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
13523103@studens.uii.ac.id, 035230102@uii.ac.id, dan 045230406@uii.ac.id
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.
Keywords : Business Intelligence, Data Warehouse, Data Kesehatan Nasional, OLAP.
I. PENDAHULUAN
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.
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 – 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.
II. LANDASAN TEORI
A. 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
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].
Gambar 1 Arsitektur business intelligence
B. Data Warehouse
Data warehouse adalah sekumpulan data yang dibuat untuk mendukung proses pengambilan keputusan dan juga tempat penyimpanan data dari masa sekarang dan lampau yang memiliki potensi ketertarikan kepada manajer di seluruh organisasi [3].
Perbedaannya dengan business intelligence adalah data warehouse berbicara mengenai bagaimana data yang besar dan beragam disimpan dalam satu repository yang disusun sehingga memudahkan proses pencarian, sedangkan business intelligence adalah teknologi yang digunakan untuk menyajikan data tersebut sehingga memudahkan proses analisis dan pengambilan keputusan berdasarkan informasi yang akurat dari sumber data. Maka dari itu suatu solusi business intelligence yang baik memerlukan sumber data yang terpusat yaitu data warehouse.
C. Extract, Transform, Load
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
Transformation, merupakan proses untuk memilih, merapihkan 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. Setelah data yang dihasilkan sudah sesuai dengan kondisi pada datawarehouse, maka proses load tersebut akan berjalan. Data yang berasal dari stagingarea akan dipindahkan ke lokasi yang sudah ditentukan pada datawarehouse [4].
Gambar 2 Detail proses ETL
D. On-Line Analytical Processing
On-Line Analytical Processing (OLAP) adalah serangkaian 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].
Gambar 3 Ilustrasi proses OLAP
E. 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
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].
III. ANALISIS DAN PERANCANGAN
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
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.
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
business intelligence data kesehatan nasional dengan menggunakan use case diagram. Pada use case diagram yang diperlihatkan pada Gambar 5 menjelaskan bahwa sistem
business intelligence memiliki tiga menu utama yaitu menu
dashboard itu sendiri, menu master data, dan menu tentang yang berisi penjelasan mengenai sistem yang dibuat. Pada menu
dashboard, admin dapat memilih dashboard mana yang ingin ditampilkan dengan terlebih dahulu memilih kategori data dan juga dapat menentukan atribut provinsi mana yang ingin ditampilkan pada panel dashboard.
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.
IV. HASIL DAN PEMBAHASAN
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.
A. Proses ETL pada Sumber Data
Proses ETL membantu melakukan ekstraksi dari staging area ke dalam data warehouse untuk kebutuhan integrasi data, 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.
B. SQL Server Integration Services (SSIS)
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
task dengan task yang lainnya sesuai urutan ETL.
Gambar 5 Tampilan data flow task pada SSIS Setelah proses eksekusi setiap task maka tampilan data flow task akan menunjukkan tanda berhasil apabila terdapat simbol 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.
Gambar 6 Tampilan data pada OLE DB Destination
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 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 tabel dimensi yang bervariasi mulai dari tabel fakta sarana kesehatan yang hanya memiliki dua tabel dimensi sampai dengan tabel fakta kesehatan keluarga yang memiliki jumlah tabel dimensi paling banyak dengan 12 tabel dimensi. Sementara untuk pembuatan skema OLAP menggunakan star-schema (skema bintang) terhadap keempat 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 yang akan dianalisis dan dilanjutkan dengan pembuatan cubes
yang akan otomatis menghasilkan tabel dimensi sebagai sumber data dari tabel fakta lalu dilanjutkan lagi dengan menentukan kolom measure dan memilih tabel dimensi. Hasil akhir nantinya berupa cube yang sudah siap untuk diproses dan dapat dilihat dari berbagai dimensi.
Gambar 8 Tampilan atribut dimensi pada cube
E. Antarmuka Sistem Dashboard Business Intelligence
Tampilan yang akan muncul pertama kali setelah user
berhasil login adalah main dashboard yang menampilkan ringkasan semua data fakta yang terdapat pada sistem yaitu fakta sarana kesehatan, fakta tenaga kesehatan, fakta kesehatan keluarga, dan fakta pengendalian penyakit.
Gambar 9 Tampilan main dashboard
Selain itu terdapat tampilan dashboard lainnya yang merupakan tampilan drill-down data untuk setiap tabel dimensi.
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.
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.
Tabel 1Black-boxTesting pada beberapa fungsi utama Sistem
Business Intelligence
No Skenario
Pengujian Test Case
Hasil yang
Pengujian Test Case
Hasil yang
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
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.
DAFTARPUSTAKA
[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.
