DESAIN DAN IMPLEMENTASI DATA WAREHOUSE U

 0  0  6  2018-09-16 23:02:17 Report infringing document

  

DESAIN DAN IMPLEMENTASI DATA WAREHOUSE UNTUK SISTEM

PENDUKUNG KEPUTUSAN PADA MANAJEMEN

DATA KESEHATAN NASIONAL

Vicky Vadya Royibha, M. Andri Setiawan, dan Lizda Iswari

  Program Studi Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia (UII)

  Jl. Kaliurang KM 14.5, Yogyakarta 55581 Indonesia

  

Abstrak —Penelitian ini mengimplementasikan data warehouse untuk menganalisis data kesehatan nasional, yaitu publikasi data informasi tentang situasi dan kondisi kesehatan yang cukup komprehensif serta diterbitkan secara berkala tiap tahun oleh Departemen Kesehatan Republik Indonesia (Depkes RI). Dengan menganalisis data kesehatan nasional, maka diharapkan dapat membantu mengetahui permasalahan kesehatan yang ada di Indonesia dan membantu proses pengambilan keputusan oleh pihak stakeholder, dengan membangun data warehouse yang diawali dengan proses studi kelayakan. Setelah proses tersebut dialnjutkan degnan menentukan arsitektur sistem data warehouse dan mendesain data warehouse. Langkah selanjutnya adalah membangun data warehouse dengan ETL (Extract, Transform, and Load), kemudian hasilnya dianalisis dengan membangun sistem business intelligence dengan metode OLAP (On-Line Analytical Processing). Setelah itu data warehouse dianalisis dengan membangun dashboard system.

  Hasil penelitian business intelligence data kesehatan nasional menunjukkan bahwa sistem business intelligence khususnya dalam analisis data kesehatan nasional menggunakan grafik yang dilengkapi analisis statistik dapat membantu pihak manajemen maupun stakeholder dalam mengambil keputusan manajerial. Selain itu penyajian data laporan dalam bentuk grafik lebih mudah dibaca, dipahami, dan dianalisis dibandingkan dengan penyajian menggunakan angka-angka dalam tabel.

  • – data tersebut sebelumnya dimasukkan ke dalam suatu data warehouse dengan skema yang telah disesuaikan untuk memudahkan proses penggalian data sesuai dengan kondisi yang terjadi di lapangan maupun pola yang diinginkan. Solusi ini juga dapat membantu pemerintah menggunakan metode yang tepat dan efektif dalam peningkatan kinerja untuk mengatasi permasalahan pengelolaan data kesehatan nasional.

  Keywords : Business Intelligence, Data Warehouse, Data Kesehatan Nasional, OLAP.

  I. P

  ENDAHULUAN

  Data kesehatan nasional adalah salah satu publikasi data dan informasi yang berisi situasi dan kondisi kesehatan yang cukup komprehensif dan diterbitkan secara berkala tiap tahun oleh Departemen Kesehatan Republik Indonesia (Depkes RI). Profil data kesehatan nasional disusun berdasarkan ketersediaan data, informasi, dan indikator kesehatan yang bersumber dari unit teknis di lingkungan kementerian kesehatan serta institusi lain yang terkait seperti Badan Pusat Statistik (BPS) dan Badan Kependudukan dan Keluarga Berencana Nasional. Data kesehatan nasional dapat diakses melalui situs resmi Depkes RI yaitu depkes.go.id.

ANDASAN TEORI A.

  Namun data kesehatan nasional yang terdapat pada situs Depkes RI masih ditampilkan sebagai laporan per periode dan sifatnya masih berupa data mentah sehingga tidak ada pola tertentu yang dibutuhkan untuk proses analisis. Selain itu terdapat juga perbedaan susunan laporan setiap tahun sehingga mempengaruhi ketersediaan data yang valid dan konsisten. Maka dari itu dibutuhkan suatu data warehouse yang digunakan untuk kebutuhan analisis data dalam suatu rentang waktu tertentu, dan diharapkan dapat mewujudkan pengelolaan data paramedik yang terintegrasi dan terorganisir. Selanjutnya hal tersebut akan bermanfaat untuk pengambilan keputusan oleh para stakeholder, dimana sebelumnya terdapat laporan statistik data dari tiap kategori yang sudah dianalisis dengan tools business intelligence seperti ETL maupun OLAP.

  Solusi data warehouse yang diharapkan nantinya berupa report yang ditampilkan dalam bentuk dashboard yang akan menampilkan halaman statistik data kesehatan nasional beserta dengan faktor – faktor pendukungnya, yang telah diolah menggunakan metode analisis statistik. Dashboard ini diharapkan dapat memberikan informasi mengenai statistik data kesehatan nasional, dimana data

  II. L

   Business Intelligence Business Intelligence (BI) merupakan suatu proses ekstraksi

  pada sekumpulan data operasional dan mengumpulkannya dalam suatu sistem yang disebut data warehouse. Selama berlangsungnya proses ektraksi, data dapat ditransformasi dengan menerapkan berbagai teknik sesuai dengan kepentingan analisis bisnis terhadap data yang diperlukan. Biasanya setelah proses ekstraksi data, data yang terdapat pada data warehouse kemudian diproses melalui analisis statistik dan data mining, sehingga pada akhirnya diperoleh pattern atau pola kecenderungan yang muncul dari data tersebut [1]. Proses ETL dibagi menjadi tiga proses yaitu Extraction, proses penguraian dan pembersihan data (dari sumber data homogen atau heterogen) yang diekstrak untuk mendapatkan struktur atau pola pada data yang diharapkan. Lalu

   Extract, Transform, Load

  C.

  aktivitas menganalisis data interaksi pada transaksi bisnis yang tersimpan pada dimensional data warehouse dan digunakan untuk menentukan taktis dan strategi bisnis [5]. Tidak hanya meringkas data, OLAP juga memberikan kemampuan pada sistem business intelligence untuk melihat data dengan cara baru dan bisa disebut juga sebagai teknologi yang mendukung kegiatan mulai dari self-service reporting dan analisis dengan manajemen aplikasi yang dibuat seperti sistem perencanaan dan sistem penganggaran [6].

   On-Line Analytical Processing On-Line Analytical Processing (OLAP) adalah serangkaian

  Gambar 2 Detail proses ETL D.

  menyediakan tampilan visual dari informasi penting yang kemudian disatukan dan diatur dalam sebuah layar tunggal sehingga informasi tersebut dapat dipahami cukup dengan sekali lihat, serta mudah untuk dieksplorasi [3].

  dan memberikan atribut tambahan agar data yang telah melalui proses extract dapat masuk dan sesuai dengan format atau struktur data warehouse yang sudah ada. Terakhir Load, merupakan proses memasukkan data ke dalam data warehouse yang sebelumnya telah melalui proses transformation.

  Transformation , merupakan proses untuk memilih, merapihkan

  Hasil dari penyederhaan data tersebut nantinya disajikan kepada end user yang biasanya mengambil keputusan bisnis. Dengan demikian pihak manajemen dapat mengambil keputusan sesuai dengan fakta – fakta aktual yang terjadi di lapangan, sehingga tidak hanya mengandalkan intuisi dan pengalaman kuantitatif saja. Business intelligence disebut juga sebagai sistem informasi eksekutif atau sistem pendukung pengambilan keputusan yang berbasis data – data [2].

  intelligence yang baik memerlukan sumber data yang terpusat yaitu data warehouse.

   Dashboard Dashboard adalah komponen yang umumnya memiliki Performance Management Systems , Performace Measurement Systems , Business Process Management (BPM) suites, dan Business Intelligence (BI) platform. Selain itu dashboard

  menyajikan data tersebut sehingga memudahkan proses analisis dan pengambilan keputusan berdasarkan informasi yang akurat dari sumber data. Maka dari itu suatu solusi business

  intelligence adalah teknologi yang digunakan untuk

  beragam disimpan dalam satu repository yang disusun sehingga memudahkan proses pencarian, sedangkan business

  warehouse berbicara mengenai bagaimana data yang besar dan

  Perbedaannya dengan business intelligence adalah data

  mendukung proses pengambilan keputusan dan juga tempat penyimpanan data dari masa sekarang dan lampau yang memiliki potensi ketertarikan kepada manajer di seluruh organisasi [3].

   Data Warehouse Data warehouse adalah sekumpulan data yang dibuat untuk

  Gambar 1 Arsitektur business intelligence B.

  Gambar 3 Ilustrasi proses OLAP E.

NALISIS DAN PERANCANGAN

  Setelah data yang dihasilkan sudah sesuai dengan kondisi pada data warehouse, maka proses load tersebut akan berjalan. Data yang berasal dari staging area akan dipindahkan ke lokasi yang sudah ditentukan pada data warehouse [4].

  III. A

  Analisis pada perancangan aplikasi ini diperoleh melalui beberapa metode dimulai dari studi berbagai literatur (buku, jurnal, hasil penelitian, internet) yang terkait dengan pengembangan sistem business intelligence, lalu metode pengumpulan data dengan cara analisis dokumen dan melakukan diskusi dengan dosen pembimbing. Beberapa ruang lingkup yang diperlukan pada sistem business intelligence setelah melakukan analisis adalah :

  • Data yang diolah pada sistem memiliki susunan atribut yang sama, dalam artian setiap data yang digunakan konsisten muncul dalam rentang waktu tiga tahun.
  • Sistem dapat menampilkan dashboard beserta grafik yang informatif dan tampilan dashboard dapat

   Proses ETL pada Sumber Data

  A.

  area ke dalam data warehouse untuk kebutuhan integrasi data,

  Proses ETL membantu melakukan ekstraksi dari staging

  dikategorikan sesuai dengan kategori yang sudah ditentukan sebelumnya.

  • Sistem dapat menampilkan drill-down setiap kategori data untuk melihat isi tabel dimensi yang menjadi sumber data.
  • User dapat menentukan atribut provinsi yang akan ditampilkan pada panel dashboard.
  • Sistem dapat menampilkan data dalam bentuk tabel dan dapat diunduh dalam format Excel.

  business intelligence data kesehatan nasional dengan

  B.

  Untuk melihat hasil pada OLE DB Destination atau database tujuan tempat dimana data hasil ektraksi dan transformasi, bisa dilihat melalui tools SQL Server Management Service dengan mencari nama tabel yang menjadi

  Gambar 6 Tampilan data pada OLE DB Destination

  centang hijau di pojok kanan atas nama task, ditambah dengan informasi isi data pada tabel yang berhasil ditambahkan dari OLE DB Source, lalu ditransformasi dan dimasukkan ke dalam OLE DB Destination.

  task akan menunjukkan tanda berhasil apabila terdapat simbol

  Setelah proses eksekusi setiap task maka tampilan data flow

  Gambar 5 Tampilan data flow task pada SSIS

  task dengan task yang lainnya sesuai urutan ETL.

  SSIS memiliki kemampuan utama untuk melakukan ETL (Extract, Transform, Load) yang terdapat dalam proses replikasi data dari satu database ke database lain, ataupun proses transformasi data pada data warehouse yang terdiri dari komponen control flow dan data flow. Proses SSIS itu sendiri diawali dengan memilih komponen data flow task yang sesuai, mengatur input pada setiap task dan menyambungkan setiap

   SQL Server Integration Services (SSIS)

  setelah itu dilakukan proses transformasi data untuk melakukan penyamaan atau standarisasi di antaranya untuk tipe data dan nama field, sedangkan load dilakukan untuk memindahkan data ke dalam data warehouse. Proses ETL data ini dilakukan dengan memakai sistem SQL Server Integration Services yang sudah disediakan oleh perangkat Microsoft SQL Server 2016. Pada akhirnya setelah proses ETL selesai, maka data yang telah diolah sudah berhasil masuk ke dalam data warehouse yang akan menjadi acuan sumber data.

  menggunakan use case diagram. Pada use case diagram yang diperlihatkan pada Gambar 5 menjelaskan bahwa sistem

  Sistem business intelligence data kesehatan nasional bisa menjadi solusi untuk memudahkan stakeholder atau manajer dalam proses pengambilan keputusan setelah melihat pergerakan data pada panel dashboard. Selain itu sistem juga dapat memberikan kesimpulan hasil analisis data, agar kedepannya dapat menjadi aspek pertimbangan oleh para

  stakeholder maupun manajer atau atasan yang berwenang.

  Gambar 4 Use Case Diagram sistem business intelligence

  Dari hasil analisis dan diskusi lebih lanjut dengan dosen pembimbing maka dibuatlah perancangan untuk aplikasi sistem

  Implementasi adalah tahap penerapan berdasarkan hasil analisis dan perancangan yang telah dilakukan pada bagian sebelumnya. Bagian ini merupakan implementasi hasil rancangan menjadi sebuah sistem business intelligence data kesehatan nasional dimulai dari pengolahan data melalui proses ETL, SQL Server Integration Services (SSIS), SQL Server Analysis Services (SSAS), dan pembuatan dashboard system.

  Selain itu pengguna juga dapat menampilkan drill-down terhadap kategori data untuk melihat isi tabel dimensi yang menjadi sumber data. Selanjutnya untuk menu master data, admin dapat memilih dan menampilkan data dalam bentuk tabel serta melihta keterangan dari setiap tabel data, lalu admin juga dapat mengunduh data dalam format excel. Terakhir untuk menu tentang admin dapat melihat penjelasan mengenai sistem yang dibuat.

  ditampilkan dengan terlebih dahulu memilih kategori data dan juga dapat menentukan atribut provinsi mana yang ingin ditampilkan pada panel dashboard.

  dashboard, admin dapat memilih dashboard mana yang ingin

  berisi penjelasan mengenai sistem yang dibuat. Pada menu

  business intelligence memiliki tiga menu utama yaitu menu dashboard itu sendiri, menu master data, dan menu tentang yang

ASIL DAN PEMBAHASAN

IV. H

  tinggal klik kanan pada nama tabel dan

  pilih ‘Select Top 1000 Rows’ dan hasilnya detail isi tabel data akan langsung muncul

  beserta dengan query yang dijalankan seperti pada Gambar 6.

  C.

   Perancangan OLAP Cube

  Perancangan OLAP Cube adalah suatu cara untuk menampilkan data secara multidimensional (dari berbagai dimensi) dimana dalam dalam cube tersebut mendefinisikan data yang akan menjadi bahan analisis. Pembuatan cube sendiri diawali dari pembuatan tabel fakta, pembuatan tabel dimensi, dan pembuatan skema OLAP. Dalam sistem business

  intelligence terdapat empat tabel fakta diantaranya tabel fakta

  sarana kesehatan, tabel fakta tenaga kesehatan, tabel fakta

  Gambar 8 Tampilan atribut dimensi pada cube kesehatan keluarga, dan juga tabel fakta pengendalian penyakit.

  Sementara untuk tabel dimensi ada 23 tabel dimensi yang tersebar ke dalam empat tabel fakta tersebut, dengan jumlah

  E.

   Antarmuka Sistem Dashboard Business Intelligence

  tabel dimensi yang bervariasi mulai dari tabel fakta sarana Tampilan yang akan muncul pertama kali setelah user kesehatan yang hanya memiliki dua tabel dimensi sampai berhasil login adalah main dashboard yang menampilkan dengan tabel fakta kesehatan keluarga yang memiliki jumlah ringkasan semua data fakta yang terdapat pada sistem yaitu tabel dimensi paling banyak dengan 12 tabel dimensi. fakta sarana kesehatan, fakta tenaga kesehatan, fakta kesehatan

  Sementara untuk pembuatan skema OLAP menggunakan star- keluarga, dan fakta pengendalian penyakit.

  schema (skema bintang) terhadap keempat tabel dimensi.

  Gambar 9 Tampilan main dashboard

  Selain itu terdapat tampilan dashboard lainnya yang merupakan tampilan drill-down data untuk setiap tabel dimensi.

  Gambar 7 Star-schema tabel fakta kesehatan keluarga D.

   SQL Server Analysis Services (SSAS)

  SSAS adalah salah satu elemen business intelligence selain SSIS yang digunakan untuk proses analisa data pada OLAP dan membantu manajemen perusahaan dalam mengambil keputusan. Proses SSIS dimulai dari pembuatan data sources dan data source views, selanjutnya yaitu pemilihan sumber data

  Gambar 10 Tampilan menu dashboard tenaga kesehatan

  yang akan dianalisis dan dilanjutkan dengan pembuatan cubes yang akan otomatis menghasilkan tabel dimensi sebagai sumber Selanjutnya yaitu tampilan master data yang data dari tabel fakta lalu dilanjutkan lagi dengan menentukan menampilkan nama tabel data yang dapat dilihat isi dan kolom measure dan memilih tabel dimensi. Hasil akhir nantinya keterangan tabel tersebut maupun untuk diunduh dalam format berupa cube yang sudah siap untuk diproses dan dapat dilihat Excel. dari berbagai dimensi.

  Berdasarkan analisis kelemahan yang ada pada sistem dan kesimpulan di atas, dapat diambil beberapa saran yang dapat dipertimbangkan apabila akan dilakukan pengembangan terhadap sistem ini, yaitu :

  Mengklik menu ‘Tentang’ pada sidebar panel.

  Mengklik menu ‘Master Data’ pada sidebar panel.

  Sistem menampilkan halaman menu ‘Master Data’.

  Sesuai Valid

  5. Sistem menampilkan halaman master data, lalu user mengklik tombol ‘Tabel’ untuk melihat detail data setiap tabel yang dipilih.

  Mengklik tombol ‘Tabel’.

  Sistem akan menampilkan detail data setiap tabel yang dipilih.

  Sesuai Valid

  6. Sistem menampilkan halaman main dashboard setelah proses login berhasil, lalu user mengklik menu ‘Tentang’ pada sidebar panel.

  Sistem menampilkan halaman menu ‘Tentang’.

  Sesuai Valid

  Sesuai Valid

  V. SIMPULAN DAN SARAN A.

   Simpulan

  Dari hasil pembahasan dan pengujian prototype sistem business intelligence data kesehatan nasional yang telah dilakukan, dapat diambil beberapa kesimpulan dari penelitian sebagai berikut.

  1. Business intelligence system data kesehatan nasional, khususnya dalam analisis data fakta dan dimensi kesehatan nasional menggunakan tampilan grafik yang dilengkapi analisis statistik dapat membantu pihak manajemen dinas kesehatan dalam proses pengambilan keputusan dengan melihat informasi data pada dashboard.

  2. Skema data warehouse yang telah disesuaikan untuk memudahkan proses penggalian data sesuai sesuai dengan kondisi yang terjadi di lapangan maupun pola yang diinginkan.

  3. Diharapkan kedepannya dapat membantu pemerintah menggunakan metode yang tepat dan efektif dalam peningkatan kinerja untuk mengatasi permasalahan pengelolaan data kesehatan nasional.

  B.

   Saran

  4. Sistem menampilkan halaman main dashboard setelah proses login berhasil, lalu user mengklik menu ‘Master Data’ pada sidebar panel.

  Tampilan dashboard akan berubah sesuai dengan variabel data provinsi yang telah dipilih.

  Melakukan perubahan variabel data provinsi pada main dashboard.

  3. Sistem menampilkan halaman main dashboard setelah proses login berhasil, lalu user melakukan perubahan pada variabel data yang ingin ditampikan.

  Gambar 11 Tampilan menu master data

  Terakhir ada tampilan tentang yang berisi penjelasan mengenai sistem yang dibuat, seperti penjelasan mengenai data

  • – data yang terdapat pada sistem maupun sumber data yang didapatkan.

  Gambar 12 Tampilan menu tentang F.

   Hasil Pengujian

  . Proses implementasi dan pengujian sistem business

  intelligence dilakukan langsung oleh penulis dengan

  menggunakan teknik Black-Box Testing yang berfokus pada kebutuhan fungsional software, memungkinkan perancang untuk memperoleh kondisi

  • – kondisi input maupun output yang secara penuh menguji semua kebutuhan fungsional suatu program.

  1. Memasukkan data login yang benar, lalu mengklik tombol ‘Sign In’.

  Tabel 1 Black-box Testing pada beberapa fungsi utama Sistem Business Intelligence

  Pengujian black-box sistem business intelligence sendiri menggunakan tabel dengan beberapa kolom seperti Skenario pengujian, test case, hasil yang diharapkan, dan kesimpulan proses. Berikut merupakan isi ringkasan tabel black-box testing sistem business intelligence dimulai dari testing login, register¸ halaman main dashboard, halaman master data, dan halaman tentang.

  Username: admin Password: 123456

  Sistem menerima akses login dan kemudian langsung menampilkan halaman main dashboard.

  Sesuai Valid

  2. Memasukkan data register yang benar, lalu mengklik tombol ‘Register’ dan memberi tanda checklist terhadap box ‘Terms and

  Full Name: Admin Sistem Username: admin Password: 123456 Re-type Password: 123456

  Sistem menerima data register dan kemudian langsung menampilkan halaman main dashboard.

  Sesuai Valid No Skenario Pengujian Test Case Hasil yang Diharapkan Hasil Penguji an Kesim- pulan

  No Skenario Pengujian Test Case Hasil yang Diharapkan Hasil Penguji an Kesim- pulan

  1. Perlu adanya integrasi sistem lebih lengkap terhadap sistem business intelligence dengan data pada sistem Dinas Kesehatan, sehingga analisis yang dilakukan dapat diperluas dan saling terhubung.

  2. Proses OLAP yang masih bisa dikembangkan karena sistem belum mencakup proses cross data tabel antar tabel fakta atau antar tabel dimensi pada tabel fakta lain karena sejauh ini hanya menampilkan data yang berdiri sendiri pada tabel faktanya.

  DAFTAR PUSTAKA

  [1] Imelda S.T., M. (2010). Business Intelligence. Business Intelligence, 111- 121. [2] DJ Powers. (2002). Essentials of Business Information Systems . Pearson

  Prentice Hall. [3] Turban, E., Sharda, R., Delen, D., & King, D. (2011). Business

  Intelligence, 2nd Edition.

  Oklahoma & Hawaii: Prentice Hall. [4] Vercellis, C. (2009). Business Intelligence : Data Mining and

  Optimization for Decision Making (A John Wiley and Sons, 3rd Edition). Italy: John Wiley & Sons.

  [5] Rainady, V. (2010). Building a Data Warehouse with Examples in SQL Server. New York: Apress. [6] Schrader, M., Vlamis, D., Nader, M., Claterbos, C., Collins, D., Campbell,

  M., & Conrad, F. (2010). Oracle Essbase & Oracle OLAP. New York, NY, USA: McGraw-Hill, Inc

Dokumen baru
Dokumen yang terkait
Tags

Analisis Dan Desain Data Warehouse Pada

Perancangan Dan Implementasi Aplikasi Etl Untuk Data Warehouse

Desain Model Data Warehouse Dengan Conto

Data Mining Dan Data Warehouse Data Mi

Analisis Dan Perancangan Data Warehouse

Data Warehouse Tabel Fakta Dan Dimansion

Pemanfaatan Data Penduduk Melalui Koneksitas Data Warehouse Dan Biometrik

Analisis Dan Desain Dengan Menggunakan U

Desain Dan Implementasi Sistem Komunikas

Desain Perencanaan Dan Aksi Komunikasi U

DESAIN DAN IMPLEMENTASI DATA WAREHOUSE U

Gratis

Feedback