BAB 4 PERANCANGAN DATA WAREHOUSE YANG DIUSULKAN. data warehouse terpusat (centralized data warehouse). Arsitektur ini merupakan bentuk

Transkripsi

1 BAB 4 PERANCANGAN DATA WAREHOUSE YANG DIUSULKAN 4.1. Arsitektur Data Warehouse Dalam perancangan data warehouse pada Rumah Sakit Husada menggunakan data warehouse terpusat (centralized data warehouse). Arsitektur ini merupakan bentuk terbaik yang sesuai untuk Rumah Sakit Husada. Arsitektur ini pada intinya adalah mengumpulkan beberapa sumber yang terpisah kedalam satu wadah terpusat, kemudian data yang telah dikumpulkan akan disebar ke dalam fungsinya masing-masing untuk selanjutnya dapat digunakan oleh bagian-bagian sesuai kebutuhan. Ada beberapa alasan yang menjadi dasar penggunaan data warehouse terpusat, yaitu: 1. Mengurangi redundansi data karena data dikelola dalam satu tempat penyimpanan terpusat. 2. Mempermudah proses pemantauan dan pemeliharaan data warehouse karena semua data-nya dikumpulkan dalam sebuah tempat penyimpanan khusus. Berikut adalah gambar arsitektur data warehouse yang digunakan : 60

2 61 Gambar 4.1 Arsitektur Data Warehouse Terpusat pada Rumah Sakit Husada Berdasarkan gambar di atas terdapat komponen komponen penyusun sistem yang saling berhubungan, yaitu: 1. Data Sources Data sources adalah sumber data yang menjadi bahan untuk digunakan dalam pembuatan suatu data warehouse. Sumber data disini berasal dari basis data rawat jalan, basis data rawat inap dan basis data kamar duka. Masing-masing basis data ini berdiri terpisah, sehingga menimbulkan resiko redudansi dan integrasi yang kurang baik. Data dari masing-masing basis data akan mengalami proses transformasi dan hasilnya akan dimasukkan ke dalam data warehouse. 2. Data Transformation

3 62 Data transformation yaitu sebuah proses perubahan format data yang berasal dari basis data operational ke dalam data warehouse dan data eksternal yang berhubungan dengan perusahaan. Data transformation pada data warehouse ini dimulai saat menyatukan dan mengambil data dari ke 3 basis data yang ada dengan cara transformation ke dalam satu tempat penyimpanan. 3. Data Warehouse Data warehouse RS Husada terbentuk dari 3 sources basis data yang sebelumnya telah dibangun. Tujuan dibangun data warehouse ini adalah untuk memusatkan data kedalam satu tempat penyimpanan sehingga memudahkan dalam proses controlling dan managing data. 4. User User adalah pengguna akhir yang dapat menggunakan data warehouse melalui sebuah aplikasi sebagai media pengaksesnya. User data warehouse ini adalah bagian - bagian yang menyiapkan segala hal yang berhubungan dengan pelaporan operasional rumah sakit kepada manajemen Perancangan Data Warehouse Dalam merancang data warehouse dibutuhkan beberapa tahap untuk membuat perancangan data warehouse menjadi teratur. Tahap perancangan yang digunakan dalam penulisan ini adalah 9 tahap metodologi (nine-step methodology), yaitu:

4 Memilih Proses Berikut adalah proses yang terjadi pada Rumah Sakit Husada yang akan digunakan untuk perancangan data warehouse : Rawat Inap Proses rawat inap pada Rumah Sakit Husada yang dimaksud adalah proses rawat inap yang mulai dari pendaftaran pasien, pasien melakukan perawatan di unit rawat inap sampai dengan melakukan pembayaran rawat inap. Dokumen yang digunakan meliputi: MasukRawat, sedangkan data yang digunakan adalah NRM, pasien, jenis kamar, kamar, spesialis, dokter, jenis penyakit, dan penyakit. Rawat Jalan Proses rawat jalan pada Rumah Sakit Husada yang dimaksud adalah proses rawat jalan yang mulai dari pendaftaran pasien, pasien melakukan perawatan di unit rawat jalan sampai dengan melakukan pembayaran rawat jalan. Dokumen yang digunakan meliputi PRM sedangkan data yang digunakan adalah NRM, pasien, dokter, spesialis, penyakit, jenis penyakit, dan klinik. Kamar Duka Proses di Kamar Duka pada Rumah Sakit Husada yang dimaksud adalah proses kamar duka yang dimulai dari pendaftaran kamar duka, penyewaan kamar duka sampai dengan pembayaran kamar duka. Dokumen yang digunakan meliputi Penyewaan dan PelayananLainnya sedangkan data yang digunakan adalah NRM, pasien,, jenis kamar, kamar dan layanan.

5 Memilih Grain Grain merupakan proses untuk menentukan apa yang digambarkan oleh record di dalam tabel fakta. Berikut ini adalah grain yang ada dalam perancangan data warehouse Rumah Sakit Husada. Rawat Inap Analisis yang dapat dilakukan pada proses rawat inap meliputi jenis kamar yang paling banyak digunakan, kamar yang paling banyak digunakan, spesialis dokter yang paling banyak melakukan pemeriksaan, dokter yang paling sering melakukan pemeriksaan, jenis penyakit yang paling banyak diderita oleh pasien, penyakit yang paling banyak diderita, kategori umur yang paling banyak melakukan rawat inap, jenis kelamin yang paling banyak melakukan rawat inap, total pendapatan pada instalasi rawat inap, dan total transaksi per periode waktu (hari, bulan dan tahun). Rawat Jalan Analisis yang dapat dilakukan pada proses rawat jalan meliputi spesialis dokter yang paling banyak dituju oleh pasien rawat jalan, dokter yang paling banyak melakukan pemeriksaan, jenis penyakit yang paling banyak di derita pasien, penyakit yang paling banyak diderita pasien, kategori umur yang paling banyak melakukan rawat jalan, klinik yang paling banyak dikunjungi, jenis kelamin yang paling banyak melakukan rawat jalan, total pendapatan pada instalasi rawat jalan, total pendapatan per klinik, dan total transaksi per periode waktu (hari, bulan dan tahun).

6 65 Kamar Duka Analisis yang dapat dilakukan pada proses kamar duka meliputi jenis kamar yang paling banyak digunakan, kamar yang paling banyak digunakan, kategori umur yang paling banyak menggunakan kamar duka, layanan yang paling banyak digunakan, total pendapatan pada instalasi kamar duka, dan dan total transaksi per periode waktu (hari, bulan dan tahun) Mendefenisikan dan Menyesuaikan Dimensi bentuk matrik. Pada tahap ini dilakukan penyesuaian dimensi dan grain yang ditampilkan dalam

7 66

8 67

9 68

10 Memilih Fakta Pada tahap ini dilakukan pemilihan fakta yang akan digunakan. Masing -masing fakta memiliki data yang dapat dihitung dan selanjutnya akan ditampilkan dalam bentuk laporan dan grafik. Berikut adalah fakta-fakta yang akan digunakan dalam data warehouse : - Fakta rawat inap meliputi : WaktuID, PasienID, JenisKamarID, KamarID, SpesialisID, DokterID, JenisPenyakitID, PenyakitID, UmurID, jumlah transaksi rawat inap, total pendapatan instalasi rawat inap. - Fakta rawat jalan meliputi : WaktuID, PasienID, SpesialisID, DokterID, KlinikID, JenisPenyakitID, PenyakitID, UmurID, jumlah transaksi rawat jalan, total pendapatan instalasi rawat jalan, total pendapatan per klinik. - Fakta kamar duka meliputi : WaktuID, JenisKamarID, KamarID, LayananID, UmurID, jumlah transaksi penyewaan kamar duka, total pendapatan instalasi kamar duka Menyimpan Pre-Kalkulasi dalam Tabel Fakta Dalam tabel fakta terdapat data yang merupakan kalkulasi awal. Hasil dari kalkulasi ini kemudian akan disimpan dalam tabel fakta. 1. Fakta Rawat Inap Fakta Rawat inap meliputi :

11 70 - Jumlah transaksi rawat inap merupakan kumpulan (count) dari kd_masukrawat. - Total pendapatan rawat inap merupakan penjumlahan (sum) dari semua harga Total PembayaranRI yang dibayar pasien. 2. Fakta Rawat Jalan Fakta rawat jalan meliputi: - Jumlah transaksi rawat jalan merupakan kumpulan (count) dari kd_prm. - Total pendapatan per klinik merupakan penjumlahan (sum) dari semua harga Total PembayaranRJ yang dibayar pasien per kd_klinik. - Total pendapatan rawat jalan merupakan penjumlahan (sum) dari semua harga Total PembayaranRJ yang dibayar pasien. 3. Fakta Kamar Duka Fakta Kamar Duka meliputi: - Jumlah transaksi kamar duka merupakan kumpulan (count) dari kd_pelayanan. - Total pembayaran (Total Harga) merupakan penjumlahan (sum) dari semua harga Total Tagihan yang dibayar pasien.

12 Melengkapi Tabel Dimensi Waktu Pasien Dimensi Field Deskripsi JenisKamar Kamar Spesialis Dokter JenisPenyakit Penyakit Klinik Layanan WaktuID Tahun Triwulan Bulan Minggu Hari PK_Waktu Status PasienID kd_pasien NamaLengkap JenisKelamin JenisKamarID kd_jeniskamar JenisKamar KamarID kd_kamar NoKamar SpesialisID kd_spesialis Spesialisasi DokterID kd_dokter Nama JenisPenyakitID kd_jenispenyakit JenisPenyakit PenyakitID kd_penyakit NamaPenyakit KlinikID kd_klinik NamaKlinik LayananID kd_layanan JenisLayanan Laporan dapat dilihat baik per tahun, per tiga bulan, per bulan, per minggu, bahkan per hari Laporan dapat dilihat berdasarkan jenis kelamin pasien Laporan dapat dilihat berdasarkan jenis kamar Laporan dapat dilihat berdasarkan kamar Laporan dapat dilihat berdasarkan spesialis dokter Laporan dapat dilihat berdasarkan dokter Laporan dapat dilihat berdasarkan jenis penyakit Laporan dapat dilihat berdasarkan penyakit Laporan dapat dilihat berdasarkan klinik Laporan dapat dilihat berdasarkan layanan Umur UmurID Laporan dapat dilihat berdasarkan umur

13 72 Kategori Status kd_pasien Tabel 4.4 Rounding Out Dimension Berikut daftar dan penjelasan lebih lanjut dari dimensi tersebut 1) Dimensi Waktu Atribut Tipe Data Panjang WaktuID Int 4 Tahun Int 4 Triwulan Int 1 Bulan Int 2 Minggu Int 2 Hari Int 2 PK_Waktu Datetime 8 Status Varchar 50 Tabel 4.5 Dimensi Waktu 2) Dimensi Pasien Atribut TipeData Panjang PasienID Int 4 kd_pasien Char 6 NamaLengkap Varchar 50 JenisKelamin Varchar 10 Tabel 4.6 Dimensi Pasien 3) Dimensi Jenis Kamar Atribut TipeData Panjang JenisKamarID Int 4 kd_jeniskamar Char 6

14 73 JenisKamar Varchar 20 4) Dimensi Kamar Tabel 4.7 Dimensi Jenis Kamar Atribut TipeData Panjang KamarID Int 4 kd_kamar Char 5 NoKamar Varchar 5 5) Dimensi Spesialis Tabel 4.8 Dimensi Kamar Atribut TipeData Panjang SpesialisID Int 4 kd_spesialis Char 6 Spesialisasi Varchar 50 6) Dimensi Dokter Tabel 4.9 Dimensi Spesialis Atribut TipeData Panjang DokterID Int 4 kd_dokter Char 6 Nama Varchar 50 Tabel 4.10 Dimensi Dokter 7) Dimensi Jenis Penyakit Atribut TipeData Panjang JenisPenyakitID Int 4 kd_jenispenyakit Char 6 JenisPenyakit Varchar 50 8) Dimensi Penyakit Tabel 4.11 Dimensi Jenis Penyakit

15 74 Atribut TipeData Panjang PenyakitID Int 4 Kd_Penyakit Char 6 NamaPenyakit Varchar 75 9) Dimensi Klinik Tabel 4.12 Dimensi Penyakit Atribut TipeData Panjang KlinikID Int 4 kd_klinik Char 6 NamaKlinik Varchar 50 10) Dimensi Layanan Tabel 4.13 Dimensi Klinik Atribut TipeData Panjang LayananID Int 4 kd_layanan Char 6 JenisLayanan Varchar 50 Tabel 4.14 Dimensi Layanan 11) Dimensi Umur Atribut TipeData Panjang UmurID Int 4 Kategori Varchar 20 Status Varchar 25 kd_pasien Char 6 Tabel 4.15 Dimensi Umur

16 Memilih Durasi dari Database Durasi dari data Rumah Sakit Husada yang dimasukkan ke dalam data warehouse sebagai berikut: Nama Aplikasi Database Database ada sejak tahun Data yang masuk ke Data Warehouse Data dalam Data Warehouse Aplikasi DWH Rumah Sakit Husada OLTP RS Husada Tahun Tabel 4.16 Durasi Database Melacak Perubahan Dimensi Secara Perlahan Pada tahapan ini terdapat tiga tipe dasar dalam melakukan perubahan dari dimensi secara perlahan, yang pertama yaitu penulisan ulang terhadap attribute dimensi (overwrite). Contohnya jika pasien ingin merubah data alamat maka data alamat pasien yang lama langsung digantikan dengan data alamat yang baru (overwrite). Cara kedua yaitu membuat record baru, jadi jika ada perubahan pada nama dokter maka akan dibuat record baru sehingga data yang lama masih tetap ada. Cara yang ketiga yaitu membuat suatu kolom baru yang berbeda, sehingga data yang lama tidak terhapus. Dalam pembuatan data warehouse pada Rumah Sakit Husada kami menggunakan cara dua, perubahan atribut pada dimensi akan mengakibatkan pembuatan suatu record dimensi baru. Hal ini dilakukan untuk menjaga data

17 76 yang lama tetap ada sehingga diketahui perubahan dimensi yang terjadi dari data lama ke data baru Memutuskan Proritas dan Mode dari Query Dalam tahapan ini akan dibahas mengenai proses ETL (Extract, Transformation, dan Loading) backup secara berkala. a. Proses Extract, Transform, dan Loading (ETL) Pelaku ETL Periode Aktivitas Keterangan Divisi IT Setiap hari Proses ETL dilakukan malam hari setelah jam kantor b. Proses Backup Tabel 4.17 Tabel Proses ETL Backup data berfungsi untuk menyalin data yang ada untuk menghindari bila terjadi kerusakan terhadap data yang telah ada ataupun data yang hilang. Metode backup yang dilakukan adalah full backup yang dilakukan setiap hari. Pelaku Backup Divisi IT Periode Aktivitas Sebulan sekali Keterangan Proses Backup dilakukan setiap akhir bulan. Tipe Backup periodik Lamanya data yang akan disimpan Selama lamanya Tabel 4.18 Tabel Pelaksana Backup c. Proses Recovery Recovery adalah proses mengembalikan backup ke dalam sistem. Recovery dilakukan untuk mengembalikan keadaan sistem kembali

18 77 pada keadaan semula, keadaan terakhir pada saat operasional sebelum terjadi kerusakan sistem. Berikut ini adalah cara recovery data pada sql, Klik kanan database yang menjadi tujuan tempat restore data kemudian pilihlah All Task lalu Recovery Database Pilih database tujuan anda jika masih tidak sesuai, kemudian pola Recovery pilihlah from device karena file kita berada ditempat lain atau di flashdisk (asumsi) Pilihlah select devices maka akan tampil Pilihlah Add untuk memilih sourcenya. Pilihlah file yang akan anda Recovery. Jika anda pernah membackup data tersebut sebelumnya pilihlah force untuk overwrite data yang lama. d. Security Security merupakan hal yang penting dalam menjaga kerahasiaan data, dengan adanya security maka hak akses akan diberikan kepada pihak-pihak yang berkepentingan dan untuk membatasi akses kepada pihak yang tidak berkepentingan contohnya dengan menggunakan password saat log in. Disini pihak eksekutif dapat mengakses keseluruhan data, sedangkan para manajer hanya dapat mengakses data yang terkait dengan divisinya. e. Analisis Kapasitas Media Penyimpanan Untuk mengetahui banyaknya kapasitas media penyimpanan yang diperlukan, maka dilakukan analisis kapasitas media penyimpanan yang dibutuhkan. Analisis yang dilakukan dimulai dari perhitungan

19 78 besarnya byte per-field, per-record, per-table, hingga keseluruhan dari database, beserta estimasi perkiraan pertumbuhan data. Rumus yang akan digunakan untuk perhitungan kebutuhan penyimpanan record dalam SQL server 2005 ( SQL Server Book Online ) adalah : Num_Rows = Menentukan jumlah baris dalam table. Num_Col = Menentukan jumlah kolom dalam table. Fixed _data_size = Jumlah bytes yang dibutuhkan oleh semua kolom sesuai dengan tipe datanya masing-masing. Null_bitmap = Bit status null kolom = 2 + ((Num_col +7)/8). Row_Size = Fixed_Data_Size + Null_Bitmap + 4. Nilai 4 mempresentasikan data row header. Rows_Per_Page = 8096 / (Row_Size + 2). Num_Of_Pages = Num_Row / Rows_Per_Page. Num_Of_Bytes = 8192 x Num_Of_Pages. Num_Of_Kbytes = 8192 / 1024 x Num_Of_Pages = 8 x Num_Of_Pages. Analisis perkiraan kapasitas media penyimpanan data pada data warehouse Rumah Sakit Husada adalah sebagai berikut: R = jumlah record n = tahun Rn = R x (n + (1+i) n )

20 79 i = persentase pertumbuhan record per tahun Berikut adalah analisis perkiraan kapasitas media penyimpanan untuk fakta rawat inap, fakta rawat jalan, dan fakta kamar duka dalam 5 tahun mendatang :

21 80

22 81

23 82 Berdasarkan hasil analisis kapasitas media penyimpanan data, dapat diperkirakan kebutuhan kapasitas penyimpanan data untuk data warehouse adalah minimal sekitar 73,17 MB untuk jangka waktu lima tahun. Oleh karena itu, diperlukan dukungan perangkat keras yang memenuhi kapasitas penyimpanan untuk menyimpan data yang diperlukan Skema Bintang Skema bintang merupakan bentuk yang paling mudah untuk dipahami. Skema bintang merupakan struktur logikal yang memiliki tabel fakta yang terdiri atas data faktual ditengahnya, dan dikelilingi oleh tabel-tabel dimensi yang berisi referensi data. Skema ini adalah dimana kita membentuk sebuah tabel fakta sebagai hasil penunjukan dari beberapa dimensi yang berbeda, tabel fakta ini mengarah kepada Primary key di masing-masing tabel dimensi. Sehingga kita dapat memetakan kecepatan dan performa sistem karena kita telah secara specifik menentukan data yang masuk dalam tabel masing-masing fakta. a. Skema Bintang Fakta Rawat Inap Tabel fakta disini adalah Tabel FaktaRawatInap, sedangkan tabel Dimensi yang terlibat adalah Dim_Pasien, Dim_Waktu, Dim_Dokter, Dim_Spesialis, Dim_Umur, Dim_Kamar,

24 83 Dim_JenisKamar, Dim_Penyakit dan Dim_JenisPenyakit. Berikut adalah skema bintang untuk FaktaRawatInap RS Husada: Gambar 4.2 Skema Bintang Fakta Rawat Inap

25 84 b. Skema Bintang Fakta Rawat Jalan Tabel fakta disini adalah Tabel FaktaRawatJalan, sedangkan tabel Dimensi yang terlibat adalah Dim_Pasien, Dim_Waktu, Dim_Dokter, Dim_Spesialis, Dim_Umur, Dim_Klinik, Dim_Penyakit, dan Dim_JenisPenyakit. Berikut adalah skema bintang untuk FaktaRawatInap RS Husada: Gambar 4.3 Skema Bintang Fakta Rawat Jalan

26 85 c. Skema Bintang Fakta Kamar Duka Tabel fakta disini adalah Tabel FaktaKamarDuka, sedangkan tabel Dimensi yang terlibat adalah Dim_Pasien, Dim_Waktu, Dim_Umur, Dim_Layanan, Dim_Kamar dan Dim_JenisKamar. Berikut adalah skema bintang untuk FaktaRawatInap RS Husada: Gambar 4.4 Skema Bintang Fakta Kamar Duka

27 Metadata Informasi mengenai struktur dari data yang terdapat di dalam data warehouse terdapat di dalam metadata, yakni informasi tentang data yang digunakan, apakah itu dalam hasil transformasi data yang dilakukan ataupun data yang diciptakan di dalam keperluan membangun data warehouse Metadata dalam data warehouse dapat memuat beberapa hal yaitu: Nama database sumber Nama table data warehouse beserta deskripsi dari tabel tersebut. Rincian informasi dalam tabel data warehouse meliputi: - Nama kolom - Tipe data kolom - Ukuran kolom (ukuran kolom yang diperlukan dalam media penyimpanan dalam satuan tertentu), dan - Kolom yang menjadi kolom kunci Berikut ini merupakan metadata dari data yang digunakan dalam rancangan data warehouse yang dapat dilihat pada lampiran di bawah ini : No. Nama Tabel Lampiran 1 Dimensi Waktu L13 2 Dimensi Pasien L15 3 Dimensi Jenis Kamar L15 4 Dimensi Kamar L16 5 Dimensi Jenis Penyakit L17 6 Dimensi Penyakit L17 7 Dimensi Spesialis L18

28 87 8 Dimensi Dokter L19 9 Dimensi Layanan L19 10 Dimensi Klinik L20 11 Dimensi Umur L21 12 Tabel Fakta Rawat Inap L22 13 Tabel Fakta Rawat Jalan L24 14 Tabel Fakta Kamar Duka L26 Tabel 4.21 Tabel Metadata Rumah Sakit Husada 4.5. Extract, Transform, Load (ETL) Proses ETL dapat dilihat pada lampiran di bawah ini No. Nama Tabel Lampiran 1 Dimensi JenisPenyakit L28 2 Dimensi Penyakit L35 3 Dimensi Pasien L43 4 Dimensi JenisKamar L51 5 Dimensi Kamar L59 6 Dimensi Spesialis L67 7 Dimensi Dokter L75 8 Dimensi Layanan L83 9 Dimensi Umur L92 10 Dimensi Waktu L98 11 Fakta RawatInap L Fakta RawatJalan L Fakta KamarDuka L Dimensi Klinik L115 Tabel 4.22 Tabel Proses Extract, Transform, Load (ETL)

29 Rancangan Layar Aplikasi 1. Form Login Form Login ini adalah form yang pertama kali ditampilkan saat aplikasi dijalankan. Form login ini digunakan untuk masuk ke menu utama. Aplikasi ini hanya bisa diakses oleh mereka yang memiliki hak akses. User yang mempuyai hak akses akan mengisi username dan password terlebih dahulu jika ingin menggunakan aplikasi ini. Setelah mengisi username dan password, user mengklik tombol Login. Login Username xxxxxxxxx Password *********** Login Gambar 4.5 Form Login Form login ini terdiri dari 2 textbox, 2 label, dan 2 button. Form login digunakan untuk masuk ke dalam menu utama. Bagian pertama ada textbox untuk mengisi Username, lalu textbox kedua akan digunakan untuk menuliskan password user, lalu button dimana ada tombol

30 89 login untuk masuk ke applikasi utama atau tombol cancel untuk membatalkan login. 2. Form Warning Form ini akan muncul apabila username atau password yang dimasukkan tidak sesuai dengan data yang ada. Gambar 4.6 Form Warning 3. Form Menu Utama Form ini menampilkan beberapa menu bar yaitu menu star schema, Data, ETL, dan User.

31 90 RS Husada User Star Scheme Data ETL User Gambar 4.7 Form Menu Utama 4. Form Menu Star Schema Form Star Schema ini menampilkan hubungan antara tabel fakta dan tabel dimensi pada aplikasi data warehouse Rumah Sakit Husada. Pada layar Star Schema ini berfungi untuk memudahkan user dalam memahami hubungan antara tabel fakta dan tabel dimensi. Pada Form ini akan ditampilkan Star Schema dari Rawat Inap, Rawat Jalan, dan Kamar Duka.

32 91 RS Husada User Star Scheme Data ETL User Star Scheme Gambar Star Skema 5. Form Menu Data Gambar 4.8 Form Star Skema Form pivot dan grafik ini menampilkan data dari data warehouse untuk menghasilkan informasi yang dibutuhkan user. User dapat mengatur data yang ingin ditampilkan berdasarkan dimensi yang ada pada pivot table. User dapat pula memilih tipe grafik yang ingin ditampilkan yaitu bar, pie, dan line

33 92. a. Rawat Inap RS Husada User Star Scheme Data ETL User Jenis Data Tipe OK Rawat Inap Grafik Jumlah Rawat Inap Gambar 4.9 Form Grafik dan Pivot Tabel Jumlah Data Rawat Inap

34 93 b. Rawat Jalan RS Husada User Star Scheme Data ETL User Jenis Data Rawat Jalan Tipe OK Rawat Jalan Grafik Jumlah Rawat Jalan Gambar 4.10 Form Grafik dan Pivot Tabel Jumlah Data Rawat Jalan

35 94 c. Kamar Duka RS Husada User Star Scheme Data ETL User Jenis Data Kamar Duka Tipe OK Kamar Duka Grafik Jumlah Kamar Duka Gambar 4.11 Form Grafik dan Pivot Tabel Jumlah Data Kamar Duka

36 95 6. Form Menu ETL Form ini digunakan untuk transformasi data dari database ke data warehouse. RS Husada User Star Scheme Data ETL User Transform OK Gambar 4.12 Form Menu ETL

37 96 7. Form User Form ini digunakan untuk menambah user, mengubah password user, dan mengreset password user apabila user tidak mengingat password nya. Gambar 4.13 Form Daftar User Baru

38 Gambar 4.14 Form Ubah Password 97

39 98 Gambar 4.15 Form Reset Password 4.7. Cubes Proses cubes dapat dilihat pada lampiran di bawah ini : No. Nama Tabel Lampiran 1 Rawat Inap Cube L141 2 Rawat Jalan Cube L142 3 Kamar Duka Cube L143 Tabel 4.23 Tabel Cubes

40 Rencana Implementasi Langkah selanjutnya dari sebuah perancangan Data warehouse adalah Implementasi. Dalam mendukung implementasi dari data warehouse, beberapa hal yang perlu diperhatikan dalam tahap implementasi adalah perencanaan mengenai penggunaan perangkat keras (Hardware) dan perangkat lunak (Software). Rencana penggunaan Hardware dan Software dalam tahap implementasi data warehouse RS Husada akan dijelaskan sebagai berikut: 1. Dukungan Perangkat Keras Hardware yang harus dipersiapkan minimal untuk implementasi data warehouse RS Husada agar supaya dapat menjamin kinerja sistem rawat inap, rawat jalan dan kamar duka adalah sebagai berikut : a. Server Processor : Xeon X3450 (3.2 GHz) Hardisk RAM VGA : 120 GB : 2 GB DDR : 128 MB b. Client Processor : Dual Core E GHz Hardisk RAM : 80 GB : 1 GB DDR

41 100 VGA : 256 MB 2. Dukungan Perangkat Lunak Piranti lunak dalam data warehouse ini digunakan untuk melakukan pengumpulan data dari berbagai sumber data dan transformasi data serta aplikasi yang dapat memudahkan pengguna dalam mengakses data atau informasi dalam data warehouse. Komponen piranti lunak yang diperlukan dalam perancangan data warehouse sebagai berikut : a. Server Sistem operasi menggunakan Windows Server Microsoft SQL Server b. Client Sistem operasi menggunakan Windows XP Profesional SP2 Microsoft Visual Studio 2005 sebagai tampilan data warehouse. Dev Express v10.2.3

42 101 Gambar 4.16 Implementasi 4.9. Jadwal Implementasi Proses implementasi dijadwalkan untuk pertama kali yang harus dilakukan adalah menyediakan segala kebutuhan perangkat keras (hardware) dan perangkat lunak (software), lalu menginstalnya masing-masing menjadi satu kesatuan agar dapat digunakan dalam konversi data. Selanjutnya dilakukan uji coba aplikasi front-end data warehouse ini, untuk melihat bekerja atau tidaknya aplikasi. Lalu mengadakan pelatihan user guna melatih dan mempersiapkan user dengan sistem barunya. Selanjutnya mengadakan evaluasi secara detail untuk mengukur sejauh mana tingkat kinerja data warehouse ini guna memberikan penilaian agar selanjutnya dapat dilakukan perbaikan ataupun improvement.

43 102 Kegiatan Month 1 Month 2 Month 3 Penyediaan Software dan Hardware Instalasi Hardware Instalasi Software Konversi Data Uji Coba Aplikasi Pembuatan Buku Manual Pelatihan User Evaluasi Minggu ke Tabel 4.24 Jadwal Implementasi