dari beberapa aspek yaitu jumlah kasus, jumlah pasien, kasus baru, kasus lama, kasus pria dan kasus wanita.


5.1.3

View Cara Bayar

Gambar 5.3 View Cara Bayar Gambar 5.3 adalah View Cara Bayar yang mampu menampilkan informasi mengenai cara pembayaran biaya rumah sakit yang digunakan oleh pasien rumah sakit selama kurun waktu 4 tahun yang dipandang dari beberapa aspek yaitu jumlah kasus, jumlah pasien, kasus pria dan kasus wanita.


5.1.4

View Kecamatan

Gambar 5.4 View Kecamatan Gambar 5.4 adalah View Kecamatan yang mampu menampilkan informasi mengenai asal kecamatan pasien yang berkunjung ke rumah sakit selama kurun waktu 4 tahun yang dipandang dari beberapa aspek yaitu jumlah kasus, jumlah pasien, kasus pria dan kasus wanita.


5.1.5

View Dokter

Gambar 5.5 View Dokter Gambar

5.5

adalah

View

Dokter

yang

mampu

menampilkan informasi mengenai jumlah kasus yang ditangani oleh dokter selama kurun waktu 4 tahun yang dipandang dari beberapa aspek yaitu jumlah kasus, jumlah pasien, kasus pria dan kasus wanita.


5.2

Pengujian Cube Cube_Rekam_Medis Pengujian Cube Cube_Rekam_Medis akan dilakukan dengan cara membandingkan hasil setiap OLAP view dengan query pada database. 5.2.1

Pengujian View Diagnosa

Gambar 5.6 Pengujian View Diagnosa Gambar 5.6 adalah tampilan View Diagnosa yang memiliki dimensi waktu, dimensi diagnosa dan measure. Pada baris yang ditandai di View Diagnosa terdapat data tahun : 2011, Kategori : (A00-B99) Certain infectious and parasitic diseases, Sub_kategori : Arthropod-borne viral fevers and viral haemorrhagic fevers, Jumlah Kasus : 39, Jumlah Pasien : 39, Kasus Baru : 5, Kasus Lama : 34, Kasus Pria : 20 dan Kasus Wanita : 19.

Gambar 5.7 Query Pengujian View Diagnosa Gambar 5.7 adalah query yang digunakan untuk menguji View Diagnosa.


Gambar 5.8 Hasil Query Pengujian View Diagnosa Gambar 5.8 adalah hasil dari query pengujian View Diagnosa. Pada baris pertama hasil query terdapat data yang serupa dengan data yang ada pada View Diagnosa.

5.2.2

Pengujian View Ruamg

Gambar 5.9 Pengujian View Ruang Gambar 5.9 adalah tampilan View Ruang yang memiliki dimensi ruang dan measure. Pada baris yang ditandai di View Ruang terdapat data tahun : 2011, Instalasi : Rawat Inap, Kelas : Kelas I, Ruang : Ruang Anggrek (A), Jumlah Kasus : 55, Jumlah Pasien : 55, Kasus Baru : 9, Kasus Lama : 46, Kasus Pria : 27 dan Kasus Wanita : 28.

Gambar 5.10 Query Pengujian View Ruang


Gambar 5.10 adalah query yang digunakan untuk menguji View Ruang.

Gambar 5.11 Hasil Query Pengujian View Ruang Gambar 5.11 adalah hasil dari query pengujian View Ruang. Pada baris pertama hasil query terdapat data yang serupa dengan data yang ada pada View Ruang.

5.2.3

Pengujian View Cara Bayar

Gambar 5.12 Pengujian View Cara Bayar


Gambar 5.12 adalah tampilan View Cara Bayar yang memiliki dimensi waktu, dimensi cara bayar dan measure. Pada baris yang ditandai di View Cara Bayar terdapat data tahun : 2011, Cara Bayar : Askes, Jumlah Kasus : 2956, Jumlah Pasien : 2398, Kasus Pria : 1308 dan Kasus Wanita : 1648.

Gambar 5.13 Query Pengujian View Cara Bayar Gambar 5.13 adalah query yang digunakan untuk menguji View Cara Bayar.

Gambar 5.14 Hasil Query Pengujian View Cara Bayar Gambar 5.14 adalah hasil dari query pengujian View Cara Bayar. Pada baris pertama hasil query terdapat data yang serupa dengan data yang ada pada View Cara Bayar.


5.2.4

Pengujian View Kecamatan

Gambar 5.15 Pengujian View Kecamatan Gambar 5.15 adalah tampilan View Kecamatan yang memiliki dimensi waktu, dimensi kecamatan dan measure. Pada baris yang ditandai di View Kecamatan terdapat data tahun : 2011, Kecamatan : Bayat, Jumlah Kasus : 1683, Jumlah Pasien : 1006, Kasus Pria : 704 dan Kasus Wanita : 979.

Gambar 5.16 Query Pengujian View Kecamatan Gambar 5.16 adalah query yang digunakan untuk menguji View Kecamatan.


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 adalah data warehouse yang 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 (GUI processing). d. Sistem dilengkapi dengan role dan permission sehingga admin sistem dapat mengatur tampilan OLAP view untuk setiap user. e. Hasil OLAP view dapat 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 pengembangan data 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 uji schema. 4. Menambahkan output iReport agar sistem dapat mencetak laporan sesuai dengan format yang dibutuhkan rumah sakit. 5. Mengembangkan data warehouse ke tahap lanjut seperti Data Mining dan 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

IMPLEMENTASI DATA WAREHOUSE UNTUK ANALISA REKAM MEDIS PASIEN DI RSUP DR. SOERADJI TIRTONEGORO KLATEN SKRIPSI

Recommend Documents