Lewati ke konten
SIMRS DMPby Dania Multi Prima — ke beranda

Coba cari

Kinerja & benchmark SIMRS

SIMRS cepat, diuji dengan data rumah sakit 3 tahun.

Kami mengisi basis data dengan ±25 juta baris, mengukur jalur penting, lalu memperbaiki yang lambat. Kondisi pengukurannya kami tulis apa adanya.

±25 juta (±6 GB)

Total baris data uji

Pasien
200.000
Kunjungan (3 tahun)
954.414
Item tagihan
4,6 juta
Tindakan
2,3 juta
Jejak audit berantai
3,06 juta

01Hasil

Benchmark SIMRS: sebelum dan sesudah optimasi.

Jalur yang paling sering dipakai petugas, diukur pada data volume yang sama.

Waktu respons sebelum & sesudah optimasi
  • Sebelum
  • Sesudah
  • Daftar kunjungan hari ini

    Indeks antrean (kunjungan_id, jenis)

    Sebelum: 46–180 dtk
    Sesudah: ±30 ms
  • Worklist rawat inap aktif

    Dulu habis waktu; kini berindeks

    Sebelum: > 120 dtk
    Sesudah: ±0,1 dtk
  • Cari pasien dari akhiran No. RM

    Kolom REVERSE(no_rm) + indeks

    Sebelum: 1,6 dtk
    Sesudah: 2 ms
  • Daftar jurnal akuntansi

    Indeks jurnal (tanggal)

    Sebelum: 620 ms
    Sesudah: 16 ms

Skala logaritmik (tiap garis = 10× lebih lama). Batang “sebelum” memakai batas bawah rentang; teks di sampingnya angka asli hasil uji.

  • ±750×

    Cari akhiran No. RM

    Tidak lagi memindai seluruh tabel pasien

  • ±270×

    Konsol SATUSEHAT, halaman 1

    Tanpa mengurutkan ±1 juta baris tiap dibuka

  • 4×

    Hitung hasil cari nama pasien

    Membaca indeks ±10 MB, bukan baris lebar

  • 2,2×

    Total pasien

    Indeks baru untuk COUNT & halaman daftar

  • 2–8 ms

    Ruang kerja rekam medis

    Timeline, CPPT, TTV, diagnosis, resume — tanpa pola query N+1.

  • 20 klien

    Transaksi resep bersamaan

    Kebuntuan pool koneksi diperbaiki — server tidak lagi macet.

Latensi p50/p95 diukur untuk 96 endpoint baca (N=30, 1 klien). Hanya angka yang tercatat di dokumen kinerja internal yang ditampilkan.

02Temuan & perbaikan

Masalah terbesar ternyata bukan query yang kurang cepat.

Indeks yang hilang dan kebuntuan koneksi. Keduanya sudah diperbaiki.

  • Indeks hilang di jalur panas

    Daftar kunjungan memindai seluruh tabel antrean untuk setiap baris: 46–180 detik. Kini ±30 ms.

    • 9 indeks pada tabel paling sering dibaca
    • Jumlah indeks per tabel praktis tetap
  • Kebuntuan pool koneksi

    ±20 transaksi bersamaan membuat seluruh server macet. Ditemukan lewat uji konkurensi.

    • Transaksi dibatasi; sisanya antre bergiliran
    • Selalu ada koneksi untuk query biasa
  • Cache laporan keuangan

    Neraca dan laba rugi dulu 2–8 detik karena menjumlah 1,7 juta baris jurnal.

    • Hasil agregat disimpan dengan sidik jari data
    • Jurnal berubah → cache otomatis diabaikan

Penulisan ulang query: hasil identik, kerja jauh lebih sedikit

  • Kartu stok

    Sebelum: Menjumlah seluruh riwayat barang, baru difilter

    Sesudah: Hanya baris dalam rentang + saldo awal berindeks

  • Cari pasien nama

    Sebelum: Baris tabel + COUNT terpisah

    Sesudah: Indeks penutup; 20 baris lengkap diambil terakhir

  • Laporan RL 3.19

    Sebelum: 3 subquery per kunjungan

    Sesudah: Satu JOIN LATERAL per kunjungan

  • Cari wilayah

    Sebelum: JOIN 4 level atas 84 ribu kelurahan per ketikan

    Sesudah: Indeks di memori, hasil diverifikasi identik

  • Penyambung rantai audit

    Sebelum: 1 UPDATE per baris

    Sesudah: Satu UPDATE per 100 baris

Sudah baik sejak awal: ruang kerja RME, farmasi, kasir, dan order penunjang — 2–8 ms, tanpa pola N+1.

03Metode

Metode uji dan catatan kejujuran.

Data uji dibangkitkan sesuai skema dan dimuat dalam 10,5 menit. Kondisi pengukuran yang kurang ideal ikut kami tulis.

Laptop pengembang, bukan server

Buffer pool MySQL hanya 128 MB untuk data 6 GB — jadi ini skenario terburuk.

Diperiksa setelah pemuatan

  • Rantai audit valid
  • Jurnal seimbang
  • Stok tidak pernah negatif
  • No. RM, NIK, No. registrasi unik
  • Tidak ada foreign key yatim

Alat ukur bisa dijalankan ulang di staging RS:

  • gen-data.mjs
  • query-counter.mjs
  • bench.mjs
  • concurrency.mjs
  • ab-query.mjs

04Rekomendasi

Konfigurasi server SIMRS produksi.

Contoh untuk server basis data RAM 32 GB — sesuaikan secara proporsional.

my.cnf · [mysqld]
  • innodb_buffer_pool_size

    60–70% RAM; faktor terbesar

    20G

  • innodb_flush_log_at_trx_commit

    Wajib untuk data klinis & keuangan

    1

  • sync_binlog

    Bila binlog/replikasi dipakai

    1

  • innodb_io_capacity / _max

    SSD/NVMe (HDD: 200)

    2000 / 4000

  • max_connections

    ≥ pool × jumlah proses API + cadangan

    300

Tips produksi

  • SSD/NVMe; durabilitas penuh untuk data klinis
  • Kecualikan data MySQL dari antivirus real-time
  • DB_POOL_SIZE 20–30 per proses API
  • Beberapa proses API di belakang reverse proxy
  • Laporan berat di luar jam puncak

05Arsitektur

Teknologi SIMRS berbasis web modern.

Ditulis ulang total dari versi lama: tanpa PHP, modular per domain.

  1. Lapis 1

    Peramban

    PC, tablet, HP · tema terang/gelap

  2. Lapis 2

    Next.js 16

    React 19, TypeScript, Tailwind CSS 4

  3. Lapis 3

    Express 5 (Node.js)

    Izin di setiap endpoint · realtime Socket.IO

  4. Lapis 4

    MySQL 8

    InnoDB, utf8mb4, foreign key

Kinerja dipantau, bukan ditebak

Panel Kesehatan Sistem menampilkan pool koneksi, antrean integrasi, dan pekerja latar. Metrik Prometheus bisa disambungkan ke pemantauan RS.

Keandalan & pemulihan bencana
Konsol Super Admin tab Kesehatan Sistem: status kesiapan, alert aktif, pool database 13/20, memori proses API, dan tabel antrean integrasi

06Pertanyaan

Tentang angka-angka ini.

Kinerja di server Anda bergantung pada perangkat keras dan konfigurasi. Uji ulang di staging sebelum go-live.

Apakah data uji ini data pasien sungguhan?

Bukan. Data dibangkitkan generator yang mengikuti skema dan format nomor dokumen aplikasi, setara RS yang berjalan 3 tahun. Tidak ada data pasien nyata yang dipakai.

Mengapa diuji di laptop, bukan server?

Untuk mengukur skenario terburuk: buffer pool MySQL hanya 128 MB untuk data ±6 GB, sehingga query tanpa indeks langsung terlihat lambat. Di server produksi hasilnya umumnya lebih baik, tetapi kami tidak menjanjikan angka sebelum diukur di server Anda.

Bagaimana bila data rumah sakit kami jauh lebih besar?

Arsipkan jejak audit per tahun bila melebihi 50 juta baris, jalankan laporan berat di luar jam puncak, dan pakai replika hanya-baca untuk laporan. Alat ukur yang sama bisa dijalankan di server staging RS Anda.

Ingin melihat uji kinerja di server Anda sendiri?

Alat ukur yang sama dapat dijalankan di staging rumah sakit. Bahas bersama tim IT Anda saat demo.