Aplikasi Analisis Data Kesehatan dengan Memanfaatkan

Document technical information

Format pdf
Size 1.4 MB
First found May 22, 2018

Document content analysis

Category Also themed
Language
not defined
Type
not defined
Concepts
no text concepts found

Persons

Organizations

Places

Transcript

Aplikasi Analisis Data Kesehatan dengan Memanfaatkan
Teknologi OLAP untuk Departemen Kesehatan PT. Ateja Multi
Industri
Stela Paskarina, Mewati Ayub
Jurusan S1 Teknik Informatika
Fakultas Teknologi Informasi, Universitas Kristen Maranatha
Jl. Prof. Drg. Suria Sumantri no. 65 Bandung 40164
email : [email protected], [email protected]
Abstract
The application of data health analysis in PT.Ateja is a program that analyzes medicine’s
data, doctor’s data, patient’s data, medical record’s data and health insurance’s data to
produce various analysis health reports. This application will take advantages of OLAP
(Online Analytical Processing) to analyze data. The data will be combined and stored in a
cube. The process of designing this application requires schema that will describe
dimension tables, fact table and measure’s data. This application has some features such as
transfer health’s data from database to schema, analyze various health’s data and export
the results of analysis report to Microsoft Excel. The health’s data that will be analyzed are
medicine usage’s data, data of doctor who uses the medicines and data about employees
who have been treated and health insurance quota usage’s data. This application will use
some technologies such as Microsoft SQL Server 2005 Analysis Services as an OLAP
Server, Business Intelligence Development Studio as tools to make schema ,
Multidimensional Expression as query in OLAP and C# Programming Language. The
results of this application are various analysis reports. The reports can be used as health
information for PT.Ateja. This information will be used in decisions making about case of
health care services to their employees.
Keywords: Cube, database, measures, medical record, OLAP, schema.
I.
Pendahuluan
PT. Ateja Multi Industri merupakan salah satu perusahaan tekstil interior yang
masih berkembang pesat dengan jumlah karyawan lebih dari 1.000 orang. Aplikasi
pelayanan kesehatan yang telah diimplementasikan di PT Ateja telah menghasilkan
berbagai data kesehatan dalam volume besar. Sehubungan dengan hal tersebut,
muncul kebutuhan dari PT. Ateja untuk dapat menganalisis data kesehatan tersebut
dengan tujuan untuk memberikan layanan informasi kesehatan yang lebih lengkap
bagi perusahaan.
Dalam penelitian ini, analisis data kesehatan tersebut akan dilakukan dengan
menggunakan perangkat lunak OLAP (Online Analytical Processing). OLAP
memiliki kemampuan khusus dalam menyediakan informasi untuk proses
pengambilan keputusan, dengan cara menganalisis data multidimensi (berbentuk
lebih dari dua dimensi) secara cepat. Aplikasi ini didukung dengan pemodelan
119
Jurnal Informatika, Vol. 6, No. 2, Desember 2010: 119 - 130
schema untuk menyimpan seluruh data serta fitur untuk menambahkan data terbaru
yang berasal dari basis data aplikasi pelayanan kesehatan. Dari hasil analisis data
kesehatan tersebut, PT. Ateja dapat menggunakannya untuk mendukung
pengambilan keputusan perusahaan dalam hal meningkatkan pelayanan kesehatan,
serta memantau pemberian kuota jaminan kesehatan kepada karyawan.
Dengan demikian beberapa pertanyaan yang diteliti adalah bagaimana
merancang schema untuk analisis data kesehatan, bagaimana perpindahan
data dari database aplikasi pelayanan kesehatan ke dalam schema,
bagaimana implementasi perangkat lunak OLAP untuk menganalisis data
kesehatan, bagaimana analisis data kesehatan karyawan dengan
menggunakan OLAP dapat menghasilkan berbagai informasi untuk
membantu dalam proses pengambilan keputusan perusahaan.
II.
Landasan Teori
Kegiatan sistem dengan bantuan komputer dalam beberapa tahun akan
menghasilkan sejumlah data dalam volume yang cukup besar. Apabila data tersebut
akan dianalisis untuk proses pengambilan keputusan dalam perusahaan, maka
diperlukan apa yang disebut dengan data warehouse. Data warehouse merupakan
suatu pusat penyimpanan data dimana datanya dapat berasal dari database
operasional dan beberapa sumber data lainnya yang terintegrasi untuk mendukung
proses pengambilan keputusan [Man04]. Data warehouse mempunyai empat
karakteristik utama, yaitu berorientasi subjek, terintegrasi, time variant dan
bersifat non volatile [Han06].
OLAP (Online Analytical Processing) merupakan salah satu perangkat dari
data warehouse yang dapat digunakan untuk menganalisis data yang
kompleks dan menyediakan informasi yang dibangun berdasarkan model
data multidimensi. Data multidimensi tersebut akan digambarkan dalam
bentuk data cube dimana cube akan terdiri dari tabel fakta dan tabel dimensi.
Tabel fakta akan berisi data-data seputar topik tertentu dan data numerik
(yang dapat diukur) sedangkan tabel dimensi akan berisi data perspektif
mengenai suatu entitas.
OLAP dapat menganalisis data dengan menggunakan beberapa operasi,
diantaranya :
a. Roll up, digunakan untuk melihat data secara keseluruhan melalui
pengelompokkan data.
b. Drill down, digunakan untuk menjabarkan data secara lebih detil
agar dapat diperoleh informasi yang lebih rinci.
c. Slice, digunakan membagi cube terhadap suatu dimensi sehingga
dapat memfokuskan pada sudut pandang yang diinginkan.
d. Dice, digunakan untuk membagi data terhadap dua dimensi atau
lebih sehingga dapat memfokuskan sudut pandang dalam bentuk tiga
dimensi.
120
Aplikasi Analisis Data Kesehatan dengan Memanfaatkan Teknologi OLAP untuk
Departemen Kesehatan PT. Ateja Multi Industri
(Stela Paskarina, Mewati Ayub)
e. Pivot, digunakan merotasi data untuk memberikan alternatif
penyajian data.
Schema merupakan suatu pemodelan data yang digunakan untuk data
berbentuk multidimensi. Schema akan menggambarkan hubungan antara tabel
dimensi dengan tabel fakta dan data measures yang digunakan dalam aplikasi.
Terdapat tiga jenis schema, yaitu [Han06][Man04]:
a. Star schema, merupakan pemodelan yang paling umum digunakan
dibanding dengan tipe pemodelan schema lainnya. Tipe ini
menggambarkan satu buah tabel fakta sebagai tabel pusat dan beberapa
tabel dimensi yang mengelilinginya.
b. Snowflake schema, merupakan variasi dari star schema dengan perbedaan
terdapat penambahan beberapa tabel dimensi yang tidak berhubungan
langsung dengan tabel fakta, namun berhubungan dengan tabel dimensi
yang lain, karena adanya normalisasi tabel.
c. Fact constellation schema, merupakan pemodelan yang terdiri dari
beberapa tabel fakta yang menggunakan satu atau beberapa tabel dimensi
secara bersamaan.
MDX merupakan suatu syntax yang dapat melakukan query untuk
memanipulasi data multidimensi. MDX memiliki kesamaan dengan SQL
(Structured Query Language) syntax seperti adanya perintah Select, From dan
Where, namun MDX memiliki fitur yang lebih komplek dibandingkan dengan SQL
[SAS04]. MDX dapat menghasilkan data dalam bentuk lebih dari dua dimensi
(dikenal dengan istilah cube) sedangkan SQL hanya dapat menghasilkan data
dalam bentuk dua dimensi saja yaitu dimensi kolom dan baris. MDX dibuat untuk
memudahkan dalam mengakses data dari berbagai dimensi.
Sintaks dasar untuk MDX [SAS04] adalah :
[WITH
[MEMBER <member_name> AS ‘<value_expression>’ |
SET <set_name> AS ‘<set_expression>’}]…]
SELECT [<axis_specification> [,<axis_specification>…]]
FROM [<cube_specification>]
[WHERE [<slicer_specification>]]
III. Analisis dan Disain
Tujuan dari aplikasi ini adalah :
a. Membuat schema yang akan berisi seluruh data untuk digunakan dalam
analisis data kesehatan dan sekaligus memindahkan data dari database
aplikasi pelayanan kesehatan ke dalam schema yang sudah dibuat tersebut.
121
Jurnal Informatika, Vol. 6, No. 2, Desember 2010: 119 - 130
b. Mengimplementasikan perangkat lunak OLAP dalam menganalisis data
kesehatan di departemen kesehatan PT.Ateja.
c. Menganalisis data obat, data dokter, data pasien, data medical record
sehingga dapat dihasilkan laporan mengenai penggunaan beberapa jenis
obat, laporan penggunaan satu jenis obat, laporan penggunaan obat oleh
dokter, laporan analisis karyawan yang sudah berobat dalam suatu
departemen, laporan penggunaan kuota jaminan kesehatan karyawan,
laporan kelebihan penggunaan kuota jaminan kesehatan karyawan dan
laporan mengenai karyawan yang sudah melebihi kuota jaminan kesehatan.
d. Mengubah hasil laporan analisis yang sudah dihasilkan oleh aplikasi
menjadi bentuk file Microsoft Excel.
Pembuatan aplikasi ini didukung oleh beberapa pemodelan UML (Unified
Modeling Langauge) sehingga memudahkan proses pembuatannya. Pemodelan
tersebut diantaranya use case diagram untuk menggambarkan siapa saja yang
berinteraksi dengan sistem dan menggambarkan apa saja yang dilakukan sistem,
activity diagram untuk menggambarkan secara lebih detil alur aplikasi dan class
diagram untuk menggambarkan kelas yang digunakan di dalam aplikasi.
Gambar 1 adalah diagram sebagai rancangan use case diagram aplikasi :
122
Aplikasi Analisis Data Kesehatan dengan Memanfaatkan Teknologi OLAP untuk
Departemen Kesehatan PT. Ateja Multi Industri
(Stela Paskarina, Mewati Ayub)
Gambar 1. Use Case Diagram Aplikasi
Gambar 1 menjelaskan bahwa pengguna dari aplikasi adalah manager
departemen kesehatan. Manager departemen kesehatan dapat melakukan proses
yaitu memindahkan data dari database aplikasi ke schema, membuat berbagai
laporan analisis data kesehatan dan mengubah hasil laporan analisis.
Activity diagram aplikasi menggambarkan alur program beserta aktifitas dari
awal sampai akhir dari setiap use case yang sudah digambarkan di dalam use case
diagram, sedangkan class diagram aplikasi telah dibuat menjadi dua class diagram
diantaranya class digram untuk aplikasi memindahkan data dari database ke
schema dan class digram untuk aplikasi analisis data kesehatan.
Pemodelan untuk penyimpanan data pada aplikasi ini menggunakan schema
dengan tipe star schema. Gambar 2 adalah schema aplikasi :
123
Jurnal Informatika, Vol. 6, No. 2, Desember 2010: 119 - 130
Gambar 2. Schema Aplikasi
Gambar 2 menggambarkan schema aplikasi yang terdiri dari satu buah tabel
faktaTFKegiatanBerobat dan beberapa tabel dimensi diantaranya tabel dimensi
Obat, tabel dimensi Pasien, tabel dimensi KuotaJamkes, tabel dimensi Users, tabel
dimensi Medrec_MemilikiObatMedrec dan tabel dimensi Time.
IV. Implementasi Aplikasi
Berikut ini adalah beberapa tampilan antarmuka kelas dari aplikasi yang telah
dibuat sebagai hasil implementasi aplikasi.
Gambar 3. Tampilan Hasil Transfer Data
124
Aplikasi Analisis Data Kesehatan dengan Memanfaatkan Teknologi OLAP untuk
Departemen Kesehatan PT. Ateja Multi Industri
(Stela Paskarina, Mewati Ayub)
Gambar 3 adalah tampilan hasil setelah pengguna melakukan transfer data.
Data baru yang berasal dari database aplikasi pelayanan kesehatan akan
ditampilkan pada datagridview di sebelah kiri aplikasi, sedangkan jika data tersebut
sudah dipindahkan ke schema hasilnya akan ditampilkan di bagian datagridview
sebelah kanan aplikasi. Tampilan datagridview ini dibuat agar pengguna dapat
mengetahui data apa saja yang akan ditambahkan dan sekaligus melihat data yang
sudah berhasil ditambahkan ke dalam schema OLAP.
Gambar 4. Tampilan Pilihan Laporan Analisis Data Kesehatan
Jika pengguna sudah melakukan transfer data baru ke dalam schema,
maka berbagai laporan analisis data kesehatan dapat dibuat sesuai dengan
data terbaru. Gambar 4 menggambarkan pilihan laporan analisis yang telah
dianalisis dengan OLAP. Laporan tersebut diantaranya laporan Penggunaan
Beberapa Jenis Obat, Penggunaan Satu Jenis Obat, Penggunaan Obat oleh
Dokter, Karyawan yang Sudah Berobat, Penggunaan Kuota Jamkes
Karyawan, Kelebihan Penggunaan Kuota Jamkes Karyawan dan Karyawan
yang Melebihi Batas Kuota Jamkes Karyawan.
Gambar 5. Tampilan Hasil Analisis Penggunaan Beberapa Jenis Obat
125
Jurnal Informatika, Vol. 6, No. 2, Desember 2010: 119 - 130
Gambar 5 adalah tampilan analisis penggunaan beberapa jenis obat.
Melalui analisis ini dapat diketahui penggunaan obat dalam jumlah
terbanyak, tersedikit dan rata-rata penggunaan obat di dalam suatu periode
tertentu.
Gambar 6. Tampilan Hasil Analisis Penggunaan Satu Jenis Obat
Gambar 6 adalah tampilan analisis penggunaan satu jenis obat. Melalui
analisis ini dapat diketahui jumlah penggunaan untuk satu jenis obat, dimana
hal ini dapat memantau stok obat yang ada.
Gambar 7. Tampilan Hasil Analisis Penggunaan Obat oleh Dokter
Gambar 7 adalah tampilan analisis penggunaan obat oleh dokter.
Melalui analisis ini dapat diketahui jjumlah penggunaan obat yang sudah
digunakan oleh dokter dalam suatu periode tertentu.
126
Aplikasi Analisis Data Kesehatan dengan Memanfaatkan Teknologi OLAP untuk
Departemen Kesehatan PT. Ateja Multi Industri
(Stela Paskarina, Mewati Ayub)
Gambar 8. Tampilan Hasil Analisis Karyawan yang sudah Berobat
Gambar 8 adalah tampilan analisis karyawan yang sudah berbat dalam
suatu departemen. Dengan analisis ini, dapat diketahui karyawan mana saja
dalam suatu departemen yang sudah pernah berobat sehingga dapat
diketahui jumlah dan persentase karyawan yang sudah pernah berobat.
Gambar 9. Tampilan Hasil Analisis Penggunaan Kuota
Jaminan Kesehatan Karyawan
Gambar 9 adalah tampilan analisis penggunaan kuota jaminan
kesehatan karyawan yang telah menganalisis data kuota jaminan kesehatan
dalam suatu periode tahun sehingga dapat diketahui penggunaan kuota
127
Jurnal Informatika, Vol. 6, No. 2, Desember 2010: 119 - 130
jaminan kesehatan
terbesar dan terkecil.
dalam rata-rata penggunaan, penggunaan jumlah
Gambar 10. Tampilan Hasil Analisis Kelebihan Penggunaan Kuota
Jaminan Kesehatan Karyawan
Gambar 10 adalah tampilan analisis kelebihan penggunaan kuota
jaminan kesehatan karyawan. Melalui analisis ini dapat diketahui jumlah
dan persentasi kelebihan penggunaan kuota jaminan kesehatan dalam suatu
tahun.
Gambar 11. Tampilan Hasil Analisis Karyawan yang Melebihi Batas
Kuota Jaminan Kesehatan Karyawan
Gambar 11 adalah tampilan analisis karyawan yang biaya berobatnya
sudah melebihi batas kuota jaminan kesehatan yang diberikan. Analisis ini
akan menganalisis data pasien dalam suatu departemen sehingga diketahui
jumlah biaya berobatnya apakah sudah melebihi batas kuota atau belum.
128
Aplikasi Analisis Data Kesehatan dengan Memanfaatkan Teknologi OLAP untuk
Departemen Kesehatan PT. Ateja Multi Industri
(Stela Paskarina, Mewati Ayub)
V. Kesimpulan dan Saran
Kesimpulan yang dapat diperoleh :
1. Schema sebagai pemodelan dalam perancangan aplikasi berhasil dibuat.
Dengan schema tersebut, aplikasi berhasil memindahkan data baru dari
database aplikasi pelayanan kesehatan ke dalam schema. Data di dalam
schema tersebut yang telah dianalisis untuk menghasilkan laporan-laporan
analisis data kesehatan PT.Ateja.
2. OLAP dapat diimplementasikan dalam melakukan analisis data kesehatan
untuk departemen kesehatan PT.Ateja. Implementasi OLAP tersebut
termasuk penggunaan schema sebagai pemodelan dalam perancangan
aplikasi, penggunaan cube untuk menyimpan seluruh data analisis dan
penggunaan query MDX untuk menghasilkan laporan analisis.
3. Aplikasi berhasil menganalisis data obat, data dokter, data pasien, data
medical record dan data kuota jaminan kesehatan karyawan lalu
mengolahnya untuk dijadikan sebagai bahan data dalam menganalisis data
kesehatan.
4. Melalui penggunaan bahasa pemrograman C# di dalam aplikasi, dapat
dibuat fungsi mengkonversi hasil analisis data ke dalam bentuk file
Microsoft Excel dengan menggunakan template ExcelPackage.
5. Proses analisis data kesehatan di departemen kesehatan PT.Ateja telah
menghasilkan aplikasi yang dapat menghasilkan berbagai laporan analisis
kesehatan. Laporan analisis tersebut berguna sebagai informasi kesehatan
yang dibutuhkan perusahaan dalam membantu pengambilan berbagai
keputusan bagi perusahaan khususnya dalam hal peningkatan pelayanan
kesehatan karyawan, pemantauan kuota jaminan kesehatan karyawan dan
pemantauan kesehatan sekaligus kinerja karyawan dalam suatu
departemen.
Beberapa saran untuk penyempurnaan aplikasi ini adalah sebagai berikut :
1. Aplikasi dapat melakukan transfer data baru dari database utama ke OLAP
secara otomatis dalam suatu jangka tertentu yang sudah ditentukan
sebelumnya, sehingga pengguna tidak perlu melakukan transfer data
tersebut terlebih dahulu sebelum melakukan analisis data.
2. Tabel fakta dan tabel dimensi dapat ditambahkan lagi sehingga data untuk
analisis OLAP akan bertambah, dimana hal ini akan berpengaruh terhadap
penambahan jenis maupun jumlah informasi yang dihasilkan oleh
aplikasi.
VI. Daftar Pustaka
[Hof02]
Hoffer, Jeffrey A., Prescott, Mary B., McFadden, Fred R. 2002. Modern
Database Management. Sixth Edition. New Jersey : Pearson Education.
[Han06]
Han, J., Kamber, M. 2006. Data Mining Concepts and Techniques (pp 3961). San Francisco : Morgan Kaufmann Publishers.
129
Jurnal Informatika, Vol. 6, No. 2, Desember 2010: 119 - 130
[Man04]
Mannino, Michael V. 2004. Database Design, Application Development, &
Administration. Second Edition. New York : McGraw-Hill/Irwin.
[SAS04]
SAS Institute. 2004. SAS 9.1.3 OLAP Server MDX Guide. North California :
SAS Publishing.
[Sch04]
Schmuller, Joseph. 2004. Sams Teach Yourself UML in 24 Hours. Third
Edition. United States of America : Sams Publishing.
130

Similar documents

×

Report this document