Scribd
Unggah
127 tayangan4 halaman

Projek Business Intelligence Dan Big Data: Bab 1: Requirement Analysis

Dokumen ini membahas tentang perancangan sistem Business Intelligence dan Big Data untuk mengukur performa Rumah Sakit Adi Husada dengan menggunakan data kanker. Dimulai dari analisis kebutuhan, perancangan skema data warehouse, ekstraksi dan transformasi data dari sumber transaksional ke data warehouse, pengembangan kubus multidimensi, query MDX, dan visualisasi OLAP untuk menjawab pertanyaan kinerja RS berdasarkan jenis kanker, tahun, dan metode pengobatan.

Diunggah oleh

Rynzeki
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
127 tayangan4 halaman

Projek Business Intelligence Dan Big Data: Bab 1: Requirement Analysis

Dokumen ini membahas tentang perancangan sistem Business Intelligence dan Big Data untuk mengukur performa Rumah Sakit Adi Husada dengan menggunakan data kanker. Dimulai dari analisis kebutuhan, perancangan skema data warehouse, ekstraksi dan transformasi data dari sumber transaksional ke data warehouse, pengembangan kubus multidimensi, query MDX, dan visualisasi OLAP untuk menjawab pertanyaan kinerja RS berdasarkan jenis kanker, tahun, dan metode pengobatan.

Diunggah oleh

Rynzeki
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 4

PROJEK BUSINESS INTELLIGENCE dan BIG DATA

Bab 1: Requirement Analysis


1. Bidang Studi Kasus
Bidang studi kasus yang dipilih adalah kesehatan.

2. Subjek Kajian
Subjek kajian yang dipilih adalah pengukuran performa RS Adi Husada.

3. Analisis Dimensional
1. Berapa presentase keberhasilan metode kemoterapi untuk kanker darah untuk pasien
berusia 18 tahun keatas pada tahun 2020?
2. Berapa banyak pasien penderita kanker kulit yang sembuh, yang ditangani oleh dokter
spesialis kulit, dan menggunakan metode radioterapi di tahun 2020?
3. Berapa banyak tindakan operasi untuk setiap jenis kanker dimana pasien meninggal pada
tahun 2020?
4. Berapa persen peningkatan keberhasilan setiap metode pengobatan untuk setiap jenis
kanker bagi pasien bpjs dari tahun 2017 sampai dengan 2020?
5. Berapa pertambahan total pasien non-bpjs yang digolongkan berdasarkan jenis kanker dan
pengobatan dengan operasi dari tahun 2017 sampai 2020?

4. Information Package
<Tabel Information Package yang berisi dimensions, hirarki, atribut, dan facts, refer ke buku: (Ponniah,
2010), measure minimal 2, max (bebas), dimensi (minimal 4 dimensi)>

Jenis Kanker Waktu Pengobatan Dokter Pasien


Nama Kanker Tahun Nama Pengobatan Spesialisasi Nama Pasien
Bulan Usia
Hari Status
BPJS

Facts: presentase keberhasilan, banyak pasien sembuh, banyak tindakan gagal, presentase
peningkatan keberhasilan, pertambahan
Bab 2: Perancangan dan Pemodelan Dimensional
1. Conceptual Schema Data Warehouse
< Tentukan hirarki, level, dimensi,fact, measure, dan gambarkan conceptual schema, refer ke buku:
(Vaisman & Zimányi, 2014), (Ponniah, 2010)

2. Logical Schema Data Warehouse


<buatlah diagram logical schema DW, dan berikan contoh datanya (dimensi 5 data, facts 10 data), refer
ke buku: (Vaisman & Zimányi, 2014), (Ponniah, 2010)

Bab 3: Extraction, Transformation and Loading


1. Sumber Data dan ERD database transaksional
< Tentukan sumber data dari DW yang akan dibangun, entitas apa saja yang dibutuhkan, asal sumber
datanya, contoh:

Entitas Atribut Asal


Customer Nama Tabel Customer dari sistem POS
Alamat
Tanggal Lahir
Lokasi Kecamatan File Excel download dari situs
kementrian dalam negeri
Kabupaten
Provinsi

>
2. Mapping dan Transformasi
< Tentukan mapping dari Sumber Data, ke Staging Database, ke DW, contoh

Sumber Data Staging Data Warehouse

Entity Atribut Asal Entity Atribut Keterangan Atribut Keterangan


Customer Nama Customer Staging_Customer LastName Pemisahan DimCustomer CustomerKey Atribut baru
dari Nama sebagai identity
Belakang yang digenerate
First Name Pemisahan
dari Nama
Depan
Alamat Alamat
Tanggal_Lahir Tanggal_Lahir
Gender Gender Pengubahan
(L,P) menjadi
(M, F)
Lokasi Kecamatan Dari excel Staging_Lokasi Kecamatan DimLokasi Kecamatan
Kabupaten file Kabupaten Kabupaten
Provinsi kementrian Provinsi Provinsi
Staging_Time DateKey Dimensi ini Dim_Time DateKey Dimensi ini
digenerate digenerate oleh
oleh sistem sistem
WeekNo WeekNo
Month Month
Dan capture projek dari Microsoft Integration Services disini >

3. Rancangan Mekanisme ETL (Full Refresh or Incremental Refresh)


< Tentukan mapping dari Sumber Data, ke Staging Database, ke DW, contoh
Bab 4: Multi Dimensional Database
1. Pengembangan Cube
< Tampilkan capture dari tool Microsoft Analysis Service lengkap disini >

Bab 5: Query dan Visualisasi


1. MDX Query
< MDX Query dari pertanyaan yang telah dirumuskan pada bab 1 >

2. Visualisasi OLAP
< Tampilkan visualisasi OLAP dari pertanyaan yang telah dirumuskan pada bab 1 >

Bab 6: Penutup

Anda mungkin juga menyukai