ANALISIS DATA PASIEN IBU HAMIL MENGGUNAKAN METODE BUSINESS INTELLIGENCE

Nadya Irmalia Azizah

Abstract


Abstrak

Saat ini kemajuan teknologi sedang dalam titik tertinggi perubahan besar pada munculnya revolusi industri seperti perkembangan perakitan produksi atau adanya penemuan microcip. Kemajuan teknologi ini tentunya pada hampir semua bidang merasakan bahkan mengimplementasikan atas kemajuan teknologi ini. Perkembangan teknologi informasi ini salah satunya mengarah pada sektor industri kesehatan. Industri kesehatan perlu sebuah metode dalam pengambilan keputusan karena, industri kesehatan akan sangat berhubungan dengan seorang pasien. Dimana pasien tersebut diperlukan tindakan secara cepat dan tepat guna menyelematkan nyawa dari seorang pasien. Klinik persalinan merupakan salah satu bagian dari industri kesehatan. Kondisi kehamilan dari seorang ibu hamil membawa konsekuensi pada kesehatan dirinya sendiri maupun janin yang dikandungnya. Para bidan menginformasikan berbagai masalah mengenai kehamilan maupun kesahatan janin yang belum lahir berdasarkan studi kasus dan pengalaman sebelumnya. Data yang banyak tersebut terkadang menjadi masalah pada klinik yang belum memiliki metode untuk mengklasifikasikan maupun menyimpan data dengan baik. Data yang melimpah akan menjadi tidak berguna jika tidak ada pengolahan yang baik dan pemanfaatan yang optimal. Masalah tersebut dapat diselesaikan dengan Business Intelligence menggunakan aplikasi Tableau public. Tools ini dapat digunakan untuk Klinik Persalinan X seperti untuk mengetahui bagaimana tren jumlah kelahiran/ persalinan setiap bulanya, variabelnya dapat berdasarkan jenis kelamin anak dan usia kehamilan. Masalah lainya untuk mengetahui tren masalah kesehatan yang dihadapi oleh ibu hamil dan janinya.

Kata Kunci: Business Intelligence, Analisis Data, Klinik Persalinan, Visualisasi Data


Full Text:

PDF

References


DAFTAR PUSTAKA

Afikah, P., Affandi, I.R. and Hasan, F.N. (2022) ‘Implementasi Business Intelligence Untuk Menganalisis Data Kasus Virus Corona di Indonesia Menggunakan Platform Tableau’, Pseudocode, 9(1), pp. 25–32. Available at: https://doi.org/10.33369/pseudocode.9.1.25-32.

Ariandi, M. and Rahma Puteri, S. (2022) ‘Analisis Visualisasi Data Kecamatan Kertapati menggunakan Tableau Public’, JUPITER (Jurnal Penelitian Ilmu dan Teknik Komputer), 14(2-b), pp. 366–373.

Fauzi, A. et al. (2022) ‘Business Intelligence: Peran dan Fungsinya Dalam Membantu Decision Makers Membuat Keputusan’, Jurnal Ilmu Manajemen Terapan, 4(2), pp. 144–150.

Fitria, A. and Yadi, llman Z. (2022) ‘Pemanfaatan Business Intelligence Untuk Visualisasi Data DanPemetaan Kasus Gizi Buruk Dan Gizi Kurang MenggunakanTableau (Studi Kasus Dinas Kesehatan Kota Prabumulih)’, Jurnal Mantik, 6(3), pp. 3436–3445.

Hodgetts, D., Stolte, O., Sonn, C., Drew, N., Carr, S., & Nikora, L. W. (2020). Social Psychology and Everyday Life. Bloomsbury Publishing

Jha, A.K., Agi, M.A.N. and Ngai, E.W.T. (2020) ‘A note on big data Analytics capability development in supply chain’, Decision Support Systems, 138(August), p. 113382. Available at: https://doi.org/10.1016/j.dss.2020.113382.

Ko, I. and Chang, H. (2018) ‘Interactive data visualization based on conventional statistical f indings for antihypertensive prescriptions using National Health Insurance claims data’, International Journal of Medical Informatics, 116(February), pp. 1–8. Available at: https://doi.org/10.1016/j.ijmedinf.2018.05.003.

Made Suartana, I., Putra, R.E. and Prapanca, A. (no date) Klasifikasi Data Trafik Jaringan dengan Framework Big Data Analitik.

Maghsoudi, M. and Nezafati, N. (2023) ‘Navigating the acceptance of implementing Business Intelligence in organizations: A system dynamics approach’, Telematics and Informatics Reports, 11(May), p. 100070. Available at: https://doi.org/10.1016/j.teler.2023.100070.

Maharani, P.O. et al. (2022) ‘Peran dan Fungsi Sumber Daya Bisnis Intelijen’, Jurnal Ilmu Multidisiplin (JIM), 1(1), pp. 274–286.

Okwara Jerry Chizoba and Buba Abba Kyari (2020) ‘Global Journal of Engineering and Technology Advances’, Global Journal of Engineering and Technology Advances, 05(02), pp. 047–056. Available at: https://doi.org/10.30574/gjeta.

Praful Bharadiya, J. (2023) ‘A Comparative Study of Business Intelligence and Artificial Intelligence with Big Data Analytics’, American Journal of Artificial Intelligence [Preprint]. Available at: https://doi.org/10.11648/j.ajai.20230701.14.

Rouhani, S., Asgari, S. and Mirhosseini, S.V. (2012) Review Study: Business Intelligence Concepts and Approaches, American Journal of Scientific Research.

Runkler, T. (2012) Data Analytics: Models and algorithms for intelligent data analysis, Data Analytics: Models and Algorithms for Intelligent Data Analysis. Vieweg and Teubner Verlag. Available at: https://doi.org/10.1007/978-3-8348-2589-6.

Stolte, C. R. (2003). Query, Analysis, and Visualization of Multidimensional Databases. Stanford University.

Utami, N.G., 2018. Analisis Faktor Yang Mempengaruhi Keputusan Tindakan Bedah Caesar Di RSUD Tugurejo Periode Agustus-Oktober 2017 (Doctoral dissertation, UNIMUS).

Wicaksana, A. and Rachman, T. (2018) Analisis Dan Visualisasi Data, Angewandte Chemie International Edition, 6(11), 951–952.




DOI: http://dx.doi.org/10.21927/ijubi.v6i2.3831

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Indonesian Journal of Business Intelligence (IJUBI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Lisensi Creative Commons
IJUBI by https://ejournal.almaata.ac.id/index.php/IJUBI is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

View My Stats
Indonesian Journal of Business Intelligence (IJUBI)
Department of Information System
Alma Ata University
Email: ijubi@almaata.ac.id