Excel ACC
Excel ACC
Abstrak Rumah Sakit Universitas Airlangga (RSUA) merupakan sarana pelayanan kesehatan yang dikelola
di bawah naungan Universitas Airlangga. Seiring berjalannya proses bisnis, jumlah pasien RSUA yang
semakin bertambah menyebabkan data kunjungan pasien rawat jalan yang harus dikelola oleh bagian rekam
medis semakin banyak. Data tersebut dikelola untuk digunakan dalam pembuatan laporan. Informasi dalam
laporan dihasilkan melalui perhitungan secara manual atau menggunakan formula Microsoft Excel menjadi
kendala dalam pembuatan laporan selain adanya kebutuhan laporan dengan format beragam dan analisis
multidimensional. Data warehouse berbasis Online Analytical Processing (OLAP) dapat diterapkan untuk
menangani masalah tersebut. Tujuan penelitian ini adalah merancang dan membangun data warehouse
berbasis OLAP agar dapat digunakan oleh bagian rekam medis RSUA dalam pembuatan laporan. Data
warehouse dibangun melalui tujuh tahap yaitu analisis, desain, proses ETL (Extraction, Transformation, and
Loading), penerapan OLAP, uji coba, eksplorasi untuk hasil laporan dan analisis, serta evalusi. Perancangan
data warehouse menggunakan Nine Step Methodology dengan pemodelan berupa fact constellation schema.
Hasil implementasi data warehouse adalah aplikasi OLAP yang dapat digunakan untuk membantu kinerja
bagian rekam medis RSUA dalam pembuatan laporan, baik berupa tabel pivot maupun grafik. Penilaian
pengguna terhadap sistem data warehouse menunjukkan kategori baik dengan hasil penilaian sebesar 73.61
persen.
Kata Kunci Data Warehouse, Rawat Jalan, ETL, Nine Step Methodology, OLAP
Abstract Airlangga University Hospital is a health care facilities managed by the auspices of Airlangga
University. Increasing number of patients in RSUA caused more outpatients visits data must be managed by
the medical record unit. The data was used to report making. The information in the reports generated
through manual calculation or used function of Microsoft Excel became a problem of report making in
addition to their reporting needs with diverse formats and multidimensional analysis. Data warehouse based
on Online Analytical Processing (OLAP) could implemented to solved the problem. The goal of this research
were to designing and implementing the data warehouse based on OLAP so it could be used by medical record
unit to making report. Data warehouse was implemented in seven process : analysis, design, ETL (Extraction,
Transformation, and Loading), implementing OLAP, trial, explore the report and analysis, and evaluation.
Design of data warehouse were using Nine Step Methodology and fact constellation schema model.The
outcome of this research was an OLAP application that can used to help the task of RSUA medical record unit
to making report using pivot table or chart. User ratings against the data warehouse system showed good
category with the results of 73.61 percent in assessment.
unit rawat jalan, unit rawat inap, IGD, menyimpan dan mengelola data, sedangkan OLAP
laboratorium, fisioterapi, rehab medik, dan kamar digunakan untuk mengubah data dalam data
operasi. Data-data tersebut dikelola dan digunakan warehouse menjadi informasi (Reddy, Srinivasu,
untuk membuat laporan. Namun, pihak rekam Rao, & Rikkula, 2010). Data warehouse yang
medis mengalami kesulitan dalam membuat didasarkan pada OLAP memberikan solusi untuk
laporan-laporan tersebut, khususnya laporan masalah integrasi data, akses informasi, dan
kunjungan pasien pada unit rawat jalan. Hal analisis data yang memungkinkan pengguna untuk
tersebut dikarenakan data kunjungan pasien pada mengakses informasi dengan cepat dan akurat
unit rawat jalan sangat banyak dan jumlahnya sehingga eksekutif dapat mengambil keputusan
lebih banyak dibandingkan data kunjungan pasien dengan efisien (Sheta & Eldeen, 2013). Oleh
pada unit layanan lain sehingga pengelolaan data karena itu, data warehouse berbasis OLAP
dan pembuatan laporan kunjungan pasien rawat diharapkan dapat diterapkan sebagai solusi
jalan menjadi lebih sulit. Berdasarkan laporan permasalahan sehingga dapat membantu kinerja
kunjungan pasien rawat jalan RSUA tahun 2012- bagian rekam medis RSUA untuk memenuhi
2014, masing-masing jumlah kunjungan pasien kebutuhan berbagai format laporan serta analisis
rawat jalan pada tahun 2012, 2013, dan 2014 data multidimensional dalam laporan kunjungan
adalah 1.398, 5.817, dan 26.585. pasien rawat jalan RSUA.
Data kunjungan pasien rawat jalan dikelola Sebelumnya, penelitian mengenai perancangan
dalam file Microsoft Excel yang merupakan data warehouse pernah dilakukan pada Rumah
rekapan dari rekam medis pasien rawat jalan pada Sakit Umum Daerah Palembang Bari (Suzana,
setiap poliklinik. Data itulah yang digunakan untuk 2013). Penelitian tersebut dilakukan untuk
membuat laporan. Meskipun SIMRS telah membangun data warehouse pada RSUD
diterapkan, namun data yang digunakan untuk Palembang Bari guna memenuhi kebutuhan
laporan tidak diambil dari data pendaftaran pasien informasi bagi pihak eksekutif sehingga dapat
pada sistem tersebut karena pasien yang telah digunakan dalam mendukung pengambilan
terdaftar belum tentu datang ke poliklinik yang keputusan sehingga dapat meningkatkan kinerja
dituju atau batal untuk berobat, sedangkan laporan dalam hal menangani pasien. Dalam hal ini, data
dibuat berdasarkan pasien yang telah mendapatkan warehouse dirancang untuk mengelola data pasien
pelayanan di poliklinik. rawat jalan dan rawat inap. Perancangan data
Bagian rekam medis mengalami beberapa warehouse tersebut menggunakan nine step
kendala dalam membuat laporan kunjungan pasien methodology dengan pemodelan fact constellation
rawat jalan, diantaranya adalah informasi dalam schema yang terdiri dari dua tabel fakta yaitu tabel
laporan yang masih diperoleh dengan fakta rawat jalan dan tabel fakta rawat inap.
menggunakan perhitungan secara manual atau Dimensi yang digunakan dalam fakta rawat jalan
formula Ms.Excel serta adanya kebutuhan adalah dimensi waktu, klinik, diagnosis, dan
berbagai format laporan yang mendukung analisis asuransi, sedangkan untuk fakta rawat inap
multidimensi. Hal tersebut menyebabkan dimensi yang digunakan adalah dimensi waktu,
perhitungan menjadi sulit untuk dilakukan dan klinik, asuransi, dan kamar.
membutuhkan waktu yang cukup lama. Sebuah Adapun penelitian serupa juga dilakukan pada
solusi yang dapat diterapkan untuk menangani Rumah Sakit ABC (Madyatmadja, Wibisono,
masalah yang dihadapi adalah dengan membangun Sucipto,& Gusti Agung, 2012). Tujuannya adalah
sistem data warehouse. membangun data warehouse pada Rumah Sakit
Data warehouse adalah adalah koleksi data ABC untuk memberikan solusi pada masalah yang
yang mempunyai sifat berorientasi subjek (subject- dihadapi pihak rumah sakit yaitu terbatasnya
oriented), terintegrasi (integrated), time-variant, ketersediaan informasi bagi eksekutif. Data
dan bersifat tetap (non-volatile) dari koleksi data warehouse diharapkan dapat memberikan manfaat
dalam mendukung proses pengambilan keputusan untuk menyediakan informasi baik secara rinci
management ( Inmon W.H.,2002). Data warehouse maupun ringkasan sesuai dengan kebutuhan serta
adalah sebuah basis data komprehensif yang informasi dapat diakses dengan lebih cepat dan
mendukung semua analisis keputusan yang mudah guna mendukung pengambilan keputusan.
diperlukan oleh suatu organisasi dengan Ruang lingkup pada penelitian tersebut adalah
menyediakan ringkasan dan rincian informasi rawat jalan, rawat inap, dan penunjang medik.
(Turban, Rainer, & Potter, 2005). Data warehouse Perancangan data warehouse dalam kasus ini juga
yang dipadukan dengan online analytical menggunakan nine step methodology. Namun,
processing (OLAP) mendukung pengelolaan pemodelan yang digunakan adalah star schema
kembali, integrasi dan analisa data yang yang mempunyai 3 tabel fakta yaitu tabel fakta
memungkinkan pengguna mengakses informasi rawat jalan, tabel fakta rawat inap, dan tabel fakta
secara cepat dan akurat (Ahmad, 2000). OLAP dan penunjang medik. Dimensi yang digunakan pada
data warehouse memiliki fungsi yang saling tabel fakta rawat jalan adalah dimensi waktu,
melengkapi, data warehouse digunakan untuk pasien, umur, poliklinik, dokter, dan penyakit.
41
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
Dimensi pada tabel fakta rawat inap yaitu dimensi 3) Analisis data: Sebelum melakukan analisis
waktu, pasien, umur, kamar, dokter, dan penyakit, data, dilakukan pengambilan sampel data
sedangkan dimensi yang digunakan pada tabel kunjungan pasien rawat jalan. Data tersebut
fakta penunjang medik adalah dimensi waktu, kemudian dianalisis agar dapat mempermudah
pasien, umur, dan penunjang medik. perancangan dan pemodelan data warehouse.
Nine step methodology dijadikan sebagai acuan
dalam merancang data warehouse rawat jalan B. Desain
RSUA. Menurut Kimball terdapat 9 tahap dalam Tahap desain terdiri dari proses perancangan
merancang data warehouse menggunakan nine step dan pemodelan data warehouse.
methodology (Connolly & Begg, 2005). Sembilan
1) Perancangan data warehouse:
tahap tersebut adalah memilih proses, memilih
grain, identifikasi dan penyesuaian dimensi, Perancangan data warehouse menggunakan nine
memilih fakta, menyimpan pre-calculation pada step methodology yang terdiri dari 9 tahap yaitu:
tabel fakta, memastikan tabel dimensi, memilih a) Memilih proses: Pemilihan proses
durasi basis data, melacak perubahan dimensi dilakukan untuk memperjelas batasan data
secara perlahan, dan menentukan prioritas dan warehouse.
model query. b) Memilih grain: Grain adalah data dari
Adapun pemodelan data warehouse yang calon fakta yang dapat dianalisis. Memilih grain
digunakan adalah fact constelation schema yang berarti menentukan apa yang dipresentasikan oleh
memiliki 2 tabel fakta yaitu tabel fakta kunjungan record pada tabel fakta.
dan tabel fakta diagnosa. Jika data warehouse pada c) Identifikasi dan penyesuaian dimensi:
Rumah Sakit Umum Daerah Palembang Bari Pada tahap ini dilakukan identifikasi terhadap
menggunakan 2 tabel fakta yaitu untuk fakta rawat dimensi yang digunakan yaitu disesuaikan dengan
jalan dan fakta rawat inap serta data warehouse grain yang dipilih.
pada Rumah Sakit ABC menggunakan 3 tabel d) Memilih fakta: Melakukan pemilihan
fakta yaitu masing-masing untuk fakta rawat jalan, fakta dimana setiap fakta memiliki data yang
fakta rawat inap, dan fakta penunjang medik, pada dapat dihitung sehingga dapat ditampilkan dalam
penelitian ini 2 tabel fakta hanya digunakan khusus laporan dan dapat dianalisis.
untuk menangani rawat jalan. Data warehouse
e) Menyimpan pre-calculation pada tabel
rawat jalan RSUA menggunakan 10 dimensi, yaitu
fakta: Banyak proses kalkulasi yang dilakukan
dimensi waktu, dimensi jenis kelamin, dimensi
pada tabel fakta dan untuk memudahkan
jenis kunjungan, dimensi kelompok usia, dimensi
implementasi ke data warehouse perlu dilakukan
jenis pembayaran, dimensi kota, dimensi
penyimpanan hasil pre-kalkulasi tersebut.
poliklinik, dimensi dokter, dimensi jenis dokter,
dan dimensi diagnosa. Tujuan dari penelitian ini f) Memastikan tabel dimensi:
adalah menghasilkan rancangan dan implementasi Menambahkan deskripsi atau informasi lengkap
data warehouse berbasis OLAP agar dapat mengenai dimensi meliputi atribut-atribut yang
digunakan bagian rekam medis untuk membuat digunakan pada setiap dimensi.
laporan kunjungan pasien rawat jalan RSUA. g) Memilih durasi basis data: Menentukan
durasi data yang digunakan dalam data warehouse
II. METODE PENELITIAN sesuai kebutuhan.
Penelitian dilakukan melalui 7 tahap yaitu h) Melacak perubahan dimensi secara
analisis, desain, ETL, penerapan OLAP, uji coba, perlahan: Melakukan pengamatan terhadap
eksplorasi hasil laporan dan analisis, serta evaluasi. perubahan dimensi pada tabel dimensi kemudian
mengidentifikasi tipe perubahan dimensi sebagai
A. Analisis
berikut :
Terdapat 3 hal yang dilakukan pada tahap
Tipe 1: Atribut dimensi yang telah berubah
analisis yaitu analisis permasalahan, analisis
tertulis ulang
kebutuhan, dan analisis data.
Tipe 2: Atribut dimensi yang telah berubah
1) Analisis permasalahan: Penelitian diawali menimbulkan sebuah dimensi baru
dengan melakukan wawancara untuk identifikasi Tipe 3: Atribut dimensi yang telah berubah
permasalahan yang dialami, khususnya terkait menimbulkan alternatif sehingga nilai atribut
pembuatan laporan. lama dan baru dapat diakses bersama pada
dimensi yang sama
2) Analisis kebutuhan: Tahap ini juga
dilakukan melalui wawancara untuk identifikasi i) Menentukan prioritas dan model query:
kebutuhan agar mampu memberikan solusi Mempertimbangkan pengaruh dari rancangan
terhadap permasalahan serta melakukan fisik, seperti kapasitas penyimpanan pada disk,
backup, dan keamanan akses oleh pengguna.
identifikasi terhadap kebutuhan laporan.
42
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
43
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
44
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
FK_RELATIONSHIP_2
dim_Kel_Usia FK_RELATIONSHIP_14
FK_RELATIONSHIP_5 id_kelompok_usia char(1) <pk>
kelompok_usia varchar(10)
dim_JPembayaran
dim_Diagnosa
id_jenis_pembayaran char(2) <pk>
dim_Waktu kode_icd_x varchar(20) <pk>
jenis_pembayaran varchar(15)
diagnosa varchar(150)
waktu_mrs date <pk>
tanggal char(2)
dim_Dokter hari varchar(6)
bulan varchar(10)
id_dokter char(5) <pk>
triwulan varchar(20)
id_jenis_dokter char(3) <fk>
tahun char(4) FK_RELATIONSHIP_11
nama_dokter varchar(50)
h) Melacak perubahan dari dimensi secara kebutuhan. Berikut adalah hal-hal yang dilakukan
perlahan: Atribut dimensi yang mungkin berubah dalam proses transformasi :
adalah poliklinik, jenis pembayaran, dan jenis a) Menentukan nomor transaksi
dokter. Data warehouse rawat jalan menggunakan
b) Mengubah format waktu
tipe yang ketiga yaitu atribut dimensi yang telah
berubah menimbulkan alternatif sehingga nilai c) Menentukan tanggal
atribut lama dan baru dapat diakses secara d) Menentukan hari
bersama pada dimensi yang sama. e) Menentukan bulan
i) Menentukan prioritas dan mode query: f) Menentukan triwulan
Update dilakukan setiap bulan dan upaya untuk g) Menentukan tahun
menjaga keamanan dilakukan dengan memberikan h) Mengubah format penulisan pada atribut
password pada DBMS dan memproteksi file jenis kelamin
Ms.Excel yang digunakan sebagai OLAP.
i) Menentukan id jenis kelamin
2) Pemodelan data warehouse : Pemodelan j) Menentukan id kota
yang digunakan adalah fact constellation schema k) Mengubah format penulisan pada atribut
dengan 2 tabel fakta dan 10 tabel dimensi. Fact kelompok usia
constellation schema dibuat dalam bentuk l) Menentukan id kelompok usia
Conceptual Data Model (CDM) dan Physical Data
m) Mengubah format penulisan pada atribut
Model (PDM). Physical Data Model (PDM) dari
jenis kunjungan
pemodelan tersebut dapat dilihat pada Gambar 1.
n) Menentukan id jenis kunjungan
C. Proses Extraction, Transformation, Loading o) Mengubah format penulisan pada atribut
(ETL) jenis pembayaran
Proses ETL terdiri dari 3 tahap yaitu p) Menentukan id jenis pembayaran
extraction, transformation, dan loading. q) Mengubah format penulisan pada atribut
1) Extraction: Data kunjungan pasien rawat poliklinik
jalan RSUA diambil dari sumber dan sudah r) Menentukan id poliklinik
tersimpan pada file Ms.Excel sesuai dengan s) Menentukan id dokter
kebutuhan dalam data warehouse. t) Menambahkan atribut jenis dokter
2) Transformation: Transformasi dilakukan u) Menentukan id jenis dokter
untuk mengolah data kunjungan pasien rawat v) Normalisasi diagnosa dalam transaksi
jalan agar memiliki format sesuai dengan w) Penyamaan istilah diagnose
45
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
x) Menentukan nomor record dibutuhkan. Berikut adalah hasil uji coba OLAP
y) Memberikan nilai pada setiap record data untuk memenuhi kebutuhan laporan:
Daftar atribut yang dibutuhkan dalam membangun 1) Laporan jumlah kunjungan pasien rawat
data warehouse dijelaskan dalam Tabel 3. jalan setiap bulan: Hasil uji coba OLAP untuk
TABEL 3. DAFTAR ATRIBUT DATA YANG DIPERLUKAN DALAM
laporan jumlah kunjungan pasien berdasarkan
DATA WAREHOUSE bulan dapat dilihat pada Gambar 2. Berdasarkan
laporan yang terbentuk, jumlah kunjungan pasien
No. Atribut data Penggunaan
1. No_transaksi Fakta_Kunjungan unit rawat jalan pada bulan Juli hingga Desember
2. No_record Fakta_Dianosa 2014 selalu mengalami kenaikan, sedangkan pada
Fakta_Diagnosa dan bulan Januari hingga Juni 2015 jumlah kunjungan
3. Status
Fakta_Kunjungan pasien cenderung mengalami kenaikan . Informasi
4. Waktu_mrs tersebut dapat digunakan sebagai dasar
5. Tanggal
peningkatan mutu pelayanan rawat jalan.
6. Hari
Dim_Waktu
7. Bulan
8. Triwulan
9. Tahun
10. Id_jenis_kelamin
Dim_JKelamin
11. Jenis_kelamin
12. Id_kelompok_usia
Dim_Kel_Usia
13. Kelompok_usia
14. Id_kota
Dim_Kota
15. Kota
16. Id_jenis_kunjungan
Dim_JKunjungan
17. Jenis_kunjungan
18. Id_jenis_pembayaran
Dim_JPembayaran
19. Jenis_pembayaran
20. Id_poliklinik
Dim_Poliklinik
21. Poliklinik
22. Id_dokter
Dim_Dokter
23. Nama_dokter
24. Id_jenis_dokter
Dim_JDokter
25. Jenis_dokter
26. Kode_icd_x Gambar 2. Hasil uji coba OLAP untuk laporan jumlah
Dim_Diagnosa
27. Diagnosa kunjungan pasien berdasarkan bulan
3) Loading: Tahap loading atau pemuatan 2) Laporan jumlah kunjungan pasien rawat
dilakukan data dilakukan melalui 3 proses, yaitu jalan setiap triwulan: Berdasarkan laporan jumlah
pemuatan data dari Ms.excel ke tabel staging, kunjungan pasien rawat jalan setiap triwulan yang
pemuatan data dari tabel staging ke tabel fakta dan ditunjukkan pada Gambar 3, dapat diketahui
dimensi, serta pemuatan data dari tabel fakta dan bahwa pada tahun 2014 untuk periode triwulan
dimensi ke tabel view. Tabel staging adalah tabel Juli-September dan Oktober-Desember jumlah
yang digunakan untuk menyimpan data yang telah pasien mengalami kenaikan, begitu pula pada
ditransformasi. Pada tahap ini data warehouse tahun 2015 triwulan Januari-Maret dan April-Juni
telah terbentuk tetapi belum dapat diakses juga mengalami peningkatan.
sehingga harus dilakukan penerapan OLAP.
D. Penerapan OLAP
OLAP dibangun pada Microsoft Excel dengan
tujuan agar pengguna dapat melakukan analisis
multidimensi menggunakan tabel pivot untuk
menghasilkan laporan sesuai dengan kebutuhan.
Aplikasi OLAP dibangun menjadi 2 bagian yaitu
kunjungan dan diagnosa. OLAP kunjungan
digunakan untuk mengelola laporan mengenai Gambar 3. Hasil uji coba OLAP untuk laporan jumlah
kunjungan pasien, sedangkan OLAP diagnosa kunjungan pasien berdasarkan triwulan
untuk mengelola laporan mengenai diagnosa.
3) Laporan jumlah kunjungan pasien rawat
E. Uji Coba jalan setiap tahun: Laporan jumlah kunjungan
Uji coba dilakukan terhadap aplikasi OLAP pasien berdasarkan tahun dapat dilihat pada
untuk memastikan bahwa aplikasi tersebut dapat Gambar 4. Laporan tersebut memberikan
menghasilkan laporan sesuai dengan format yang informasi bahwa jumlah kunjungan pasien rawat
46
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
jalan pada tahun 2014 hingga 2015 mengalami baru dan lama baik laki-laki maupun perempuan
peningkatan. adalah poliklinik penyakit dalam.
4) Laporan jumlah kunjungan pasien laki-laki Gambar 5. Hasil uji coba OLAP untuk laporan jumlah
dan perempuan, baik pasien baru maupun pasien kunjungan pasien berdasarkan jenis kelamin dan jenis
lama: Berdasarkan laporan jumlah kunjungan kunjungan
pasien menurut jenis kelamin dan jenis kunjungan 6) Laporan jumlah kunjungan pasien pada
pada Gambar 5, diketahui bahwa jumlah pasien setiap poliklinik berdasarkan jenis pembayaran:
lama lebih banyak daripada jumlah pasien baru. Laporan jumlah kunjungan pasien berdasarkan
Jumlah pasien perempuan lebih banyak daripada poliklinik dan jenis pembayaran pada Gambar 7
jumlah pasien laki-laki, baik pasien lama maupun memberikan informasi bahwa secara umum jenis
pasien baru. pembayaran yang banyak digunakan oleh pasien
5) Laporan jumlah kunjungan pasien pada pada tahun 2014 hingga 2015 adalah JKN.
setiap poliklinik untuk pasien berjenis kelamin Pembayaran menggunakan JKN banyak
laki-laki dan perempuan, baik pasien baru digunakan oleh pasien untuk berobat pada
maupun pasien lama: Laporan jumlah kunjungan poliklinik penyakit dalam.
pasien berdasarkan poliklinik, jenis kelamin, dan 7) Laporan jumlah kunjungan pasien
jenis kunjungan dapat dilihat pada Gambar 6. berdasarkan kota: Laporan jumlah kunjungan
Laporan tersebut memberikan informasi bahwa pasien berdasarkan kota dapat digunakan untuk
berdasarkan jenis kunjungan, poliklinik paling memetakan persebaran asal pasien yang
sering dikunjungi oleh pasien baru maupun pasien berkunjung ke RSUA berdasarkan kota. Secara
lama adalah poliklinik penyakit dalam. Adapun umum, jumlah pasien yang berkunjung ke RSUA
berdasarkan jenis kunjungan dan jenis kelamin, berdasarkan kota asalnya dapat dilihat pada
poliklinik paling sering dikunjungi oleh pasien laporan dalam Gambar 8.
Gambar 6. Hasil uji coba OLAP untuk laporan jumlah kunjungan pasien berdasarkan poliklinik, jenis kelamin, dan jenis
kunjungan
47
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
Gambar 7. Hasil uji coba OLAP untuk laporan jumlah kunjungan pasien berdasarkan poliklinik dan jenis pembayaran
Gambar 8. Hasil uji coba OLAP untuk laporan jumlah Gambar 9. Hasil uji coba OLAP untuk laporan jumlah
kunjungan pasien berdasarkan kota kunjungan pasien berdasarkan dokter
48
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
Gambar 10. Hasil uji coba OLAP untuk laporan sepuluh jumlah diagnosa terbanyak
Selain berupa tabel pivot, aplikasi OLAP juga diluar kebutuhan yang diminta. Gambar 12
dapat menampilkan laporan berupa grafik seperti menunjukkan contoh hasil eksplorasi laporan
contoh pada Gambar 11 yaitu grafik laporan jumlah kunjungan pasien berdasarkan kelompok
kunjungan pasien berdasarkan bulan. Laporan usia.
berupa grafik dapat membantu pengguna untuk
G. Evaluasi
membaca informasi dengan lebih mudah.
Berdasarkan hasil uji coba yang telah Evaluasi dilakukan dengan memberikan
dilakukan, dapat diketahui bahwa kebutuhan kuesioner kepada pengguna. Kuesioner yang
laporan yang diinginkan oleh pihak rekam medis diberikan kepada pengguna berisi 9 indikator
dapat dipenuhi melalui sistem data warehouse untuk poin yang dievaluasi. Setiap indikator diberi
berbasis OLAP yang telah dibangun. skor yang mewakili skala penilaian. Skala
penilaian terdiri dari 4 jenjang yaitu kurang baik
F. Eksplorasi Hasil Laporan dan Analisis dengan skor 1, cukup baik dengan skor 2, baik
Tahap selanjutnya adalah melakukan analisis dengan skor 3, dan sangat baik dengan skor 4.
dan eksplorasi hasil laporan dengan format lain
49
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
50
Ardista, Taufik, & Purbandini
Journal of Information Systems Engineering and Business Intelligence, 2017, 3 (1), 40-51
tabel pivot dan grafik. Adapun hasil evaluasi Implementation, and Management. Addison
berdasarkan kuesioner menunjukkan bahwa Wesley.
penilaian pengguna terhadap sistem data Inmon, W. H. (2005). Building the Data Warehouse.
warehouse masuk ke dalam kategori baik dengan Indianapolis: Wiley.
Madyatmadja, E. D., Wibisono, M. A., Sucipto A., &
hasil penilaian sebesar 73.61%. Gusti Agung D. V. (2012). Manfaat
Diharapkan pengembangan sistem data Datawarehouse pada Rumah Sakit ABC.
warehouse dimasa mendatang dapat menggunakan ComTech , 3 (2), 824-831.
data dari sistem OLTP yaitu SIMRS agar kualitas Reddy, G. S., Srinivasu, R., Rao, M. P., & Rikkula, S.
data yang digunakan lebih baik. Selain itu, sistem R. (2010). Data Warehousing, Data Mining,
data warehouse juga dapat dikembangkan untuk OLAP and OLTP Technologies are Essential
mendukung pelaporan pada unit lain seperti rawat Elements to Support Decision-Making
inap, operasi, IGD, laboratorium, dan rehab medik Process in Industries. International Journal
on Computer Science and Engineering , 2 (9),
serta sistem dapat dikembangkan dengan lebih
2865-2873.
baik sehingga mempunyai antarmuka yang lebih Sheta, O. E., & Eldeen, A. N. (2013). The Technology
menarik, misalnya dalam sebuah aplikasi web. of Using A Data Warehouse to Support
Decision-Making in Health Care.
DAFTAR PUSTAKA International Journal of Database
Management Systems , 5 (3), 75-86.
Ahmad, I. (2000). Data Warehousing in Construction Suzana, M. (2013). Analisis dan Perancangan Data
Organizations. Construction Congress VI : Warehouse Rumah Sakit Umum Daerah
Building Together for a Better Tomorrow in Palembang Bari. Skripsi, Universitas Bina
an Increasingly Complex World. Orlando: Darma, Program Studi Teknik Informatika.
American Society of Civil Engineers. Turban, E., Rainer, R. K., & Potter, R. E. (2005).
Connolly, T. M., & Begg, C. E. (2005). Database Introduction to Information Technology.
Systems : A Practical Approach to Design, Canada: John Wiley & Sons.
51