Cover
PUBLIC karya Abstrak
PUBLIC karya Abstract
PUBLIC karya Lembar Pengesahan
PUBLIC karya Tugas Akhir
PUBLIC karya
Basis data objek bergerak merupakan kumpulan data entitas bergerak. Data pergerakan
biasanya direkam dalam bentuk diskrit dan hanya mewakili sampel dari pergerakan objek
bergerak. Oleh karena itu, terdapat data yang hilang di antara dua titik sampel yang berurutan
yang disebut dengan data tidak diketahui. Spatio-temporal pattern (STP) query memungkinkan
query memiliki rangkaian predikat yang memenuhi batasan temporal. Implementasi yang telah
ada tidak mengestimasi data tidak diketahui sehingga tidak bisa mengetahui nilai predikat di
antara kedua ujung interval. Pada tugas akhir ini, dikembangkan kakas untuk menangani STP
query dengan estimasi data tidak diketahui yang memanfaatkan interpolasi.
STP query diekspresikan dalam bentuk predikat STP yang terdiri atas dua bagian, yaitu
serangkaian predikat temporal—bisa diperoleh dari operasi predikat lifted—dan batasan
temporal yang menyatakan hubungan temporal antar predikat. Tugas akhir ini berfokus pada
operasi predikat lifted. Operasi predikat lifted akan menerima sebuah predikat, dua entitas
(spasial atau objek bergerak), dan jenis interpolasi. Interpolasi digunakan untuk mengestimasi
data tidak diketahui sehingga terbentuk lintasan pergerakan dari objek bergerak. Garis hasil
interpolasi akan dioperasikan untuk mendapatkan lintasan ketika predikat terpenuhi. Lintasan
hasil operasi kemudian diubah menjadi predikat temporal (interval beserta nilai predikat).
Pada tugas akhir ini, ekstensi yang dihasilkan oleh Yogiandra (2019) telah dikembangkan
sehingga dapat menangani STP query dengan estimasi data tidak diketahui pada DBMS
PostgreSQL. Evaluasi dilakukan terhadap fungsionalitas dan kinerja kakas. Operasi interpolasi
yang dibangun telah berhasil mengestimasi lintasan dengan baik dan operasi predikat lifted
telah dapat mendeteksi predikat yang terpenuhi pada hanya sebagian inteval. Kinerja kakas
diukur berdasarkan waktu eksekusi. Kinerja yang didapatkan setidaknya 1,25 kali lebih lambat
daripada implementasi Yogiandra (2019). Berdasarkan hasil evaluasi, dapat disimpulkan
bahwa ekstensi yang dibangun telah berhasil mendeteksi predikat pada data tidak diketahui.