Bilah Samping Artikel

Telah diserahkan
Oct 16, 2023
Diterima
Nov 8, 2023
Diterbitkan
Nov 9, 2023
Download
PDF
Statistic
Read Counter : 454 Download : 543

Isi Artikel Utama

Abstrak

Untuk menampung data yang besar dibutuhkan data Warehouse yang terstruktur agar menghasilkan informasi yang lebih akurat dan menunjang pengambilan keputusan bagi pemangku kepentingan organisasi. Untuk membangun data Warehouse dapat digunakan piranti lunak seperti Microsoft SQL server yang memiliki keunggulan pada aspek data security, skalabilitas, kemampuan kolaboratif, serta extendability. Data serial kependudukan, tenaga kesehatan, ekonomi serta berbagai data primer maupun sekunder yang bersifat kontinyu dapat di unggah kedalam SQL Server sehingga dapat tersimpan secara terstruktur dan periodik. Data yang tersimpan kedalam basis data diolah dengan algoritma data mining tertentu untuk menghasilkan informasi, pengetahuan, dan wisdom. Pendekatan data Warehouse dan data mining ini dapat diterapkan pada berbagai sektor misalnya kesehatan. Penelitian ini bertujuan menerapkan pendekatan data Warehouse dan data mining pada analisis rasio kebutuhan tenaga kesehatan di Propinsi Jawa Barat Indonesia menggunakan algoritma single moving average dan pengklasifikasian semi-automatic menggunakan statistik empirik pada SQL Server dan SQL Server Agent serta visualisasi menggunakan Microsoft Power BI. Klasifikasi berdasarkan analisis forecasting data jumlah penduduk dan penentuan rasio gap tenaga kesehatan berhasil ditemukan polanya melalui data mining pada SQL Server secara efisien serta dengan mudah divisualisasikan menggunakan Power BI. Dengan demikian SQL server dapat menjadi salah satu tools praktis terpilih untuk implementasi data mining berkelanjutan.

Kata Kunci

Data Mining Data Warehouse Power BI SQL Server SQL Server Agent Data Mining Data Warehouse Power BI SQL Server SQL Server Agent

Rincian Artikel

Cara Mengutip
[1]
A. Kuntadi dan Y. Feriandi, “Penggunaan SQL Server dalam Pengolahan Data Warehouse yang Praktis dan Berkelanjutan”, Jurnal Algoritma, vol. 20, no. 2, hlm. 457–468, Nov 2023.
Unduh Sitasi
Endnote/Zotero/Mendeley (RIS)

References

  1. Z. Zhang, G. Wang, L. Yang, M. Zhang, W. Zhao, and X. Xu, “Application of SQL server in data mining,” 2010 Chinese Control Decis. Conf. CCDC 2010, pp. 521”“524, 2010, doi: 10.1109/CCDC.2010.5498995.
  2. D. DuÅ¡anka, S. Darko, S. Srdjan, A. Marko, and L. Teodora, “A Comparison of Contemporary Data Mining Tools,” no. October, 2017, [Online]. Available: http://www.iim.ftn.uns.ac.rs/is17
  3. M. Mulyadi, “Transisi Data dan Informasi dalam Pengembangan Ilmu Pengetahuan,” Pustakaloka, vol. 10, no. 1, p. 67, 2018, doi: 10.21154/pustakaloka.v10i1.1237.
  4. W. H. Inmon, AM Building the, 3rd ed. Canada: John Wiley & Sons, Inc., 2002.
  5. S. Bakhri, Y. Nuryamin, P. Labu, and J. Selatan, “Rancangan Data Warehouse Untuk Penunjang Sistem Informasi Eksekutif Pada Yayasan Ummu”™L Quro Di Depok,” Tek. Inform., vol. 4, no. 1, 2018.
  6. Z. Ren, “Advanced studying on microsoft SQL server data mining,” CICC-ITOE 2010 - 2010 Int. Conf. Innov. Comput. Commun. 2010 Asia-Pacific Conf. Inf. Technol. Ocean Eng., pp. 87”“89, 2010, doi: 10.1109/CICC-ITOE.2010.30.
  7. O. Nugroho, B. A. Kusuma, T. Astuti, U. Khasanah, and R. Wahyudi, “Penerapan Data Mining untuk Mengidentifikasi Penyakit Diabetes Mellitus dengan Menggunakan Algoritme Iterative Dichotomiser 3 ( ID3 ),” pp. 101”“104, 2018.
  8. L. Dempo, “Implementasi Data Mining Untuk Prediksi Penyebaran Virus Hiv / Aids Di Bandar Lampung,” vol. 3, no. 2, pp. 18”“26, 2020.
  9. S. S. Sundari and N. Ariani, “Penerapan Data Mining Untuk Pengelompokan Penyakit Dengan Algoritma Fuzzy C-Means (Studi Kasus : UPT Puskesmas Salawu),” J. VOI (Voice Informatics), vol. 8, no. 2, pp. 63”“76, 2019.
  10. M. I. Fadhlurrohman, E. P. Purnomo, and A. D. Malawani, “Analysis Of Sustainable Health Development In Indonesia (Sustainable Development Goal”™s),” J. Kesehat. Lingkung. Indones., vol. 19, no. 2, pp. 133”“143, 2020, doi: 10.14710/jkli.19.2.133-143.
  11. H. Maryani, L. Kristiana, A. Paramita, and N. Izza, “Disparitas Pembangunan Kesehatan Di Indonesia Berdasarkan : Disparity of Health Development in Indonesia Based on Healthy Family,” Bul. Penelit. Sist. Kesehat., vol. 23, no. 1, pp. 18”“27, 2020, [Online]. Available: file:///C:/Users/Asus/Downloads/2622-Article Text-21954-1-10-20200505.pdf
  12. I. Dwiprahasto, “Jurnal Manajemen Pelayanan Kesehatan Daftar Isi,” Indones. J. Heal. Serv. Manag., vol. 09, no. 06, pp. 94”“101, 2006.
  13. I. Nurlinawati and R. H. Putranto, “Faktor-Faktor Terkait Penempatan Tenaga Kesehatan di Fasilitas Pelayanan Kesehatan Tingkat Pertama Daerah Terpencil/Sangat Terpencil,” J. Penelit. dan Pengemb. Pelayanan Kesehat., vol. 4, no. 1, pp. 31”“38, 2020, doi: 10.22435/jpppk.v4i1.3312.
  14. Y. S. Romadhona and K. N. Siregar, “Analisis Sebaran Tenaga Kesehatan Puskesmas di Indonesia berdasarkan Peraturan Menteri Kesehatan Nomor 75 Tahun 2014 tentang Puskesmas,” J. Kesehat. Manarang, vol. 4, no. 2, p. 114, 2018, doi: 10.33490/jkm.v4i2.99.
  15. R. Setiawan, “Apa itu Data Mining dan Bagaimana Metodenya?” https://www.dicoding.com/blog/apa-itu-data-mining/
  16. S. Jaya, “Perancangan Basis Data,” Penerbit Andi, Yogyakarta, 2017.
  17. William Assaf MSFT, “Create a stored procedure,” 2022. https://docs.microsoft.com/en-us/sql/relational-databases/stored-procedures/create-a-stored-procedure?view=sql-server-ver16
  18. R. Rudy, “Perancangan Dimensional Model dan Aplikasi Dashboard Bagi Unit Karir Perguruan Tinggi,” ComTech Comput. Math. Eng. Appl., vol. 4, no. 2, p. 677, 2013, doi: 10.21512/comtech.v4i2.2493.
  19. “No Title.” https://opendata.jabarprov.go.id
  20. W. Widhiarso, “Pengategorian Data dengan Menggunakan Statistik Hipotetik dan Statistik Empirik Dampak Penggunaan Referensi Sebuah Tes Dua Strategi Pengategorian Data Perbedaan Kedua Strategi,” pp. 1”“3, 2014, [Online]. Available: http://widhiarso.staff.ugm.ac.id/
  21. A. Targowski, “From Data to Wisdom,” Dialogue and Universalism, vol. 15, no. 5, pp. 55”“71, 2005, doi: 10.5840/du2005155/629.
  22. J. Suntoro, “Data Mining,” Min. Massive Datasets, vol. 2, no. January 2013, pp. 5”“20, 2005, [Online]. Available: https://www.cambridge.org/core/product/identifier/CBO9781139058452A007/type/book_part
  23. G. G. Rapakov, A. A. Sukonshchikov, A. N. Shvetsov, V. A. Gorbunov, and O. J. Kravets, “Applied aspects of data mining for decision support at the regional health system,” J. Phys. Conf. Ser., vol. 2094, no. 3, 2021, doi: 10.1088/1742-6596/2094/3/032006.