Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
The approach of software product line engineering produces multiple application variant based on their commonality and variability. We need to collect information regarding the application variants for them to have an automatically produced compatible database to conduct their business processes. In this research, we try to define adaptive database which tries to bypass the process of information collecting. Adaptive database itself is defined through combining the definition of adaptive in software product line and previous approaches which generates a compatible relational database schema for each generated application variant from software product line. To implement adaptive database in software product line, MongoDB is used. Using MongoDB, an application variant is expected to be able to directly use MongoDB database without any previous information collecting and automated generation of any properties which make a database compatible. In this research, we have implemented MongoDB for software product line using Model-View-Controller (MVC) framework with the basis of Abstract Behavioral Specification (ABS). However, we found several factors which hinder the process of having an adaptive database in the ABS MVC Framework for software product line ......Software product line (SPL) memodelkan aplikasi dalam sebuah domain bisnis berdasarkan commonality dan variability. Berdasarkan permodelan ini, proses engineering sebuah varian aplikasi dapat diotomasi. Dalam proses engineering, proses pembuatan database dari sebuah aplikasi juga diperlukan otomasi. Salah solusi dari hal ini, adalah penggunaan adaptive database. Pada adaptive database, penyesuaian kebutuhan terkait data dari aplikasi menjadi lebih fleksibel karena dilakukan saat runtime. Teknologi yang digunakan untuk mengimplementasikan adaptive database pada SPL adalah MongoDB. Dalam implementasinya, kami menggunakan MongoDB pada sebuah Model-View-Controller (MVC) framework dengan basis Abstract Behavioral Specification (ABS) untuk memodelkan SPL. Dalam prosesnya, ada beberapa temuan yang menghambat adaptive database untuk dapat digunakan pada ABS MVC Framework.

Abstrak :
Di era big data, meningkatnya volume dan variasi data menambah kompleksitas pengelolaan data. Dalam pengembangan dan inovasi teknologi, optimasi kinerja basis data sering diabaikan. Para pengembang sering fokus pada penyelesaian fungsionalitas tanpa mempertimbangkan dampaknya terhadap performa, mengakibatkan penggunaan sistem basis data yang tidak optimal. Oleh karena itu, pemilihan sistem basis data yang tepat sangat penting untuk memastikan kinerja yang efisien dan optimal. Struktur basis data yang umum digunakan adalah Structured Query Language (SQL) dan Non-Structured Query Language (NoSQL). Dalam SQL, data disimpan dalam skema tabel relasional yang terstruktur, dengan PostgreSQL sebagai salah satu contohnya. Sebaliknya, dalam NoSQL, data disimpan dalam format yang fleksibel dan tidak terpaku pada struktur tabel, sehingga cocok untuk berbagai tipe data. Contoh basis data NoSQL adalah Cassandra dan MongoDB. Penelitian ini akan menguji sistem basis data PostgreSQL, Cassandra, dan MongoDB lalu membandingkan performa ketiga sistem tersebut pada platform Ubuntu. Penelitian ini menguji kinerja sistem basis data dalam proses impor data (bulk-loading) dan berbagai jenis operasi basis data, dengan variasi ukuran dataset dan limit. Hasil penelitian menunjukkan bahwa untuk dataset 1 juta baris, PostgreSQL memiliki performa terbaik dalam impor data dengan waktu rata-rata 1.207 detik, diikuti MongoDB mengikuti dengan waktu 16.614 detik, sementara Cassandra Single Node membutuhkan 72.199 detik dan Cassandra Multi Node membutuhkan 119.533 detik. Dalam total 17 pengujian operasi basis data, PostgreSQL unggul dalam 13 pengujian operasi basis data, Cassandra unggul dalam 4 pengujian, dan MongoDB tidak menunjukkan keunggulan dalam pengujian apa pun. Meskipun PostgreSQL unggul dalam operasi basis data umum, kinerjanya lebih lambat pada operasi yang kompleks. Cassandra menunjukkan kinerja yang baik tetapi terbatas dalam fitur operasi kompleks. Sebaliknya, MongoDB menunjukkan kinerja paling lambat secara keseluruhan namun dapat menangani semua jenis operasi yang diuji, menunjukkan fleksibilitas. ......In the era of big data, the increasing volume and variety of data add complexity to data management and processing. In the development and innovation of technology, database performance optimization is often overlooked. Developers often focus on functionality without considering its impact on performance, resulting in suboptimal use of database systems. Therefore, selecting the right database system is crucial to ensure efficient and optimal performance of the database systems. Structured Query Language (SQL) and Non-Structured Query Language (NoSQL) are commonly used database structures. In SQL, data is stored in a structured relational table schema, with PostgreSQL as a notable example. Conversely, in NoSQL, data is stored in a flexible format not bound to table structures, making it suitable for various data types. Examples of NoSQL databases are Cassandra and MongoDB. This study examines PostgreSQL, Cassandra, and MongoDB systems and compares their performance on the Ubuntu platform. The study tests database performance in data import (bulk-loading) and various database operations using different dataset sizes and limits. The results show that for a dataset of 1 million rows, PostgreSQL has the best import performance with an average time of 1,207 seconds, followed by MongoDB with 16,614 seconds, while Cassandra Single Node takes 72,199 seconds and Cassandra Multi Node takes 119,533 seconds. Out of 17 database operation tests, PostgreSQL excelled in 13 tests, Cassandra in 4 tests, and MongoDB did not excel in any tests. Although PostgreSQL excels in general database operations, its performance is slower in complex operations. Cassandra shows good performance but is limited in complex operation features. In contrast, MongoDB shows the slowest overall performance but can handle all operations tested, demonstrating flexibility.