Perpustakaan Digital ITB

Penelitian Atzeni dkk. (2020) mengusulkan sebuah metodologi desain untuk basis data NoSQL yang berfokus terhadap komonalitas struktur data NoSQL berbasis agregat. NoAM (NoSQL Abstract Model) diajukan sebagai model data abstrak dengan tiga bentuk model logis yaitu ETF (Entry per Top-level Field), EAO (Entry per Aggregate Object), dan aggregate partitioning. Pada NoAM, digunakan pola akses data dan kebutuhan konsistensi sebagai pedoman dalam aktivitas agregasi dan partisi agregat. Atzeni dkk. (2020) tidak mendefinisikan prosedur dalam pemanfaatan pola akses data dalam pembentukan model agregat maupun model logis yang didefinisikan, pada khususnya aggregate partitioning. Tugas Akhir ini bertujuan memaparkan alternatif pemanfaatan pola akses data terhadap model konseptual. Solusi yang diajukan memanfaatkan tiga artefak utama, yaitu UML Class Diagram, Dokumen Query, dan Dokumen Frekuensi sebagai basis dalam pemodelan konseptual dan agregasi. Agregasi dilakukan mempertimbangkan frekuensi query read dan update terhadap kelas dan relasi pada Class Diagram. Modifikasi terhadap metode desain agregat Chen dkk. (2022) digunakan sebagai prosedur pembuatan agregat dengan hasil model logis ETF. Model logis ETF lebih lanjut ditransformasikan menjadi model EAO dan model aggregate partitioning. Algoritma partisi vertikal Navathe & Ra (1989) digunakan dalam melakukan partisi model ETF menjadi model aggregate partitioning. Ketiga model logis NoAM, ETF, EAO, dan aggregate partitioning yang dihasilkan dipetakan menjadi model fisik basis data Key-Value Store pada Riak KV dan Document Store pada MongoDB. Pengujian dilakukan terhadap masing-masing model fisik yang dihasilkan dengan model fisik hasil transformasi model pembanding pada masing-masing kelompok basis data. Model pembanding yang digunakan adalah model key-value hasil metode Valiandi & Azizah (2022) dan model document store hasil pendekatan Shin dkk. (2020). Hasil pengujian menggambarkan model hasil dari metode yang dikembangkan di tugas akhir ini memiliki kinerja yang lebih baik pada operasi read. Kinerja model hasil pada operasi update dan create memiliki beberapa kekurangan baik kinerja maupun kemampuan dibandingkan dengan model pembanding.