DESAIN DAN IMPLEMENTASI DATA WAREHOUSE UNTUK SISTEM PENDUKUNG KEPUTUSAN PADA MANAJEMEN KESEHATAN IBU DAN ANAK

Transkripsi

1 DESAIN DAN IMPLEMENTASI DATA WAREHOUSE UNTUK SISTEM PENDUKUNG KEPUTUSAN PADA MANAJEMEN KESEHATAN IBU DAN ANAK Almira Desti Talithania Dosen Pembimbing I Dr. Eng. Chastine Fatichah, S.Kom, M.Kom. Dosen Pembimbing II Wijayanti Nurul Khotimah, S.Kom, M.Sc.

2 Latar Belakang

3 Latar Belakang Laju pertumbuhan angka usia produktif penduduk Indonesia yang terus berkembang dapat dihambat dengan menurunkan angka kematian dan kelahiran Kesehatan ibu dan anak memegang peranan penting dalam kebijakan kependudukan dalam pertumbuhan angka usia produktif 1

4 Kenyataan di Indonesia Piramida penduduk Indonesia Tahun 2011 Angka ketergantungan usia non produktif terhadap usia produktif 54,7 % 2

5 Kenyataan di Indonesia Dinas Kesehatan Provinsi Jawa Timur merupakan suatu badan penyelenggara pembangunan dalam bidang kesehatan. Salah satu kebijakannya adalah mempercepat penurunan jumlah kematian ibu dan anak 2

6 Penelitian yang Sudah Ada Sebelumnya 3

7 Tujuan

8 Tujuan Dapat menentukan sistem dan unit bisnis yang membutuhkan integrasi data. Dapat menentukan batasan data dan prioritas data yang dibutuhkan untuk melakukan proses pengambilan keputusan. Dapat mendesain model data warehouse. Dapat mengimplementasikan desain data warehouse. Membangun aplikasi yang dapat membuat model atau rule agar dapat digunakan untuk SPK. Membangun aplikasi yang dapat menampilkan report dan hasil analisis data yang mudah digunakan dan dipahami oleh pengguna. 4

9 Metodologi

10 Memilih sponsorship bisnis Visioner Akal Wajar 5

11 Memilih sponsorship bisnis Dinas Kesehatan Provinsi Jawa Timur 6

12 Kondisi data Data sangat banyak dan formatnya berbeda 7

13 Kondisi data Data didapatkan dari Dinas Kesehatan Kabupaten atau Kota se- Jawa Timur 8

14 Membangun ruang lingkup awal proyek Wawancara dengan bapak Arief 9

15 Mendata area bisnis yang ada kesehatan ibu dan anak obatobatan penyakit 10 HIV/ AIDS kesehatan lingkungan

16 Menentukan area bisnis yang akan dikerjakan kesehatan ibu dan anak 11

17 Mendata proses bisnis yang ada dalam area bisnis terpilih kesehatan ibu dan anak 11

18 Mendata event bisnis yang ada dalam proses bisnis imunisasi wanita usia subur keluarga berencana perawatan balita gizi buruk pemberian kapsul yodium imunisasi bayi 12

19 Mendata event bisnis yang ada dalam proses bisnis perawatan bayi yang baru lahir dengan berat rendah pemberian tablet Fe persalinan pemberian vitamin bayi pemberian vitamin balita 13

20 Mendata event bisnis yang ada dalam proses bisnis pemberian vitamin ibu nifas pencatatan kelahiran bayi kunjungan neonatus kunjungan bayi kunjungan ibu hamil 14

21 Mendata event bisnis yang ada dalam proses bisnis perawatan balita yang menderita pneumonia perawatan balita yang menderita diare ibu nifas yang ditolong tenaga kesehatan perawatan gigi dan mulut 15

22 Menentukan kebutuhan fungsional dan non fungsional Tujuan: memastikan sistem dibangun memenuhi tujuan bisnis Kebutuhan fungsional: 1. Dapat menampilkan laporan kesehatan ibu dan anak 2. Dapat menampilkan analisis kasus kematian ibu dan anak. Kebutuhan non fungsional: 1. Hasil akhir aplikasi data warehouse dapat diakses oleh siapa saja 2. Data warehouse selalu menyala untuk menjalankan prosesnya 3. Pembaruan data dilakukan setahun sekali ketika Dinas Kesehatan Kabupaten atau Kota memasukkan laporannya. 15

23 Menentukan rancangan arsitektur source kelahiran dan kematian source imunisasi source keluarga berencana server ETL server OLAP server report pengguna source kunjungan ibu dan anak source penyakit balita source gizi balita 16

24 Membangun bus matriks 17

25 Mendesain model dimensi DDS 18

26 Source system mapping source system DDS 18

27 Membangun ETL pada tabel dimensi kabupaten 19

28 Tampilan tabel dimensi kabupaten 20

29 Membangun ETL pada tabel fact kelahiran dan kematian 21

30 Membuat Report Kematian Ibu dan Anak 22

31 Tampilan cube MDS 23

32 Proses Slice and Dice 24

33 Tampilan report MDS kelahiran 25

34 Tampilan report MDS kematian bayi pada pramban 26

35 Membangun business intelligence Tahapan dalam membangun business intelligence: 1. Menganalisis business intelligence 2. Membuat tabel mining 3. Membangun struktur dan model mining 27

36 Menganalisis business intelligence 1. Menganalisis business intelligence Business intelligence yang akan dikerjakan adalah kasus kematian ibu hamil, ibu nifas, bayi, dan balita. 28

37 Menganalisis business intelligence Dalam kasus kematian ibu hamil, faktor-faktor yang diperkirakan mempengaruhi: jumlah ibu hamil yang diberi tablet Fe1 jumlah ibu hamil yang diberi tablet Fe3 jumlah ibu hamil yang mengalami komplikasi jumlah ibu hamil yang mengalami komplikasi kemudian dirujuk jumlah ibu hamil yang mengalami komplikasi kemudian dirujuk dan ditangani jumlah kunjungan ibu hamil pertama jumlah kunjungan ibu hamil keempat jumlah puskesmas 29

38 Menganalisis business intelligence Dalam kasus kematian ibu nifas, faktor-faktor yang diperkirakan mempengaruhi: jumlah ibu nifas yang ditolong oleh tenaga kesehatan jumlah bayi yang lahir hidup jumlah bayi yang lahir mati jumlah pemberian vitamin A pada ibu nifas jumlah puskesmas 30

39 Menganalisis business intelligence Dalam kasus kematian bayi, faktor-faktor yang diperkirakan mempengaruhi: jumlah bayi baru lahir yang berkunjung jumlah bayi dengan berat lahir rendah jumlah bayi yang berkunjung jumlah bayi yang diberi imunisasi BCG jumlah bayi yang diberi imunisasi campak jumlah bayi yang diberi imunisasi DPT1 jumlah bayi yang diberi imunisasi DPT3 jumlah bayi yang diberi imunisasi hepatitis jumlah bayi yang diberi imunisasi polio jumlah posyandu madya jumlah posyandu pratama jumlah posyandu purnama jumlah puskesmas 31

40 Menganalisis business intelligence Yang diperkirakan mempengaruhi kematian balita: jumlah puskesmas jumlah balita yang melakukan pemeriksaan rutin jumlah balita dengan gizi buruk jumlah balita dengan gizi buruk yang mendapatkan perawatan jumlah balita yang berat badannya naik jumlah balita bawah garis merah jumlah balita yang terkena penyakit diare jumlah balita yang terkena penyakit pneumonia jumlah balita dengan penyakit diare yang ditangani jumlah balita dengan penyakit pneumonia yang ditangani jumlah balita yang diberi vitamin A 32

41 Membuat tabel mining insert into [KIA].[dbo].miningbayi1 ( ) select (CASE WHEN bayi1.jumlah_kematian_pada_bayi BETWEEN 0 AND THEN 'rendah' WHEN bayi1.jumlah_kematian_pada_bayi BETWEEN AND THEN 'sedang' WHEN bayi1.jumlah_kematian_pada_bayi >0.570 THEN 'tinggi' END) as jumlah_mati, (CASE WHEN bayi1.jumlah_bayi_yang_berkunjung BETWEEN 0 AND THEN 'rendah' WHEN bayi1.jumlah_bayi_yang_berkunjung BETWEEN AND THEN 'sedang' WHEN bayi1.jumlah_bayi_yang_berkunjung > THEN 'tinggi' END) as jumlah_kunj_bayi, (CASE WHEN bayi1.jumlah_bayi_yang_diberi_imunisasi_bcg BETWEEN 0 AND THEN 'rendah' WHEN bayi1.jumlah_bayi_yang_diberi_imunisasi_bcg BETWEEN AND THEN 'sedang' WHEN bayi1.jumlah_bayi_yang_diberi_imunisasi_bcg > THEN 'tinggi' END) as jumlah_imun_bcg FROM bayi1 Potongan syntax query untuk memasukkan nilai tabel mining kematian pada bayi 33

42 Membangun struktur dan model mining 34

43 Tampilan business intelligence kematian bayi dengan algoritma asosiasi 35

44 Tampilan business intelligence kematian bayi dengan algoritma naïve bayes 36

45 Tampilan business intelligence kematian bayi dengan algoritma decision tree 37

46 Tampilan dashboard 38

47 Uji Coba

48 Uji Coba Tampilan business intelligence kematian ibu hamil dengan algoritma asosiasi Support: Importance: 0.0 Probability:

49 Uji Coba Tampilan business intelligence kematian ibu hamil dengan 41 algoritma asosiasi Link: 50% 10%

50 Uji Coba Mining accuracy chart untuk kasus kematian pada balita 42

51 Kesimpulan

52 Kesimpulan Unit bisnis yang membutuhkan integrasi data dalam manajemen kesehatan ibu dan anak adalah proses bisnis kesehatan ibu dan anak. Dari tiga model skema DDS yang ada, Tugas Akhir ini mengimplementasikan model skema DDS galaksi SPK pada manajemen kesehatan ibu dan anak dibangun dengan menggunakan algoritma asosiasi, naïve bayes, dan decision tree Untuk mendapatkan penghitungan business intelligence, menggunakan rasio. 43

53 Daftar Pustaka [1] Dewan Redaktur Demografi, "Statistics Indonesia," [Online]. Available: [Accessed 03 Juni 2013]. [2] Dinas Kesehatan Provinsi Jawa Timur, "Dinas Kesehatan Provinsi Jawa Timur," [Online]. Available: [Accessed 03 Juni 2013]. [3] J. Completo, R. S. Cruz, L. Coheur and M. Delgado, "Design and Implementation of a Data Warehouse for Benchmarking in Clinical Rehabilitation," ScienceDirect, vol. I, no. Clinical Benchmarking; Data Warehouse; Decision Support Systems; Rehabilitation, pp , [4] D. T. Y. Wah and O. S. Sim, "Evaluating a Data Warehouse for Lymphoma Diagnosis and Treatment Decision," IEEE Computer Society, vol. I, no. p, pp , Nov [5] R. Kimball and M. Ross, The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling, 2nd ed., R. Elliott, Ed., New York: Robert Ipsen, [6] Wikimedia Foundation, Inc., Januari [Online]. Available: [Accessed 03 Juni 2013]. [7] J. Mundy, W. Thornthwaite and K. Ralph, in The Microsoft Data Warehouse Toolkit : With SQL Server 2005 and the Microsoft Business Intelligence Toolset, Indianapolis, Wiley Publishing, Inc, [8] S. D. Chaudhuri, "An Overview of Data Warehousing and OLAP Technology," SIGMOD Record, vol. 26, no. p, pp , March

54 Daftar Pustaka [9] V. Rainady, "Building a Data Warehouse With Examples in SQL Server," in Building a Data Warehouse With Examples in SQL Server, New York, Inc, Springer-Verlag, 2008, pp [10] J. Pepper, Ed., in Building a Data Warehouse: With Examples in SQL Server, New York, Springer- Verlag New York, Inc., 2008, pp [11] D. E. O Leary, "REAL-D: A Schema for Data Warehouses," Journal of Information Systems, vol. 13, no. REA, REAL, REAL-D, Databases, Data Warehouses, pp , [12] Wikimedia, Inc, "Star Schema," Wikimedia, Inc, 02 Juli [Online]. Available: [Accessed 05 Juli 2013]. [13] "Phi-OLAP Sample," [Online]. Available: [Accessed 05 Juni 2013]. [14] "Data Warehouse Dimensional Modelling (Types of Schemas)," [Online]. Available: [Accessed 05 Juni 2013]. [15] Wikimedia, Inc, "Snowflake Schema," Wikimedia, Inc, 16 Juni [Online]. Available: [Accessed 05 Juli 2013]. [16] Datawarehouse4u, "Snowflake schema," [Online]. Available: [Accessed 05 Juli 2013]. [17] E. T. Luthfi, "Penerapan Data Mining Algoritma Asosiasi Untuk Meningkatkan Penjualan," DASI, vol. 10, no. strategi penjualan, data mining, asosiasi, pp. 1-21,

55 Daftar Pustaka [18] Microsoft, "Microsoft Association Algorithm," Microsoft, [Online]. Available: [Accessed 05 Juni 2013]. [19] D. Oktavia and D. I. C. Pardede, "Perbandingan Kinerja Algoritma Decision Tree dan Naive Bayes dalam Prediksi Kebangrutan," Repository Gunadarma, no. decision tree, naive bayes, kebangkrutan. [20] Microsoft, "Microsoft Naive Bayes Algorithm," Microsoft, [Online]. Available: [Accessed 05 Juni 2013]. [21] Microsoft, "Microsoft Decision Tree Algorithm," Microsoft, [Online]. Available: [Accessed 05 Juni 2013]. [22] Wikimedia Foundation, Inc., "SQL Server Management Studio," Wikimedia Foundation, Inc., 19 Juni [Online]. Available: [Accessed 21 Juni 2013]. [23] Microsoft, "Introducing Business Intelligence Development Studio," 05 February [Online]. Available: [Accessed 05 March 2013]. [24] Dinas Kesehatan Jawa Timur, in Profil Kesehatan Provinsi Jawa Timur Tahun 2011, 1st ed., Surabaya, 2012, pp [25] Dinas Kesehatan Provinsi Jawa Timur, Rencana Strategis Dinas Kesehatan Provinsi Jawa Timur , Surabaya: Dinas Kesehatan Provinsi Jawa Timur, [26] Y. Sari, "Posyandu Indonesia," [Online]. Available: [Accessed 05 Juni 2013]. [27] Microsoft, "Introducing Business Intelligence Development Studio," 05 Februari [Online]. Available: [Accessed 05 Maret 2013]. 46

56 Terima Kasih