BAB 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE

Transkripsi

1 BAB 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Pelayanan Kesehatan Sint Carolus dan cabangnya yaitu Rumah Sakit Ibu dan Anak, masih melakukan pengolahan terhadap datanya secara terpisah. Dikarenakan Pelayanan Kesehatan Sint Carolus belum memiliki jaringan eksternal yang menghubungkannya dengan cabang maka dalam perancangan data warehouse di Pelayanan Kesehatan Sint Carolus dibutuhkan suatu data warehouse terpusat atau centralized. Data operasional yang dibutuhkan pihak direksi untuk dilakukan analisis seperti : rawat inap, farmasi dan laboratorium, dimasukkan ke dalam tempat penyimpanan yaitu data warehouse, data yang dimasukkan tersebut sesuai dengan informasi yang dibutuhkan. Gambar 4.1 Arsitektur Data Warehouse 101

2 Perancangan Data Warehouse Dalam perancangan data warehouse dibutuhkan beberapa tahap sehingga terbentuknya data warehouse. Metode yang digunakan adalah Nine-step Methodology menurut pendekatan Kimball. Kesembilan tahap tersebut, yaitu : Pemilihan Proses atau ruang lingkup (Choosing the process) Proses yang terjadi pada Pelayanan Kesehatan Sint Carolus yang dipilih untuk dibuat suatu rancangan data warehouse-nya yaitu sebagai berikut : Rawat Inap Proses rawat inap pada Pelayanan Kesehatan Sint Carolus dimulai dari pasien yang datang kemudian melakukan pendaftaran rawat inap ke bagian registrasi rawat inap dan pasien mendapatkan perawatan. Dokumen yang digunakan adalah Berkas Rawat Inap. Data yang digunakan berasal dari tabel : Ms_Pasien, Ms_Perusahaan, Ms_Anggota, Ms_Kamar, Ms_Tempat_Tidur, Ms_Unit_Pelayanan, Ms_Kelas, Ms_Tindakan, Ms_Diagnosa, Ms_Dokter, Ms_Spesialis, Ms_Tarif_Dokter, Ms_Obat, Ms_Alat_Kesehatan, Ms_Kegiatan. Farmasi Proses farmasi pada Pelayanan Kesehatan Sint Carolus dimulai dari suster yang datang langsung dengan membawa resep. Dokumen yang digunakan adalah Surat Pengeluaran Barang dan data yang digunakan berasal dari tabel : Ms_Pasien, Ms_Anggota, Tr_Rawat_Inap, Ms_Alat_Kesehatan, Ms_Obat.

3 103 Laboratorium Proses laboratorium pada Pelayanan Kesehatan Sint Carolus dimulai dari suster yang datang langsung untuk melakukan tes laboratorium. Dokumen yang digunakan adalah Berkas Pemeriksaan Laboratorium dan data yang digunakan berasal dari tabel : Ms_Pasien, Ms_Kegiatan, Tr_Rawat Inap, MsAggota Pemilihan Grain (Choosing the grain) Grain adalah menggambarkan suatu record yang terdapat pada table fakta. Grain yang ada pada perancangan data warehouse Pelayanan Kesehatan Sint Carolus adalah sebagai berikut : Rawat Inap Pemilihan grain pada proses rawat inap meliputi jumlah dari transaksi rawat inap, diagnosa yang paling banyak diderita pasien berserta tindakannya, obat yang sering diberikan dokter, dokter yang sering menangani pasien, kategori umur yang paling banyak melakukan rawat inap, alat kesehatan yang paling sering digunakan pasien, diagnosa yang diderita oleh pasien rawat inap berdasarkan interval waktu, tindakan yang dilakukan dokter berdasarkan diagnosa dan tes laboratorium yang sering dilakukan berdasarkan diagnosa. Farmasi Pemilihan grain pada proses farmasi meliputi jumlah transaksi pembelian obat dan alat kesehatan pada farmasi, pemberian obat dan alat kesehatan yang paling sering diberikan oleh dokter spesialis, jumlah pembelian obat dan alat kesehatan

4 104 oleh pasien berdasarkan diagnosa dan melihat jumlah pembelian obat dan alat kesehatan berdasarkan interval waktu. Laboratorium Pemilihan grain pada proses laboratorium meliputi meliputi jumlah transaksi pemeriksaan pada laboratorium, tes laboratorium berdasarkan diagnosa, jenis tes laboratorium yang biasa dilakukan berdasarkan interval waktu Melakukan identifikasi dan penyesuaian dimensi (Identifying and conforming the dimensions).

5 105

6 106

7 107

8 108

9 Memilih Fakta (Choosing the Facts) 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 faktafakta yang akan digunakan dalam data warehouse : Fakta rawat inap meliputi : WaktuID, PasienID, DiagnosaID, ObatID, DokterID, TindakanID, SpesialisID, AlkesID, KegiatanID, KompetitorID. Fakta Farmasi meliputi : WaktuID, ObatID, PasienID, SpesialisID, DiagnosaID, AlatKesehatanID, DokterID, KompetitorID. Fakta laboratorium meliputi : WaktuID, KegiatanID, PasienID, DiagnosaID, KompetitorID Menyimpan Pre-Kalkulasi dalam Tabel Fakta (Storing precalculation in the fact table) 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 : Jumlah transaksi rawat inap (jumlah Tr_Rawat_Inap) merupakan kumpulan (count) dari NoMasuk pada tabel Tr_Rawat_Inap.

10 Fakta Farmasi Fakta farmasi meliputi: Jumlah transaksi farmasi (jumlah Tr_Surat_Pengeluaran_Barang) merupakan kumpulan (count) dari Kd_SpengeluaranBarang pada tabel Tr_SPengeluaran_Barang. 3. Fakta laboratorium Fakta laboratorium meliputi: Jumlah transaksi laboratorium (jumlah Tr_Pemeriksaan_Lab) merupakan kumpulan (count) dari No_Reg_Lab pada tabel Tr_Pemeriksaan_Lab Memastikan Tabel Dimensi (Rounding out the dimension tables) Dalam table dimensi terdapat data yang merupakan rujukan dari tabel fakta yang berhubungan dengan tabel dimensi tersebut, sebagai berikut : Tabel 4.4 Tabel Dimensi Dimensi Field Deskripsi Waktu WaktuID Bulan Tahun Kuarter Semester Laporan dapat dilihat baik bulan, tahun, kuarter dan juga semester.

11 111 Pasien Diagnosa Obat Dokter Iklim PasienID NOMR Nama Pasien Umur DiagnosaID Kd_Dignosa Nama Diagnosa ObatID Kd_Obat Nama Obat DokterID Kd_Dokter Nama_Dokter Laporan dapat dilihat berdasarkan pasien Laporan dapat dilihat berdasarkan diagnosa Laporan dapat dilihat berdasarkan obat Laporan dapat dilihat berdasarkan dokter Alat Kesehatan AlkesID Kd_Alkes Laporan dapat dilihat berdasarkan alat kesehatan Kegiatan Tindakan Nama Alkes KegiatanID Nama Kegiatan TindakanID Kd_Tindakan Nama Tindakan Laporan dapat dilihat berdasarkan kegiatan Laporan dapat dilihat berdasarkan tindakan

12 112 Spesialis Kompetitor SpesialisID Kd_Spesialis Nama Spesialis KompetitorID Nama Kompetitor Alamat Kompetitor Laporan dapat dilihat berdasarkan spesialis Laporan dapat dilihat berdasarkan kompetitor Berikut ini adalah penjelasan lebih lanjut dari dimensi diatas : Dimensi waktu Tabel 4.5 Dimensi Waktu Attributee Tipe Data Panjang WaktuID Int 4 ID_Waktu Varchar 10 Bulan Varchar 10 Tahun Int 4 Kuarter Int 4 Semester Int 4 Iklim Varchar 4

13 113 Dimensi pasien Tabel 4.6 Dimensi Pasien Attributee Tipe Data Panjang PasienID Int 4 NOMR Varchar 6 Nama_Pasien Varchar 50 Umur Int 4 Dimensi diagnosa Tabel 4.7 Dimensi Diagnosa Attributee Tipe Data Panjang DiagnosaID Int 4 Kd_Diagnosa Varchar 7 Nama_Diagnosa Varchar 150 Dimensi obat Tabel 4.8 Dimensi Obat Attributee Tipe Data Panjang ObatID Int 4 Kd_Obat Varchar 11 Nama_Obat Varchar 150

14 114 Dimensi dokter Tabel 4.9 Dimensi Dokter Attributee Tipe Data Panjang DokterID Int 4 Kd_Dokter Varchar 8 Kd_Spesialis Varchar 3 Nama_Dokter Varchar 50 Dimensi alat kesehatan Tabel 4.10 Dimensi Alat Kesehatan Attributee Tipe Data Panjang AlkesID Int 4 Kd_Alkes Varchar 6 Nama_Alkes Varchar 150 Dimensi Kompetitor Tabel 4.10 Dimensi Kompetitor Attributee Tipe Data Panjang KompetitorID Int 4 Nama_Kompetitor Varchar 50 Alamat_Kompetitor Varchar 100

15 115 Dimensi kegiatan Tabel 4.11 Dimensi Kegiatan Attributee Tipe Data Panjang KegiatanID Int 4 Kd_Kegiatan Varchar 6 Nama_Kegiatan Varchar 150 Dimensi tindakan Tabel 4.12 Dimensi Tindakan Attributee Tipe Data Panjang TindakanID Int 4 Kd_Tindakan Char 5 Nama_Tindakan Varchar 150 Dimensi spesialis Tabel 4.13 Dimensi Spesialis Attributee Tipe Data Panjang SpesialisID Int 4 Kd_Spesialis Varchar 3 Deskripsi Varchar 300

16 Pemilihan durasi Database(Choosing the duration of the Database) Durasi dari data Pelayanan Kesehatan Sint Carolus yang dimasukkan ke dalam data warehouse sebagai berikut: Tabel 4.14 Durasi Database Nama Aplikasi Database Database Data yang Data ada sejak masuk ke dalam tahun Data Data Warehouse Warehouse Aplikasi PKSC DWH OLTP PKSC tahun Melacak Perubahan Dimensi Secara Perlahan (Deciding the query priorities and the query modes) Terdapat tiga perubahan dasar pada dimensi yaitu : Tipe 1 : Ketika terjadi perubahan attribute dalam dimensi maka akan ditulis ulang atau diganti. Tipe 2 : Ketika terjadi perubahan attribute dalam dimensi maka menyebabkan dibentuknya record baru dalam dimensi. Tipe 3 : Ketika terjadi perubahan attribute dalam dimensi maka menyebabkan dibentuknya attribute alternatif sehingga attribute yang lama dan yang baru tetap dapat diakses pada dimensi yang sama.

17 117 Namun dalam Perancangan data warehouse pada Pelayanan Kesehatan Sint Carolus, perubahan attribute pada dimensi mengakibatkan dibentuknya record baru dalam dimensi sehingga attribute yang berubah tetap bertambah dalam data warehouse. Melihat dari kebutuhan Pelayanan Kesehatan Sint Carolus ke depannya, maka penambahan dimensi disebabkan karena bertambahnya kebutuhan akan informasi rawat inap, farmasi dan laboratorium dari data operasional yang ada, sehingga sewaktu-waktu dibutuhkan infomasi tambahan maka dimensi baru akan ditambahkan ke dalam star schema Penentuan prioritas query dan model query (Deciding the query priorities and the query modes) Extract, Transform, Load(ETL) Proses ETL pada Pelayanan Kesehatan Sint Carolus dilakukan oleh bagian divisi Teknologi Informasi. Dari semua proses ETL yang dilakukan terdapat beberapa tahap yang secara umum digunakan untuk melakukan proses pengubahan data dari data awal menjadi sebuah data yang siap diolah untuk proses analisis. Tahapan tersebut setdaknya melibatkan satu komponen yang sudah disediakan dalam tools ETL ini, adapun komponen - komponen yang dilibatkan dalam proses ETL ini adalah : Source Komponen source adalah sebuah komponen yang digunakan untuk memilih dan menampung sumber data dari semua proses ETL yang

18 118 akan dilaksanakan dan komponen ini terdiri dari berbagai jenis komponen yang disesuaikan dengan jenis sumber data yang akan digunakan dalam proses ETL. Cara penggunaan dari komponen source adalah sebagai berikut : o Menentukan Sumber Data Gambar 4.2 Pemilihan Sumber Data Pada Komponen Source Pada tahap ini akan dilakukan pemilihan terhadap sumber data yang akan digunakan dalam proses ETL. Sumber data dapat langsung ditemukan dengan cara melakukan pemilihan terhadap Connection manager yang sudah disediakan sebelumnya secara default, ketika Connection manager sudah dipilih maka hal berikutnya adalah dengan memilih tabel atau view yang berkaitan dengan Connection manager tersebut.

19 119 Gambar 4.3 Dialog Configure Connection Manager Jika menginginkan sebuah Connection manager yang baru maka dapat dilakukan dengan cara menekan tombol new yang akan menampilkan dialog configure Connection manager, pada dialog ini akan menampilkan beberapa data Connection yang sudah pernah dibuat sebelumnya pada group box bagian kiri dan penjelasan singkat dari setiap data Connection pada group box bagian kanan.

20 120 Gambar 4.4 Pembuatan Sebuah ConnectionManager Baru Jika menginginkan sebuah data Connection baru maka dapat menekan tombol new dan akan menampilkan sebuah dialog Connection manager. Pada dialog ini terdapat beberapa pilihan tentang rincian asal dari sumber data yang akan digunakan misalnya dari provider DBMS yang digunakan seperti SQL Server maupun oracle, nama dari server asal sumber data tersebut dan nama tabel dari asal sumber data tersebut.

21 121 o Melihat Struktur Tabel Asal Gambar 4.5 Struktur Tabel Asal Setelah mendapatkan sumber data yang diinginkan maka susunan kolom dari tabel tersebut dapat dilihat pada tab columns yang berada pada sebelah kiri. Derived Columns Komponen derived columns adalah salah satu dari komponen yang digunakan untuk melakukan pengubahan pada data menjadi sebuah bentuk yang sama dan konsisten sehingga siap untuk diolah dalam proses analisis. Cara kerja dari derived columns adalah dengan melakukan pelacakan dan pencarian setiap baris pada kolom yang sudah ditentukan untuk mengalami proses pengubahan data dan akan mengganti setiap data yang berada pada baris tersebut sesuai dengan kriteria yang sudah ditentukan sebelumnya. Cara penggunaan

22 122 komponen derived columns adalah dengan cara menentukan kolom yang akan menerima proses pengubahan dan menuliskan sintaks perubahan pada kolom expression yang disediakan pada tabel derived columns. o Melakukan pengubahan pada kolom nama pasien Gambar 4.6 Dialog Derived Columns Sort Komponen sort adalah salah satu dari komponen yang digunakan untuk melakukan pengurutan data dari kolom yang dipilih sebagai dasar dari pengurutan data, pengurutan data dapat dilakukan baik secara descending maupun ascending. Selain melakukan pengurutan data, komponen sort juga dapat digunakan untuk melakukan pencarian, pelacakan dan penghapusan terhadap duplikasi data.

23 123 o Melakukan Pengurutan Data Pengurutan data dapat dilakukan dengan cara memilih kolom pada tabel yang akan digunakan sebagai dasar dari pengurutan data, setelah memilih kolom maka kolom tersebut akan muncul pada tabel rincian yang terletak di bawah dan pada tabel ini terdapat beberapa pilihan misalnya untuk melakukan jenis pengurutan yang akan digunakan misalnya ascending atau descending dan hasil dari pengurutan kolom tersebut dibedakan menjadi 2 jenis, yaitu melakukan pergantian pada kolom asal (replace) atau membuat sebuah kolom baru. Gambar 4.7 Dialog Sort Transformation Order

24 124 o Melakukan Penghapusan Duplikasi Data Penghapusan duplikasi data dapat dilakukan dengan melakukan penandaan checklist pada checkbox yang terdapat pada pojok kiri bawah dialog sort transformation order ini. Proses pencarian, pelacakan dan penghapusan duplikasi data ini dilakukan dengan berdasarkan pada kolom tabel yang akan digunakan sebagai dasar dari penghapusan duplikasi data. Gambar 4.8 Dialog Sort Transformation Order Aggregation Komponen aggregation adalah sebuah komponen yang digunakan untuk melakukan tindakan pengelompokkan (group by) dan menghitung beberapa perhitungan seperti total (sum), mencari nilai maksimal (max), mencari nilai minimal (min), mencari nilai rata rata (average) maupun menghitung jumlah baris (count). Selain fungsi

25 125 tersebut, komponen aggregation juga memiliki fungsi untuk melakukan pemilihan terhadap attribute yang akan dimasukkan pada tabel dimensi. Gambar 4.9 Dialog Aggregation Transformation Order Lookup Komponen lookup adalah sebuah komponen dalam melakukan proses ETL dimana dalam komponen ini akan melakukan proses pencarian, pelacakan dari setiap baris yang ada pada sumber data lalu melakukan pemetaan dan pemasangan pada baris yang sama yang ada pada tabel dimensi setelah melakukan pemetaan maka akan melakukan validasi antara data yang ada pada sumber data dengan data yang ada pada tabel dimensi lalu membuat data yang berada pada sumber data yang sebelumnya sudah ada pada tabel dimensi (existing data) tidak kembali masuk pada tabel dimensi dan membuat data baru yang

26 126 berasal dari sumber data masuk ke dalam tabel dimensi. Cara penggunaan dari komponen lookup dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah sebagai berikut: o Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi pelanggan dan memiliki tahapan tahapan yang sama dengan cara mencari dan memilih sumber data yang ada pada komponen source. o Melakukan Pemetaan (mapping) Pemetaan (mapping) dilakukan antara sumber data dengan tabel dimensi dengan cara memilih kolom yang berada pada sumber data dan menarik hubungan antara tabel sumber data menuju tabel dimensi, kolom yang dipilih ini nantinya juga akan menjadi dasar dari proses validasi pemisahan antara data yang akan masuk ke dalam tabel dimensi pelanggan dan data yang tidak akan masuk ke dalam tabel dimensi pelanggan. Destination Komponen destination adalah sebuah komponen yang digunakan untuk memilih dan mencari tabel dimensi sebagai tabel yang digunakan untuk menampung hasil dari semua proses ETL yang telah dilakukan pada komponen komponen ETL sebelumnya. Cara penggunaan dan cara kerja dari komponen destination sama dengan cara penggunaan dan cara kerja dari komponen source, perbedaannya

27 127 hanya terletak pada fungsi nya, jika pada komponen source fungsinya adalah mencari dan menemukan sumber data sebagai bahan dalam melakukan proses ETL sedangkan komponen destination memiliki fungsi untuk memilih dan mencari tabel dimensi untuk menampung semua hasil dari proses ETL. 1. Pasien Struktur ETL Gambar 4.10 Struktur ETL Dimensi Pasien

28 128 Proses ETL selesai Gambar 4.11 Proses ETL Dimensi Pasien Penjelasan Proses ETL Dimensi Pasien Pada proses ETL tabel pasien menjadi sebuah dimensi pasien melibatkan enam komponen dalam ETL tools yaitu source, derived columns, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi pasien ini adalah sebagai berikut : o Source Menentukan Sumber Data Sumber data yang digunakan dalam ETL dimensi pasien ini adalah tabel OLTP pasien. o Derived Columns Melakukan pengubahan pada kolom nama pasien Pada kolom nama pasien terdapat sebutan (TN) yang berarti tuan, (NY) yang berarti nyonya dan

29 129 (BAYI) atau (BY) yang berarti bayi dan selanjutnya adalah membuat format yang sama bagi nama pasien yang mengandung nama Mohh., Muhammad menjadi Muh.. Dengan menggunakan derived columns maka proses perbaikan pada kolom nama pasien dapat dilakukan dengan cara menuliskan sintaks yang berada pada kolom expression. Adapun sintaks yang digunakan untuk memperbaiki kolom nama pelanggan adalah sebagai berikut : REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (REPLACE (Nama_Pasien,"(BAYI)",""),"(JANDA)",""),"(JD)"," "),"TN",""),"NY",""),"NN",""),"[BAYI]",""),"Muha mmad","muh."),"moh.","muh."),"m.","muh."),"(su STER)",""). Berikut ini adalah hasil pengubahan derived columns. Sebelum mengalami pengubahan adalah sebagai berikut :

30 130 Tabel 4.15 Tabel Sebelum Pengubahan Derived Columns Mariya Goreti Suyanti [Bayi] R. Al. Soedihadi (TN) Muhammad Rizky Dhylan Dan setelah mengalami proses pengubahan dari derived columns adalah : Tabel 4.16 Tabel Setelah Pengubahan Derived Columns Mariya Goreti Suyanti R. Al. Soedihadi Muh. Rizky Dhylan o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah sebagai berikut : Melakukan Pengurutan Data Pada proses ETL dimensi pasien ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah NOMR.

31 131 Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi pasien ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah NOMR. o Aggregate Pada proses ETL dimensi pasien ini, attribute dari tabel asal yaitu tabel pasien yang akan dimasukkan kedalam dimensi pasien adalah NOMR dan nama_pasien. o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah sebagai berikut: Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi pelanggan Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom NOMR yang berada sumber data tabel pelanggan dengan kolom NOMR yang berada pada dimensi pelanggan sehingga NOMR yang sama tidak akan kembali masuk pada dimensi pelanggan.

32 132 o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi pasien yang sudah dibuat sebelumnya. 2. Obat Struktur ETL Gambar 4.12 Struktur ETL Dimensi Obat Proses ETL selesai Gambar 4.13 Proses ETL Dimensi Obat

33 133 Penjelasan Proses ETL Dimensi Obat Pada proses ETL tabel obat menjadi sebuah dimensi obat melibatkan lima komponen dalam ETL tools yaitu source, derived columns, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi obat ini adalah sebagai berikut : o Source Cara penggunaan dari komponen source dalam proses ETL tabel obat menjadi sebuah dimensi obat adalah sebagai berikut Menentukan Sumber Data Pada proses ETL dimensi obat ini maka tabel yang akan dipilih sebagai sumber data adalah Obat. o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel obat menjadi sebuah dimensi obat adalah sebagai berikut : Melakukan Pengurutan Data Pada proses ETL dimensi obat ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah Kd_Obat. Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi obat ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah KD_Obat.

34 134 o Aggregate Pada proses ETL dimensi obat ini, attribute dari tabel asal yaitu tabel obat yang akan dimasukkan kedalam dimensi obat adalah Kd_Obat, Nama_Obat. o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel obat menjadi sebuah dimensi obat adalah sebagai berikut: Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi obat. Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom KD_Obat yang berada sumber data tabel obat dengan kolom Kd_Obat yang berada pada dimensi obat sehingga Kd_Obat yang sama tidak akan kembali masuk pada dimensi obat. o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel pasien menjadi sebuah dimensi pasien adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi pasien yang sudah dibuat sebelumnya.

35 Tindakan Struktur ETL Gambar 4.14 Struktur ETL Dimensi Tindakan Proses ETL selesai Gambar 4.15 Proses ETL Dimensi Tindakan Penjelasan Proses ETL Dimensi Tindakan Pada proses ETL tabel tindakan menjadi sebuah dimensi tindakan melibatkan lima komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi Tindakan ini adalah sebagai berikut :

36 136 o Source Cara penggunaan dari komponen source dalam proses ETL tabel tindakan menjadi sebuah dimensi tindakan adalah sebagai berikut : Menentukan Sumber Data Pada proses ETL dimensi tindakan ini maka tabel yang akan dipilih sebagai sumber data adalah tindakan. o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel tindakan menjadi sebuah dimensi tindakan adalah sebagai berikut : Melakukan Pengurutan Data Pada proses ETL dimensi tindakan ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah Kd_Tindakan. Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi tindakan ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_Tindakan. o Aggregate Pada proses ETL dimensi tindakan ini, attribute dari tabel asal yaitu tabel tindakan yang akan dimasukkan kedalam dimensi tindakan adalah Kd_Tindakan dan NmTnd.

37 137 o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel tindakan menjadi sebuah dimensi tindakan adalah sebagai berikut: Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi tindakan. Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom Kd_Tindakan yang berada sumber data tabel tindakan dengan kolom Kd_tindakan yang berada pada dimensi tindakan sehingga Kd_tindakan yang sama tidak akan kembali masuk pada dimensi tindakan. o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel tindakan menjadi sebuah dimensi tindakan adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi tindakan yang sudah dibuat sebelumnya.

38 Diagnosa Struktur ETL Gambar 4.16 Struktur ETL Dimensi Diagnosa Proses ETL selesai Gambar 4.17 Proses ETL Dimensi Diagnosa Penjelasan Proses ETL Dimensi Diagnosa Pada proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa melibatkan lima komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi diagnosa ini adalah sebagai berikut :

39 139 o Source Cara penggunaan dari komponen source dalam proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa adalah sebagai berikut : Menentukan Sumber Data Pada proses ETL dimensi diagnosa ini maka tabel yang akan dipilih sebagai sumber data adalah diagnosa. o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa adalah sebagai berikut : Melakukan Pengurutan Data Pada proses ETL dimensi diagnosa ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah Kd_Diagnosa. Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi diagnosa ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_diagnosa. o Aggregate Pada proses ETL dimensi diagnosa ini, attribute dari tabel asal yaitu tabel diagnosa yang akan dimasukkan kedalam dimensi tindakan adalah Kd_diangosa dan Nama_Diagnosa.

40 140 o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa adalah sebagai berikut: Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi diagnosa. Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom Kd_Diagnosa yang berada sumber data tabel diagnosa dengan kolom KD_Diagnosa yang berada pada dimensi diagnosa sehingga Kd_diagnosa yang sama tidak akan kembali masuk pada dimensi diagnosa. o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel diagnosa menjadi sebuah dimensi diagnosa adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi diagnosa yang sudah dibuat sebelumnya.

41 Alat Kesehatan Struktur ETL Gambar 4.18 Struktur ETL Dimensi Alat Kesehatan Proses ETL selesai Gambar 4.19 Proses ETL Dimensi Alat Kesehatan Penjelasan Proses ETL Dimensi Alat Kesehatan Pada proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan melibatkan lima komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun

42 142 penjelasan dari proses ETL dimensi alat kesehatan ini adalah sebagai berikut : o Source Cara penggunaan dari komponen source dalam proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan adalah sebagai berikut : Menentukan Sumber Data Pada proses ETL dimensi alat kesehatan ini maka tabel yang akan dipilih sebagai sumber data adalah alat kesehatan. o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan adalah sebagai berikut : Melakukan Pengurutan Data Pada proses ETL dimensi alat kesehatan ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah Kd_Alkes. Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi alat kesehatan ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_Alkes.

43 143 o Aggregate Pada proses ETL dimensi alat kesehatan ini, attribute dari tabel asal yaitu tabel diagnosa yang akan dimasukkan kedalam dimensi tindakan adalah Kd_alkes dan Nama_alkes. o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan adalah sebagai berikut: Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi alat kesehatan. Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom Kd_alkes yang berada sumber data tabel alat kesehatan dengan kolom Kd_alkes yang berada pada dimensi alat kesehatan sehingga Kd_alkes yang sama tidak akan kembali masuk pada dimensi alat kesehatan. o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel alat kesehatan menjadi sebuah dimensi alat kesehatan adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi alat kesehatan yang sudah dibuat sebelumnya.

44 Spesialis Struktur ETL Gambar 4.20 Struktur ETL Dimensi Spesialis Proses ETL selesai Gambar 4.21 Proses ETL Dimensi Spesialis

45 145 Penjelasan Proses ETL Dimensi Spesialis Pada proses ETL tabel spesialis menjadi sebuah dimensi spesialis melibatkan lima komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi diagnosa ini adalah sebagai berikut : o Source Cara penggunaan dari komponen source dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah sebagai berikut : Menentukan Sumber Data Pada proses ETL dimensi spesialis ini maka tabel yang akan dipilih sebagai sumber data adalah spesialis. o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah sebagai berikut : Melakukan Pengurutan Data Pada proses ETL dimensi spesialis ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah kd_spesialis.

46 146 Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi spesialis ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah kd_spesialis. o Aggregate Cara penggunaan dari komponen aggregation dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah dengan cara memilih attribute yang sudah disediakan dari tabel spesialis dan disesuaikan dengan tingkat rincian yang ada pada tabel dimensi spesialis. Pada proses ETL dimensi spesialis ini, attribute dari tabel asal yaitu tabel spesialis yang akan dimasukkan kedalam dimensi spesialis adalah Kd_ spesialis dan Nama_ spesialis. o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah sebagai berikut: Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi spesialis. Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom kd_spesialis yang berada sumber data tabel spesialis dengan kolom kd_spesialis yang berada pada dimensi

47 147 spesialis sehingga kd_spesialis yang sama tidak akan kembali masuk pada dimensi spesialis. o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel spesialis menjadi sebuah dimensi spesialis adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi spesialis yang sudah dibuat sebelumnya. 7. Dokter Struktur ETL Gambar 4.22 Struktur ETL Dimensi Dokter Proses ETL selesai Gambar 4.23 Proses ETL Dimensi Dokter

48 148 Penjelasan Proses ETL Dokter Pada proses ETL tabel dokter menjadi sebuah dimensi dokter melibatkan empat komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi dokter ini adalah sebagai berikut : o Source Cara penggunaan dari komponen source dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah sebagai berikut : Menentukan Sumber Data Pada proses ETL dimensi dokter ini maka tabel yang akan dipilih sebagai sumber data adalah dokter. o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah sebagai berikut : Melakukan Pengurutan Data Pada proses ETL dimensi dokter ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah kd_dokter. Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi dokter ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_ dokter.

49 149 o Aggregate Cara penggunaan dari komponen aggregation dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah dengan cara memilih attribute yang sudah disediakan dari tabel dokter dan disesuaikan dengan tingkat rincian yang ada pada tabel dimensi dokter. Pada proses ETL dimensi dokter ini, attribute dari tabel asal yaitu tabel dokter yang akan dimasukkan kedalam dimensi dokter adalah Kd_ dokter dan Nama_ dokter. o Lookup Cara penggunaan dari komponen lookup dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah sebagai berikut: Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi dokter. Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom kd_dokter yang berada sumber data tabel dokter dengan kolom kd_dokter yang berada pada dimensi dokter sehingga kd_dokter yang sama tidak akan kembali masuk pada dimensi dokter.

50 150 o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel dokter menjadi sebuah dimensi dokter adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi dokter yang sudah dibuat sebelumnya. 8. Kegiatan Struktur ETL Gambar 4.24 Struktur ETL Dimensi Kegiatan

51 151 Proses ETL selesai Gambar 4.25 Proses ETL Dimensi Kegiatan Penjelasan Proses ETL Kegiatan Pada proses ETL tabel dokter menjadi sebuah dimensi kegiatan melibatkan empat komponen dalam ETL tools yaitu source, sort, aggregate, lookup dan destination. Adapun penjelasan dari proses ETL dimensi kegiatan ini adalah sebagai berikut : o Source Cara penggunaan dari komponen source dalam proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah sebagai berikut : Menentukan Sumber Data Pada proses ETL dimensi kegiatan ini maka tabel yang akan dipilih sebagai sumber data adalah kegiatan.

52 152 o Sort Cara penggunaan dari komponen sort dalam proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah sebagai berikut : Melakukan Pengurutan Data Pada proses ETL dimensi kegiatan ini, kolom yang akan digunakan sebagai dasar melakukan pengurutan adalah kd_kegiatan. Melakukan Penghapusan Duplikasi Data Pada proses ETL dimensi kegiatan ini, kolom yang digunakan sebagai dasar dari penghapusan duplikasi data adalah Kd_ kegiatan. o Aggregate Cara penggunaan dari komponen aggregation dalam proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah dengan cara memilih attribute yang sudah disediakan dari tabel kegiatan dan disesuaikan dengan tingkat rincian yang ada pada tabel dimensi kegiatan. Pada proses ETL dimensi kegiatan ini, attribute dari tabel asal yaitu tabel kegiatan yang akan dimasukkan kedalam dimensi kegiatan adalah Kd_ kegiatan dan Nama_ kegiatan. o Lookup Komponen lookup adalah sebuah komponen dalam melakukan Cara penggunaan dari komponen lookup dalam

53 153 proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah sebagai berikut: Membuat Data Connection Pada tahap ini akan dilakukan pencarian dan pemilihan pada tabel dimensi kegiatan. Melakukan Pemetaan (mapping) Melakukan pemetaan antara kolom kd_kegiatan yang berada sumber data tabel kegiatan dengan kolom kd_kegiatan yang berada pada dimensi kegiatan sehingga kd_kegiatan yang sama tidak akan kembali masuk pada dimensi kegiatan. o Destination Cara penggunaan dari komponen destination dalam proses ETL tabel kegiatan menjadi sebuah dimensi kegiatan adalah dengan cara melakukan penelusuran dan pencarian terhadap dimensi kegiatan yang sudah dibuat sebelumnya Proses Backup Proses backup terhadap data warehouse akan dilakukan dalam jangka waktu satu bulan, secara otomatis oleh sistem melalui proses ETL(Extract, Transform dan Load).

54 Security Security merupakan hal yang penting terutama dalam menjaga kerahasiaan data dalam suatu perusahaan, dengan melakukan security terhadap data tersebut dimana hak akses yang hanya diberikan terbatas hanya kepada pihak-pihak berkepentingan. Untuk membatasi hak akses tersebut maka dilakukan penggunaan password saat melakukan login terhadap sistem tersebut. Pihak-pihak yang dapat mengakses aplikasi data warehouse pada Pelayanan Kesehatan Sint Carolus hanya diberikan kepada pihak direksi, manager Rawat Inap, manager Farmasi, manager Laboratorium dan manager Sistem Informasi Rumah Sakit(SIRS). Manager Sistem Informasi Rumah Sakit berperan selain sebagai pihak yang dapat mengakses aplikasi data warehouse, juga dapat menentukan pihak yang diberi hak akses untuk menggunakan aplikasi Extract, Transform dan Load. Tabel 4.17 Peran User Role Read Update Insert Delete User Pihak Direksi X X Manager SIRS X X X X Manager Rawat Inap X X

55 155 Manager Farmasi X X Manager Laboratorium X X Analisis Kapasitas Media Penyimpanan Untuk mengetahui tentang jumlah kapasitas yang diperlukan dalam melakukan penyimpanan data, maka dibutuhkan suatu analisis terhadap media penyimpanannya 1. Num_Rows = Jumlah baris dalam tabel 2. Num_Cols = Jumlah kolom dalam tabel 3. Fixed_Data_Size = Total ukuran byte dalam tabel 4. Null_Bitmap = 2 + ((Num_Cols + 7) / 8) 5. Row_Size = Fixed_Data_Size + Variable_Data_Size + Null_Bitmap Rows_Per_Page = 8096 / (Row_Size + 2). 7. Free_Rows_Per_Page = 8096 x ((100 - Fill_Factor) / 100) / (Row_Size + 2) 8. Num_Leaf_Pages=Num_Rows/(Rows_Per_Page- Free_Rows_Per_Page) 9. Leaf_space_used = 8192 x Num_Leaf_Pages

56 156 Fakta Rawat Inap Asumsi : Jumlah fakta rawat inap dalam 1 bulan sekitar record, sehingga jumlah record untuk satu tahun adalah Satu tahun = x 12 = Maka perkiraan jumlah record dalam 5 tahun kedepan adalah Lima tahun = x 5 = Jumlah record Fakta RWI pada tahun ke-5 = Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Tabel 4.18 Fakta Rawat Inap Attribute Tipe Data Panjang PasienID Int 4 DokterID Int 4 DiagnosaID Int 4 TindakanID Int 4 ObatID Int 4 AlkesID Int 4 KegiatanID Int 4 KompetitorID Int 4 1. Nums_Rows = Nums_Cols = 9

57 Fixed_Data_Size = =36 bytes 4. Null_Bitmap =2 + ((9+ 7) / 8) = 4 5. Rows_Size = = 44 bytes 6. Rows_Per_Page =8096 / (44+ 2) = 176 pages 7. Free_Rows_Per_Page = 8096 x ((100-50) / 100) / (44+ 2) = 8096 x (50/100)/(46) = 88pages 8. Num_Leaf_Pages = / (176-88) = 2864 pages 9. Leaf_space_used = 8192 x 2864= bytes Fakta Farmasi Asumsi : Jumlah fakta rawat inap dalam 1 bulan sekitar record, sehingga jumlah record untuk satu tahun adalah Satu tahun = x 12 = Maka perkiraan jumlah record dalam 5 tahun kedepan adalah Lima tahun = x 5 = Jumlah record Fakta RWI pada tahun ke-5 = Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Tabel 4.19 Fakta Farmasi Attribute Tipe Data Panjang PasienID Int 4

58 158 DokterID Int 4 DiagnosaID Int 4 SpesialisID Int 4 ObatID Int 4 AlkesID Int 4 TimeID Int 4 KompetitorID Int 4 1. Nums_Rows = Nums_Cols = 8 3. Fixed_Data_Size = = Null_Bitmap = 2 + (8+ 7) / 8) = 4 5. Rows_Size = = 40 bytes 6. Rows_Per_Page = 8096 / (40+ 2) = 193 pages 7. Free_Rows_Per_Page =8096 x ((100-50) / 100) / (40+ 2) = 8096 x (50/100)/(42) =96 pages 8. Num_Leaf_Pages = / (193-96) = 3093 pages 9. Leaf_space_used = 8192 x 3093 = bytes

59 159 Fakta Laboratorium Asumsi : Jumlah fakta rawat inap dalam 1 bulan sekitar 5000 record, sehingga jumlah record untuk satu tahun adalah Satu tahun = 5000 x 12 = Maka perkiraan jumlah record dalam 5 tahun kedepan adalah Lima tahun = x 5 = Jumlah record Fakta RWI pada tahun ke-5 = Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Tabel 4.20 Fakta Laboratorium Attributee Tipe Data Panjang PasienID Int 4 KegiatanID Int 4 DiagnosaID Int 4 TimeID Int 4 KompetitorID Int 4 1. Nums_Rows = Nums_Cols = 5 3. Fixed_Data_Size = = Null_Bitmap = 2 + ((5 + 7) / 8) = 4 5. Rows_Size = = 28 bytes

60 Rows_Per_Page = 8096 / (28+ 2) =270 pages 7. Free_Rows_Per_Page = 8096 x ((100-50) / 100) / (28 + 2) = 8096 x (50/100)/(30) = 135 pages 8. Num_Leaf_Pages = 60000/ ( ) = 444 pages 9. Leaf_space_used = 8192 x 444 = bytes Dimensi waktu Tabel 4.21 Dimensi Waktu Attributee Tipe Data Panjang WaktuID Int 4 ID_Waktu Varchar 10 Bulan Varchar 10 Tahun Int 4 Kuarter Int 4 Semester Int 4 Iklim Int 4 1. Num_Rows = Num_Cols = 7 3. Fixed_Data_Size = = 40 bytes 4. Null_Bitmap = 2 + ((7+ 7) / 8) = 4 5. Row_Size = = 48bytes 6. Rows_Per_Page = 8096 / (48 + 2) = 162 pages

61 Free_Rows_Per_Page = 8096 x ((100-50) / 100) / (48 + 2) = 8096 x (50/100)/(50) = 81 pages 8. Num_Leaf_Pages = 1000 / (162-81) = 13 pages 9. Leaf_space_used = 8192 x 13 = bytes Dimensi pasien Tabel 4.22 Dimensi Pasien Attributee Tipe Data Panjang PasienID Int 4 NOMR Varchar 6 Nama_Pasien Varchar 50 Umur Int 4 1. Num_Rows = Num_Cols = 4 3. Fixed_Data_Size = = 64 bytes 4. Null_Bitmap = 2 + ((4 + 7) / 8) = 4 5. Row_Size = = 72 bytes 6. Rows_Per_Page = 8096 / (72 + 2) = 109 pages 7. Free_Rows_Per_Page = 8096 x ((100-50) / 100) / (72 + 2) = 8096 x (50/100)/ (74) = 55 pages

62 Num_Leaf_Pages = 700 / (109-55) =13 pages 9. Leaf_space_used = 8192 x 13 = bytes Dimensi diagnosa Tabel 4.23 Dimensi Diagnosa Attributee Tipe Data Panjang DiagnosaID Int 4 Kd_Diagnosa Varchar 7 Nama_Diagnosa Varchar Num_Rows = Num_Cols = 3 3. Fixed_Data_Size = = 161 bytes 4. Null_Bitmap = 2 + ((3+ 7) / 8) = 4 5. Row_Size = = 169 bytes 6. Rows_Per_Page = 8096 / ( ) = 48 pages 7. Free_Rows_Per_Page = 8096 x ((100-30) / 100) / (169+ 2) = 8096 x (70/100)/(171) = 33 pages 8. Num_Leaf_Pages = 2500 / (48-33) = 167 pages 9. Leaf_space_used = 8192 x 167= bytes

63 163 Dimensi obat Tabel 4.24 Dimensi Obat Attributee Tipe Data Panjang ObatID Int 4 Kd_Obat Varchar 11 Nama_Obat Varchar Num_Rows = Num_Cols = 5 3. Fixed_Data_Size = =165 bytes 4. Null_Bitmap = 2 + ((5 + 7) / 8) = 4 5. Row_Size = = Rows_Per_Page = 8096/ (173+2) =47 pages 7. Free_Rows_Per_Page = 8096 x ((100-30) / 100) / ( ) = 8096 x (70/100) / (175) = 32 pages 8. Num_Leaf_Pages = 1500 / (47-32) = 100 pages 9. Leaf_space_used = 8192 x 100 = bytes Dimensi dokter Tabel 4.25 Dimensi Dokter Attributee Tipe Data Panjang DokterID Int 4

64 164 Kd_Dokter Varchar 8 Kd_Spesialis Varchar 3 Nama_Dokter Varchar Num_Rows = Num_Cols = 4 3. Fixed_Data_Size = =65 bytes 4. Null_Bitmap = 2 + ((4 + 7) / 8) = 4 5. Row_Size = = 73 bytes 6. Rows_Per_Page = 8096 /(73+2) = 107 pages 7. Free_Rows_Per_Page = 8096 x ((100-20) / 100)/ (73 + 2) = 8096 x (80/100) / (75) = 86 pages 8. Num_Leaf_Pages = 100 / (86-73) = 8 pages 9. Leaf_space_used = 8192 x 8 = bytes Dimensi alat kesehatan Tabel 4.26 Dimensi Alat Kesehatan Attributee Tipe Data Panjang AlkesID Int 4 Kd_Alkes Varchar 6 Nama_Alkes Varchar 150

65 Num_Rows = Num_Cols = 3 3. Fixed_Data_Size = =160 bytes 4. Null_Bitmap = 2 + ((3 + 7) / 8) = 4 5. Row_Size = = 168 bytes 6. Rows_Per_Page = 8096 / (168+ 2) = 48 pages 7. Free_Rows_Per_Page = 8096 x ((100-20) / 100) / (168+ 2) = 8096 x ((80)/100) / (170) = 38 pages 8. Num_Leaf_Pages = 300 / (48 38) = 10 pages 9. Leaf_space_used = 8192 x 10 = bytes Dimensi kegiatan Tabel 4.27 Dimensi Kegiatan Attributee Tipe Data Panjang KegiatanID Int 4 Kd_Kegiatan Varchar 6 Nama_Kegiatan Varchar Num_Rows = Num_Cols = 3 3. Fixed_Data_Size = =160 bytes 4. Null_Bitmap = 2 + ((3 + 7) / 8) = 4

66 Row_Size = = 168 bytes 6. Rows_Per_Page = 8096 / (168+ 2) = 48 pages 7. Free_Rows_Per_Page = 8096 x ((100-50) / 100) / ( ) = 8096 x ((50)/100) / (170) = 24 pages 8. Num_Leaf_Pages = 500 / (48-24) = 21 pages 9. Leaf_space_used = 8192 x 21 = bytes Dimensi tindakan Tabel 4.28 Dimensi Tindakan Attributee Tipe Data Panjang TindakanID Int 4 Kd_Tindakan Char 5 Nama_Tindakan Varchar Num_Rows = Num_Cols = 3 3. Fixed_Data_Size = =159 bytes 4. Null_Bitmap = 2 + ((3 + 7) / 8) = 4 5. Row_Size = = 167 bytes 6. Rows_Per_Page = 8096 / ( ) = 48 pages 7. Free_Rows_Per_Page = 8096 x ((100-30) / 100) / ( ) = 8096 x ((70)/100) / (169)

67 167 = 34 pages 8. Num_Leaf_Pages = 250 / (48-34) = 18 pages 9. Leaf_space_used = 8192 x 18 = bytes Dimensi spesialis Tabel 4.29 Dimensi Spesialis Attributee Tipe Data Panjang SpesialisID Int 4 Kd_Spesialis Varchar 3 Deskripsi Varchar Num_Rows =30 2. Num_Cols = 3 3. Fixed_Data_Size = =307 bytes 4. Null_Bitmap = 2 + ((3 + 7) / 8) = 4 5. Row_Size = = 315 bytes 6. Rows_Per_Page = 8096 / ( ) = 26 pages 7. Free_Rows_Per_Page = 8096 x ((100-10) / 100) / ( ) = 8096 x ((90)/100) / (317) =23 pages 8. Num_Leaf_Pages = 250 / (26-23) = 83 pages 9. Leaf_space_used = 8192 x 83 = bytes

68 168 Dimensi Kompetitor Tabel 4.30 Dimensi Kompetitor Attributee Tipe Data Panjang KompetitorID Int 4 Nama_Kompetitor Varchar 50 Alamat_Kompetitor Varchar Num_Rows =2 2. Num_Cols = 3 3. Fixed_Data_Size = =154 bytes 4. Null_Bitmap = 2 + ((3+ 7) / 8) = 3 5. Row_Size = = 161 bytes 6. Rows_Per_Page = 8096 / (161+ 2) = 50 pages 7. Free_Rows_Per_Page = 8096 x ((100-10) / 100) / (50 + 2) = 8096 x ((90)/100) / (52) =140 pages 8. Num_Leaf_Pages = 250 / (140-50) = 3 pages 9. Leaf_space_used = 8192 x 3 =24576 bytes

69 Tabel 4.31 Analisis Kapasitas Media Penyimpanan lima Tahun Mendatang untuk Tabel Fakta 169 Nama Dimensi Bytes Jumlah Jumlah Space Space Current Record lima yang yang Record tahun digunakan digunakan kedepan satu tahun lima tahun (record) (record) (bytes) (bytes) Fakta Rawat Inap Fakta Farmasi Fakta Laboratorium Tabel 4.32 Analisis Kapasitas Media Penyimpanan lima Tahun Mendatang untuk Tabel Dimensi Nama Dimensi Bytes Jumlah Jumlah Space Space Current Record lima yang yang Record tahun digunakan digunakan kedepan satu tahun lima (record) (record) (bytes) tahun (bytes) Dimensi Waktu Dimensi Pasien Dimensi Diagnosa

70 170 Dimensi Obat Dimensi Dokter Dimensi Alat Kesehatan Dimensi Pengujian Dimensi Kegiatan Dimensi Tindakan Dimensi Spesialis Dimensi Iklim Skema Bintang dan Metadata Skema Bintang Permodelan dimensional (dimensionality modelling) yang digunakan pada perancangan data warehouse untuk Pelayanan Kesehatan Sint Carolus adalah star schema atau skema bintang. Pemilihan star schema karena bentuk dari star schema ini memaksimalkan tingkat pengaksesan yang dilakukan dan memudahkan dalam query. Terdapat tiga skema bintang yang diperoleh dari perancangan data warehouse pada Pelayanan Kesehatan Sint Carolus, yaitu sebagai berikut :

71 171 Gambar 4.26 Skema Bintang Fakta Rawat Inap Gambar diatas menunjukkan skema bintang dari fakta rawat inap dimana pada tabel fakta rawat inap terdapat beberapa attribute yang berhubungan dengan berbagai tabel dimensi. Pada fakta rawat inap dapat melihat berbagai dimensi yaitu : pasien, dokter, diagnosa, tindakan, obat, alkes, kegiatan, kompetitor dan waktu.

72 172 Gambar 4.27 Skema Bintang Fakta Farmasi Gambar diatas menunjukkan skema bintang dari fakta farmasi dimana pada tabel fakta farmasi terdapat beberapa attribute yang berhubungan dengan berbagai tabel dimensi. Pada fakta farmasi dapat melihat berbagai dimensi yaitu : pasien, dokter, obat, alkes, diagnosa, kompetitor dan waktu.

73 173 Gambar 4.28 Skema Bintang Fakta Laboratorium Gambar diatas menunjukkan skema bintang dari fakta laboratorium dimana pada tabel fakta laboratorium terdapat beberapa attribute yang berhubungan dengan berbagai tabel dimensi. Pada fakta laboratorium dapat melihat berbagai dimensi yaitu : pasien, diagnosa, kegiatan, kompetitor dan waktu.

74 4.3.2 Metadata 174

75 175

76 176

77 177

78 178

79 179

80 180

81 181

82 182

83 Rancangan Tatap Muka Aplikasi Data Warehouse 1. Form Login Form login adalah tampilan pertama kali ketika masuk dalam program atau aplikasi. Form login berguna untuk masuk ke dalam menu utama dari aplikasi data warehouse ini. Pada form login terdapat dua hal yang harus diisi, yaitu username dan password. Hak akses dari aplikasi ini hanya diberikan pada pihak direksi, bagian Sistem Informasi Rumah Sakit(SIRS), bagian Farmasi, bagian Laboratorium dan bagian Rawat Inap. Setelah user mengisi username dan password maka user dapat mengklik submit untuk lanjut ke form berikutnya. Gambar 4.29 Form Login

84 Form Warning Login a. Form dibawah ini adalah tampilan ketika username dan password tidak diisi oleh user. Gambar 4.30 Form Warning Login Filled b. Form dibawah ini adalah tampilan yang akan muncul pada saat username dan password yang diisi user tidak sesuai. Gambar 4.31 Form Warning Login Incorrect

85 Form Menu Utama Login SIRS (Sistem Informasi Rumah Sakit) Form menu utama adalah tampilan pertama setelah login sebagai user dari SIRS (Sistem Informasi Rumah Sakit). Login sebagai SIRS memungkinkan manager SIRS mengakses aplikasi data warehouse untuk melihat data rawat inap, farmasi dan laboratorium. Pada bagian kiri atas sampai dengan kanan dari form menu ini terdapat 7 icon, dimana icon-icon tersebut berguna untuk logout, exit, menambah user, mengganti password, melihat Form ETL, about us dan help untuk membantu user dalam menggunakan aplikasi. Gambar 4.32 Form Menu Utama

86 Form User Form user adalah form untuk menambah user serta hak akses untuk menggunakan aplikasi data warehouse ini. Hak akses untuk user lainnya akan diberikan atas wewenang dari manager SIRS (Sistem Informasi Rumah Sakit). Terdapat beberapa hal yang perlu diisi dalam penambahan user ini, yaitu username, password, confirm password serta memilih divisi untuk mengetahui user yang bertambah tersebut berasal dari divisi mana. Setelah mengisi data tersebut maka user dapat mengklik Submit dan username tersebut akan bertambah. Dalam form user ini, juga dapat melihat user yang memiliki hak akses dengan mengklik Tab User Setting. Gambar 4.33 Form User

87 187 a. Form dibawah ini adalah tampilan yang muncul ketika username tidak diisi. Ok Gambar 4.34 Form Warning Add User Filled b. Form dibawah ini adalah tampilan pada saat username sudah digunakan oleh user lain. Gambar 4.35 Form Warning Add User Already Used

88 c. Form dibawah ini adalah tampilan ketika password tidak diisi oleh user. 188 Gambar 4.36 Form Warning Add User Filled d. Form dibawah ini adalah tampilan pada saat password dan confirm password tidak sama. Gambar 4.37 Form Warning Add User Not Match