PEMANFAATAN DATA WAREHOUSE SEBAGAI PENENTUAN INDIKATOR MUTU PELAYANAN RUMAH SAKIT

SEMINAR NASIONAL “PHARMACOPEAE” : Peran Farmakoekonomi Dalam Pelayanan Kefarmasian

PEMANFAATAN DATA WAREHOUSE SEBAGAI PENENTUAN INDIKATOR MUTU PELAYANAN RUMAH SAKIT Shopiatun1,M. Reza Faisal, S.T, M.T2, Radityo Adi Nugroho, S.T, M.Kom 2 1Mahasiswa Prog Studi Ilmu Komputer Fakultas MIPA Universitas Lambung Mangkurat 2Dosen Prog. Studi Ilmu Komputer Fakultas MIPA Universitas Lambung Mangkurat Prog. Studi Ilmu Komputer Fakultas MIPA Universitas Lambung Mangkurat Jl. A. Yani Km 36 Banjarbaru, Kalimantan selatan Email: [email protected], [email protected], [email protected] Abstract Each hospital has a summary of datafor each time period. With the data summary report generating one report in the form of the value of quality indicators of hospital service. Data warehouses can be used as one of the information technology that support the hospital. In Banjarbaru Regional General Hospital, has not exploited the technology of data warehouse as a support to assist in the decision making based on the results of the indicator value of quality of service at each hospital. With the aim of this study is utilizing the data warehouse into the determination of the quality indicators of hospital services and designing a data warehouse using the nine-step method. In this study, the data warehouse is built with a nine-step method involving six (6) indicators of quality of care. The results of this study are the values of 6(six) among other indicators, BOR, ALOS, BTO, TOI, NDR and the GDR. The conclusion in the can is the data warehouse to the hospital was made by a nine-step method and design of data warehouse is created with the needs of the data in the calculation of indicators that generate a schema structure in the form of a star schema. Keywords: Data Warehouse, Quality of Care Indicators, Nine Step Method Abstrak Tiap-tiap rumah sakit memiliki rekapitulasi data pada tiap kurun waktu tertentu. Dengan rekapitulasi data tersebut menghasilkan laporan salah satunya laporan berupa nilai indikator mutu pelayanan rumah sakit. Data warehouse dapat dimanfaatkan sebagai salah satu dari teknologi informasi yang menunjang kegiatan rumah sakit. Pada Rumah SakitUmum Daerah Banjarbaru, belum dimanfaatkannya teknologi data warehouse tersebut sebagai penunjang untuk membantu dalam menentukan keputusan berdasarkan hasil dari nilai indikator mutu pelayanan pada tiap rumah sakit. Dengan tujuan penelitian ini yaitu memanfaatkan data warehouse menjadi penentuan indikator mutu pelayanan rumah sakit dan merancang data warehouse dengan menggunakan metode nine step. Pada penelitian ini dibangun data warehouse dengan metode nine step dengan melibatkan 6 (enam) indikator mutu pelayanan. Hasil penelitian ini yaitu nilai-nilai dari 6 (enam) indikator antara Pemanfaatan Data Warehouse sebagai Penentuan Indikator Mutu Pelayanan Rumah Sakit (Shopiatun – 2014)


lain, BOR, ALOS, BTO, TOI, NDR dan GDR. Kesimpulan yang di dapat adalah data warehouse untuk rumah sakit dibuat dengan metode nine-step dan perancangan data warehouse yang dibuat dengan kebutuhan data dalam perhitungan indikator yang menghasilkan sebuah struktur skema berupa skema bintang. Kata kunci : Data Warehouse, Indikator Mutu Pelayanan, Metode Nine Step 1.

PENDAHULUAN

Seiring berkembangnya sebuah rumah sakit, maka semakin besar juga data yang akan digunakan. Kebutuhan informasi yang cepat dan akurat menjadi hal yang penting bagi rumah sakit. Data yang diolah dengan baik akan menghasilkan suatu informasi mengenai situasi bisnis rumah sakit bersangkutan, sehingga membantu pihak rumah sakit, salah satunya mendukung dalam pengambilan keputusan. Banyak rumah sakit yang memanfaatkan teknologi informasi untuk dapat meningkatkan kinerja bisnisnya. Data warehouse merupakan salah satu teknologi informasi yang menunjang kegiatan rumah sakit tersebut[1]. Menurut Mallach [4], data warehouse adalah tempat penyimpanan data tunggal, lengkap, dan konsisten yang datanya didapatkan dari berbagai macam sumber dan disediakan agar mudah dimengerti dan untuk digunakan dalam konteks bisnis bagi end-user. Data warehouse dapat membantu pihak eksekutif sebuah perusahaan dalam menentukan kebijakan perusahaan, dengan menghasilkan keputusan yang cepat dan tepat berdasarkan hasil analisa dari data dan fakta yang ada. Kegunaan dari data warehouse ini adalah untuk mendukung proses analisa bagi para pihak eksekutif dalam pengambilan keputusan[6].Dengan seiring berkembangnya rumah sakit, maka semakin banyak pula data yang dimiliki, yang dapat diolah menjadi informasi yang penting bagi para eksekutif dalam meningkatkan kinerja dan juga mutu pelayanan untuk rumah sakit. Untuk dapat menjaga mutu suatu rumah sakit, maka setiap rumah sakit wajib untuk melihat indikator mutu standar yang ditetapkan. Adapun indikator mutu pelayanan rumah sakit yang sesuai standar mutu nasional menurut pendapat Muninjaya[5]. Nilai indikator yang dimaksud ada 6 (enam) dari 13 (tiga belas) indikator yang ditetapkan yaitu BOR, ALOS, BTO, TOI, NDR dan GDR. Pada penelitian ini menerapkan metode nine-step sebagai metode perancangan data warehouse yang memiliki 9 (sembilan) tahapan yaitu pemilihan proses, pemilihan grains, identifikasi dan penyesuaian dimensi, pemilihan fakta, penyimpanan pre-calculation ditabel fakta, memastikan tabel dimensi, pemilihan durasi database, melacak perubahan dari dimensi secara perlahan, dan penentuan prioritas dan model query. Dengan 9 (sembilan) tahapan tersebut juga menghasilkan satu struktur, yaitu struktur skema bintang. 2. METODELOGI PENELITIAN 2.1 Metode Perancangan Data Warehouse Adapun metode perancangan data warehouse ini dengan menerapkan metode Nine-Step di Rumah Sakit Umum Daerah Banjarbaru. Metode perancangan data warehouse menurut Kimball yang digunakan meliputi 9 tahap yang dikenal dengan Nine-step Methodology[2], kesembilan tahap itu yaitu :

Pemanfaatan Data Warehouse sebagai Penentuan Indikator Mutu Pelayanan Rumah Sakit (Shopiatun – 2014)


1.

2.

3.

4.

5.

6.

7.

8.

Pemilihan proses Melakukan pemilihan proses pada materi subjek yang dibutuhkan oleh data warehouse. Pada tahap ini, ditentukan pada proses bisnis apa data warehouse akan digunakan. misalnya proses bisnis yang dipilih adalah proses registrasi pasien dan pemakaian ruangan. Pemilihan grain Menentukan secara tepat apa yang direpresentasikan oleh record tabel fakta. Pada tahap ini akan ditentukan tingkat detail data yang bisa didapatkan dari model relational. Misalnya untuk tabel fakta rawat jalan dapat diputuskan record-record yang akan ditampilkan meliputi jumlah pasien. Identifikasi dan penyesuaian dimensi. Membuat set dimensi yang dibutuhkan untuk menjawab seluruh pertanyaan yang diajukan pada tabel fakta. Set dimensi ini membuat data warehouse mudah dimengerti dan digunakan. Dimensi harus digambarkan sejelas mungkin dan mudah digunakan. Dimensi harus menggambarkan sejelas mungkin dan memperkuat grain. Tabel dimensi berisi data yang menggambarkan dimensi dari bisnis. Pemilihan fakta. Dalam memilih fakta disesuaikan dengan grain yang telah ditentukan sebelumnya yang merupakan calon-calon fakta. Penyimpanan pre-calculation ditabel fakta. Pada tahap ini dipilih fakta-fakta yang akan mengisi setiap table fakta, dimana fakta-fakta yang dipilih harus sesuai dengan grain yang telah ditentukan. Memastikan tabel dimensi. Pada tahap ini dilakukan pemeriksaan ulang pada tabel dimensi dan menambahkan deskripsi teks terhadap dimensi, serta menentukan hierarki atribut dimensi untuk mempermudah proses analisis. Gambaran teks haruslah mudah digunakan dan dimengerti oleh pengguna. Pemilihan durasi database. Menentukan waktu periode database untuk beberapa tahun ke belakang. Pada beberapa perusahaan, ada kebutuhan untuk melihat data pada waktu yang sama, tetapi setahun atau dua tahun sebelumnya. Tabel fakta yang sangat besar menyebabkan sedikitnya dua permasalahan desain data warehouse yang signifikan, yaitu : a. Pertama, menimbulkan kesulitan untuk menyimpan data lama. Semakin lama data, semakin besar kemungkinan ada masalah dalam membaca dan mengintepretasikan data lama tersebut. b. Kedua, adalah penggunaan dimensi-dimensi lama yang penting yang dapat menyebabkan Slowly Changing Dimension (SCD) yang akan dijelaskan pada langkah selanjutnya. Melacak perubahan dari dimensi secara perlahan. Dimensi berubah secara perlahan seiring berjalannya waktu dan kebutuhan. Tiga tipe utama SCD adalah : Tipe 1 : Di mana perubahan atribut dimensi ditulis ulang. Pemanfaatan Data Warehouse sebagai Penentuan Indikator Mutu Pelayanan Rumah Sakit (Shopiatun – 2014)


Tipe 2

9.

: Di mana perubahan atribut dimensi menyebabkan pembentukan record dimensi baru. Di mana perubahan atribut dimensi menyebabkan atribut Tipe 3 : pengganti (koleksi baru). Jadi, baik nilai lama maupun nilai baru dari atribut tersebut dapat diakses secara bersamaan pada record dimensi yang sama. Penentuan prioritas dan model query. Pada tahap ini dilakukan pertimbangan perancangan fisikal, seperti keberadaan dari summary (ringkasan) dan aggregate (penjumlahan). Selain itu, masalah administrasi, backup, kinerja indeks dan keamanan juga merupakan faktor yang harus diperhatikan. Isu rancangan kritis database fisikal mempengaruhi persepsi pengguna akhir terhadap data warehouse.

2.2 Indikator Standar Mutu pelayanan Nasional Untuk dapat menjaga mutu suatu rumah sakit, maka setiap rumah sakit wajib untuk melihati indikator mutu standar yang ditetapkan. Adapun indikator mutu pelayanan rumah sakit yang sesuai standar mutu nasional menurut pendapat Muninjaya[5]adalah: 1. Bed Occupancy Rate (BOR) adalah persentase pemakaian tempat tidur pada satu satuan waktu tertentu. Indikator ini memberikan gambaran tentang tinggi rendahnya tingkat pemanfaatan tempat tidur Rumah Sakit. Rumus BOR =

2.

3.

4.

Jumlah hari perawatan RS dalam waktu tertentu Jumlah TT x Jumlah hari dalam satu satuan x 100% waktu Average Length of Stay (ALOS) adalah rata-rata lamanya perawatan seorang pasien. Indikator ini di samping merupakan gambaran tingkat efisiensi manajemen pasien di rumah sakit, indikator ini juga dapat dipakai untuk mengukur mutu pelayanan apabila diagnosis penyakit tertentu dijadikan tracernya (yang perlu pengamatan lebih lanjut). Rumus ALOS = Jumlah hari perawatan pasien keluar RS Jumlah pasien keluar RS (hidup+mati) Turn Over Internal (TOI) adalah rata-rata hari tempat tidur tidak ditempati dari saat ke saat sampai terisi berikutnya. Indikator ini juga memberikan gambaran tingkat efisiensi penggunaan tempat tidur. Rumus TOI = (Jumlah TTxhari)-hari perawatan RS Jumlah pasien keluar RS (hidup+mati) BedTurnOver (BTO) adalah frekuensi pemakaian tempat tidur dalam satuan waktu (biasanya pertahun) tempat tidur RS. Rumus BTO = Jumlah pasien keluar RS (hidup+mati) Jumlah tempat tidur



5. Net Death Rate (NDR) adalah angka kematian di atas 48 jam setelah dirawat untuk tiap-tiap 100 penderita keluar RS. Rumus NDR =

6.

Gross Death Rate (GDR) adalah angka kematian umum penderita keluar RS. Rumus GDR =

Menurut pendapat Muninjaya[2], standar nasional untuk asuhan kesehatan rumah sakit di Indonesia sebagaimana terlihat pada tabel 1. Tabel 1. Standar Nasional Asuhan Kesehatan RS di Indonesia. No Nama Indikator Nilai 1 BOR 75-80 % 2 ALOS 7-10 hari 3 TOI 1-3 hari 4 BTO 5-45 hari 5 NDR (48 jam) <3% 6 GDR < 2,5 % 3. 3.1

HASIL DAN PEMBAHASAN Metode Desain Data warehouse (Nine Step Design) Data yang digunakan adalah data yang didapat dari rumah sakit dengan menganalisa tabel-tabel yang ada pada database. Kemudian dari analisa database yang ada maka dipilih beberapa tabel yang diperlukan datanya dalam perhitungan untuk menentukan indicator standar mutu pelayanan nasional yang disesuaikan dengan proses yang berjalan pada rumah sakit. Kemudian dilanjutkan pada tahapan metode nine-step. 1.

Pemilihan proses Pemilihan proses dilakukan untuk memperjelas batasan data warehouse yang akan dibuat. Dengan proses yang dipilih, akan memudahkan untuk melakukan tahapan yang berikutnya. Adapun proses yang akan dipilih untuk merancang data warehouse berfokus kepada proses pelayanan yang terdiri dari proses registrasi pasien dan pemakaian ruangan. Proses ini dipilih karena kebutuhan data untuk perhitungan indikator nantinya. Di mana diantara perhitungan tersebut membutuhkan data jumlah pasien, jumlah kematian, dan jumlah tempat tidur. Sehingga dari nilai jumlah pasien, jumlah kematian dan jumlah tempat tidur tersebut dapat mengisi nilai dalam perhitungan indikator yang dipilih 6 dari 13 indikator yaitu BOR, ALOS, TOI, BTO, NDR dan GDR. Yang mana pemilihan 6 indikator ini disesuaikan dengan pengadaan pelayanan pada rumah sakit umum daerah Banjarbaru. Pemanfaatan Data Warehouse sebagai Penentuan Indikator Mutu Pelayanan Rumah Sakit (Shopiatun – 2014)


Berdasarkan dari observasi dan wawancara yang dilaksanakan mengenai kegiatan bisnis yang berjalan, didapatkan data berupa excel yang mencatat pelayanan pasien dan pemakaian ruangan per hari dan menghasilkan hasil perhitungan dari BOR, ALOS, TOI, BTO, NDR dan GDR yang dilakukan setiap bulan per ruangan. 2. Pemilihan grain Setelah proses ditentukan, maka tahap selanjutnya adalah menentukan grain dari proses tersebut yang nantinya akan dijadikan tabel fakta. Berikut merupakan data dari calon tabel fakta yang dapat dianalisis (grain) dalam perancangan data warehouse. Setelah menentukan grain tabel fakta, dimensi untuk setiap tabel fakta dapat diidentifikasi. Analisis yang dapat dilakukan pada proses registrasi pasien dan pemakaian ruangan meliputi jumlah pasien yang dapat dilihat berdasarkan waktu, jumlah pasien yang apa dilihat berdasarkan ruangan, jumlah pasien yang dapat dilihat berdasarkan waktu dan ruangan, jumlah kematian yang dapat lihat berdasarkan waktu, jumlah kematian yang dapat dilihat berdasarkan ruangan dan jumlah kematian yang dapat dilihat berdasakan waktu dan ruangan. Analisis yang dilakukan dilihat dari berbagai sudut pandang yang berhubungan dengan jumlah pasien dan jumlah kematian. 3. Identifikasi dan penyesuaian dimensi. Tahap selanjutnya adalah mengidentifikasi dimensi yang terkait dengan fakta. Dari hasil grain yang didapat sebelumnya, terbentuk 2 dimensi yang dibutuhkan dalam perhitungan indikator. Berikut ini dimensi yang terbentuk dalam perancangan data warehouse ini dimensi ruangan dan dimensi waktu. Untuk lebih jelasnya dapat dilihat pada table 2 dalam bentuk matrik. Tabel 2.

Matrik Pemilihan Grain Dimensi Waktu

Grain Jumlah pasien berdasarkan waktu Jumlah pasien berdasarkan ruangan Jumlah pasien berdasarkan waktu dan ruangan Jumlah kematian berdasarkan waktu Jumlah kematian berdasarkan ruangan Jumlah kematian berdasarkan waktu dan ruangan

Ruangan

X X X X

X X X X

4. Pemilihan fakta. Untuk pemilihan fakta, diambil 3 tabel dari database rumah sakit umum daerah Banjarbaru yaitu tabel HosPakaiRuangan, HosRawat dan HosCaraKeluar. Pemilihan tabel disini dilakukan untuk memenuhi data untuk perhitungan pada indikator, dimana pada tabel terdapat tanggal masuk dan keluar untuk melihat jumlah pasien dan jumlah kematian berdasarkan waktu dan ruangan. Pada tabel HosCaraKeluar diperlukannya data cara keluar pasien, apakah pasien itu sembuh atau meninggal. Ini untuk mengetahui status keluar pasien untuk kebutuhan data pada jumlah kematian.



Dengan menganalisa dari tabel di atas, maka didapat fakta-fakta yang dipilih untuk mengisi record pada tabel fakta antara lain:

Tabel 3. Tabel HosPakaiRuangan Kode Tipe Keterangan NoPerawatan(FK) Varchar(30) Nomor perawatan Tgl_Masuk Datetime Tanggal masuk Tgl_Keluar Datetime Tanggal keluar Ruangan Varchar(30) Ruangan Kelas Varchar(30) Kelas Ruangan Varchar(30) Ruangan LamaHari Lama perawatan Status Smallint Status pasien Pindah Bit Pemindahan pasien IdTarif Varchar(20) Id tariff BiayaRumkit Money Biaya rumah sakit BiayaPelayanan Money Biaya pelayanan BiayaAlat Money Biaya alat EntryName Varchar(30) Nama penginput. EntryDate Datetime Tanggal input data EditName Varchar(30) Nama user yang mengubah EditDate Datetime Tanggal edit NoKwitansi Varchar(20) Nomor kwitansi

Kode NoPerawatan(PK) NoRegMasuk(FK) Tanggal TanggalKeluar IdPasien IdLayanan IdTempatLayanan IdStaffMedis(FK) KeluhanPasien PemeriksaanFisik Resep AnjuranDokter KodePenyakit(FK) Ruangan Kelas Ruangan PenanggungJawab Hubungan

Tabel 4. Tabel HosRawat Tipe Keterangan Varchar(30) Nomor perawatan Varchar(20) Nomor registrasi masuk Datetime Tanggal Datetime Tanggal keluar Int Id pasien Varchar(3) Id layanan Varchar(10) Id tempat layanan Varchar(10) Id staff medis Varchar(200) Keluhan pasien Varchar(200) Pemeriksaan fisik Varchar(200) Resep yang diberikan dokter Varchar(50) Anjuran dokter Varchar(20) Kode penyakit Varchar(30) Ruangan Varchar(20) Kelas Varchar(30) Ruangan Varchar(50) Penanggung jawab Varchar(30) Hubungan penanggung



AlamatPenanggung TelpPenanggung KotaPenanggung Status CaraKeluar KeadaanKeluar KeteranganKeluar EntryName EntryDate EditName EditDate

Kode CaraKeluar(PK)

Varchar(200) Varchar(20) Varchar(30) Smallint Varchar(30) Varchar(30) Varchar(200) Varchar(30) Datetime Varchar(30) Datetime

dengan pasien Alamat penanggung Telepon penanggung Kota penanggung Status pasien Cara keluar Keadaan keluar Keterangan keluar Nama penginput. Tanggal input data Nama user yang mengubah Tanggal edit

Tabel 5. Tabel HosCaraKeluar Tipe Keterangan Varchar(30) Data cara keluar pasien Tabel 6.

Kode FaktaID

Tipe Int

DimWaktuID

Nvarchar(30)

DimRuanganID

Int

JumlahPasien

Int

JumlahKematian

Int

Tabel Fakta Keterangan Sebagai PrimaryKey dalam tabel fakta Tabel dimensi baru untuk memudahkan dalam pencarian berdasarkan waktu. Tabel dimensi untuk memudahkan dalam pencarian ruangan. Diambil dari tabel HosPakaiKamar dengan mengambil seluruh jumlah pasien yang terdaftar. Diambil dari tabel HosRawat dengan mengambil seluruh jumlah kematian.

5. Penyimpanan pre-calculation ditabel fakta. Di dalam tabel fakta terdapat kalkulasi awal terhadap data yang dapat dihitung. Kalkulasi awal yang ada pada tabel fakta yaitu, antara lain: jumlah pasien dan jumlah kematian. Jumlah pasien merupakan jumlah dari total pasien yang masuk dalam data pada database rumah sakit dan jumlah kematian merupakan jumlah dari total kematian pasien yang masuk dalam data pada database rumah sakit. USE [RSBjb] GO /****** Object: StoredProcedure 09/19/2014 05:45:02 ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROCEDURE [dbo].[TestSP] @DimWaktuID int,

[dbo].[TestSP]

Script

Date:



@DimRuangID nvarchar(30) AS SET NOCOUNT ON; DECLARE @JumlahPasien int DECLARE @JumlahKematian int DECLARE @NamaRuangan nvarchar(30) DECLARE @Bulan int DECLARE @Tahun int DECLARE @TanggalAwal date DECLARE @TanggalAkhir date DECLARE @CaraKeluar nvarchar(30) SET @NamaRuangan = @DimRuangID -- mencari bulan dan tahun di tabel DimWaktu SELECT @Bulan = Bulan, @Tahun = Tahun FROM DimWaktu WHERE DimWaktuID = @DimWaktuID SET ' + SET '-'

@TanggalAwal = CONVERT(datetime, (CONVERT(nvarchar, @Tahun) + 'CONVERT(nvarchar, @Bulan) + '-1')) @TanggalAkhir = CONVERT(datetime, (CONVERT(nvarchar, @Tahun) + + CONVERT(nvarchar, @Bulan) + '-31'))

--Mencari Jumlah Pasien berdasarkan ruangan dan waktu SELECT @JumlahPasien = COUNT(*) Billing_System.dbo.HosPakaiKamar WHERE Ruangan=@NamaRuangan (Tgl_Masuk BETWEEN @TanggalAwal AND @TanggalAkhir)

FROM AND

--Mencari Jumlah Kematian berdasarkan ruangan dan waktu SELECT @JumlahKematian = COUNT(*)FROM Billing_System.dbo.HosRawat WHERE Ruangan=@NamaRuangan AND (Tanggal BETWEEN @TanggalAwal AND @TanggalAkhir) AND CaraKeluar='Meninggal' --Menampilkan hasil pencarian SELECT @JumlahPasien as JumlahPasien, @JumlahKematian as JumlahKematian, @Bulan as Bulan, @Tahun as Tahun, @NamaRuangan as NamaRuangan, @TanggalAwal as TanggalAwal, @TanggalAkhir as TanggalAkhir --memasukkan nilai dari hasil pencarian ke tabel fakta INSERT INTO FaktaPelayanan (DimWaktuID, DimRuanganID, JumlahPasien, JumlahKematian) VALUES (@DimWaktuID, @DimRuangID, @JumlahPasien, @JumlahKematian)

Gambar 1.

Query untuk nilai jumlah pasien dan jumlah kematian

Dapat dilihat pada gambar 2 untuk hasil dari jumlah pasien dan jumlah kematian pada bulan 1 tahun 2011. Dengan jumlah pasien adalah 107 orang dan jumlah kematian adalah 0 orang.



Gambar 2.

Hasil pencarian jumlah pasien dan jumlah kematian bulan 1 tahun 2011

6. Memastikan table dimensi. Sesuai dengan tahapan yang dilakukan sebelumnya maka dimensi ruangan dan dimensi waktu yang dipilih. Maka tahap ini dipastikan bahwa 2 tabel dimensi yang akan digunakan adalah dimensi ruangan dan dimensi waktu. Berikut deskripsi dari tabel-tabel dimensi: Tabel 7. Tabel Dimensi Deskripsi Hasil dapat dilihat berdasarkan ruangan yang terdapat di rumah sakit Hasil dapat dilihat berdasarkan bulan dan tahun

Dimensi DimRuangan DimWaktu

Berdasarkan analisis tabel fakta dan tabel dimensi di atas disesuaikan dengan kebutuhan data dalam perhitungan indikator, maka terbentuk sebuah skema yaitu skema bintang yang dapat lihat di bawah ini: DimWaktu DimWaktuID Tanggal Bulan Tahun

FaktaPelayanan FaktaID

DimRuangan DimRuanganID

DimRuanganID

JumlahTempatTidur

DimWaktuID JumlahPasien JumlahKematian

Gambar 3.

Skema Bintang

7. Pemilihan durasi database. Durasi data yang dimasukkan ke dalam data warehouse adalah data historis selama lima tahun. Tabel 8. Durasi database Pemanfaatan Data Warehouse sebagai Penentuan Indikator Mutu Pelayanan Rumah Sakit (Shopiatun – 2014)


Nama Data Database warehouse RSBjb Billing_System

Sejak Hingga Durasi Data Tahun tahun warehouse 2008 2012 5 tahun

8. Melacak perubahan dari dimensi secara perlahan. Untuk memantau perubahan yang terjadi dalam dimensi digunakan tipe-tipe Slowly Changing Dimension (SCD) yang dikemukakan oleh Kimball. SCD tipe 2 diterapkan pada semua tabel dimensi. Pada SCD tipe 2 yaitu perubahan atribut pada tabel dimensi akan menyebabkan pembuatan record baru. Contohnya, perubahan pada jumlah tempat tidur akan mengakibatkan penambahan record baru pada dimensi ruangan dengan menyimpan record yang lama. Hal ini dilakukan untuk menjaga data yang lama tetap ada agar dapat diketahui perubahan dimensi yang terjadi dari data lama dan data baru. 9. Penentuan prioritas dan model query. Di tahap ini dilakukan query untuk hasil dari perhitungan indikator standar mutu pelayanan nasional diantaranya nilai BOR, ALOS, BTO, TOI, GDR dan NDR. Setelah jumlah pasien dan jumlah kematian di dapat, dilakukan kembali perintah query pada stores procedure yang terdapat di Microsoft SQL Server Management untuk mendapatkan nilai dari perhitungan indikator dengan rumus yang sudah ditetapkan. SELECT @JumlahTT = JumlahTempatTidur DimRuanganID = @DimRuanganID

Gambar 4.

FROM

DimRuangan

WHERE

Query untuk jumlah tempat tidur

Untuk gambar 4 di atas, dapat dilihat query untuk mencari jumlah tempat tidur yang ada pada tabel DimRuangan. Untuk jumlah tempat tidur, memiliki jumlah yang berbeda-beda di tiap ruangannya. Jumlah tempat tidur ini akan dibutuhkan untuk mencari nilai BOR, TOI dan BTO. SELECT @JumlahPasien JumlahKematian FROM @DimRuanganID

Gambar 5.

= JumlahPasien, @JumlahKematian FaktaPelayanan WHERE DimRuanganID

= =

Query untuk mengambil data jumlah pasien dan jumlah kematian

Untuk query pada gambar 5 di sini untuk mengambil data dari jumlah pasien dan jumlah kematian yang sudah dilakukan kalkulasi awal di tahap sebelumnya yang sudah tersimpan pada tabel FaktaPelayanan SELECT @JumlahLamaPerawatan = SUM(LamaHari) Billing_System.dbo.HosPakaiKamar WHERE (Tgl_Masuk @TanggalAwal AND @TanggalAkhir) AND Ruangan=@DimRuanganID

FROM BETWEEN



Query untuk jumlah lama perawatan

Gambar 6.

Untuk gambar 6 di atas, dapat dilihat query untuk mencari jumlah lama perawatan yang ada pada database Rumah Sakit Umum Daerah Banjarbaru yang diberi nama Billing_System, yaitu pada tabel HosPakaiKamar. Jumlah lama perawatan memiliki jumlah yang berbeda-beda pula untuk tiap ruangan dan waktunya. SELECT @BOR

= (@JumlahLamaPerawatan/(@JumlahTT*@Tanggal))*100

Gambar 7. BOR =

Query perhitungan indikator BOR

Jumlah hari perawatan RS dalam waktu tertentu Jumlah TT x Jumlah hari dalam satu satuan waktu

x 100%

Dengan menerapkan rumus indikator yang sudah ditetapkan, maka dilakukan query untuk mencari nilai BOR. Dengan nilai jumlah lama perawatan yang sudah di dapat terlebih dahulu dengan query yang dapat dilihat pada gambar 6. Jadi, untuk mendapatkan nilai BOR dibutuhkan data dari jumlah lama perawatan dan jumlah tempat tidur. SELECT @ALOS = (@JumlahLamaPerawatan/@JumlahPasien)

Gambar 8. ALOS =

Query perhitungan indikator ALOS

Jumlah hari perawatan RS dalam waktu tertentu Jumlah pasien keluar RS (hidup+mati)

Dengan menerapkan rumus indikator yang sudah ditetapkan, maka dilakukan query untuk mencari nilai ALOS. Untuk mendapatkan nilai ALOS dibutuhkan data dari jumlah lama perawatan dan jumlah pasien. SELECT@TOI = (((@Tanggal*@JumlahTT)@JumlahLamaPerawatan))/@JumlahPasien

Gambar 9. TOI =

Query perhitungan indikator TOI

(Jumlah TTxhari)-hari perawatan RS Jumlah pasien keluar RS (hidup+mati)

Dengan menerapkan rumus indikator yang sudah ditetapkan, maka dilakukan query untuk mencari nilai TOI. Dengan nilai jumlah lama perawatan yang sudah di dapat terlebih dahulu dengan query yang dapat dilihat pada gambar 6. Untuk mendapatkan nilai TOI juga dibutuhkan data dari jumlah lama perawatan,jumlah tempat tidur dan jumlah pasien.



SELECT @BTO

=

@JumlahPasien/@JumlahTT

Gambar 10. BTO =

Query perhitungan indikator BTO

Jumlah pasien keluar RS (hidup+mati) Jumlah tempat tidur

Dengan menerapkan rumus indikator yang sudah ditetapkan, maka dilakukan query untuk mencari nilai BTO. Untuk mendapatkan nilai BTO dibutuhkan data dari jumlah tempat tidur dan jumlah pasien. SELECT @GDR

= (@JumlahKematian/@JumlahPasien)*1000

Gambar 11.

Query perhitungan indikator GDR

Dengan menerapkan rumus indikator yang sudah ditetapkan, maka dilakukan query untuk mencari nilai GDR. Untuk mendapatkan nilai GDR dibutuhkan data dari jumlah kematian dan jumlah pasien. SELECT @NDR

= (@JumlahKematian48/@JumlahPasien)*1000

Gambar 12.

Query perhitungan indikator NDR

Dengan menerapkan rumus indikator yang sudah ditetapkan, maka dilakukan query untuk mencari nilai NDR. Untuk mendapatkan nilai NDR dibutuhkan data dari jumlah kematian dan jumlah pasien. Dari hasil querydiatas, maka didapatkan nilai dari indikator BOR, ALOS, BTO, TOI, GDR dan NDR dengan ruangan dan waktu yang diinginkan. Untuk lebih jelasnya dapat dilihat pada gambar 13. Hasil dari indikator pada bulan 1 dan tahun 2011 untuk ruangan MERAK. Dan hasil nilai indikator pada ruangan-ruangan yang lain dapat dilihat pada gambar 14.

Gambar 13.

Hasil pencarian indikator untuk bulan 1 tahun 2011



Gambar 14.

4. 1. 2.

Hasil pencarian nilai indikator

KESIMPULAN Kesimpulan yang diperoleh dari penelitian ini yaitu : Hasil data warehouse dapat dimanfaatkan oleh rumah sakit dengan hasil nilai indikator. Untuk mendapatkan hasil nilai indikator tidak maksimal, karena kekurangan pada data untuk memenuhi perhitungan tersebut.

DAFTAR PUSTAKA [1] Shopiatun “Analisis dan Perancangan Data Warehouse Penentuan Indikator Mutu Pelayanan Rumah Sakit(Studi Kasus: Rumah Sakit Umum Daerah Banjarbaru)”, Skripsi Program StudiIlmuKomputer,

UniversitasLambungMangkurat, Banjarbaru, 2014.

[2] Conolly,ThomasM.danCarolynE. Begg. Database System: A PracticalApproach to th

[3] [4] [5] [6] [7]

design,Implementation, And Management4 edition. Addison Whesley,LongmanInc:USA. 2005 Inmon, William H. Building The Data warehouse, 4th ed..Wiley Publishing, Inc.: Indianapolis. 2005. Mallach, Efrem G. Decision Support and Data warehouse Systems. McgrawHill.2000 Muninjaya, A. Manajemen Kesehatan. Penerbit Buku KedokteranEGC: Jakarta. 2004 Oktavia T. Perancangan Model Data Warehouse Dalam Mendukung Perusahaan Jasa Pengiriman. Seminar Nasional Informatika 2011. ISSN: 19792328.2011. Ponniah, Paulraj. Data Warehousing Fundamentals: A Comprehensive Guide For IT Professionals. John Wiley & Sons: USA.2001


PEMANFAATAN DATA WAREHOUSE SEBAGAI PENENTUAN INDIKATOR MUTU PELAYANAN RUMAH SAKIT

Recommend Documents