digilib@itb.ac.id +62 812 2508 8800

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.