Dalam papernya, Lima dan Mello (2015) telah memaparkan algoritma konversi model
konseptual dengan Entity Relationship Model (ER model) ke model logis NoSQL berorientasi
dokumen dengan memanfaatkan informasi workload pada EER. Informasi workload
menggambarkan estimasi volume dan frekuensi akses yang akan dilakukan pada basis data. Pada
penelitian lain, Rossel dan Manna (2020) menyebutkan bahwa pertimbangan query, khususnya
frekuensi perubahan entitas, diperlukan dalam pemodelan data dalam basis data NoSQL
berorientasi dokumen sehingga dihasilkan model logis dengan kinerja yang efisien.
Pada tugas akhir ini, dikembangkan algoritma konversi ER model ke model logis NoSQL
berorientasi dokumen dengan workload akan dikembangkan untuk mempertimbangkan frekuensi
update entitas dalam pemodelannya.
Pada basis data NoSQL berorientasi dokumen, suatu relationship dalam model data dapat
direpresentasikan dengan metode embedding dan/atau reference. Keputusan untuk memilih
metode tersebut dipengaruhi oleh frekuensi perubahan suatu entitas. Algoritma pemodelan data
untuk basis data NoSQL berorientasi dokumen dengan berbasis workload akan dimodifikasi untuk
memperhitungkan frekuensi update entitas dalam menentukan keputusan tersebut.
Berdasarkan hasil pengujian, secara umum pada level fisik basis data diperoleh bahwa
algoritma pemodelan data memiliki kinerja yang lebih baik dalam operasi read yang menggunakan
reference karena algoritma mengurangi penggunaan reference sehingga mempercepat
pengambilan data, tetapi memiliki kinerja yang lebih buruk dalam operasi create dan update
karena memperbanyak penggunaan embedding sehingga menyebabkan volume data semakin
besar.