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

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.