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.
- Sebelum
- Sesudah
Daftar kunjungan hari ini
Indeks antrean (kunjungan_id, jenis)
Sebelum: 46–180 dtkSesudah: ±30 msWorklist rawat inap aktif
Dulu habis waktu; kini berindeks
Sebelum: > 120 dtkSesudah: ±0,1 dtkCari pasien dari akhiran No. RM
Kolom REVERSE(no_rm) + indeks
Sebelum: 1,6 dtkSesudah: 2 msDaftar jurnal akuntansi
Indeks jurnal (tanggal)
Sebelum: 620 msSesudah: 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.
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.
Lapis 1
Peramban
PC, tablet, HP · tema terang/gelap
Lapis 2
Next.js 16
React 19, TypeScript, Tailwind CSS 4
Lapis 3
Express 5 (Node.js)
Izin di setiap endpoint · realtime Socket.IO
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
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.