Merancang Desain Fisik Data Warehouse

PERANCANGAN DATA WAREHOUSE PADA
DEPARTEMEN RADIOLOGI DAN
LABORATORIUM DI
RUMAH SAKIT ROYAL TARUMA
Kelvin Pratama, Yoe Di, Kenneth, Indrajani, S.Kom., MM.
Jl. K. H. Syahdan No. 9, Kemanggisan/Palmerah Jakarta Barat, +62.21 534 5830/+62.21 530 0244,
[email protected], [email protected], [email protected], [email protected]
Abstrak
Tujuan dari penulisan skripsi ini adalah menganalisis dan merancang data warehouse untuk departemen
radiologi dan laboratorium pada Rumah Sakit Royal Taruma serta membuat laporan dan dashboard
untuk merepretasikan data yang ada pada Data Warehouse. Metode-metode yang digunakan dalam
penulisan ini adalah metode studi pustaka, metode pengumpulan data, metode analisis dan metode
perancangan. Metode studi pustaka merupakan suatu tinjauan pustaka pada literatur-literatur penelitian
maupun non-penelitian untuk mendapatkan kesimpulan atau dasar untuk penulisan, metode pengumpulan
data yang digunakan adalah wawancara. Selain itu, metode analisis yang digunakan adalah system
flowchart dan entity relationship diagram, dan metode perancangan yang digunakan adalah
menggunakan pendekatan Bottom-up yang dikemukakan oleh Kimball. Hasil yang dicapai dari skripsi ini
adalah menghasilkan data warehouse yang dapat digunakan sebagai sumber data dalam mendukung
penelitian medis dan proses diagnosis. Simpulan yang didapat dari skripsi ini adalah data warehouse
merupakan suatu sumber data yang memungkinkan data dapat dilihat dari berbagai sudut pandang.
Kata Kunci : Data Warehouse, Radiologi, Laboratorium, Rumah Sakit, Diagnosis, Penelitian
Abstract
The purpose of this study is to analyze and design the data warehouse for radiology and laboratory
department in Royal Taruma Hospital, and also to create report and dashboard to represent data in data
warehouse. The methods used in this study are literature study methods, data collection methods, analysis
methods and design methods. Literature study is a literature review on the research or non-research
literature to get a conclusion or the basis of this study, the data collection methods used in the form of
interviews. Besides, analysis methods used are system flowchart and entity relationship diagrams and the
design method used is a bottom-up approach proposed by Kimball. The outcome of this thesis is to
produce a data warehouse that can be used as a source of data to support medical research and diagnosis
process. The conclusion of this thesis is the data warehouse is a data source that allows the existing data
to be seen from Multiple View.
Keywords : Data Warehouse, Radiology, Laboratory, Diagnosis, Research
PENDAHULUAN
Penerapan fungsi sistem informasi rumah sakit di Indonesia baik pemerintah maupun swasta,
pada umumnya hanya terfokus pada fungsi administrasi (Sanjaya, Rahmanti, Anggoro, & Rachmandani,
2013), sedangkan sistem informasi rumah sakit sebenarnya dapat juga digunakan pada kegiatan klinis.
Penerapan sistem informasi rumah sakit pada kegiatan klinis saat ini hanya sebatas untuk pencatatan dan
datanya tidak diolah lebih lanjut untuk kebutuhan analisis pada rumah sakit. Kegiatan klinis pada rumah
sakit menghasilkan hasil yang disebut dengan diagnosis, diagnosis sendiri memiliki 2 data penunjang
utama yaitu data subjektif dan data objektif (Sunarto, 2014). Data subjektif disebut sebagai data anamnesis
karena data ini diperoleh dari anamnesis yang dilakukan dokter pada pasien atau sumber lain, sedangkan
data objektif disebut juga sebagai data fisis karena diperoleh dari pemeriksaan fisis dan pemeriksaan
penunjang medis.
Pemeriksaan penunjang medis yang utama di dalam rumah sakit umumnya terdiri dari
pemeriksaan laboratorium dan pemeriksaan radiologi. Data yang diperoleh dari pemeriksaan radiologi dan
epenyakit dan juga untuk menyediakan informasi didalam pengambilan keputusan untuk penanganan
pasien yang tepat. Sebuah data warehouse dapat membantu mengolah data klinis yang tidak terolah dan
terintegrasi melainkan tersebar di seluruh departemen rumah sakit seperti Laboratorium , EMR (Electronic
Medical Record), Pendaftaran, Laboratorium Katerisasi Jantung, dan lain-lain (Rubin & Terry, 2008).
Penelitian ini telah dilakukan sebelumya dan dimuat dalam jurnal “A Data Warehouse For
Integrating Radiologic and Pathologic Data”. Jurnal ini membahas mengenai pentingnya integrasi antara
data radiologi dan laboratorium melalui data warehouse untuk mendukung penelitian dan diagnosis. Selain
itu penelitian lain yang berkaitan dimuat dalam jurnal “Clinical Desired in Clinical Data Warehouse for
Biomedical Research”. Jurnal ini membahas mengenai keunikan karakteristik dari Clinical Data
Warehouse dibandingkan dengan Data Warehouse pada umumnya dikarenakan transaksi dalam rumah
sakit bersifat unik dan tipe data pada bidang medis biasanya meliputi data tekstual sehingga data
warehouse sulit diterapkan dengan baik pada rumah sakit. Penelitian berikut dikembangkan oleh penulis
dengan menambahkan proses ETL pada pembuatan data warehouse serta adanya standarisasi penamaan
penyakit dengan menggunakan kode ICD-10 dimana hal ini tidak dimuat dalam penelitian sebelumnya.
Penerapan data warehouse pada departemen radiologi dan laboratorium rumah sakit royal trauma
didasarkan atas beberapa masalah. Yang pertama adalah kesulitan dalam melakukan penelitian dan
pembelajaran suatu penyakit berdasarkan kasus radiologi karena data yang diperlukan untuk penelitian
berasal dari beberapa sumber data. Selain itu sulitnya proses analisa laporan karena laporan yang dibuat
hanya dapat dilihat dari satu sudut pandang. Masalah ketiga adalah pembuatan summary report dan
laporan yang bersifat ad hoc yang sulit untuk dilakukan. Masalah lain yang timbul yaitu sulitnya
melakukan studi retrospektif untuk mendukung diagnosis pasien. Akses ke dalam database operasional
dalam membuat laporan juga dapat menyebakan melambatnya kinerja sistem operasional. Selain itu,
Untuk membangun sistem Business Intelegence, pihak rumah sakit pun membutuhkan data warehouse
sebagai sumber datanya.
Berdasarkan permasalahan dan kebutuhan yang telah dikemukakan di atas, maka tulisan ini
dibuat dengan tujuan menganalisis dan merancang data warehouse untuk departemen radiologi dan
laboratorium rumah sakit, dan membuat laporan yang datanya berasal dari data warehouse tersebut.
METODOLOGI
Dalam penerapan data warehouse dibutuhkan metode atau prosedur dalam pengumpulan
informasi yang akurat serta perancangan data warehouse. Metode pertama yang digunakan adalah studi
pustaka. Metode studi pustaka merupakan kegiatan pengumpulan data dengan melakukan tinjauan ringkas
secara menyeluruh dan juga analisis kritis pada literatur, baik yang bersifat penelitian maupun nonpenelitian pada topik-topik tertentu. Tujuan dari studi pustaka adalah agar pembaca memahami literatur
terkini dari sebuah topik dan literatur tersebut diharapkan dapat dijadikan dasar bagi tujuan penelitian
selanjutnya atau di masa depan (Cronin, Ryan , & Coughlan, 2008). Dalam penelitian ini, penulis
melakukan studi pustaka melalui beberapa jurnal-jurnal ilmiah terutama jurnal ilmiah mengenai penelitian
sebelumnya dan buku-teks sebagai dasar dari tujuan penelitian dan teori-teori yang dibutuhkan.
Metode kedua adalah pengumpulan data dengan wawancara. Wawancara adalah pengumpulan
data dari setiap individu secara face-to-face. Ada beberapa objektif dari penggunaan metode wawancara
antara lain mencari fakta, membuktikan fakta, menjelaskan fakta, memperoleh antusiasme narasumber,
memperoleh keterlibatan pengguna akhir, mengidentifikasi kebutuhan dan mengumpulkan ide-ide dan
opini (Connolly & Begg, 2010). Dalam penelitian ini, penulis melakukan wawancara terhadap dokter
medis, staff radiologi (radiografer), dan staff laboratorium.
Selain itu digunakan juga metode analisis dan perancangan. Metode analisis digunakan untuk
menggambarkan proses bisnis berjalan dari rumah sakit yang dituju serta untuk menganalisis kebutuhan
informasi. Pada metode ini digunakan activity diagram dan entity relationship diagram. Activity diagram
digunakan untuk menggambarkan aktivitas dari berbagai user atau sistem, orang yang melakukan aktivitas
tersebut, dan aliran kegiatan secara sekuensial (Satzinger, Jackson, & Burd, 2012). Sedangkan 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).
Metode perancangan data warehouse yang digunakan penulisan ini adalah metode perancangan
data warehouse dengan pendekatan Bottom-up (Kimball & Ross, 2013). Metode ini menggunakan 4 tahap
yaitu menentukan proses bisnis yang datanya ingin dianalisis, menentukan granularity atau seberapa detil
data tersebut, mengidentifikasi dan menyesuaikan dimensi, dan menentukan fakta sebagai hasil
perhitungan kinerja dari suatu proses bisnis.
HASIL DAN BAHASAN
Perancangan Data Warehouse
Dalam Perancangan data warehouse pada Departemen Radiologi dan Laboratorium Rumah
Sakit Royal Taruma, metode yang digunakan adalah four-step dimensional modelling, yang
terdiri dari :
Memilih Proses Bisnis
Memilih proses bisnis pada Departemen Radiologi dan Laboratorium Rumah Sakit Royal
Taruma yang akan digunakan dalam membangun data warehouse, yaitu :
1. Pemeriksaan Radiologi dan Laboratorium
Meliputi proses pemeriksaan radiologi dan laboratorium yang dilakukan oleh pasien.
2. Pernyataan Pemeriksaan Radiologi
Meliputi proses persiapan pasien sebelum melakukan pemeriksaan, di mana dari masingmasing jenis pemeriksaan terdapat pertanyaan-pertanyaan berbeda yang harus dijawab oleh
pasien.
Mendeklarasikan Grain
Grain menentukan seperti apa fact table row direpresentasikan.
1. Pada proses pemeriksaan radiologi dan laboratorium, analisis yang dilakukan meliputi total
pemeriksaan berdasarkan waktu, pasien, jenis pemeriksaan, jenis penyakit, wilayah,
modalitas, dan parameter pemeriksaan.
2. Pada proses pernyataan pemeriksaan radiologi analisis yang dilakukan meliputi total
pernyataan berdasarkan waktu, pasien, jenis pertanyaan, dan wilayah.
Mengidentifikasikan dimensi
Tahap ini adalah proses memilih dimensi dan menyesuaikannya proses bisnis yang ada. Dimensi
yang digunakan pada proses bisnis Departemen Radiologi Rumah Sakit Royal Taruma
diantaranya:
a. Dimensi waktu
Berisi detail mengenai waktu yang terjadi saat proses pemeriksaan berlangsung.
b. Dimensi pasien
Berisi detail mengenai pasien yang melakukan pemeriksaan radiologi dan laboratorium.
c. Dimensi jenis pemeriksaan
Berisi detail mengenai jenis pemeriksaan yang tersedia pada departemen radiologi dan
laboratorium.
d. Dimensi parameter pemeriksaan
Berisi detail mengenai parameter yang digunakan dalam mengukur hasil pemeriksaan
laboratorium.
e. Dimensi Wilayah
Berisi detail mengenai wilayah tempat tinggal pasien maupun staff.
f.
Dimensi ICD10
Berisi detail mengenai kode standar yang digunakan untuk diagnosa penyakit dan diakui
secara internasional.
g. Dimensi Modalitas
Berisi detail mengenai kode standar yang digunakan untuk diagnosa penyakit dan diakui
secara internasional.
h. Dimensi jenis pertanyaan
Berisi detail mengenai jenis - jenis pertanyaan yang diajukan kepada pasien sebelum
dilakukan pemeriksaan radiologi.
Mengidentifikasikan Fakta
Menentukan fakta-fakta yang akan digunakan dalam data warehouse, yaitu :
a. Fakta pemeriksaan radiologi dan laboratorium
Meliputi total pemeriksaan pasien pada radiologi dan laboratorium yang dapat dilihat
berdasarkan dimensi waktu, dimensi pasien, dimensi modalitas, dimensi parameter
pemeriksaan, dimensi jenis pemeriksaan, dimensi wilayah, dan dimensi ICD10.
b. Fakta pernyataan pemeriksaan
Meliputi total pernyataan pasien yang akan melakukan pemeriksaan radiologi, yang dapat
dilihat berdasarkan dimensi waktu, dimensi pasien, dimensi jenis pertanyaan, dimensi
wilayah, dan dimensi waktu.
Merancang Desain Fisik Data Warehouse
dm TransaksiPemeriksaanDanHasil
Dim_ParameterPemeriksaan
Dim_Wilayah
«column»
SKParameterPemeriksaan: int
KodeParameterPemeriksaan: varchar(15)
NamaParameterPemeriksaan: varchar(100)
NamaJenisParameter: varchar(100)
NamaUPParameterPemeriksaan: varchar(100)
UnitStandarInternasional: varchar(10)
SatuanStandarInternasional: varchar(10)
Status: varchar(10)
LAST _UPDAT E: datetime
EFFECT IVE_DAT E: datetime
EXPIRAT ION_DAT E: datetime
«column»
SKWilayah: int
KodeKelurahan: varchar(15)
NamaKelurahan: varchar(50)
NamaKecamatan: varchar(50)
NamaProvinsi: varchar(50)
NamaKota: varchar(50)
Status: varchar(10)
LAST _UPDAT E: datetime
EFFECT IVE_DAT E: datetime
EXPIRAT ION_DAT E: datetime
Fact_Pemeriksaan
Dim_JenisPemeriksaan
«column»
SKJenisPemeriksaan: int
KodeJenisPemeriksaan: varchar(15)
NamaJenisPemeriksaan: varchar(50)
NamaKelompokPemeriksaan: varchar(15)
Status: varchar(10)
LAST _UPDAT E: datetime
EFFECT IVE_DAT E: datetime
EXPIRAT ION_DAT E: datetime
Dim_Modalitas
«column»
SKPasien: int
SKJenisPemeriksaan: int
SKParameterPemeriksaan: int
SKT ime: int
SK_ICD10: int
SKModalitas: int
SKWilayah: int
T otalPemeriksaan: int
POST _DAT E: datetime
LAST _UPDAT E: datetime
Dim_Pasien
«column»
SKPasien: int
KodePasien: varchar(15)
NamaPasien: varchar(50)
T anggalLahirPasien: datetime
JenisKelaminPasien: char(1)
AlamatPasien: varchar(200)
Status: varchar(10)
LAST _UPDAT E: datetime
EFFECT IVE_DAT E: datetime
EXPIRAT ION_DAT E: datetime
«column»
SKModalitas: int
KodeModalitas: varchar(15)
NamaModalitas: varchar(100)
MerkModalitas: varchar(20)
Status: char(1)
LAST _UPDAT E: datetime
EFFECT IVE_DAT E: datetime
EXPIRAT ION_DAT E: datetime
Dim_Time
«column»
SKT ime: int
T anggal: datetime
Bulan: int
T ahun: int
Dim_ICD10
«column»
SK_ICD10: int
Kode_ICD10: char(7)
Nama_ICD10: varchar(50)
NamaJenis_ICD10: varchar(50)
NamaKelompok_ICD10: varchar(50)
Status: varchar(10)
LAST _UPDAT E: datetime
EFFECT IVE_DAT E: datetime
EXPIRAT ION_DAT E: datetime
Gambar 1 Star Schema Pemeriksaan
Gambar diatas menggambarkan star schema dari fact pemeriksaan dimana fact ini berhubungan
dengan dimensi wilayah, waktu, parameter pemeriksaan, ICD10, pasien, modalitas dan jenis
pemeriksaan.
dm Pernyataan
Dim_Pasien
«column»
SKPasien: int
KodePasien: varchar(15)
NamaPasien: varchar(50)
TanggalLahirPasien: datetime
JenisKelaminPasien: char(1)
AlamatPasien: varchar(200)
Status: varchar(10)
LAST_UPDATE: datetime
EFFECTIVE_DATE: datetime
EXPIRATION_DATE: datetime
Dim_JenisPertanyaan
Fact_Pernyataan
«column»
SKJenisPertanyaan: int
KodeJenisPertanyaan: varchar(50)
NamaJenisPertanyaan: varchar(50)
NamaKelompokPertanyaan: varchar(50)
Pertanyaan: varchar(50)
Status: varchar(10)
LAST_UPDATE: datetime
EFFECTIVE_DATE: datetime
EXPIRATION_DATE: datetime
«column»
SKPasien: int
SKJenisPertanyaan: int
SKWilayah: int
SKTime: int
TotalPernyataan: int
POST_DATE: datetime
LAST_UPDATE: datetime
Dim_Time
«column»
SKTime: int
Tanggal: datetime
Bulan: int
Tahun: int
Dim_Wilayah
«column»
SKWilayah: int
KodeKelurahan: varchar(15)
NamaKelurahan: varchar(50)
NamaKecamatan: varchar(50)
NamaProvinsi: varchar(50)
NamaKota: varchar(50)
Status: varchar(10)
LAST_UPDATE: datetime
EFFECTIVE_DATE: datetime
EXPIRATION_DATE: datetime
Gambar 2 Star Schema Pernyataan
Gambar diatas menggambarkan star schema dari fact pertanyaan dimana fact ini berhubungan
dengan dimensi pasien, wilayah, waktu, dan jenis pertanyaan.
SIMPULAN DAN SARAN
Dari perancangan data warehouse pada departemen radiologi dan laboratorium yang
sudah dilakukan, dapat disimpulkan beberapa hal yaitu, data warehouse dapat membantu proses
diagnosis agar berjalan lebih baik lagi lewat laporan-laporan mengenai riwayat pemeriksaan
pasien yang berisi informasi mengenai pemeriksaan apa saja yang pernah dilakukan, diagnosa
apa saja yang pernah diberikan oleh dokter, keluhan apa saja yang pernah dialami, dan lain-lain.
Data warehouse juga dapat membantu menyediakan laporan-laporan penting untuk kebutuhan
penelitian bagi pihak rumah sakit maupun diluar rumah sakit. Laporan-laporan tersebut dapat
dilihat dari berbagai sudut pandang sehingga analisa laporan menjadi lebih dalam. Lalu, lewat
penyediaan data-data historis, data warehouse dapat membantu dokter maupun peneliti
melakukan studi retrospektif yaitu studi yang dilakukan dengan membandingkan peristiwa saat
ini dengan peristiwa yang ada di masa lalu, lalu di rekonstruksi untuk kebutuhan analisis dalam
dunia kedokteran. Selain itu, data warehouse dapat digunakan sebagai sumber data bagi business
intelligence yang akan membantu visualisasi data laporan sehingga dapat dianalisis dengan baik.
Agar implementasi data warehouse pada departemen radiologi dan laboratorium dapat
lebih berkembang dan bermanfaat kedepannya, ada beberapa saran yang dapat dipertimbangkan,
yaitu, data warehouse yang ada dapat di perluas, tidak hanya di bagian radiologi maupun
laboratorium melainkan dapat diterapkan di bagian utama pemeriksaan pada rumah sakit
contohnya seperti rawat inap, rawat jalan, farmasi, dan lain-lain. Kemudian, bagian radiologi
dapat membangun dan mengintegrasikan PACS dengan data warehouse yang ada, sehingga
laporan-laporan mengenai berkas-berkas foto atau gambar hasil radiologi dapat diolah menjadi
informasi yang berguna. Selain itu, ruang lingkup laboratorium dapat diperluas ke bagian
patologi anatomi agar pemeriksaan yang berkaitan dengan patologi anatomi datanya dapat diolah
menjadi informasi yang berguna. Data mining pun dapat dibangun untuk membantu mengolah
data yang ada pada data warehouse agar dapat dianalisis lebih dalam lagi.
REFERENSI
Connolly, T. M., & Begg, C. E. (2010). Database Systems. Boston: Pearson Addison-Wesley.
Cronin, P., Ryan , F., & Coughlan, M. (2008). Undertaking a literature review: a step-by-step approach.
British Journal of Nursing, 17, 1.
Farzandipour, M., Sadoughi, F., & Meidani, Z. (2011). Hospital Information Systems User Needs
Analysis: A Vendor Survey. Journal of Health Informatics in Developing Countries, 147-148.
Hall, J. A. (2011). Accounting Information System. Ohio: Cengage Learning.
Inmon, W. H. (2005). Building the Data Warehouse, 4th Edition. Indianapolis: Wiley Publisher, Inc.
Ismail, N. I., Abdullah, N. H., Shamsudin, A., & Nik Ariffin, N. (2013). Implementation Differences of
Hospital Information. International Journal of Social Science and Humanity, 115.
Kimball, R., & Ross, M. (2013). The Data Warehouse Toolkit, 3rd Edition. Indianapolis: Wiley.
Lu, Li, & Gisler. (2011). Improving Financial Performance by Modeling and Analysis of Radiology
Procedure Scheduling at a Large Community. Journal of Medical Systems, 299.
Mackenzie, S., Wyatt , M., Schuff, R., Tenenbaum, J., & Anderson, N. (2012). Practices and perspectives
on building integrated data repositories: results from a 2010 CTSA survey. J Am Med Inform
Assoc, e119-24.
Marakas, G. M., & O'brien, J. A. (2013). Introduction to Information Systems. New York: McGraw-Hill.
Nance, J. W., Meenan, C., & Nagy, P. G. (2012). The Future of the Radiology. American Journal of
Roentgenology, 1064.
Ping, L., Tao, W., Mu, C., bin, Z., & Guo, X. W. (2011). A Study on Building Data Warehouse of
Hospital Information System. Chinese Medical Journal, 2373.
Programmes: International Classification of Diseases (ICD). (2014). Dipetik December 9, 2014, dari
World Health Organization: http://www.who.int/classifications/icd/en/
Rainer, R. J., & Cegielski, C. G. (2012). Introduction to Information System: Supporting and
Transforming Business. John Wiley & Sons, Inc.
Reddy, G. S., Rao, M. P., Srinivasu, R., & Rikkula, S. R. (2010). Data Warehousing, Data Mining, OLAP,
and OLTP Technologies are Essential Elements to Support Decision Making Process in
Industries. International Journal on Computer Science and Engineering, 2865.
Royal College of Radiologists. (2008). Radiology Information System. London : The Royal College of
Radiologists. 3.
Rubin, D. L., & Desser, T. S. (2008). A Data Warehouse for Integrating Radiologic and Pathologic Data.
Journal of American College of Radiology, 210.
Sanjaya, G. Y., Rahmanti, A. R., Anggoro, P., & Rachmandani, A. A. (2013). Sistem Informasi Rumah
Sakit: Kemana arah penggunaanya? 1-8.
Satzinger, J. W., Jackson, R. B., & Burd, S. D. (2012). Systems Analysis and Design in a Changing World,
Sixth Edition. Boston: Joe Sabatino.
Sepulveda, J. L., & Young, D. S. (2013). The Ideal Laboratory Information System. Arch Pathol Lab Med
Vol 137, 1129.
Shan, H., Zhao, X., Bai, Y., & Xu, W. (2012). The Role of Clinical Laboratory Information System in
Quality Assurance. International Conference on Future Information Technology and
Management Science & Engineering, 426.
Song, J. W., & Chung, K. C. (2010). Observational Studies: Cohort and Case-Control Studies. Plastic
Reconstruction Surgery, 2234–2242.
Sorace, J., Aberle, D. R., Elimam, D., Lawvere, S., Tawfik, O., & Wallace, W. D. (2012). Integrating
Pathology and Radiology Disciplines: an Emerging Opportunity. BMC Medicine, 1.
Soo-Yong, S., Woo Sung, K., & Jae-Ho, L. (2014). Characteristics Desired in Clinical Data Warehouse
for Biomedical Research. Healthcare Informatic Research, 109-116.
Sunarto. (2014). Diagnosis Klinis Awal: Dari Masalah menuju Diagnosis. Jakarta: Penerbit Buku
Kedokteran EGC.
Turban, E., Sharda, R., & Delen, D. (2011). Decision Support and Business Intelligence Systems. New
Jersey: Pearson.
Whitten, J. L., & Bentley, L. D. (2007). Systems Analysis and Design Methods, 7th Edition. New York:
McGraw-Hill.
Wiggins, C. (2008). Teknologi Informasi. Dalam S. B. Buchbinder, & N. H. Shanks, Buku Ajar
Manajemen Pelayanan Kesehatan (Introduction to Health Care Management) (P. Widyastuti, &
E. Tiar, Penerj., hal. 107-120). Jakarta: Penerbit Buku Kedokteran EGC.
RIWAYAT PENULIS
Kelvin Pratama lahir di kota Jakarta pada 15 November 1993. Penulis menamatkan pendidikan S1 di
Universitas Bina Nusantara dalam bidang Sistem Informasi pada 2015. Saat ini bekerja sebagai
Programmer di PT.Jiva Ventures. Penulis aktif di HIMPUNAN MAHASISWA SISTEM INFORMASI
sebagai pengurus komisi bidang pendidikan.
Yoe Di lahir di kota Jakarta pada 26 April 1993. Penulis menamatkan pendidikan S1 di Universitas Bina
Nusantara dalam bidang Sistem Informasi pada 2015. Saat ini bekerja sebagai Programmer di PT.Jiva
Ventures. Penulis aktif di HIMPUNAN MAHASISWA SISTEM INFORMASI sebagai Koordinator
Informasi.
Kenneth lahir di kota Jakarta pada 23 Maret 1993. Penulis menamatkan pendidikan S1 di Universitas
Bina Nusantara dalam bidang Sistem Informasi pada 2015. Penulis aktif di HIMPUNAN MAHASISWA
SISTEM INFORMASI sebagai Wakil Koordinator 2 Project Manager.