1.2.

Rancang Bangun Data Warehouse Untuk Pembuatan Laporan dan

Analisis pada Data Kunjungan Pasien Rawat Jalan Rumah Sakit
Universitas Airlangga Berbasis Online Analytical Processing (OLAP)1
1.2.1. Pendahuluan
Rumah Sakit Universitas Airlangga (RSUA) merupakan sarana pelayanan
kesehatan yang dikelola di bawah naungan Universitas Airlangga. Dalam proses
bisnisnya, RSUA menerapkan Sistem Informasi Rumah Sakit (SIMRS) sebagai sistem
operasional. Namun, SIMRS yang diterapkan di RSUA masih terbatas untuk
melakukan fungsi pendaftaran dan billing.
Semakin banyak pasien, maka semakin banyak pula data kunjungan pasien
yang harus dikelola oleh bagian rekam medis Data-data tersebut dikelola dan
digunakan untuk membuat laporan. Namun, pihak rekam medis mengalami kesulitan
dalam membuat laporan-laporan tersebut, khususnya laporan kunjungan pasien pada
unit rawat jalan. Hal tersebut dikarenakan data kunjungan pasien pada unit rawat jalan
sangat banyak sehingga pengelolaan data dan pembuatan laporan kunjungan pasien
rawat jalan menjadi lebih sulit.
Meskipun SIMRS telah diterapkan, namun data yang digunakan untuk laporan
tidak diambil dari data pendaftaran pasien pada sistem tersebut karena pasien yang
telah terdaftar belum tentu datang ke poliklinik yang dituju atau batal untuk berobat,
sedangkan laporan dibuat berdasarkan pasien yang telah mendapatkan pelayanan di
poliklinik.
Data warehouse yang didasarkan pada OLAP memberikan solusi untuk
masalah integrasi data, akses informasi, dan analisis data yang memungkinkan
pengguna untuk mengakses informasi dengan cepat dan akurat sehingga eksekutif
dapat mengambil keputusan dengan efisien.

1
iNur Ardista, Taufik dan Purbadini. 2017. Rancang Bangun Data Warehouse Untuk Pembuatan
Laporan dan Analisis pada Data Kunjungan Pasien Rawat Jalan Rumah Sakit Universitas Airlangga
Berbasis Online Analytical Processing (OLAP). Universitas Airlangga, hlm 1-12
 Nine step methodology dijadikan sebagai acuan dalam merancang data
warehouse rawat jalan RSUA. Menurut Kimball terdapat 9 tahap dalam merancang
data warehouse menggunakan nine step methodology. Tujuan dari penelitian ini adalah
menghasilkan rancangan dan implementasi data warehouse berbasis OLAP agar dapat
digunakan bagian rekam medis untuk membuat laporan kunjungan pasien rawat jalan
RSUA.

1.2.2. Metodologi
Penelitian dilakukan melalui 7 tahap sebagai berikut:
1. Analisis
Terdapat 3 tahap analisis yaitu analisis permasalahan, analisis kebutuhan, dan
analisis data.
a. Analisis permasalahan: Penelitian dengan melakukan wawancara untuk
identifikasi permasalahan yang dialami.
b. Analisis kebutuhan: Tahap ini dilakukan melalui wawancara untuk
identifikasi kebutuhan agar mampu memberikan solusi terhadap
permasalahan.
c. Analisis data: Sebelum melakukan analisis data, dilakukan pengambilan
sampel data kunjungan pasien rawat jalan.
2. Desain
Tahap desain terdiri dari proses perancangan dan pemodelan data warehouse.
a. Perancangan data warehouse:
Perancangan data warehouse menggunakan nine step methodology yang
terdiri dari 9 tahap yaitu:
1) Memilih proses: Memilih proses untuk memperjelas batasan data
warehouse.
2) Memilih grain: Memilih grain berarti menentukan apa yang
dipresentasikan oleh record pada tabel fakta.
 3) Identifikasi dan penyesuaian dimensi: Dilakukan identifikasi terhadap
dimensi yang digunakan yaitu disesuaikan dengan grain yang dipilih.
4) Memilih fakta: Melakukan pemilihan fakta dimana setiap fakta memiliki
data yang dapat dihitung.
5) Menyimpan pre-calculation pada tabel fakta: Penyimpanan hasil pre-
kalkulasi yang dilakukan pada tabel fakta.
6) Memastikan tabel dimensi: Menambahkan deskripsi atau informasi
lengkap mengenai dimensi meliputi atribut-atribut yang digunakan.
7) Memilih durasi basis data: Menentukan durasi data yang digunakan
dalam data warehouse sesuai kebutuhan.
8) Melacak perubahan dimensi secara perlahan: Melakukan pengamatan
terhadap perubahan dimensi pada tabel dimensi kemudian
mengidentifikasi tipe perubahan dimensi sebagai berikut :
a) Tipe 1: Atribut dimensi yang telah berubah tertulis ulang.
b) Tipe 2: Atribut dimensi telah berubah menjadi sebuah dimensi baru.
c) Tipe 3: Atribut dimensi yang telah berubah menimbulkan alternatif
sehingga nilai atribut lama dan baru dapat diakses bersama pada
dimensi yang sama.
9) Menentukan prioritas dan model query: Mempertimbangkan pengaruh
dari rancangan fisik.
b. Pemodelan data warehouse: Model yang dipilih adalah fact constellation
schema.
3. Proses Extraction, Transformation, Loading (ETL)
Proses ETL terdiri dari 3 tahap yaitu extraction, transformation, dan loading.
a. Extraction: Mengambil data dari sumber kemudian data diubah ke dalam
format yang dibutuhkan.
b. Transformation: Transformasi dilakukan untuk mengolah data agar memiliki
format seperti yang dibutuhkan dalam data warehouse.
 c. Loading : Loading adalah tahap pemuatan data. Data yang telah
ditransformasi akan siap dimuat ke data warehouse.
4. Penerapan OLAP
OLAP dibangun dengan tujuan agar pengguna dapat melakukan analisis
multidimensi sehingga menghasilkan infromasi yang diperlukan.
5. Uji Coba
Pengembang sistem melakukan uji coba sebelum aplikasi OLAP disampaikan
kepada pengguna dengan cara membuat laporan sesuai dengan kebutuhan.
6. Eksplorasi Hasil Laporan dan Analisis
Ketika aplikasi OLAP memenuhi kebutuhan laporan, selanjutnya dapat dilakukan
analisis dan eksplorasi untuk membuat laporan dengan format yang dibutuhkan.
7. Evaluasi
Evaluasi dilakukan untuk mengetahui tanggapan atau penilaian pengguna terhadap
sistem data warehouse yang dibangun.

1.2.3. Pembahasan
Berikut ini adalah hasil pembahasan:
1. Analisis
Tahap analisis yaitu analisis permasalahan, analisis kebutuhan, dan analisis data.
a. Analisis permasalahan: Kendala utama yang dihadapi adalah proses
perhitungan yang dilakukan untuk menghasilkan informasi dilakukan secara
manual dan adanya kebutuhan format laporan yang bermacam-macam,
sehingga membutuhkan waktu cukup lama untuk menghasilkan laporan
tersebut.
b. Analisis kebutuhan: Kebutuhan yang diinginkan adalah sebuah sistem yang
dapat membantu mengolah data menjadi laporan yang melakukan perhitungan
menggunakan formula agar pembuatan laporan lebih mudah dan cepat. Selain
itu terdapat beberapa format laporan yang dibutuhkan yaitu :
1) Laporan jumlah kunjungan pasien rawat jalan setiap bulan
 2) Laporan jumlah kunjungan pasien rawat jalan setiap triwulan
3) Laporan jumlah kunjungan pasien rawat jalan setiap tahun
4) Laporan jumlah kunjungan pasien laki-laki dan perempuan, baik pasien
baru maupun pasien lama
5) Laporan jumlah kunjungan pasien pada setiap poliklinik untuk pasien
berjenis kelamin laki-laki dan perempuan, baik pasien baru maupun
pasien lama
6) Laporan jumlah kunjungan pasien pada setiap poliklinik berdasarkan
jenis pembayaran
7) Laporan jumlah kunjungan pasien berdasarkan kota
8) Laporan jumlah kunjungan pasien berdasarkan dokter
9) Laporan sepuluh jumlah diagnosa terbanyak yang diderita pasien
c. Analisis data: Pada tahap ini dilakukan pengambilan data sampel untuk
mengetahui format data kunjungan pasien rawat jalan. Data kunjungan
tersebut merupakan rekapan dari rekam medis pasien pada unit rawat jalan.
2. Desain
Tahap desain terdiri dari proses perancangan dan pemodelan data warehouse :
a. Perancangan data warehouse: Perancangan data warehouse menggunakan
nine step methodology dengan 9 tahap sebagai berikut :
1) Memilih proses: Berdasarkan ruang lingkup, proses yang dipilih dalam
membangun data warehouse adalah proses pencatatan data kunjungan
pasien rawat jalan dan proses pelaporan kunjungan pasien rawat jalan.
2) Memilih grain: Grain dipilih berdasarkan kebutuhan laporan yaitu
laporan yang berisi informasi jumlah pasien rawat jalan.
3) Identifikasi dan penyesuaian dimensi: Terdapat 10 dimensi yang
digunakan dalam data warehouse, yaitu waktu, jenis kelamin, jenis
kunjungan, kelompok usia, kota, jenis pembayaran, poliklinik, dokter,
jenis dokter, dan diagnosa.
 4) Memilih fakta: Fakta yang dipilih adalah jumlah kunjungan pasien rawat
jalan dan jumlah diagnosa.
5) Menyimpan pre-calculation pada tabel fakta: Perhitungan pada tabel
fakta kunjungan adalah jumlah kunjungan pasien rawat jalan yaitu
menunjukkan banyaknya pasien yang mendapatkan pelayanan pada unit
rawat jalan, sedangkan perhitungan pada tabel diagnosa adalah jumlah
diagnosa yang menunjukkan banyaknya penyakit yang diderita pasien
unit rawat jalan.
6) Melengkapi tabel dimensi: Deskripsi masing-masing tabel dimensi yang
telah ditentukan, dijelaskan pada Tabel 2.
Tabel 1.6. Penjelasan Tabel Dimensi
Dimensi Atribut Deskripsi
Waktu Waktu MRS Laporan dapat dibuat berdasarkan hari,
Tanggal tanggal, bulan, triwulan, dan tahun.
Hari
Bulan
Triwulan
Tahun

Tabel 1.6. Penjelasan Tabel Dimensi (Lanjutan)

Dimensi Atribut Deskripsi
Jenis kelamin Id jenis kelamin Laporan dapat dibuat berdasarkan jenis
Jenis kelamin kelamin.
Kelompok usia Id kelompok usia Laporan dapat dibuat berdasarkan kelompok
Kelompok usia usia pasien.
Kota Id kota Laporan dapat dibuat berdasarkan kota awal
Kota pasien.
Jenis kunjungan Id jenis kunjungan
 Jenis kunjungan Laporan dapat dibuat berdasarkan jenis
kunjungan.
Jenis Id jenis Laporan dapat dibuat berdasarkan jenis
pembayaran pembayaran pembayaran.
Jenis pembayaran
Poliklinik Id poliklinik Laporan dapat dibuat berdasarkan
Poliklinik poliklinik.
Dokter Id dokter Laporan dapat dibuat berdasarkan dokter.
Nama dokter
Jenis Dokter Id jenis dokter Laporan dapat dibuat berdasarkan jenis
Jenis dokter dokter.
Diagnosa Kode diagnosa Laporan dan analisis dapat dibuaut
Diagnosa berdasarkan diagnosa.
Sumber : Rancang Bangun Data Warehouse Untuk Pembuatan Laporan dan Analisis pada Data
Kunjungan Pasien Rawat Jalan Rumah Sakit Universitas Airlangga Berbasis Online
Analytical Processing (OLAP)

7) Memilih durasi dari basis data: Data yang digunakan adalah data bulan
Juli 2014 hingga Juni 2015 dengan jumlah transaksi sebanyak 41.243.
8) Melacak perubahan dari dimensi secara perlahan: Atribut dimensi yang
mungkin berubah adalah poliklinik, jenis pembayaran, dan jenis dokter.
9) Menentukan prioritas dan mode query: Update dilakukan setiap bulan dan
upaya untuk menjaga keamanan dengan memberikan password pada
DBMS dan memproteksi file Ms.Excel yang digunakan sebagai OLAP.
b. Pemodelan data warehouse : Pemodelan yang digunakan adalah fact
constellation schema dengan 2 tabel fakta dan 10 tabel dimensi. Fact
constellation schema dibuat dalam bentuk Conceptual Data Model (CDM)
dan Physical Data Model (PDM). Physical Data Model (PDM) dari
pemodelan tersebut dapat dilihat pada Gambar 1.19.
Sumber : Rancang Bangun Data Warehouse Untuk Pembuatan Laporan dan Analisis pada Data
Kunjungan Pasien Rawat Jalan Rumah Sakit Universitas Airlangga Berbasis Online
Analytical Processing (OLAP)
Gambar 1.9. Physical Data Model (PDM)

3. Proses Extraction, Transformation, Loading (ETL)

Proses ETL terdiri dari 3 tahap yaitu extraction, transformation, dan loading.
a. Extraction: Data kunjungan pasien rawat jalan RSUA diambil dari sumber dan
tersimpan pada file Ms.Excel sesuai dengan kebutuhan dalam data warehouse.
b. Transformation: Transformasi dilakukan untuk mengolah data kunjungan
pasien rawat jalan agar memiliki format sesuai dengan kebutuhan.
c. Loading: Tahap loading atau pemuatan dilakukan data dilakukan melalui 3
proses, yaitu pemuatan data dari Ms.excel ke tabel staging, kemudian dari
tabel staging ke tabel fakta dan dimensi, serta pemuatan data dari tabel fakta
dan dimensi ke tabel view.
4. Penerapan OLAP
Aplikasi OLAP dibangun menjadi 2 bagian yaitu kunjungan dan diagnosa. OLAP
kunjungan digunakan untuk mengelola laporan mengenai kunjungan pasien,
sedangkan OLAP diagnosa untuk mengelola laporan mengenai diagnosa.
5. Uji Coba
 Uji coba dilakukan terhadap aplikasi OLAP untuk memastikan bahwa aplikasi
tersebut dapat menghasilkan laporan sesuai dengan format yang dibutuhkan.

1.2.4. Hasil
Berikut adalah hasil uji coba OLAP untuk memenuhi kebutuhan laporan:
1. Laporan jumlah kunjungan pasien rawat jalan setiap bulan: Jumlah kunjungan
pasien unit rawat jalan pada bulan Juli hingga Desember 2014 selalu mengalami
kenaikan, sedangkan pada bulan Januari hingga Juni 2015 jumlah kunjungan
pasien cenderung mengalami kenaikan .
2. Laporan jumlah kunjungan pasien rawat jalan setiap triwulan: Pada tahun 2014
pada periode triwulan Juli-September dan Oktober-Desember jumlah pasien
mengalami kenaikan dan tahun 2015 triwulan Januari-Maret dan April-Juni
mengalami peningkatan.
3. Laporan jumlah kunjungan pasien rawat jalan setiap tahun: Jumlah kunjungan
pasien rawat jalan pada tahun 2014 hingga 2015 mengalami peningkatan.
4. Laporan jumlah kunjungan pasien laki-laki dan perempuan, baik pasien baru
maupun pasien lama: Jumlah pasien lama lebih banyak daripada jumlah pasien
baru dan jumlah pasien perempuan lebih banyak daripada jumlah pasien laki-laki.
5. Laporan jumlah kunjungan pasien pada setiap poliklinik: Poliklinik paling sering
dikunjungi oleh pasien baru maupun pasien lama adalah poliklinik penyakit dalam.
6. Laporan jumlah kunjungan pasien ke poliklinik berdasarkan jenis pembayaran:
Secara umum jenis pembayaran yang banyak digunakan oleh pasien adalah JKN.
7. Laporan jumlah kunjungan pasien berdasarkan kota: Laporan jumlah kunjungan
pasien berdasarkan kota dapat digunakan untuk memetakan persebaran asal pasien
yang berkunjung ke RSUA berdasarkan kota.
8. Laporan jumlah kunjungan pasien berdasarkan dokter: Laporan berdasarkan
dokter diperlukan untuk mengetahui kinerja setiap dokter berdasarkan jumlah
berapa kali masing-masing dokter menangani pasien.
9. Laporan sepuluh jumlah diagnosa terbanyak yang diderita pasien: Diagnosa yang
berada pada urutan pertama yang menunjukkan bahwa diagnosa tersebut paling
banyak diderita pasien adalah Essential (primary) hypertension
Evaluasi dilakukan dengan memberikan kuesioner kepada pengguna..
Penentuan hasil penilaian sistem dilakukan dengan menggunakan rumus pada
persamaan berikut.
Skor aktual = jumlah skor hasil kuesioner
Skor ideal = (skor tertinggi butir indikator) x (n butir indikator) x (jumlah responden)
Jumlah skor aktual adalah 54, sedangkan skor ideal adalah 4x9x2=72,
sehingga penilaian responden terhadap sistem data warehouse adalah 53/72 x 100% =
73.61 %.
Selanjutnya dilakukan penghitungan nilai interval untuk menentukan kategori
penilaian dengan rumus pada persamaan berikut.
100%
I =Jumlah kriteria skor (2)

Berdasarkan hasil perhitungan, nilai interval untuk setiap kategori adalah 100% : 4 =
25%, sehingga ditentukan kategori penilai sebagai berikut :
1) 0 24.99% untuk kategori kurang baik
2) 25% 49.99% untuk kategori cukup baik
3) 50% 74.99% untuk kategori baik
4) 75% 100% untuk kategori sangat baik
Dengan demikian, jika hasil penilaian pengguna terhadap sistem data warehouse adalah
73.61 % maka masuk dalam kategori baik.

1.2.5. Kesimpulan
Implementasi data warehouse menghasilkan sebuah aplikasi OLAP yang
dapat digunakan untuk membantu kinerja pihak rekam medis RSUA dalam membuat
laporan sesuai dengan format yang dibutuhkan tanpa melakukan perhitungan secara
manual. Selain itu, OLAP mampu menghasilkan beberapa format laporan yang
mungkin dibutuhkan di masa mendatang. OLAP dapat menampilkan laporan dalam
bentuk tabel pivot dan grafik. Adapun hasil evaluasi berdasarkan kuesioner
menunjukkan bahwa
penilaian pengguna terhadap sistem data warehouse masuk ke dalam kategori baik
dengan hasil penilaian sebesar 73.61%.
Diharapkan pengembangan sistem data warehouse dimasa mendatang dapat
menggunakan data dari sistem OLTP yaitu SIMRS agar kualitas data yang digunakan
lebih baik. Selain itu, sistem data warehouse juga dapat dikembangkan untuk
mendukung pelaporan pada unit lain seperti rawat inap, operasi, IGD, laboratorium,
dan rehab medik serta sistem dapat dikembangkan dengan lebih baik sehingga
mempunyai antarmuka yang lebih menarik, misalnya dalam sebuah aplikasi web.