Upload
nguyenkhue
View
236
Download
0
Embed Size (px)
Citation preview
DESAIN DAN IMPLEMENTASI DATA WAREHOUSE UNTUK SISTEM
PENDUKUNG KEPUTUSAN PADA MANAJEMEN KESEHATAN IBU DAN
ANAK
Almira Desti Talithania 5109100041
Dosen Pembimbing I Dr. Eng. Chastine Fatichah, S.Kom, M.Kom.
Dosen Pembimbing II
Wijayanti Nurul Khotimah, S.Kom, M.Sc.
Latar Belakang Laju pertumbuhan angka usia produktif penduduk Indonesia yang terus berkembang dapat dihambat dengan menurunkan angka kematian dan kelahiran
Kesehatan ibu dan anak memegang peranan penting dalam kebijakan kependudukan dalam pertumbuhan angka usia produktif
1
Piramida penduduk Indonesia Tahun 2011
Angka ketergantungan usia non produktif terhadap usia produktif 54,7 %
Kenyataan di Indonesia
2
Dinas Kesehatan Provinsi Jawa Timur merupakan suatu badan penyelenggara pembangunan dalam bidang kesehatan. Salah satu kebijakannya adalah mempercepat penurunan jumlah kematian ibu dan anak
Kenyataan di Indonesia
2
Tujuan
4
• Dapat menentukan sistem dan unit bisnis yang membutuhkan
integrasi data.
• Dapat menentukan batasan data dan prioritas data yang
dibutuhkan untuk melakukan proses pengambilan keputusan.
• Dapat mendesain model data warehouse.
• Dapat mengimplementasikan desain data warehouse.
• Membangun aplikasi yang dapat membuat model atau rule agar dapat digunakan untuk SPK.
• Membangun aplikasi yang dapat menampilkan report dan hasil analisis data yang mudah digunakan dan dipahami oleh
pengguna.
Mendata area bisnis yang ada
kesehatan ibu dan anak
obat-obatan penyakit
kesehatan lingkungan
HIV/ AIDS 10
Mendata event bisnis yang ada
dalam proses bisnis
imunisasi wanita usia
subur
keluarga berencana
pemberian kapsul yodium
imunisasi bayi
perawatan balita gizi buruk
12
Mendata event bisnis yang ada
dalam proses bisnis
perawatan bayi yang baru lahir
dengan berat rendah
pemberian tablet Fe
pemberian vitamin bayi
pemberian vitamin balita
persalinan
13
Mendata event bisnis yang ada
dalam proses bisnis
pemberian vitamin ibu nifas
pencatatan kelahiran bayi
kunjungan bayi kunjungan ibu hamil
kunjungan neonatus
14
Mendata event bisnis yang ada
dalam proses bisnis
perawatan balita yang menderita
pneumonia
perawatan balita yang menderita diare
ibu nifas yang ditolong tenaga
kesehatan perawatan gigi dan mulut 15
Menentukan kebutuhan fungsional
dan non fungsional Tujuan: memastikan sistem dibangun memenuhi tujuan bisnis
Kebutuhan fungsional:
1. Dapat menampilkan laporan kesehatan ibu dan anak
2. Dapat menampilkan analisis kasus kematian ibu dan anak.
Kebutuhan non fungsional:
1. Hasil akhir aplikasi data warehouse dapat diakses oleh siapa
saja
2. Data warehouse selalu menyala untuk menjalankan prosesnya
3. Pembaruan data dilakukan setahun sekali ketika Dinas
Kesehatan Kabupaten atau Kota memasukkan laporannya.
15
source keluarga berencanasource imunisasisource kelahiran dan kematian
source kunjungan ibu dan anak source penyakit balita source gizi balita
server ETL server OLAP server report pengguna
Menentukan rancangan arsitektur
16
Tahapan dalam membangun business intelligence:
1. Menganalisis business intelligence 2. Membuat tabel mining 3. Membangun struktur dan model mining
Membangun business intelligence
27
1. Menganalisis business intelligence Business intelligence yang akan dikerjakan adalah kasus kematian ibu hamil, ibu nifas, bayi, dan balita.
Menganalisis business intelligence
28
Dalam kasus kematian ibu hamil, faktor-faktor yang diperkirakan mempengaruhi: • jumlah ibu hamil yang diberi tablet Fe1 • jumlah ibu hamil yang diberi tablet Fe3 • jumlah ibu hamil yang mengalami komplikasi • jumlah ibu hamil yang mengalami komplikasi
kemudian dirujuk • jumlah ibu hamil yang mengalami komplikasi
kemudian dirujuk dan ditangani • jumlah kunjungan ibu hamil pertama • jumlah kunjungan ibu hamil keempat • jumlah puskesmas
Menganalisis business intelligence
29
Dalam kasus kematian ibu nifas, faktor-faktor yang diperkirakan mempengaruhi: • jumlah ibu nifas yang ditolong oleh tenaga
kesehatan • jumlah bayi yang lahir hidup • jumlah bayi yang lahir mati • jumlah pemberian vitamin A pada ibu nifas • jumlah puskesmas
Menganalisis business intelligence
30
Dalam kasus kematian bayi, faktor-faktor yang diperkirakan mempengaruhi: • jumlah bayi baru lahir yang berkunjung • jumlah bayi dengan berat lahir rendah • jumlah bayi yang berkunjung • jumlah bayi yang diberi imunisasi BCG • jumlah bayi yang diberi imunisasi campak • jumlah bayi yang diberi imunisasi DPT1 • jumlah bayi yang diberi imunisasi DPT3 • jumlah bayi yang diberi imunisasi hepatitis • jumlah bayi yang diberi imunisasi polio • jumlah posyandu madya • jumlah posyandu pratama • jumlah posyandu purnama • jumlah puskesmas
Menganalisis business intelligence
31
Yang diperkirakan mempengaruhi kematian balita: • jumlah puskesmas • jumlah balita yang melakukan pemeriksaan rutin • jumlah balita dengan gizi buruk • jumlah balita dengan gizi buruk yang mendapatkan
perawatan • jumlah balita yang berat badannya naik • jumlah balita bawah garis merah • jumlah balita yang terkena penyakit diare • jumlah balita yang terkena penyakit pneumonia • jumlah balita dengan penyakit diare yang ditangani • jumlah balita dengan penyakit pneumonia yang ditangani • jumlah balita yang diberi vitamin A
Menganalisis business intelligence
32
Membuat tabel mining
33
insert into [KIA].[dbo].miningbayi1 (…) select … (CASE WHEN bayi1.jumlah_kematian_pada_bayi BETWEEN 0 AND 0.0285 THEN 'rendah' WHEN bayi1.jumlah_kematian_pada_bayi BETWEEN 0.0284 AND 0.0570 THEN 'sedang' WHEN bayi1.jumlah_kematian_pada_bayi >0.570 THEN 'tinggi' END) as jumlah_mati, (CASE WHEN bayi1.jumlah_bayi_yang_berkunjung BETWEEN 0 AND 0.4549 THEN 'rendah' WHEN bayi1.jumlah_bayi_yang_berkunjung BETWEEN 0.4548 AND 0.7274 THEN 'sedang' WHEN bayi1.jumlah_bayi_yang_berkunjung >0.7274 THEN 'tinggi' END) as jumlah_kunj_bayi, (CASE WHEN bayi1.jumlah_bayi_yang_diberi_imunisasi_BCG BETWEEN 0 AND 0.4608 THEN 'rendah' WHEN bayi1.jumlah_bayi_yang_diberi_imunisasi_BCG BETWEEN 0.4607 AND 0.7301 THEN 'sedang' WHEN bayi1.jumlah_bayi_yang_diberi_imunisasi_BCG > 0.7301 THEN 'tinggi' END) as jumlah_imun_bcg … FROM bayi1
Potongan syntax query untuk memasukkan nilai tabel mining kematian pada bayi
Uji Coba
Tampilan business intelligence kematian ibu hamil dengan
algoritma asosiasi
Support: 0.3
Importance: 0.0
Probability: 0.5
Tampilan business intelligence kematian ibu hamil dengan
algoritma asosiasi
Support: 0.0
Importance: 0.0
Probability: 0.4 39 40
Uji Coba
Tampilan business intelligence kematian ibu hamil dengan
algoritma asosiasi
Link: 10%
Tampilan business intelligence kematian ibu hamil dengan
algoritma asosiasi
Link: 50% 41
• Unit bisnis yang membutuhkan integrasi data dalam manajemen kesehatan ibu dan anak adalah proses bisnis kesehatan ibu dan anak.
Kesimpulan
• Dari tiga model skema DDS yang ada, Tugas Akhir ini mengimplementasikan model skema DDS galaksi
• SPK pada manajemen kesehatan ibu dan anak dibangun dengan menggunakan algoritma asosiasi, naïve bayes, dan decision tree
• Untuk mendapatkan penghitungan business intelligence, menggunakan rasio.
43
[1] Dewan Redaktur Demografi, "Statistics Indonesia," 2013. [Online]. Available: http://www.datastatistik-indonesia.com/portal/index.php?option=com_content&task=view&id=83&Itemid=115. [Accessed 03 Juni 2013]. [2] Dinas Kesehatan Provinsi Jawa Timur, "Dinas Kesehatan Provinsi Jawa Timur," [Online]. Available: http://dinkes.jatimprov.go.id/institusi/2/8/kebijakan_institusi_dinkes_jatim.html. [Accessed 03 Juni 2013]. [3] J. Completo, R. S. Cruz, L. Coheur and M. Delgado, "Design and Implementation of a Data Warehouse for Benchmarking in Clinical Rehabilitation," ScienceDirect, vol. I, no. Clinical Benchmarking; Data Warehouse; Decision Support Systems; Rehabilitation, pp. 885-894, 2012. [4] D. T. Y. Wah and O. S. Sim, "Evaluating a Data Warehouse for Lymphoma Diagnosis and Treatment Decision," IEEE Computer Society, vol. I, no. p, pp. 57-62, Nov 2010. [5] R. Kimball and M. Ross, The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling, 2nd ed., R. Elliott, Ed., New York: Robert Ipsen, 1998. [6] Wikimedia Foundation, Inc., Januari 2013. [Online]. Available: http://id.wikipedia.org/wiki/Sistem_pendukung_keputusan. [Accessed 03 Juni 2013]. [7] J. Mundy, W. Thornthwaite and K. Ralph, in The Microsoft Data Warehouse Toolkit : With SQL Server 2005 and the Microsoft Business Intelligence Toolset, Indianapolis, Wiley Publishing, Inc, 2006. [8] S. D. Chaudhuri, "An Overview of Data Warehousing and OLAP Technology," SIGMOD Record, vol. 26, no. p, pp. 65-74, March 1997.
Daftar Pustaka
44
[9] V. Rainady, "Building a Data Warehouse With Examples in SQL Server," in Building a Data Warehouse With Examples in SQL Server, New York, Inc, Springer-Verlag, 2008, pp. 5-71. [10] J. Pepper, Ed., in Building a Data Warehouse: With Examples in SQL Server, New York, Springer-Verlag New York, Inc., 2008, pp. 1-111. [11] D. E. O’Leary, "REAL-D: A Schema for Data Warehouses," Journal of Information Systems, vol. 13, no. REA, REAL, REAL-D, Databases, Data Warehouses, pp. 49-62, 1999. [12] Wikimedia, Inc, "Star Schema," Wikimedia, Inc, 02 Juli 2013. [Online]. Available: http://en.wikipedia.org/wiki/Star_schema. [Accessed 05 Juli 2013]. [13] "Phi-OLAP Sample," 2013. [Online]. Available: http://code.google.com/p/phi-olap-samples/downloads/detail?name=sql_server_skema_bintang.png&can=2&q=. [Accessed 05 Juni 2013]. [14] "Data Warehouse Dimensional Modelling (Types of Schemas)," 2013. [Online]. Available: http://www.folkstalk.com/2010/01/data-warehouse-dimensional-modelling.html. [Accessed 05 Juni 2013]. [15] Wikimedia, Inc, "Snowflake Schema," Wikimedia, Inc, 16 Juni 2013. [Online]. Available: http://en.wikipedia.org/wiki/Snowflake_schema. [Accessed 05 Juli 2013]. [16] Datawarehouse4u, "Snowflake schema," 2013. [Online]. Available: http://datawarehouse4u.info/Data-warehouse-schema-architecture-snowflake-schema.html. [Accessed 05 Juli 2013]. [17] E. T. Luthfi, "Penerapan Data Mining Algoritma Asosiasi Untuk Meningkatkan Penjualan," DASI, vol. 10, no. strategi penjualan, data mining, asosiasi, pp. 1-21, 2009.
Daftar Pustaka
45
[18] Microsoft, "Microsoft Association Algorithm," Microsoft, 2013. [Online]. Available: http://technet.microsoft.com/en-us/library/ms174916.aspx. [Accessed 05 Juni 2013]. [19] D. Oktavia and D. I. C. Pardede, "Perbandingan Kinerja Algoritma Decision Tree dan Naive Bayes dalam Prediksi Kebangrutan," Repository Gunadarma, no. decision tree, naive bayes, kebangkrutan. [20] Microsoft, "Microsoft Naive Bayes Algorithm," Microsoft, 2013. [Online]. Available: http://technet.microsoft.com/en-us/library/ms174806.aspx. [Accessed 05 Juni 2013]. [21] Microsoft, "Microsoft Decision Tree Algorithm," Microsoft, 2013. [Online]. Available: http://technet.microsoft.com/en-us/library/ms175312.aspx. [Accessed 05 Juni 2013]. [22] Wikimedia Foundation, Inc., "SQL Server Management Studio," Wikimedia Foundation, Inc., 19 Juni 2013. [Online]. Available: http://en.wikipedia.org/wiki/SQL_Server_Management_Studio. [Accessed 21 Juni 2013]. [23] Microsoft, "Introducing Business Intelligence Development Studio," 05 February 2013. [Online]. Available: http://msdn.microsoft.com/en-us/library/ms173767(v=sql.105).aspx. [Accessed 05 March 2013]. [24] Dinas Kesehatan Jawa Timur, in Profil Kesehatan Provinsi Jawa Timur Tahun 2011, 1st ed., Surabaya, 2012, pp. 24-26. [25] Dinas Kesehatan Provinsi Jawa Timur, Rencana Strategis Dinas Kesehatan Provinsi Jawa Timur 2009-2014, Surabaya: Dinas Kesehatan Provinsi Jawa Timur, 2009. [26] Y. Sari, "Posyandu Indonesia," [Online]. Available: http://posyandu.org/jenis-kontrasepsi.html. [Accessed 05 Juni 2013]. [27] Microsoft, "Introducing Business Intelligence Development Studio," 05 Februari 2013. [Online]. Available: http://msdn.microsoft.com/en-us/library/ms173767(v=sql.105).aspx. [Accessed 05 Maret 2013].
Daftar Pustaka
46