BAB 2

LANDASAN TEORI

2.1. Hospital Information System (HIS)

Hospital Information System merupakan salah satu sistem komputer

yang paling umum dirancang untuk mendukung pelayanan kesehatan. Sistem

ini merupakan database besar yang terkomputerisasi yang ditujukan terutama

untuk komunikasi dan menyimpan informasi medis dan administrasi

(Farzandipour, Sadoughi, & Meidani, 2011, p. 147). Definisi sistem informasi

itu sendiri merupakan sekumpulan komponen komputer yang saling terkait

yang mengumpulkan, memproses, menyimpan, dan menyediakan output

berupa informasi yang dibutuhkan untuk menyelesaikan kegiatan dalam

bisnis. Sistem informasi tidak hanya berupa software dan database melainkan

juga proses-proses manual yang terkait didalamnya (Satzinger, Jackson, &

Burd, 2012, p. 4). Sistem informasi menghasilkan informasi yang mendukung

organisasi, dan karyawannya, pelanggan, supplier dan partner (Whitten &

Bentley, 2007, p. 6).

HIS mengelola semua aktivitas pengolahan informasi pada rumah

sakit untuk mendapatkan pelayanan pasien yang lebih berkualitas dan untuk

penelitian medis (Ismail, Abdullah, Shamsudin, & Nik Ariffin, 2013, p. 115).

HIS memiliki komponen yang berbeda-beda, lingkup yang luas, dan tingkatan

sistem dari departemen pada rumah sakit sebagai sumber pengetahuan

berbasis sistem yang mendukung kegiatan diagnostik dan membantu kegiatan

perawatan pasien (Farzandipour, Sadoughi, & Meidani, 2011, p. 147&148).

Bagian-bagian yang terdapat pada HIS adalah Clinical Information System

(CIS), Financial Information System (FIS), Laboratory Information System

(LIS), Nursing Information System (NIS), Pharmacy Information System

(PIS) , Picture Archiving and Communication System (PACS), dan Radiology

Information System (RIS) (Ismail, Abdullah, Shamsudin, & Nik Ariffin, 2013,

p. 115). Tetapi pada penulisan ini bagian pada HIS yang dibahas lebih

berfokus pada RIS dan LIS.

9

10

2.2. Radiology Information System (RIS)

Radiology Information System merupakan sistem komputer yang

dirancang untuk mendukung alur kerja operasional dan analisis bisnis dalam

departemen radiologi. RIS juga merupakan penyimpanan data pasien dan

laporan dan kontribusi pada record pasien elektronik (Royal College of

Radiologists, 2008, p. 3). Pengertian radiologi itu sendiri merupakan cabang

kedokteran yang berhubungan dengan penggunaan zat radioaktif dalam

diagnosis dan pengobatan penyakit. Secara sederhana, radiologi adalah

pemeriksaan untuk mendiagnosis penyakit dengan menggunakan alat

pencitraan medis seperti MRI, CT-scan, Sinar-X, dan USG (Lu, Li, &

Gisler, 2011, p. 299). Departemen radiologi merupakan departemen pertama

dalam dunia kesehatan yang mengimplementasi sistem elektronik sebagai

bagian dari alur kerja, dengan sistem tersebut proses pelaporan muncul pada

awal pertengahan 1960. Keuntungan dasar dari RIS adalah pada

kemampuannya menyimpan data yang sangat banyak dengan berbagai tipe

seperti gambar, demografi, informasi klinis, tagihan, penjadwalan, dan

keuangan yang siap diakses dan menghilangkan proses-proses sebelumnya

sehingga memiliki pengaturan alur kegiatan yang lebih efisien (Nance,

Meenan, & Nagy, 2012, p. 1064).

Penyempurnaan terkini pada informatika radiologi termasuk integrasi

dengan PACS dan juga RIS ke dalam alur kerja departemen telah dilakukan

untuk meningkatkan efisiensi departemen. Berbagai kelompok sudah

menandakan jumlah langkah-langkah di dalam alur kerja yang standar ketika

menggunakan sistem RIS dibandingkan dengan paper based. Selain itu dapat

meningkatkan layanan pelanggan dengan menyediakan pelaporan yang cepat

dan gambar yang siap dianalisis dan juga dapat mengurangi biaya yang

dikeluarkan (Nance, Meenan, & Nagy, 2012, p. 1064).

2.3. Laboratory Information System (LIS)

Laboratory Information System merupakan sistem perangkat lunak

yang terdiri dari serangkaian fungsi, seperti penyimpanan informasi pasien,

penerimaan data, manajemen kualitas kontrol data, analisis data dan

manajemen laboratorium. LIS memainkan peran penting pada manajemen

laboratorium, meningkatkan efisiensi dari pekerjaan rutin laboratorium, dan

11

menjamin keamanan data laboratorium (Shan, Zhao, Bai, & Xu, 2012, p.

426).

Sejak tahun 1970, LIS sudah menjadi komponen penting didalam

kegiatan laboratorium klinik. LIS biasanya dikembangkan untuk

mengumpulkan, mencatat, menyediakan, mengelola, mengarsip hasil

laboratorium dan sering digunakan untuk menyediakan informasi untuk

manajemen keuangan pada laboratorium. Pengembangan LIS dilatarbelakangi

dengan meningkatnya kompleksitas dari informasi yang dihasilkan oleh

laboratorium seiring berjalannya waktu (Sepulveda & Young, 2013, p. 1129).

Seperti yang telah dibahas pada bab sebelumnya, sistem informasi

sebelumnya kurang dapat memenuhi kebutuhan informasi yang lebih

berkualitas untuk mendukung proses pengambilan keputusan terutama

dibidang pendidikan dan penelitian, maka dibutuhkan teknologi yang

bernama data warehouse.

2.4. Studi Retrospektif

Studi retrospektif merupakan studi yang dilakukan pada saat ini untuk

melihat peristiwa yang ada di masa lalu. Dengan kata lain, studi retrospektif

menggunakan data saat ini untuk diukur berdasarkan ukuran yang ada pada

masa lalu, lalu data tersebut direkonstruksi untuk kebutuhan analisis (Song &

Chung, 2010). Dalam hal ini data yang digunakan dalam studi retrospektif

adalah kumpulan data yang berhubungan dengan pasien contohnya, data

pemeriksaan pasien dari waktu ke waktu baik pemeriksaan radiologi maupun

pemeriksaan laboratorium yang ada. Misalnya penelitian ingin dilakukan

pada pemeriksaan maka akan dibandingkan data pemeriksaan pasien dari

waktu ke waktu untuk dilihat keterkaitannya lalu direkonstruksi untuk

kebutuhan analisis.

2.5. International Classification of Disease, Tenth Revision (ICD-10)

International Classification of Disease (ICD) adalah sebuah alat

diagnosis standart yang digunakan untuk tujuan epidemiologi, manajemen

kesehatan dan klinis termasuk analisis situasi keadaan dari suatu populasi

secara umum. ICD digunakan untuk mengelompokan penyakit dan masalah

12

kesehatan lainnya yang tercatat pada berbagai jenis catatan penting, termasuk

catatan kematian dan catatan kesehatan (Programmes: International

Classification of Diseases (ICD), 2014). Contoh kode-kode ICD-10 yang

relevan untuk digunakan dalam bidang Radiologi dan Laboratorium meliputi,

A02 Other salmonella infections, A04 Other bacterial intestinal infections,

A15 Respiratory Tuberculosis, C50 Malignant neoplasm of breast, J43

Emphisema, J93 Pneumo ThoraxJ92 Pleural Plague, dan lain-lain.

2.6. Data Warehouse

Data warehouse merupakan kumpulan database yang saling

terintegrasi dan berorientasi pada subyek, yang dirancang untuk mendukung

pengambilan keputusan, dimana setiap data relevan pada waktu tertentu

(Inmon, Building the Data Warehouse, 4th Edition, 2005, p. 495). Data

warehouse mengintegrasi data yang terkait yang disimpan di dalam berbagai

database yang berbeda dengan format-format penyimpanan tertentu (Rubin

& Desser, 2008). Database sendiri merupakan sebuah kumpulan data yang

terhubung secara logika beserta deskripsinya, yang dirancang untuk

memenuhi kebutuhan informasi dari suatu organisasi. Database merupakan

penyimpanan data yang tunggal dan biasanya besar yang dapat digunakan

secara berulang-ulang oleh pengguna, sehingga duplikasi dan redudansi data

dapat dikurangi. (Connolly & Begg, 2010, p. 65).

Menurut (Ping, Tao, Mu, bin, & Guo, 2011, p. 2373), implementasi

data warehouse dapat memberikan manfaat antara lain:

a. Thematic: data warehouse menyediakan model data yang umum

walaupun data berasal dari sumber yang berbeda-beda.

b. Consistency: Dalam memasukan data ke dalam data warehouse, segala

masalah inkonsistensi data ditemukan dan diselesaikan untuk

mempermudahkan analisis dan pelaporan.

c. Safety: informasi dalam data warehouse dapat disimpan dengan aman

dalam periode waktu tertentu.

Menurut (Inmon, Building the Data Warehouse, 4th Edition, 2005),

data warehouse memiliki empat karakteristik utama.

13

2.6.1. Karakteristik Data Warehouse

empat karakteristik utama dalam data warehouse yang terdiri atas

empat karakteristik utama dalam data warehouse yang terdiri atas:

1. Subject oriented

Menurut (Inmon, Building the Data Warehouse, 4th Edition, 2005, p.

29&30) subject oriented berarti data warehouse sendiri tidak berfokus

kepada aplikasi yang bersifat fungsional yang biasanya digunakan dalam

operasional sehari-hari, melainkan berfokus pada area subyek tertentu

dalam suatu lingkungan perusahaan. Gambar 2.1 akan menjelaskan

perbedaan antara operasional dengan data warehouse dari segi

orientasinya.

Gambar 2.1 Menunjukan Perbedaan Orientasi antara Operasional dengan

Data Warehouse.

(Inmon, Building the Data Warehouse, 4th Edition, 2005, p. 29&30)

Dapat dilihat dari gambar diatas bahwa data warehouse berorientasi pada

area subyek utama dari lingkungan perusahaan, sedangkan operasional

berorientasi pada fungsional-fungsional aplikasi yang ada dalam

lingkungan perusahaan.

14

2. Integrated

Dalam data warehouse, data diambil dari berbagai sumber yang

berbeda dan terpisah dengan format data yang berbeda-beda. Karena itu

dalam proses pengambilan data, data harus dikonversi, diformat ulang,

dan diurutkan kembali sehingga ketika data masuk ke dalam data

warehouse, data-data tersebut memiliki gambaran fisik perusahaan yang

tunggal atau terstandar (Inmon, Building the Data Warehouse, 4th

Edition, 2005, p. 30&31)..

Gambar 2.2 Menunjukan Perubahan Bentuk Data pada saat Proses

Integrasi.

(Inmon, Building the Data Warehouse, 4th Edition, 2005, p. 30&31)

Masalah-masalah integrasi data meliputi penyamaan dalam

representasi nilai data, satuan pengukuran, data ganda dari sumber yang

sama, dan perbedaan tipe dan panjang dari atribut utama (Inmon,

Building the Data Warehouse, 4th Edition, 2005, p. 30&31).

3. Non-volatile

Dalam data warehouse, biasanya banyak data yang dimasukan dan

diakses tetapi tidak diperbaharui. Dalam data warehouse data dimasukan

dalam bentuk snapshot (rekam sekilas) dan format yang statis. Ketika

beberapa perubahan-perubahan terjadi, record yang baru dimasukan

15

sedangkan record historis disimpan dalam data warehouse (Inmon,

Building the Data Warehouse, 4th Edition, 2005, p. 31&32).

Gambar 2.3 Menunjukan Karakteristik Non-volatile pada Data

Warehouse.

(Inmon, Building the Data Warehouse, 4th Edition, 2005, p. 31&32)

Dapat dilihat pada gambar diatas, dalam data warehouse, data tidak

diperbaharui setiap terjadi sebuah transaksi seperti pada penyimpanan

operasional, namun data dimasukan ke dalam data warehouse dalam

jumlah yang besar setiap periode tertentu.

4. Time Variant

Data yang ada di dalam data warehouse bersifat akurat pada waktu

tertentu. Waktu tersebut dapat dilihat dari keterangan waktu yang ada

didalam record seperti dalam waktu transaksi. Dalam data warehouse

setiap data yang ada memiliki bentuk penanda waktu untuk menunjukan

waktu keakuratan data tersebut. (Inmon, Building the Data Warehouse,

4th Edition, 2005, p. 32&33)

Gambar 2.4 Menunjukan Variansi Waktu dalam Data Warehouse.

(Inmon, Building the Data Warehouse, 4th Edition, 2005, p.

32&33)

16

Gambar diatas menunjukan perbedaan waktu yang ada, jenis data

yang disimpan, dan bentuk dari keterangan waktu yang digunakan antara

penyimpanan operasional dengan data warehouse.

Dalam implementasinya, data warehouse melibatkan teknologi yang

bernama OLTP (Online Transaction Processing) yang berperan dalam

menyediakan sumber data untuk data warehose (Connolly & Begg, 2010,

p. 1199). OLTP didefinisikan sebagai sebuah sistem pemrosesan transaksi

yang bersifat real-time (Marakas & O'brien, 2013, p. 696), dimana

transaksi bisnis diproses secara online secepat mungkin saat transaksi

tersebut terjadi (Rainer & Cegielski, 2012, p. 128). Sistem OLTP dan data

warehouse dibangun dengan tujuan yang berbeda sehingga terdapat

beberapa perbedaan.

2.6.2. Arsitektur Data Warehouse

Gambar 2.5 Arsitektur Data Warehouse.

(Kimball & Ross, 2013, p. 19)

Gambar diatas merupakan arsitektur dari data warehouse yang terdiri

atas empat komponen yaitu Operational source system, ETL System , data

presentation area, dan business intelligence application.

17

2.6.3. Perbedaan antara OLTP dengan Data Warehouse

Menurut (Connolly & Begg, 2010, p. 1199) data warehouse memiliki

beberapa perbedaan dengan OLTP. Perbedaan-perbedaan tersebut akan

dijelaskan melalui tabel di bawah ini.

Tabel 2.1 Menunjukan Perbedaan OLTP dengan Data Warehouse

Karakteristik Sistem OLTP Data

Warehouse

Tujuan utama Mendukung

pengolahan

operasional.

Mendukung

pengolahan

analisis.

Usia data Data terkini. Data historis

(namun tren

saat ini juga

mencakup

data terkini).

Waktu respon Real-time. Tergantung

pada

panjang

siklus

penyediaan

data kepada

data

warehouse.

Granularitas

data

Data yang

detail.

Mencakup

data yang

detail, serta

data yang

diringkas.

Pengolahan

data

Pola yang

dapat

diprediksi

saat

meyisipkan,

Pola yang

kurang dapat

diprediksi

dari data

yang

18

Karakteristik Sistem OLTP Data

Warehouse

menghapus,

memperbaha

rui, dan

melakukan

operasi pada

data.

dioperasikan

.

Pelaporan Dapat

diprediksi,

terdiri dari 1

dimensi, dan

relatif

bersifat statis

dan tetap.

Tidak dapat

diprediksi,

terdiri dari

banyak

dimensi, dan

bersifat

dinamis.

Pengguna Melayani

sejumlah

besar

pengguna

operasional.

Melayani

sejumlah

kecil

pengguna

manajerial

(namun tren

saat ini juga

mendukung

kebutuhan.

analisis dari

pengguna

operasional)

2.7. Tabel Dimensi

Pada tahap akhir dari proses ETL, data dimasukan ke dalam area

presentasi pada model dimensi karena tujuan utama dari proses ETL adalah

menghasilkan tabel dimensi dan tabel fakta. Tabel dimensi merupakan tabel

yang berisi keadaan yang berhubungan dengan pengukuran dalam proses

bisnis. Tabel dimensi menjelaskan “siapa, apa, dimana, kapan, bagaimana,

19

dan mengapa” pada sebuah kejadian (Kimball & Ross, 2013, p. 13). Menurut

(Inmon, Building the Data Warehouse, 4th Edition, 2005, p. 495) tabel

dimensi adalah tempat dimana data eksternal diletakan dan dihubungkan

dengan tabel fakta. Jadi dapat diambil kesimpulan bahwa tabel dimensi

merupakan tabel yang berisi data-data eksternal yang digunakan dalam tabel

fakta.

Gambar 2.6 Menunjukan Contoh dari Tabel Dimensi

(Kimball & Ross, 2013, p. 13)

Gambar diatas merupakan contoh dari tabel dimensi yang berisi

karakteristik yang dapat didefinisikan dari suatu proses bisnis.

2.8. Tabel Fakta

Menurut (Kimball & Ross, 2013, p. 10), tabel fakta merupakan suatu tabel

yang berisi hasil pengukuran kinerja dari suatu proses bisnis organisasi

dimana hasil perhitungan dari suatu proses bisnis harus disimpan dalam suatu

tabel dimensi yang tunggal karena data tersebut sangat banyak sehingga tidak

seharusnya direplikasi di berbagai fungsi organisasi perusahaan.

Penyimpanan dari hasil perhitungan yang tersentralisasi tersebut harus dapat

diakses oleh pengguna dari berbagai organisasi demi memastikan data

tersebut kosisten. Tabel fakta berisi fakta yang merepresentasikan suatu

proses bisnis sehingga setiap nilainya harus berupa angka dan dapat

dijumlahkan.

20

Gambar 2.7 Menunjukan Tabel Fakta Beserta Dimensi-dimensinya.

(Kimball & Ross, 2013, p. 16)

Dapat dilihat dari gambar diatas bahwa foreign key pada tabel fakta

dibentuk dari tabel dimensi yang berhubungan dengan tabel fakta tersebut.

Dalam merancang suatu tabel fakta, hal yang penting untuk dilakukan adalah

menentukan granularity dalam tabel fakta tersebut (Kimball & Ross, 2013, p.

300).

2.9. Granularity

Menurut (Inmon, Building the Data Warehouse, 4th Edition, 2005, p.

498), granularity merupakan suatu tingkat yang menunjukan seberapa detil

unit dalam data. Semakin detil suatu unit data, tingkat granularity-nya

semakin kecil. Semakin ringkas suatu unit data, tingkat granularity-nya

semakin besar.

Gambar 2.8 Menunjukan Contoh Granularity pada Data Warehouse.

21

(Inmon, Building the Data Warehouse, 4th Edition, 2005, p. 44)

Dapat dilihat dari gambar diatas perbedaan dari segi jumlah data yang

ada dan juga tingkat keringkasan dari suatu data.

Gambar 2.9 Menunjukan Contoh Lain dari Tingkat Granularity dalam Data

Warehouse

(Inmon, Building the Data Warehouse, 4th Edition, 2005, p. 45)

Dari gambar diatas dapat disimpulkan adanya perbedaan dari

pertanyaan yang dapat dijawab dari masing-masing tingkatan yang berbeda

dimana pertanyaan detil dapat dijawab dengan tingkatan granularity yang

rendah sementara pertanyaan yang lebih ringkas dapat dijawab dengan

tingkat granularity yang tinggi.

2.10. Star Schema

Menurut (Connolly & Begg, 2010), star schema adalah sebuah model

data dimensional yang terdiri dari tabel fakta di tengah yang dikelilingi oleh

tabel dimensi yang tidak ternormalisasi. Tabel fakta tersebut terhubung

dengan tabel dimensi melalui hubungan antara primary key dengan foreign

key (Kimball & Ross, 2013, p. 40).

22

2.11. Metadata

Menurut (Inmon, Building the Data Warehouse, 4th Edition, 2005, p.

500), metadata adalah data menjelaskan tentang data lainnya dengan

menggambarkan struktur, konten, key, index dan sebagainya dari data

tersebut. Metadata didalam data warehouse digunakan untuk beberapa tujuan

seperti pada proses extract dan load, proses manajemen data warehouse dan

sebagai bagian dari proses manajemen query (Connolly & Begg, 2010, p.

126).

2.12. Extract, Transform, Load (ETL)

Untuk memasukan data dari lingkungan operasional ke dalam data

warehouse, data harus melalui proses ETL terlebih dahulu. Menurut (Inmon,

Building the Data Warehouse, 4th Edition, 2005, p. 497), ETL merupakan

proses menemukan data, mengintegrasinya dan meletakannya didalam data

warehouse. Menurut (Kimball & Ross, 2013, p. 19&20), ETL terdiri dari tiga

tahap yang terdiri dari:

1. Extract: Proses membaca dan memahami sumber data, lalu menyalin

data yang dibutuhkan ke dalam sistem ETL untuk proses selanjutnya.

2. Transform: proses transformasi terdiri dari perubahan-perubahan yang

mungkin dilakukan terhadap data seperti

a. Membersihkan data: memperbaiki kesalahan penulisan,

berurusan dengan elemen yang hilang, atau mengubah ke

dalam format yang sama.

b. Menggabungkan data dari berbagai sumber.

c. Menghilangkan duplikasi data.

3. Load: Proses memasukan data ke suatu area model dimensi.

Kesimpulannya, ETL merupakan serangkaian proses yang harus

dilalui sebelum data masuk ke dalam data warehouse yang terdiri dari proses

extract (mengambil data dari berbagai sumber), transform (mengubah data),

dan load (memasukan data ke dalam data warehouse). Pada proses ETL

terdapat suatu lingkungan yang disebut sebagai staging area, dimana pada

lingkungan tersebut, proses ETL berlangsung.

23

2.13. Staging Area

Staging area adalah tempat meletakan data yang akan dipindahkan,

pada umumnya berasal dari lingkungan sebelumnya yang akan memasuki

proses ETL (Inmon, Building the Data Warehouse, 4th Edition, 2005, p. 503).

Jadi, stagging area merupakan area dimana data diletakan pada saat akan

dilakukan proses ETL.

2.14. Online Analitical Processing (OLAP)

OLTP yang telah dibahas sebelumnya, secara tradisional didukung

oleh database operasional. Berbeda dengan database operasional, data

warehouse mendukung online analytical processing (OLAP) (Reddy, Rao,

Srinivasu, & Rikkula, 2010, p. 2865). OLAP merupakan kombinasi, analisis,

dan penggabungan dari data multidimensi dengan jumlah yang banyak.

OLAP menggunakan sudut pandang multidimensi dari suatu data agregat

untuk menyediakan akses yang cepat pada informasi untuk tujuan analisis

dan juga memungkinkan pengguna untuk memperoleh pengetahuan yang

lebih dalam mengenai berbagai aspek didalam perusahaan melalui akses

terhadap berbagai sudut dari data yang cepat, konsisten, dan interaktif

(Connolly & Begg, 2010, p. 1250). OLAP memungkinkan pengguna baik

end-user dan DSS analyst untuk mengeksplorasi hubungan antara ringkasian

data dengan detil data secara dinamis (Inmon, Building the Data Warehouse,

4th Edition, 2005, p. 175). Jadi dapat disimpulkan bahwa OLAP merupakan

suatu teknologi yang memungkinkan penggabungkan berbagai data

multidimensi yang pada akhirnya digunakan untuk menggali informasi dan

pengetahuan dari sudut pandang yang berbeda-beda.

2.15. Dashboard

Dashboard merupakan bentuk khusus dari sistem informasi yang

dapat mendukung pihak manajerial dalam suatu organisasi. Dashboard

menyediakan akses yang cepat kedalam informasi secara tepat waktu dan

memungkinkan akses langsung ke dalam informasi yang terstruktur dalam

bentuk laporan (Rainer & Cegielski, 2012, p. 19).

24

2.16. Clinical Data Warehouse

Penerapan data warehouse dapat dilakukan di berbagai bidang pada

kehidupan sehari-hari. Data warehouse dalam rumah sakit dapat disebut

sebagai clinical data warehouse, yaitu sebuah data warehouse pada rumah

sakit yang digunakan untuk manajemen, praktek klinis, dan penelitian (Soo-

Yong, Woo Sung, & Jae-Ho, 2014).

Penerapan data warehouse pada rumah sakit dibandingkan dengan

bidang lainnya tentu berbeda. Pertama, perbedaan dapat dilihat dari segi

transaksi. Transaksi dalam rumah sakit bersifat unik sedangkan dalam bidang

bisnis dan lainnya transaksi cenderung bersifat repetitive atau berulang-ulang.

Kedua tipe data yang biasanya digunakan pada rumah sakit berbeda dengan

bidang lainnya. Tipe data pada medis biasanya meliputi tipe data tekstual

mengenai berbagai peristiwa yang berkaitan dengan pasien dalam rumah

sakit. Perbedaan-perbedaan tersebut membuat data warehouse sulit

diterapkan dengan baik pada rumah sakit (Inmon, Building the Data

Warehouse, 4th Edition, 2005). Pada saat ini menurut survei berdasarkan

CTSA (Clinical and Translational Science Award), clinical data warehouse

saat ini mulai berganti peran dari peran administratif menjadi peran yang

bertugas sebagai penyedia data dalam penelitian. Hal tersebut mendukung

terciptanya teknologi bernama CRDW (Clinical Research Data Warehouse)

(Mackenzie, Wyatt , Schuff, Tenenbaum, & Anderson, 2012).

2.17. Clinical Research Data Warehouse

Clinical research data warehouse merupakan pengembangan dari

clinical data warehouse di mana tujuan utama dalam pembuatannya adalah

mendukung penelitian. Subjek-subjek yang terlibat pada clinical research

data warehouse berupa penyakit, pengobatan, dan hasil laboratorium atau

radiologi serta penunjang medis lainnya yang ada dalam rumah sakit. Data

yang ada didalam clinical data warehouse terutama data pasien harus

dianonimkan demi menjaga privacy (Soo-Yong, Woo Sung, & Jae-Ho, 2014).

Penggunaan clinical data warehouse tidak hanya berada di sekitar

lingkungan rumah sakit melainkan dapat digunakan di lingkungan pusat

penelitian, penggunanya pun tidak hanya peneliti saja tetapi peneliti dapat

juga menggunakannya.

25

2.18. Business Intelligence

Business intelligence merupakan istilah yang menjelaskan gabungan

dari arsitektur, tools, basis data, analytical tools, aplikasi, dan metodologi,

untuk mengubah data menjadi informasi, informasi menjadi keputusan,

keputusan menjadi suatu tindakan. Business intelligence berfungsi untuk

memungkinkan penggunanya melakukan akses, manipulasi data, dan

melakukan analisis yang seharusnya. Dengan menganalisis data masa lalu,

saat ini, pembuat keputusan dapat lebih mudah membuat keputusan yang

lebih baik (Turban, Sharda, & Delen, 2011).

2.19. System Flowchart

Dalam merancang suatu data warehouse, terlebih dahulu harus

menganalisis setiap kebutuhan dari pengguna data warehouse tersebut. Untuk

menganalisis setiap kebutuhan pengguna, harus mengetahui alur proses bisnis

dari organisasi yang akan menerapkan data warehouse tersebut. Didalam

penggambaran sistem informasi dan proses bisnis yang sedang berjalan

digunakan System Flowchart. System Flowchart merupakan diagram yang

menggambarkan hubungan antara elemen-elemen kunci dalam sistem.

Elemen-elemen tersebut berupa aktivitas manual maupun tersistem (Hall,

2011, p. 57).

2.20. Entity Relationship Diagram

Pada perancangan data warehouse, setelah diketahui proses bisnis

yang sedang berjalan diperlukan juga untuk mengindetifikasi entitas didalam

proses bisnis tersebut dengan menggunakan entity relationship diagram.

Entity relationship diagram merupakan model yang digunakan pada analisis

tradisional dan analisis database yang menggambarkan entitas data dan

relasinya yang merupakan penggambaran kebutuhan penyimpanan data dari

sistem yang baru atau sistem yang sedang berjalan (Satzinger, Jackson, &

Burd, 2012, p. 98).

26

Halaman ini sengaja dikosongkan.