bab iii analisa dan perancangan sistem - core.ac.uk · bab ini menguraikan tentang analisa dan...
Post on 09-Apr-2019
223 Views
Preview:
TRANSCRIPT
14
BAB III
ANALISA DAN PERANCANGAN SISTEM
Bab ini menguraikan tentang analisa dan perancangan sistem untuk
mengimplementasikan metode Double Exponential Smoothing (DES) pada aplikasi
prediksi jumlah pasien rawat inap. Proses perancangan sistem dilaksanakan
berdasarkan metode waterfall, dimulai dari analisa sistem, analisa masalah, analisa
kebutuhan fungsional dan non-fungsional sistem, dilanjutkan dengan pembuatan
Business Process, Analisa Perhitungan, Usecase Diagram, Scenario, Sequence
Diagram, Activity Diagram, Class Diagram, dan User Interface.
3.1 Analisa Sistem
Sebagaimana yang telah dijelaskan pada bab pendahuluan, aplikasi yang
akan dibangun pada penelitian tugas akhir ini adalah aplikasi yang berbasis web.
Sistem ini dibuat untuk memprediksikan pasien dan ICD10 pada periode yang akan
datang. Dengan adanya sistem ini pihak rekam medik akan mendapatkan informasi
prediksi pada periode berikutnya.
Aplikasi ini menerapkan metode Double Exponential Smoothing untuk
melakukan sebuah prediksi. Sistem ini akan memgambil data pasien selama dua
tahun untuk menghasilkan sebuah prediksi. Data yang diolah adalah data pasien dan
data ICD10. Data akan diinputkan oleh staff rekam medik dan kepala staff rekam
medik akan melihat data yang telah diinputkan dan melihat hasil prediksi.
3.1.1 Analisa Masalah
RSUD Sumbawa Besar merupakan salah satu rumah sakit milik
pemerintahan kabupaten Sumbawa Besar. Rumah Sakit ini melayani rawat inap,
rawat jalan, dan penunjang medik lainnya. Jumlah pasien rawat inap di rumah sakit
ini selalu mengalami peningkatan, sehingga terkadang pasien rawat inap tidak
mendapatkan pelayanan yang maksimal seperti tidak tersedianya ruangan,
kekurangan stok obat dan kurangnya stok alat-alat medis lainnya.
Prediksi bisa dijadikan sebagai alat bantu dalam mewujudkan perencanaan
yang efektif dan efisien. Melihat keaadaan di rumah sakit masih belum mempunyai
suatu aplikasi yang dapat membantu untuk memprediksi jumlah pasien rawat inap
15
dimasa mendatang, sehingga mutu pelayanan kurang efisien. Selain itu, manajemen
rumah sakit juga kesulitan dalam membuat keputusan untuk mengatasi fluktuasi
pasien rawat inap.
3.1.2 Analisa Kebutuhan Fungsional
Kebutuhan fungsional adalah kebutuhan yang berisi proses-proses apa saja
yang natinya dilakukan oleh sistem. Ada kebutuhan utama yang diperlukan sistem
agar dapat berjalan dengan lancar. Kebutuhan ini menjadi inti dari sistem dimana
jika kebutuhan ini tidak terpenuhi, maka sistem tidak dapat berjalan dengan baik.
Berikut adalah kebutuhan fungsional dari sistem:
a. Sistem dapat memanajemen data user.
b. Sistem dapat memanajemen data kode ICD 10 serta jenis penyakitnya.
c. Sistem dapat memanajemen data pasien.
d. Sistem dapat memprediksi data ICD10 pada tiga bulan berikutnya.
e. Sistem dapat memprediksi data pasien pada tiga bulan berikutnya.
3.1.3 Analisa Kebutuhan Non-Fungsional
Kebutuhan non-fungsional adalah sebuah pelengkap yang menunjang
kinerja sebua sistem dan mempunyai pengaruh yang tidak langsung. Berikut adalah
kebutuhan non fungsional yang ada dalam sistem:
a. Tampilan sistem yang user friendly untuk memudahkan pengguna
dalam mengoperasikannya.
b. Sistem tidak bisa diakses oleh pengguna yang tidak memiliki username
dan password.
c. Hanya kepala rekam medik yang memiliki hak akses untuk membuat
user baru, mengubah peranan user, dan menghapus user.
d. Sistem berbasis web.
3.1.4 Analisa Perhitungan Metode Double Exponential Smoothing (DES)
Analisa perhitungan disini menjelaskan perhitungan sampai mendapatkan
nilai prediksi. Perhitungan disini mengunakan contoh kasus data pengeluaran obat.
Data pengeluaran obat yang akan diproses menggunakan perhitungan metode
Double Exponential Smoothing (DES) dapat dilihat pada tabel 3.1.
16
Tabel 3.1 Data Jumlah Pengeluaran Obat Periode Pengeluaran Obat
Jan 2015 80
Feb 2015 91
Mar 2015 110
Aprl 2015 88
Mei 2015 85
Juni 2015 122
Juli 2015 141
Agust 2015 157
Sept 2015 130
Langkah pertama perhitungan metode Double Exponential Smoothing
adalah mencari nilai pemulusan eksponensial pertama diberi simbol (S′t).
𝑺′t = α . Xt + (1 – α) 𝑺′t-1 ………………….. (1)
Tabel 3.2 Perhitungan Nilai Pemulusan Eksponensial Pertama (α = 0,1) 𝑺′t α . Xt + ( 1 – α ) S′t-1
𝑆′1 80
𝑆′2 0,1 (91) + (0,9) (80) = 9,1 + 72 = 81,1
𝑆′3 0,1 (110) + (0,9) (81,1) = 11 + 72,99 = 83,99
𝑆′4 0,1 (88) + (0,9) (83,99) = 8,8 + 75,591 = 84,391
𝑆′5 0,1 (85) + (0,9) (84,391) = 8,5 + 75,9519 = 84,4519
𝑆′6 0,1 (122) + (0,9) (84,4519) = 12,2 + 76,00671 = 88,20671
𝑆′7 0,1 (141) + (0,9) (88,20671) = 14,1 + 79,386039 = 93,486039
𝑆′8 0,1 (157) + (0,9) (93,486039) = 15,7 + 84,1374351 = 99,8374351
𝑆′9 0,1 (130) + (0,9) (99,8374351) = 13 + 89,85369159 = 102,8536916
Setelah mendapatkan nilai pemulusan eksponensial pertama (S ′ t) maka
langkah selanjutnya adalah menghitung nilai pemulusan eksponensial kedua (S"t).
𝑺"t = α . 𝑺′t + (1 – α) S"t-1 ………………….. (2)
17
Tabel 3.3 Perhitungan Nilai Pemulusan Eksponensial Kedua (α = 0,1) 𝑺"t α . 𝑺′t + (1 – α) S"t-1
𝑆"1 80
𝑆"2 0,1(81,1) + (0,9) (80) = 8,11 + 72 = 80,11
𝑆"3 0,1(83,99) + (0,9) (80,11) = 8,399 + 72,099 = 80,498
𝑆"4 0,1(84,391) + (0,9) (80,498) = 8,4391 + 72,4482 = 80,8873
𝑆"5 0,1(84,4519) + (0,9) (80,8873) = 8,44519 + 72,79857 = 81,24376
𝑆"6 0,1(88,20671) + (0,9) (81,24376) = 8,820671 + 73,119384 = 81,940055
𝑆"7 0,1(93,486039) + (0,9) (81,940055) = 9,3486039 + 73,7460495 =
83,0946534
𝑆"8 0,1(99,8374351) + (0,9) (83,0946534) = 9,98374351 + 74,78518806 =
84,76893157
𝑆"9 0,1(102,8536916)+(0,9) (84,76893157) = 10,28536916 + 76,29203841
= 86,57740757
Langkah selanjutnya adalah menghitung nilai konstanta (α). Nilai konstanta
periode pertama adalah 0 karena belum memiliki nilai eksponensial.
α t = 2 𝑺′t - 𝑺"t ………………….. (3)
Tabel 3.4 Perhitungan Nilai Konstanta ( α t ) α t 2 𝑺′t – 𝑺"t
α 1 0
α 2 2(81,1) – 80,11 = 162,2 -80,11 = 82,09
α 3 2(83,99) – 80,498 = 167,98 - 80,498= 87,482
α 4 2(84,391) – 80,887 = 168,782 – 80,887 = 87,895
α 5 2(84,4519) – 81,24376 = 168,9038 - 81,24376 = 87,66
α 6 2(88,20671) – 81,940055 = 176,41342 - 81,940055 = 94,473
α 7 2(93,486039) – 83,0946534 = 186,972078 - 83,0946534 = 103,877
α 8 2(99,8374351) – 84,76893157 = 199,6748702 - 84,76893157 =
114,906
α 9 2 (102,8536916) – 86,57740757 = 205,7073832 - 86,57740757 =
119,13
18
Setelah mendapatkan nilai konstanta (α) maka langkah selanjutnya adalah
menghitung nilai slope (b). Nilai slope periode pertama adalah 0 karena periode
pertama belum memiliki nilai eksponensial pertama dan kedua.
b t = 𝜶
𝟏−𝜶 (𝑺′t–𝑺"t ) ………………… (4)
Tabel 3.5 Perhitungan Nilai Slope ( b t ) b t 𝒂
𝟏 − 𝒂 (𝑺′𝒕 − 𝑺"𝒕)
b 1 0
b 2 0,1
0,9 (81,1 – 80,11) = 0,11
b 3 0,1
0,9 (83,99 – 80,498) = 0,388
b 4 0,1
0,9 (84,391 – 80,8873) = 0,389
b 5 0,1
0,9 (84,4519 – 81,24376) = 0,356
b 6 0,1
0,9 (88,20671 – 81,940055) = 0,696
b 7 0,1
0,9 (93,486039 – 83,0946534) = 1,155
b 8 0,1
0,9 (99,8374351 – 84,76893157) = 1.674
b 9 0,1
0,9 (102,8536916 – 86,57740757) = 1,808
Setelah nilai konstanta (α) dan nilai slope (b) didapatkan, maka langkah
selanjutnya adalah menghitung nilai prediksi (Ft + m). Nilai prediksi di mulai dari
periode 3 karena nilai konstanta dan nilai slope periode 2 yang digunakan untuk
menghitung nilai prediksi periode 3. Pada perhitungan nilai prediksi awal terhadap
data aktual nilai (m) ditetapkan bernilai (1).
Ft+m = α t + b t (m) ………………….. (5)
Tabel 3.6 : Perhitungan Nilai Prediksi ( Ft + m ) ( Ft + m ) α t + b t (m)
F 3 82,09 + 0,11 = 82,2
F 4 87,482 + 0,388 = 87,87
19
F 5 87,895 + 0,389 = 88,284
F 6 87,66 + 0,356 = 88,016
F 7 94,473+ 0,696 = 95,169
F 8 103,877 + 1,155 = 105,032
F 9 114,906 + 1.674 = 116,58
Selanjutnya menghitung nilai kesalahan prediksi menggunakan MAPE.
Perhitungan MAPE dilakukan dengan menghitung rata-rata dari nilai sesisih yaitu
selisih antara data aktual dengan data hasil prediksi. Kemudian hasil rata-rata
tersebut dibagi dengan banyaknya jumlah periode dan dikalikan dengan seratus.
Nilai MAPE dimulai dari periode 3 karena nilai prediksi terdapat pada periode 3.
| Data aktual – (Ft+m) | / Data aktual ………….. (6)
Tabel 3.7 Hasil Perhitungan MAPE dengan (α = 0,1) manual Periode | Data aktual – (Ft+m) | / Data aktual
3 (110-82,2)/110 = 0,253
4 (88-87,87)/88 = 0,001
5 (85-88,284)/85 = 0,039
6 (122-88,016)/122 = 0,279
7 (141-95,169)/141 = 0,325
8 (157-105,032)/157 = 0,331
9 (130-116,58)/130 = 0,103
Total / MAPE = (1,331:7)*100=19,01%
Dengan menggunakan perhitungan yang sama maka dapat ditentukan hasil
perhitungan metode Double Exponential Smoothing dan prediksi jumlah
pengeluaran obat pada periode berikutnya untuk α = 0,2 sampai dengan α = 0,9.
Tabel 3.8 Hasil Perhitungan Prediksi Metode DES (α = 0,2) Manual Periode Data
Aktual S′t S"t α t b t Ft+m MAPE
Jan 80 80 80 0 0 0 Feb 91 82,2 80,44 83,96 0,44 0 Mar 110 87,76 81,904 93,61 1,464 84,4 0,233
20
Aprl 88 87,808 83,0848 92,53 1,181 95,08 0,08 Mei 85 87,2464 83,91712 90,57 0,832 93,71 0,102 Jun 122 94,1971 85,97312 102,4 2,056 91,40 0,251 Jul 141 103,55 89,490035 117,6 3,517 104, 0,259 Agust 157 114,246 94,441259 134,0 4,951 121,1 0,228 Sept 130 117,396 99,032392 135,7 4,591 139,0 0,069
TOTAL 17,46%
Tabel 3.9 Hasil Perhitungan Prediksi Metode DES (α = 0,3) Manual Periode Data
Aktual S′t S"t α t b t Ft+m MAPE
Jan 80 80 80 0 0 0 Feb 91 83,3 80,99 85,61 0,99 0 Mar 110 91,31 84,086 98,534 3,096 86,6 0,213 Aprl 88 90,317 85,9553 94,679 1,869 101,63 0,155 Mei 85 88,7219 86,78528 90,659 0,83 96,548 0,136 Jun 122 98,70533 90,36129 107,04 3,576 91,489 0,25 Jul 141 111,393 96,67102 126,11 6,31 110,62 0,215 Agust 157 125,075 105,1924 144,95 8,521 132,42 0,157 Sept 130 126,5529 111,6005 141,50 6,408 153,48 0,181
TOTAL 18,67%
Tabel 3.10 Hasil Perhitungan Prediksi Metode DES (α = 0,4) Manual Periode Data
Aktual S′t S"t α t b t Ft+m MAPE
Jan 80 80 80 0 0 0 Feb 91 84,4 81,76 87,04 1,76 0 Mar 110 94,64 86,912 102,36 5,152 88.8 0,193 Aprl 88 91,984 88,9408 95,027 2,029 107,52 0,222 Mei 85 89,1904 89,04064 89,34 0,1 97,056 0,142 Jun 122 102,314 94,35008 110,27 5,309 89,44 0,267 Jul 141 117,788 103,7254 131,85 9,375 115,87 0,18 Agust 157 133,473 115,6245 151,32 11,899 141,22 0,1 Sept 130 132,083 122,208 141,95 6,584 163,22 0,256
TOTAL 19,43%
Tabel 3.11 Hasil perhitungan prediksi metode DES (α = 0,5) manual Periode Data
Aktual S′t S"t α t b t Ft+m MAPE
Jan 80 80 80 0 0 0 Feb 91 85,5 82,75 88,25 2,75 80
21
Mar 110 97,75 90,25 105,25 7,5 91 0,173 Aprl 88 92,875 91,5625 94,188 1,313 112,75 0,281 Mei 85 88,9375 90,25 87,625 -1,313 95,501 0,124 Jun 122 105,468 97,85937 113,07 7,069 86,312 0,293 Jul 141 123,234 110,5468 135,92 12,688 120,68 0,144 Agust 157 140,117 125,3320 154,90 14,785 148,61 0,053 Sept 130 135,058 130,1953 139,92 4,863 169,68 0,305
TOTAL 19,61%
Tabel 3.12 : Hasil perhitungan prediksi metode DES (α = 0,6) manual Periode Data
Aktual S′t S"t α t b t Ft+m MAPE
Jan 80 80 80 0 0 0 Feb 91 86,6 83,96 89,24 3,96 0 Mar 110 100,64 93,968 107,31 10,008 93,2 0,153 Aprl 88 93,056 93,4208 92,691 -0,547 117,32 0,333 Mei 85 88,2224 90,30176 86,143 -3,119 92,144 0,084 Jun 122 108,488 101,2140 115,76 10,912 83,024 0,319 Jul 141 127,99 117,2829 138,70 16,069 126,67 0,102 Agust 157 145,398 134,1521 156,64 16,869 154,77 0,014 Sept 130 136,159 135,3564 136,96 1,204 173,51 0,335
TOTAL 19.14%
Tabel 3.13 : Hasil perhitungan prediksi metode DES (α = 0,7) manual Periode Data
Aktual S′t S"t α t b t Ft+m MAPE
Jan 80 80 80 0 0 0 Feb 91 87,7 85,39 90,01 5,39 0 Mar 110 103,31 97,934 108,68 12,544 95,4 0,133 Aprl 88 92,593 94,1953 90,991 -3,739 121,23 0,378 Mei 85 872779 89,35312 85,203 -4,842 87,252 0,026 Jun 122 111,583 104,9142 118,25 15,561 80,361 0,341 Jul 141 132,175 123,9967 140,35 19,083 133,81 0,051 Agust 157 149,552 141,8857 157,21 17,889 159,43 0,016 Sept 130 135,865 137,6717 134,06 -4,214 175,10 0,347
TOTAL 18.46%
22
Tabel 3.14 Hasil perhitungan prediksi metode DES (α = 0,8) manual Periode Data
Aktual S′t S"t α t b t Ft+m MAPE
Jan 80 80 80 0 0 0 Feb 91 88,8 87,04 90,56 7,04 0 Mar 110 105,76 102,016 109,50 14,976 97,6 0,113 Aprl 88 91,552 93,6448 89,459 -8,371 124,48 0,415 Mei 85 86,3104 87,77728 84,844 -5,868 81,088 0,046 Jun 122 114,862 109,4451 120,27 21,668 78,976 0,353 Jul 141 135,772 130,5069 141,03 21,062 141,94 0,007 Agust 157 152,754 148,3049 157,20 17,798 162,1 0,032 Sept 130 134,550 137,3017 131,8 -11,01 175,00 0,346
TOTAL 18,74%
Tabel 3.15 : Hasil perhitungan prediksi metode DES (α = 0,9) manual Periode Data
Aktual S′t S"t α t b t Ft+m MAPE
Jan 80 80 80 0 0 0 Feb 91 89,9 88,91 90,89 8,91 0 Mar 110 107,99 106,082 109,89 17,172 99,8 0,093 Aprl 88 89,999 91,6073 88,391 -14,48 127,07 0,444 Mei 85 85,4999 86,11064 84,889 -5,497 73,916 0,13 Jun 122 118,349 115,1260 121,57 29,015 79,392 0,349 Jul 141 138,734 136,3741 141,09 21,248 150,58 0,068 Agust 157 155,173 153,293 157,05 16,919 162,3 0,034 Sept 130 132,517 134,594 130,44 -16,7 173,97 0,338
TOTAL 20,8%
Tabel 3.16 Hasil perhitungan MAPE (α = 0,1 sampai α = 0,9) manual
ALPHA MAPE 0,1 19,01% 0,2 17,46% 0,3 18,67% 0,4 19,43% 0,5 19,61% 0,6 19.14% 0,7 18.46% 0,8 18,74% 0,9 20,8%
23
Dengan sample data yang telah diujikan menggunakan nilai alpha (α) yang
berbeda yaitu dari (α) = 0,1 sampai (α) = 0,9 maka diperoleh nilai (α) = 0,2
merupakan (α) yang memberikan nilai error terkecil. Prediksi pengeluaran obat
pada bulan Oktober 2015 sampai bulan Desember 2015 diperoleh dengan (α) = 0,2
melalui persamaan 5. Untuk hasil prediksi dapat dilihat dari tabel 3.17
Tabel 3.17 Hasil Perhitungan Prediksi (α = 0,2) Manual PERIODE 𝑭𝒕+𝒎 = 𝒂𝒕 + 𝒃𝒕 (𝒎) HASIL
Oktober
2015
Fsept’15+1 = αsept + bsept (1)
= 134,761 + 4,591 (1)
140,352
November
2015
Fsept’15+2 = αsept + bsept (2)
= 135,761 + 4,591 (2)
144,943
Desember
2015
Fsept’15+3 = αsept + bsept (3)
= 135,761 + 4,591 (3)
149,534
Hasil dari prediksi jumlah pengeluaran obat menggunakan metode Double
Exponential Smoothing dapat dilihat pada tabel 3.18.
Tabel 3.18 : Hasil prediksi dan nilai MAPE
3.1.5 Business Process
Merupakan serangkaian atau sekumpulan aktifitas dalam sebuah sistem
yang dirancang untuk mencapai tujuan sebuah sistem. Pada business process
terdapat beberapa komponen untuk mencapai tujuan tersebut, yaitu masukan
(input), media yang digunakan (uses) yang kemudian akan menghasilkan tujuan
Periode Prediksi
pengeluaran obat
MAPE
Oktober
2015
140 obat 17,46%
November
2015
145 obat 17,46%
Desember
2015
150 obat 17,46%
24
(goal). Business procces aplikasi prediksi jumlah pasien rawat inap dapat dilihat
pada Gambar 3.1
Gambar 3.1 Business Proses
Berdasarkan gambar 3.1 sistem membutuhkan tiga inputan data dan
menghasilkan sebuah tujuan. Data yang diperlukan sebaga inputan yaitu data user,
data ICD10, data pasien. Tujuan dari sistem ini adalah prediksi jumlah pasien pada
tiga bulan berikutnya.
3.1.6 Usecase Diagram
Usecase diagram digunakan untuk mendeskripsikan sebuah interaksi antara
satu atau lebih aktor dengan sistem yang akan dikembangkan. Usecase diagram
bertujuan untuk mengetahui fungsi apa saja yang dapat diakses oleh suatu aktor.
Usecase disini memiliki 2 aktor yaitu kepala rekam medik dan staff rekam medik
dan memiliki 7 usecase yang dapat diakses oleh kepala rekam medik sedangkan
staff rekam medik memiliki 11 usecase yang dapat diakses. Kepala rekam medik
meliputi lihat hasil prediksi data pasien, lihat hasil prediksi data ICD10, lihat data
pasien, lihat data ICD10, tambah data user, ubah data user, dan hapus data user
sedangkan staff rekam medik meliputi tambah data pasien, ubah data pasien, hapus
data pasien, tambah data jenis penyakit, ubah data jenis penyakit, hapus data jenis
penyakit, tambah data jumlah penderita, ubah data jumlah penderita, hapus data
jumlah penderita, lihat data pasien dan lihat data ICD10.
25
Gambar 3.2 Usecase Diagram
Definisi aktor dari usecase aplikasi prediksi jumlah pasien rawat inap dapat
dilihat pada Tabel 3.1. Definisi usecase dapat dilihat pada Tabel 3.2.
Tabel 3.19 Definisi Aktor Aktor Definisi
Kepala Rekam Medik Aktor yang memiliki hak akses untuk CRUD data user,
melihat data pasien, melihat data ICD 10, melihat
prediksi data pasien, melihat prediksi data ICD 10.
Staff Rekam Medik Aktor yang memiliki hak akses untuk CRUD data
pasien, CRUD data penyakit dan CRUD jumlah
penderita, CRUD data ICD10
Tabel 3.20 Definisi Usecase Use case Definisi
Lihat prediksi data
pasien
Use case yang digunakan untuk melihat data
hasil prediksi data pasien 3 bulan berikutnya
Lihat prediksi data
ICD 10
Use case yang digunakan untuk melihat data
hasil prediksi data ICD10 3 bulan berikutnya
Kepala RM Staff RM
Tambah Data User
Ubah Data User
Tambah Data Jumlah Penderita
Hapus Data User
Hapus Data Jumlah Penderita
Ubah Data Jumlah Penderita
Ubah Data Penyakit
Tambah Data Penyakit
Hapus Data Penyakit
Lihat Data ICD10
Ubah Data Pasien
Lihat Data Pasien
Hapus Data Pasien
Tambah Data Pasien
Lihat Hasil Prediksi ICD 10
Lihat Hasil Prediksi Pasien
26
Lihat data ICD 10 Use case yang digunakan untuk melihat data ICD 10
Lihat data pasien Use case yang digunakan untuk melihat data pasien
Tambah data user Use case yang digunakan untuk menambah data user
Ubah data user Use case yang digunakan untuk mengubah data user
Hapus data user Use case yang digunakan untuk menghapus data user
Tambah data pasien Use case yang digunakan untuk menambah data pasien
Ubah data pasien Use case yang digunakan untuk mengubah data pasien
Tambah data penyakit Use case yang digunakan untuk menambah data
penyakit
Ubah data penyakit Use case yang digunakan untuk mengubah data
penyakit
Hapus data penyakit Use case yang digunakan untuk menghapus data
penyakit
Tambah data jumlah
penderita
Use case yang digunakan untuk menambah data jumlah
penderita
Ubah data jumlah
penderita
Use case yang digunakan untuk mengubah data jumlah
penderita
Hapus data jumlah
penderita
Use case yang digunakan untuk menghapus data jumlah
penderita
3.1.7 Usecase Scenario
Scenario usecase adalah cara mendeskripsikan aktor-aktor mana saja yang
melakukan prosedur dalam alur sistem tersebut, serta menjelaskan respon yang
ditanggapi oleh sistem tersebut terhadap prosedur yang dilakukan oleh aktor.
Tabel 3.21 Scenario lihat prediksi data pasien
Identifikasi
Nama Usecase Lihat prediksi data pasien
Tujuan User dapat melihat hasil prediksi data
pasien
27
Deskripsi Dalam hal ini user dapat melihat data
Prediksi pasien tiga bulan kedepan dari
data terbaru.
Aktor Kepala rekam medik
Scenario Utama
Kondisi Awal :Sistem menampilkan dashboard kepala rekam medik
Aksi Aktor Reaksi Sistem
1.Menampilkan menu utama.
2. Klik menu prediksi
3.Menampilkan dropdown menu
prediksi
4.User memilih dropdown menu
prediksi pasien.
5.Menampilkan data prediksi pasien
Kondisi Akhir: Kepala rekam medik dapat melihat hasil prediksi jumlah pasien
tiga periode selanjutnya
Tabel 3.22 Scenario lihat prediksi data ICD 10 Identifikasi
Nama Usecase Lihat prediksi data ICD10
Tujuan User dapat melihat hasil prediksi data
ICD10
Deskripsi Dalam hal ini user dapat melihat data
Prediksi ICD10 tiga bulan kedepan dari
data terbaru.
Aktor Kepala rekam medik
Scenario Utama
Kondisi Awal :Sistem menampilkan dashboard kepala rekam medik
28
Aksi Aktor Reaksi Sistem
1.Menampilkan menu utama
2. Klik menu prediksi
3.Menampilkan dropdown menu
prediksi
4.User memilih dropdown menu
prediksi ICD10.
5. Menampilkan form prediksi ICD10
6.Memilih jenis penyakit yang akan
diprediksi
7.Menampilkan hasil prediksi data
ICD10 yang dipilih
Kondisi Akhir: Kepala rekam medik dapat melihat hasil prediksi ICD10
berdasarkan jenis penyakit yang dipilih dalam tiga periode berikutnya.
Tabel 3.23 Scenario lihat data pasien Identifikasi
Nama Usecase Lihat data pasien
Tujuan User dapat melihat data pasien
Deskripsi Dalam hal ini user dapat melihat data
pasien yang terdiri dari jumlah pasien
tiap bulannya
Aktor Kepala dan staff rekam medik
Scenario Utama
Kondisi Awal :Sistem menampilkan dashboard aktor
Aksi Aktor Reaksi Sistem
29
1. Menampilkan pilihan menu pada
halaman sistem.
2. Klik menu data pasien
3. Menampilkan tabel data pasien yang
terdiri dari jumlah, bulan, dan tahun.
Kondisi Akhir: Aktor dapat melihat data pasien yang terdiri dari jumlah pasien
tiap bulannya
Tabel 3.24 Scenario Lihat Data ICD10 Identifikasi
Nama Usecase Lihat data ICD 10
Tujuan User dapat melihat data ICD10
Deskripsi Dalam hal ini user dapat melihat data
ICD10 yang terdiri dari jumlah
penderita, kode penyakit dan ICD10
Aktor Kepala rekam medik dan staff rekam
medik
Scenario Utama
Kondisi Awal :Sistem menampilkan form data ICD10
Aksi Aktor Reaksi Sistem
1. Menampilkan form data ICD10
dengan pilihan menu bulan dan tahun
2. memilih menu bulan dan tahun
3.Klik tombol lihat
30
4. Sistem menampilkan tabel data
ICD10
Kondisi Akhir: Aktor dapat melihat tabel data ICD yang terdiri dari kode
penyakit, ICD10, dan jumlah penderita berdasarkan bulan dan tahun yang
dipilih.
Tabel 3.25 Scnario Tambah Data User Identifikasi
Nama Usecase Tambah Data User
Tujuan User dapat menambah data user
Deskripsi Dalam hal ini user dapat menambah
tabel data user
Aktor Kepala rekam medik
Scenario Utama
Kondisi Awal : Sistem menampilkan dashboard kepala rekam medik
Aksi Aktor Reaksi Sistem
1.Menampilkan pilihan menu utama.
2. Klik menu data user
3.Menampilkan tabel data user
4. klik tombol tambah data baru
5.Menampilkan tabel data user
6.pilih tambah data user
7.menampilkan form tambah data baru
user
31
8.menginputkan data user yaitu
berupa NIP, nama, jenis kelamin,
jabatan, no hp, alamat, lama kerja,
username, password
9.klik tombol simpan
10.Sistem memberikan pesan “berhasil
ditambahkan”
11. menampilkan tabel data user
Kondisi Akhir: Aktor menambah data user
Tabel 3.26 Scenario ubah data user Identifikasi
Nama Usecase Ubah Data User
Tujuan User dapat mengubah data user
Deskripsi Dalam hal ini user dapat mengubah tabel
data user
Aktor Kepala rekam medik
Scenario Utama
Kondisi Awal : Sistem menampilkan dashboard kepala rekam medik
Aksi Aktor Reaksi Sistem
1.Menampilkan pilihan menu utama.
2. Klik menu data user
3.Menampilkan tabel data user
4. klik tombol “detail” pada data yang
akan diubah
32
5.Menampilkan form edit data user
6. mengubah data user yaitu berupa
NIP, nama, jenis kelamin, jabatan, no
hp, alamat, lama kerja, username,
password
7. Klik tombol “simpan”
8. Sistem memberikan pesan “berhasil
diubah”
9. Menampilkan tabel data user
Kondisi Akhir: Aktor menambah data user
Tabel 3.27 Scenario hapus data user Identifikasi
Nama Usecase Hapus Data User
Tujuan User dapat menghapus data user
Deskripsi Dalam hal ini user dapat menghapus
data user
Aktor Kepala rekam medik
Scenario Utama
Kondisi Awal : Sistem menampilkan tabel data user pada kepala rekam medik
Aksi Aktor Reaksi Sistem
1.Menampilkan tabel data user
2. Memilih tombol non aktifkan untuk
data yang akan di nonaktifkan
33
3. Menampilkan pesan “apakah anda
yakin ya/tidak”
4. Klik tombol ya
5. Menampilkan tabel data user yang
sudah diubah
Kondisi Akhir: Aktor menghapus data user
Tabel 3.28 Scenario Tambah Data Pasien Identifikasi
Nama Usecase Tambah Data Pasien
Tujuan User dapat menambah data pasien
Deskripsi Dalam hal ini user dapat menambah tabel data pasien
Aktor Staff rekam medik
Skenario Utama
Kondisi Awal : Sistem menampilkan dashboard staff rekam medik
Aksi Aktor Reaksi Sistem
1. Menampilkan pilihan menu utama
2. Klik menu data pasien
3.Menampilkan tabel data pasien
4. klik tombol tambah data pasien
5.Menampilkan form tambah data pasien
6.menginputkan data pasien yaitu berupa bulan, tahun, dan jumlah
7.klik tombol simpan
34
8.Sistem memberikan info “berhasil ditambahkan”
9. menampilkan tabel data pasien
Kondisi Akhir: Aktor menambah data pasien
Tabel 3.29 Scenario ubah data pasien Identifikasi
Nama Usecase Ubah Data Pasien
Tujuan User dapat mengubah data pasien
Deskripsi Dalam hal ini user dapat mengubah tabel data pasien
Aktor Staff rekam medik
Skenario Utama
Kondisi Awal : Sistem menampilkan tabel data pasien pada staff rekam medik
Aksi Aktor Reaksi Sistem
1. menampilkan tabel data pasien
2. memilih tombol edit pada kolom action data yang akan diedit
3. menampilkan form edit data pasien
4. mengubah data pasien yaitu berupa bulan, tahun, dan jumlah
5.klik tombol simpan
6. Sistem memberikan pesan “berhasil diubah”
7.menampilkan tabel data pasien
Kondisi Akhir: Aktor mengubah data pasien.
35
Tabel 3.30 Scenario hapus data pasien Identifikasi
Nama Usecase Ha[us Data Pasien
Tujuan User dapat menghapus data pasien
Deskripsi Dalam hal ini user dapat menghapus tabel data pasien
Aktor Staff rekam medik
Skenario Utama
Kondisi Awal : Sistem menampilkan tabel data pasien pada staff rekam medik
Aksi Aktor Reaksi Sistem
1.menampilkan tabel data pasien
2. memilih tombol hapus pada kolom action data yang akan hapus
3. menampilkan pesan“apakah anda yakin ya/tidak”
4.klik tombol ya
5.menampilkan tabel data pasien yang sudah dihapus
Kondisi Akhir: Aktor menghapus data pasien.
Tabel 3.31 Scenario Tambah Data Penyakit Identifikasi
Nama Usecase Tambah Data Penyakit
Tujuan User dapat menambah data penyakit
Deskripsi Dalam hal ini user dapat menambah tabel data penyakit
Aktor Staff rekam medik
36
Scenario Utama
Kondisi Awal :Sistem menampilkan form data penyakit
Aksi Aktor Reaksi Sistem
1. Menampilkan tabel data penyakit
2. klik tombol tambah data penyakit
3.Menampilkan form tambah data penyakit
4.menginputkan data penyakit yaitu berupa penyakit,bulan, tahun, dan jumlah
5.klik tombol simpan
6.Sistem memberikan pesan “berhasil ditambahkan”
7. menampilkan tabel data penyakit
Kondisi Akhir : Aktor menambah data penyakit.
Tabel 3.32 Scenario Ubah data penyakit Identifikasi
Nama Usecase Ubah Data Penyakit
Tujuan User dapat mengubah data penyakit
Deskripsi Dalam hal ini user dapat mengubah tabel data penyakit
Aktor Staff rekam medik
Scenario Utama
Kondisi Awal :Sistem menampilkan form data penyakit
Aksi Aktor Reaksi Sistem
1. menampilkan tabel data penyakit
37
2. memilih tombol ubah pada kolom action data yang akan diedit
3. menampilkan form ubah data penyakit
4. Mengubah data penyakit yaitu berupa kode penyakit dan jenis penyakit
5.klik tombol simpan
6. Sistem memberikan pesan “berhasil diubah”
7.menampilkan tabel data penyakit
Kondisi Akhir : Aktor mengubah data penyakit.
Tabel 3.33 Scenario Hapus data penyakit Identifikasi
Nama Usecase Hapus Data Penyakit
Tujuan User dapat menghapus data penyakit
Deskripsi Dalam hal ini user dapat menghapus tabel data penyakit
Aktor Staff rekam medik
Scenario Utama
Kondisi Awal :Sistem menampilkan form data penyakit
Aksi Aktor Reaksi Sistem
1. menampilkan tabel data penyakit
2. memilih tombol hapus pada kolom action data yang akan hapus
3. menampilkan pesan “apakah anda yakin ya/tidak”
38
4.klik tombol ya
5.menampilkan tabel data penyakit yang sudah diubah
Kondisi Akhir : Aktor menghapus data penyakit.
Tabel 3.34 Scenario Tambah Data Jumlah Penderita
Identifikasi
Nama Usecase Tambah Data Jumlah Penderita
Tujuan User dapat menambah data jumlah penderita
Deskripsi Dalam hal ini user dapat menambah tabel data jumlah penderita
Aktor Staff rekam medik
Skenario Utama
Kondisi Awal :Sistem menampilkan form data jumlah penderita
Aksi Aktor Reaksi Sistem
1. Menampilkan tabel data jumlah penderita
2. klik tombol tambah data baru
3.Menampilkan form tambah data baru jumlah penderita
4.menginputkan data penyakit, bulan, tahun dan jumlah penderita
5.klik tombol simpan
6.Sistem memberikan info “berhasil ditambahkan”
Kondisi Akhir: Aktor menambah data jumlah penderita.
39
Tabel 3.35 Scenario Ubah Data Jumlah Penderita
Identifikasi
Nama Usecase Ubah Data Jumlah Penderita
Tujuan User dapat mengubah data jumlah penderita
Deskripsi Dalam hal ini user dapat mengubah tabel data jumlah penderita
Aktor Staff rekam medik
Skenario Utama
Kondisi Awal :Sistem menampilkan form data jumlah penderita
Aksi Aktor Reaksi Sistem
1. menampilkan tabel data jumlah penderita
2. memilih tombol ubah pada kolom action data yang akan diedit
3. menampilkan form ubah data jumlah penderita
4. mengubah data penyakit yaitu berupa penyakit, bulan, tahun, dan jumlah penderita
5. klik tombol simpan
6. Sistem memberikan pesan “berhasil diubah”
7.menampilkan tabel data jumlah penderita
Kondisi Akhir: Aktor mengubah data jumlah penderita.
40
Tabel 3.36 Scenario Hapus Data Jumlah Penderita
Identifikasi
Nama Usecase Hapus Data Jumlah Penderita
Tujuan User dapat menghapus data jumlah penderita
Deskripsi Dalam hal ini user dapat menghapus tabel data jumlah penderita
Aktor Staff rekam medik
Skenario Utama
Kondisi Awal :Sistem menampilkan form data jumlah penderita
Aksi Aktor Reaksi Sistem
1.menampilkan tabel data jumlah penderita
2. memilih tombol hapus pada kolom action data yang akan hapus
3. menampilkan pesan “apakah anda yakin ya/tidak”
4.klik tombol ya
21.menampilkan tabel data jumlah penderita yang sudah diubah
Kondisi Akhir: Aktor menghapus data jumlah penderita.
3.2 Perancangan sistem
Pada tahap ini akan dilakukan perancangan sistem berdasarkan usecase yang
telah dibuat. Perancangan dimulai dari pembuatan activity diagram, sequence
diagram, class diagram, hingga perancangan interface sistem dimana perancangan
sistem disini bertujuan untuk membangun sistem yang sesuai dengan keinginan kita
dan merancang fitur-fitur agar sesuai dengan kebutuhan.
41
3.2.1 Activity Diagram
Activity diagram adalah representasi grafis dari seluruh tahapan alur kerja.
Diagram ini mengandung aktivitas, pilihan tindakan, perulangan dan hasil dari
aktivitas.
Gambar 3.3 Activity diagram prediksi data pasien
Gambar 3.3 merupakan activity diagram dari prediksi pasien. Aktor akan
melihat prediksi data pasien. Proses dimulai dari aktor membuka aplikasi,
kemudian sistem menampilkan menu halaman utama, aktor memilih menu prediksi.
Setelah aktor memilih menu prediksi, sistem akan menampilkan dropdown menu
prediksi, kemudian aktor memilih dropdown menu prediksi pasien dan sistem akan
menampilkan data prediksi pasien tiga bulan berikutnya.
Gambar 3.4 Activity diagram prediksi data ICD10
42
Gambar 3.4 merupakan activity diagram dari prediksi data ICD10. Proses
dimulai dari aktor membuka aplikasi. Kemudian sistem menampilkan menu
halaman utama, kemudian aktor memilih menu prediksi. Setelah aktor memilih
menu prediksi, sistem akan menampilkan dropdown menu prediksi. Aktor memilih
dropdown menu prediksi data ICD10 dan sistem akan menampilkan data prediksi
pasien tiga bulan berikutnya.
Gambar 3.5 Activity diagram lihat data ICD10
Gambar 3.5 merupakan activity diagram dari lihat data ICD10. Aktor akan
melihat prediksi data ICD10. Proses dimulai dari sistem menampilkan tampilan
form data ICD10, kemudian aktor memilih menu bulan dan tahun, setelah itu.pilih
lihat, sistem akan menampilkan tabel data ICD10.
Gambar 3.6 Activity diagram lihat data pasien
43
Gambar 3.6 merupakan activity diagram dari lihat data pasien. Aktor akan
melihat data pasien. Proses dimulai dari aktor membuka aplikasi, kemudian sistem
akan menampilkan menu utama. Setelah itu aktor pilih menu data pasien dan
sistem akan menampilkan tabel data pasien.
Gambar 3.7 Activity diagram CRUD data user
Gambar 3.7 merupakan activity diagram dari CRUD data user. Proses
dimulai dari aktor membuka aplikasi. Kemudian sistem menampilkan menu
halaman utama. Aktor akan menambah data user, memilih menu data user, sistem
akan menampilkan tabel data user. Aktor memilih tambah data user dan sistem akan
menampilkan form tambah data user, kemudian aktor memasukan data user yang
akan ditambah dan pilih simpan, sistem akan menampilkan pesan berhasil ditambah
dan sistem akan menampilkan tabel data user. Aktor akan mengedit data user pilih
44
detail pada data user yang akan diedit, sistem akan menampilkan data user yang
dipilih. Kemudian aktor pilih edit dan sistem akan menampilkan form edit data user,
setelah aktor mengedit data user dan pilih simpan, sistem akan menampilkan pesan
berhasil diubah dan sistem akan menampilkan tabel data user yang telah diubah.
Aktor akan menonaktifkan data user, pilih non aktifkan pada data user dan sistem
akan menampilkan pesan apakah anda yakin ya/tidak, setelah aktor memilih ya dan
sistem akan menampilkan tabel data user yang telah diubah.
Gambar 3.8 Activity diagram CRUD data pasien
Gambar 3.8 merupakan activity diagram dari CRUD data pasien. Proses
dimulai dari aktor membuka aplikasi. Kemudian sistem menampilkan menu
halaman utama. Aktor akan menambah data pasien, memilih menu data pasien,
sistem akan menampilkan tabel data pasien. Aktor memilih tambah data pasien dan
45
sistem akan menampilkan form tambah data pasien, kemudian aktor memasukan
data pasien yang akan ditambah dan pilih simpan, sistem akan menampilkan pesan
berhasil ditambah dan sistem akan menampilkan tabel data pasien. Aktor akan
mengedit data pasien. Pilih edit pada tabel data pasien yang akan diedit, sistem akan
menampilkan form edit data pasien, setelah aktor mengedit data pasien dan pilih
simpan, sistem akan menampilkan pesan berhasil diubah dan sistem akan
menampilkan tabel data pasien yamg telah diubah. Aktor akan menghapus data
pasien, pilih hapus pada tabel data pasien dan sistem akan menampilkan pesan
apakah anda yakin ya/tidak, setelah aktor memilih ya dan sistem akan menampilkan
tabel data user yang telah diubah.
Gambar 3.9 Activity diagram CRUD data penyakit
46
Gambar 3.9 merupakan activity diagram dari CRUD data penykit. Aktor
akan menambah data penyakit. Proses dimulai dari sistem menampilkan tabel data
penyakit, kemudian aktor memilih tambah data penyakit dan sistem akan
menampilkan form tambah data penyakit. Setelah aktor menambah data penyakit
dan memilih simpan, sistem akan menampilkan pesan berhasil ditambahkan dan
menampilkan tabel data penyakit yang telah ditambah.
Gambar 3.10 Activity diagram CRUD data jumlah penderita
Gambar 3.10 merupakan activity diagram dari CRUD data jumlah
penderita. Aktor akan menambah data jumlah penderita. Proses dimulai dari sistem
menampilkan tabel data jumlah penderita, kemudian aktor memilih tambah data
data jumlah penderita dan sistem akan menampilkan form tambah data jumlah
penderita. Setelah aktor menambah data jumlah penderita dan memilih simpan,
47
sistem akan menampilkan pesan berhasil ditambahkan dan menampilkan tabel data
jumlah penderita yang telah ditambah. Aktor akan mengedit data jumlah penderita.
Pilih edit pada tabel data jumlah penderita yang akan diedit, sistem akan
menampilkan form edit data jumlah penderita, setelah aktor mengedit data jumlah
penderita dan pilih simpan, sistem akan menampilkan pesan berhasil diubah dan
sistem akan menampilkan tabel data jumlah penderita yamg telah diubah. Aktor
akan menghapus data jumlah penderita, pilih hapus pada tabel data jumlah
penderita dan sistem akan menampilkan pesan apakah anda yakin ya/tidak, setelah
aktor memilih ya dan sistem akan menampilkan tabel data jumlah penderita yang
telah diubah.
3.2.2 Sequence Diagram
Sequence diagram adalah sebuah diagram yang menggambarkan kelakuan
objek pada use case dengan mendiskripsikan waktu hidup objek dan pesan yang
dikirimkan dan diterima antar objek. Dibawah ini merupakan sequence diagram
dari sistem yang akan dikembangkan:
Gambar 3.11 Sequence diagram prediksi data pasien
Pada gambar 3.11 menunjukan proses prediksi data pasien. Proses dimulai
dari user memilih menu prediksi data pasien dan sistem akan mengambil data
prediksi dari database sistem dan sistem akan menampilkan hasil prediksi data
pasien tiga bulan berikutnya kepada user.
48
Gambar 3.12 Sequence diagram prediksi data ICD10
Pada gambar 3.12 menunjukan proses prediksi data ICD10. Proses dimulai
dari user memilih menu prediksi data ICD10 dan sistem akan mengambil data
prediksi dari database dan sistem akan menampilkan hasil prediksi data ICD10 tiga
bulan berikutnya kepada user.
Gambar 3.13 Sequence diagram CRUD data user
49
Pada gambar 3.13 menunjukan proses crud data user. User disini diperankan
oleh kepala rekam medik yang mempunyai hak ases dalam memanajemen data user.
Proses dimulai dari user menambah, mengedit, dan menonaktifkan data user pada
form data user dan database sistem akan menyimpan data user yang telah ditambah,
diubah, dan dinonaktifkan setelah tersimpan didatabase akan ditampilkan data user
yang telah ditambah.
Gambar 3.14 Sequence diagram CRUD data pasien
Pada gambar 3.14 menunjukan proses lihat, tambah, edit, dan hapus data
pasien. Proses dimulai dari user memilih menu data pasien dan sistem akan
mendapatkan data pasien dari database dan sistem akan menampilkan data pasien.
Gambar 3.15 Sequence diagram lihat data ICD10
50
Pada gambar 3.15 menunjukan proses lihat, tambah, edit, dan hapus data
ICD10. Proses dimulai dari user memilih menu data ICD10 dan sistem akan
mendapatkan data ICD10 dari database dan sistem akan menampilkan data ICD10.
Gambar 3.16 Sequence diagram CRUD data jenis penyakit
Pada gambar 3.16 menunjukan proses tambah data jenis penyakit. User
disini diperankan oleh staff rekam medik yang mempunyai hak ases dalam
memanajemen data jenis penyakit. Proses dimulai dari lihat, tambah, edit, dan
hapus data jenis penyakit pada form data jenis penyakit dan database sistem akan
menyimpan data jenis penyakit yang telah lihat, tambah, edit, dan hapus, setelah
tersimpan didatabase, akan ditampilkan kepada user.
51
Gambar 3.17 Sequence diagram CRUD data jumlah penderita
Pada gambar 3.17 menunjukan proses tambah data jenis penyakit. Proses
dimulai dari user menambah data jumlah penderita pada form data jumlah penderita
dan database sistem akan menyimpan data jumlah penderita yang telah ditambah,
setelah tersimpan didatabase, akan ditampilkan kepada user.
3.2.3 Class Diagram
Classdiagram merupakan spesifikasi dari pengembangan dan desain
berorientasi objek yang menggambarkan struktur dan deskripsi class, package dan
objek beserta hubungan satu sama lain. Berikut adalah penjelasan dari class
diagram pada gambar 3.18.
52
Gambar 3.18 Class Diagram
3.2.4 Perancangan Interface
Pada sub bab ini, akan dijelaskan rancangan interface dari sistem yang akan
dibangun. Desain interface didesain sesederhana mungkin untuk mempermudah
penggunaan sistem. Sistem akan dibangun dengan bahasa pemrograman PHP dan
Framework Codeigniter.
3.2.4.1 Login
Halaman Login merupakan halaman yang disediakan oleh sistem untuk
melindungi data riwayat transaksi user dari pihak yang tidak memiliki hak untuk
mengaksesnya. Halaman Login akan tampil ketika program dijalankan.
Ketika program baru pertama kali dijalankan, username dan password
dikosongkan. Setelah login berhasil, halaman utama akan tampil. Setelah user
masuk ke dalam halaman utama sistem, user akan masuk pada halaman menu utama
atau dashboard.
53
Gambar 3.19 Rancangan interface login
3.2.4.2 Home / Dashboard
Halaman ini adalah halaman yang terdapat dimenu utama setelah user
berhasil melakukan login. Didalam halaman ini terdapat grafik data pasien dan
grafik data ICD10.
Gambar 3.20 Rancangan interface home atau dashboard
3.2.4.3 Fitur Prediksi Data Pasien
Halaman ini adalah fitur prediksi data pasien. Disisi sidebar terdapat
beberapa menu utama lainya, yaitu : data pasien, data ICD10, prediksi data ICD10.
Pada fitur prediksi data pasien ini hanya bisa di akses oleh kepala rekam medik.
Didalam fitur ini user dapat melihat hasil prediksi data pasien yang sudah diproses
menggunakan metode Double Exponential Smoothing selama tiga periode
berikutnya. Detail gambarnya dapat dilihat pada gambar 3.21.
54
Gambar 3.21 Rancangan interface fitur prediksi data pasien
3.2.4.4 Fitur Prediksi Data ICD10
Pada gambar 3.22 berikut adalah gambar fitur prediksi data ICD10. Pada
fitur ini hanya bisa diakses oleh kepala rekam medik. Didalam fitur ini terdapat
hasil prediksi data ICD10 berdasarkan data ICD10 yang telah diinputkan oleh staff
rekam medik. Fitur ini memprediksikan data ICD10 tiga periode berikutnya.
Metode prediksi yang digunakan Double Exponential Smoothing.
Gambar 3.22 Rancangan interface fitur prediksi data ICD10
3.2.4.5 Fitur Lihat Data Pasien
Pada gambar 3.23erikut adalah gambar fitur lihat data pasien. Pada fitur ini
kepala dan staff rekam medik dapat melihat data pasien yang telah diinputkan oleh
staff rekam medik.
55
Gambar 3.23 Rancangan interface fitur lihat data pasien
3.2.4.6 Fitur Lihat Data ICD10
Pada gambar 3. 42 berikut adalah gambar fitur lihat data ICD10. Pada fitur
ini kepala dan staff rekam medik dapat melihat data ICD10 yang telah diinputkan
oleh staff rekam medik.
Gambar 3.24 Rancangan interface fitur lihat data ICD10
3.2.4.7 Fitur CRUD Data User
Pada fitur ini hak akses hanya dimiliki oleh kepala rekam medik. Didalam
fitur ini terdapat data user yaitu staff rekam medik yang berisi data staff, username
dan password user/staff.
56
Gambar 3.25 Rancangan interface fitur CRUD data user
3.2.4.8 Fitur CRUD Data Pasien
Pada gambar 3.26 merupakan gambar rancangan interface fitur CRUD data
pasien. Fitur ini hanya bisa diakses oleh staff rekam medik yang berfungsi
menambah, mengubah, mnghapus data pasien.
Gambar 3.26 Rancangan interface fitur CRUD data pasien
3.2.4.9 Fitur CRUD Data Penyakit
Pada gambar 3.27 merupakan gambar rancangan interface fitur CRUD data
penyakit. Didalam fitur ini terdapat fitur menambah, mengubah dan menghapus
data penyakit.
57
Gambar 3.27 Rancangan interface fitur CRUD data penyakit
3.2.4.10 Fitur CRUD Data Jumlah Penderita
Pada gambar 3.28 merupakan gambar rancangan interface fitur CRUD
data jumlah penderita. Didalam fitur ini terdapat fitur menambah, mengubah dan
menghapus data jumlah penderita.
Gambar 3.28 Rancangan interface fitur CRUD data jumlah penderita
top related