STUDI KOMPARATIF KINERJA NoSQL DATABASE SEBAGAI MEDIA PENYIMPANAN DATA INTERNET OF THINGS
Ega Julia Fajarsari egajulia@staff.gunadarma.ac.id
Fakultas Teknologi Informasi Universitas Gunadarma ABSTRAK
Salah satu hal terbesar didalam Revolusi Industri 4.0 adalah Internet of Things. Konsep IoT mengacu pada tiga elemen utama yaitu barang fisik yang dilengkapi modul IoT, perangkat koneksi internet seperti router dan modem, dan data center berbasis cloud tempat untuk menyimpan aplikasi beserta data storage.Berbicara tentang data, maka tidak akan luput dari media penyimpanan data itu sendiri, dalam hal ini sistem basis data (database)Saat ini terdapat dua jenis database, yaitu Relational Database serta Not Only SQL (NoSQL) Database.Tujuan dari penulisan ini adalah melakukan studi literature terhadap tiga jurnal yang membahas mengenai perbandingan kinerja dari beberapa NoSQL database yang digunakan sebagai media penyimpanan data untuk IoT (Internet of Things) seperti Apache Cassandra, MongoDB, dan Apache Hbase. Hasil dari studi literature tiga jurnal yang dibahas adalah pada perbandingan rata-rata nilai pengujian antara MongoDB dan Hbase ,MongoDB lebih banyak memiliki keunggulan dibandingkan dengan Hbase pada penyimpanan data text dan data gambar. Akan tetapi jika dilihat dari menyimpan data gambar dengan parameter Disk I/O Hbase mempunyai kinerja yang lebih baik dibandingkan MongoDB. Pada perbandingan kinerja antara Cassandra dan MongoDB untuk pertukaran data dengan ukuran besar, maka NoSQL Cassandra menjadi solusi untuk media penyimpanan datanya. Akan tetapi untuk pertukaran data dengan ukuran kecil, maka NoSQL MongoDB menjadi solusi sebagai media penyimpanan datanya. Pada perbandingan kinerja Cassandra dan Hbase, Cassandra memiliki kinerja yang lebih baik sebagai media penyimpanan data sensor IoT karena memiliki performa transaksi data yang lebih baik daripada Hbase.
Kata kunci : IoT, Apache Cassandra, MongoDB, Apache Hbase PENDAHULUAN
Saat ini merupakan zaman dimana Revolusi Industri 4.0 baru dimulai dikarenakan terdapat banyak inovasi baru di Industri 4.0, diantaranya Internet of Things (IoT), Big Data, percetakan 3D, Artifical Intelligence (AI), kendaraan tanpa pengemudi, rekayasa genetika, robot dan mesin pintar. Salah satu hal terbesar didalam Revolusi Industri 4.0 adalah Internet of Things. IoT (Internet of Things) memiliki kemampuan dalam menyambungkan dan
memudahkan proses komunikasi antara mesin, perangkat, sensor, dan manusia melalui jaringan internet.
Internet of Things adalah suatu sistem dimana terhubung & terintegrasi nya perangkat satu dengan yang lainnya. Internet merupakan jaringan penghubung antar perangkat sehingga dapat terintegrasi. Hasil dari integrasi perangkat tersebut menghasilkan kode atau data yang dapat diidentifikasi. Lalu, dari identifikasi kode dan data tersebut dapat digunakan untuk berbagai macam keperluan manusia.Konsep IoT mengacu pada tiga elemen utama yaitu barang fisik yang dilengkapi modul IoT, perangkat koneksi internet seperti router dan modem, dan data center berbasis cloud tempat untuk menyimpan aplikasi beserta data storage. (Pramukantoro,2017). Jumlah data yang dihasilkan IoT tidaklah sedikit dengan bentuk dan format yang beragam sehingga diperlukan suatu media penyimpanan data dalam hal ini adalah system basis data (database) yang memiliki kinerja yang baik agar system IoT dapat berjalan dengan baik.
Saat ini terdapat dua jenis database, yaitu Relational Database dan Not Only SQL (NoSQL) Database. Relational Database masih memiliki keterbatasan dalam menangani masalah skalabilitas dan availability dimana NoSQL Database adalah solusi atas masalah tersebut. NoSQL Database cocok digunakan sebagai media penyimpanan data sensor IoT mengingat availability merupakan faktor terpenting agar sistem IoT dapat berjalan dengan baik secara realtime. Ada banyak contoh NoSQL Database yang banyak digunakan saat ini seperti Apache Cassandra, MongoDB, Neo4J, Apache Hbase, Aerospike, CouchDB dan masih banyak lagi yang lainnya (Zafar,2017).
Tujuan dari penulisan ini adalah melakukan studi literature terhadap tiga jurnal yang membahas mengenai perbandingan kinerja dari beberapa NoSQL database yang digunakan sebagai media penyimpanan data untuk IoT (Internet of Things) seperti Apache Cassandra, MongoDB, dan Apache Hbase.
SURVEY LITERATUR
Saat ini NoSQL Database memiliki banyak contoh yang banyak digunakan seperti Apache Cassandra, MongoDB, dan Apache Hbase.
NoSQL Database Apache Cassandra
Salah satu produk basis data NoSQL yang menerapkan fitur schema-free adalah Cassandra. Dalam Cassandra, pengembang hanya perlu mendefinisikan keyspace sebagai pertimbangan container dan contains column families. Keyspace hanya digunakan sebagai logical namespace yang dapat dimasukkan dalam configurations dan hold column families. Column families artinya sebuah nama untuk relasi data dan hirarki kolom (memungkinkan penyisipin tabel dalam kolom). Disamping itu, kita hanya perlu menambahkan data dalam tabel, menggunakan kolom, tanpa menentukan kolomnya terlebih dahulu. Dalam Cassandra kita hanya perlu mendefinisikan tabel namespace dan hirarki kolom didalamnya,
memodelkan dan mendesain tabel join adalah masalah dalam basis data relasional bukan NoSQL. (Farozi,2019)
NoSQL Database Apache Hbase
Diantara 225 jenis NoSQL Database, Hbase juga cukup populer digunakan untuk menangani data dalam jumlah besar yang setiap harinya dihasilkan dari bermacam – macam sumber. Hbase didesain untuk dapat mengelola data berukuran bersar dalam satu sistem terdistribusi karena berjalan diatas Hadoop, lebih tepatnya Hadoop Distributed File System(HDFS) dan memiliki fungsi sharding original bawaan yang dapat bekerja secara otomatis maupun manual. Hbase memiliki karakteristik ‘fault tolerance’ atau mampu menjamin keutuhan data meskipun terjadi kegagalan pada beberapa komputer yang dikerjakannya (Wijaya, Wayan, M, 2015).
NoSQL Database MongoDB
MongoDB merupakan sebuah system basis data yang berbasis dokumen (Document Oriented Database) dan termasuk sistem basis data yang menganut paham NoSQL. MongoDB tidak memiliki tabel, kolom, dan baris. Pada MongoDB yang ada hanyalah koleksi dan dokumen. Dokumen yang terdapat dalam MongoDB dapat memiliki atribut yang berbeda dengan dokumen lain walaupun berada dalam satu koleksi. Hal ini tidak dapat dilakukan dalam RDBMS, dimana sebuah baris dalam tabel tidak mungkin memiliki kolom yang berbeda dengan baris yang lain jika berada dalam satu tabel. MongoDB merupakan sistem basis data yang menggunakan konsep key-value, artinya setiap dokumen dalam MongoDB pasti memiliki key. Hal ini berbeda dalam RDBMS yang bisa tidak menggunakan primary key ketika membuat sebuah tabel. Sehingga walaupun kita membuat sebuah dokumen tanpa menggunakan primary key, tapi secara otomatis MongoDB memberinya sebuah key. Penggunaan konsep key-value sangat berperan penting, karena hal ini membuat MongoDB menjadi system basis data yang sangat cepat jika dibandingkan dengan non key-value seperti RDBMS. (Farozi,2019)
PEMBAHASAN
NoSQL Database menjadi solusi atas beberapa masalah yang dimiliki oleh Relational Database. NoSQL Database menawarkan solusi atas masalah skalabilitas dan availability yang biasanya masih menjadi keterbatasan suatu sistem Relational Database. NoSQL Database cocok untuk digunakan sebagai media penyimpanan data sensor IoT mengingat availability merupakan faktor terpenting agar sistem IoT dapat berjalan dengan baik secara realtime. Pada penulisan ini mengupas 3 jurnal mengenai perbandingan kinerja NoSQL Database sebagai media penyimpanan data IoT (Internet of Things), diantaranya yaitu : 1. Judul Penelitian :
Perbandingan Kinerja Hbase dan MongoDB Sebagai Backend IoT Data Storage (Wicaksono et al, 2018)
Tujuan Penelitian :
Melakukan perbandingan kinerja Hbase dengan MongoDB sebagai media penyimpanan data IoT dan menggunakan lingkungan (environment / framework) yang telah dikembangkan oleh peneliti sebelumnya.
Metode Penelitian :
Diagram alur metodologi penelitian dapat dilihat pada Gambar 1.
Gambar 1. Diagram Alir Metodologi Penelitian
Tahap perancangan lingkungan uji merupakan tahap yang digunakan penulis untuk menyiapkan berbagai kebutuhan yang dibagi menjadi kebutuhan perangkat lunak dan kebutuhan perangkat keras. Kebutuhan perangkat keras berisikan daftar perangkat yang akan digunakan dalam penelitian. Kebutuhan perangkat lunak berisikan daftar program yang digunakan dalam penelitian. Adapun topologi lingkungan yang akan dibangun sebagai berikut :
Gambar 2. Topologi Lingkungan Sistem
Gambar 2. Menjelaskan tentang penelitian sebelumnya dan penelitian yang akan dilakukan. Penelitian yang akan dilakukan akan menggunakan lingkungan dari penelitian sebelumnya, dan hanya mengganti tempat penyimpanannya saja menjadi Hbase sesuai dengan garis kotak merah putus – putus.
Tahap pengujian dilakukan untuk mengetahui apakah Hbase yang diusulkan dapat bekerja sesuai fungsionalitas. Pengujian yang dilakukan yaitu Hbase dapat menerima dan menyimpan data. Sesuai dengan tabel 1.
Tabel 1. Pengujian Penyimpanan
No Deskripsi Pengujian Skenario
UF_001
API Webservice dapat mengirim data sensor dht11 dari Internet Gateway Device ke database Hbase 1. Middleware sudah berjalan 2. Pengguna menjalankan kode subscriber 3. Pengguna menjalankan kode service 4. Kode menampilkan pesan data sensor dht11 berhasil di POST
UF_002
API Webservice dapat mengirim data sensor kamera dari Internet Gateway Device ke database Hbase 1. Middleware sudah berjalan 2. Pengguna menjalankan kode subscriber
3. Pengguna
menjalankan kode service
4. Kode menampilkan pesan data sensor kamera berhasil di POST
UF_003
Database Hbase Dapat menyimpan data dari sensor dht11
1. Pengguna melihat data pada tabel penyimpanan data UF_004
Database Hbase dapat menyimpan data dari sensor kamera
1. Pengguna melihat data pada tabel penyimanan data Hasil Penelitian :
Dari hasil pengujian Hbase dan MongoDB menggunakan dua pengujian text dan gambar dengan parameter yaitu runtime, throughput, CPU Usage, Memory Usage, dan Disk I/O dan lima data uji menghasilkan perbandingan data yaitu rata-rata data Text dengan parameter runtime sebesar 54s untuk Hbase, 33s untuk MongoDB. Parameter throughput sebesar 938 ops/s untuk Hbase, 1599 ops/s untuk MongoDB. Parameter CPU Usage sebesar 54% untuk Hbase, 48% untuk MongoDB. Parameter Memory Usage sebesar 81% untuk Hbase, 67% untuk MongoDB. Dan Parameter Disk I/O sebesar 482kb untuk Hbase, 4354kb untuk MongoDB.
Sedangkan rata-rata data gambar parameter runtime sebesar 64s Hbase, 60s MongoDB, parameter Throughput 84 ops/s Hbase, 90 ops/s MongoDB. Parameter CPU Usage 83% Hbase, 46% mongo. Parameter Memory Usage 93% Hbase, 84% MongoDB. Dan parameter Disk I/O 99.003kb Hbase, 37.885kb MongoDB.
Dari perbandingan rata-rata nilai pengujian MongoDB lebih banyak unggulnya dibandingkan dengan Hbase pada penyimpanan data text dan data gambar. Akan tetapi jika dilihat dari menyimpan data gambar dengan parameter Disk I/O Hbase mempunyai kinerja baik dibanding MongoDB.
2. Judul Penelitian : Perbandingan Kinerja Cassandra dan MongoDB Sebagai Backend IoT Data Storage (Kurniawan et al, 2019)
Tujuan Penelitian :
Membandingkan media penyimpanan data IoT dengan menggunakan Cassandra dan MongoDB di tinjau dari parameter runtime, throughput, CPU Usage, Memory Usage dan Disk I/O dalam melakukan operasi insert data. Selain itu, Cassandra yang diusulkan akan dilakukan pengujian fungsional dalam hal menyimpan dan menampilkan data IoT.
Metode Penelitian :
Pembangunann Lingkungan Uji merupakan tahap yang digunakan pada penelitian ini untuk menyiapkan berbagai perancangan yang digunakan untuk proses pengujian. Perancangan lingkungan uji tersebut terdiri dari topologi, perancangan database, perancangan utilitas pengujian, perancangan skenario pengujian dan data uji. Pada tahap topologi yang digunakan pada penelitian ini menggunakan topologi pada penelitian yang dikembangkan oleh pramukantoro (2017) dengan mengganti data storage menggunakan NoSQL Cassandra. Pada Gambar 3 menggambarkan topologi yang digunakan pada penelitian ini.
Gambar 3. Topologi penelitian
Pada perancangan database Cassandra yang berbasis column-oriented tentunya memerlukan penyesuaian terhadap data yang akan disimpan. Pada penelitian ini digunakan satu keyspace. Pada Gambar 4 menjelaskan schema dari database Cassandra yang digunakan.
Perancangan utilitas pengujian adalah pengujian yang dilakukan menggunakan kode program yang dibuat oleh peneliti. Adapun psudocode yang dirancang untuk utilitas pengujian antara lain, psudocode webservice, psudocode websocket, psudocode subscriber, psudocode insert data string Cassandra, psudocode insert data gambar Cassandra, psudocode insert data string MongoDB, psudocode insert data gambar MongoDB.
Tahap skenarion pengujian pada penelitian ini ada dua yaitu skenario pengujian fungsional dan pengujian kinerja database.Untuk pengujian kinerja database dilakukan dengan meninjau parameter uji berupa runtime, throughput, Memory Usage, CPU Usage dan Disk I/O dalam melakukan operasi insert data terhadap NoSQL Cassandra dan NoSQL MongoDB. Data yang digunakan pada saat melakukan operasi insert berupa data string dan data gambar dengan variasi jumlah data antara 10.000, 30.000, 50.000, 70.000, 100.000, 120.000, 150.000 untuk data string serta 1000, 3000, 5000, 7000, 10000 untuk data gambar.
Data uji yang digunakan berupa value dari data sensor dht11 untuk data string dan gambar berukuran 250Kb. Data uji yang digunakan dapat dilihat pada Gambar 3 dan Gambar 4.
Gambar 5. Data Uji Text
Tahap pengujian pada penelitian ini terdiri dari pengujian fungsionalitas dan pengujian kinerja database. Pengujian fungsionalitas digunakan untuk mengetahui apakah Cassandra yang diusulkan bisa menyimpan dan menampilkan data sensor.
Pengujian fungsionalitas dalam penyimpan data dimulai dengan menjalankan kode webservice. Selanjutnya menjalankan kode subscriber. Pada webservice terdapat method POST dan GET. Method POST tersebut digunakan untuk menyimpan data yang telah disubscribe oleh IGD ke dalam data storage. Method GET digunakan untuk mengambil data yang tersimpan pada data storage.
Pada pengujian kinerja database dimulai dengan menjalankan server agent pada database server. Kemudian setelah menjalankan ServerAgent, selanjutnya menjalankan JMeter dengan bantuan plugin perfmon. Kemudian,setelah itu menjalankan kode pengujian untuk insert data yang sudah dirancang pada utilitas pengujian.
Hasil Penelitian :
Dari hasil pengujian fungsionalitas yang dilakukan, NoSQL Cassandra dapat menyimpan data yang beragam dari node sensor pada topologi yang digunakan. Pengujian kinerja NoSQL Cassandra dan NoSQL MongoDB dilakukan dengan meninjau parameter runtime, throughput, CPU Usage, Memory Usage dan Disk I/O dalam operasi insert data. Data yang digunakan pada saat proses insert menggunakan data string dan data gambar.
Runtime: ditinjau dari parameter runtime, pada saat melakukan operasi insert menggunakan data string, NoSQL MongoDB lebih unggul dibandingkan dengan NoSQL Cassandra dengan perolehan runtime akhir sebesar 121.2 second. Sedangkan pada saat melakukan operasi insert dengan data gambar, NoSQL Cassandra lebih unggul dibandingkan dengan MongoDB dengan nilai runtime akhir sebesar 86.4 second
Throughput: ditinjau dari parameter throughput, NoSQL MongoDB memiliki nilai throughput lebih cepat dari pada NoSQL Cassandra pada saat melakukan operasi insert menggunakan data string dengan nilai throughput akhir sebesar 1236.7 ops/s. Sedangkan, pada saat melakukan operasi insert dengan data gambar, Cassandra yang memiliki nilai throughput lebih cepat dari pada MongoDB dengan nilai throughput akhir sebesar 115.8 ops/s.
Memory Usage: ditinjau dari parameter Memory Usage, NoSQL Cassandra memiliki penggunaan memory yang efisien pada saat melakukan operasi insert menggunakan data string dengan nilai Memory Usage akhir sebesar 1690.4 MB. Sedangkan , pada saat melakukan operasi insert dengan data gambar, MongoDB memiliki penggunaan memory yang efisien dengan nilai Memory Usage akhir sebesar 3810.9 MB.
CPU Usage: ditinjau dari parameter CPU Usage, NoSQL MongoDB memiliki penggunaan CPU yang efisien pada saat melakukan operasi insert data dengan
menggunakan data string dengan rentang antara 4% sampai 10%. Sedangkan pada saat melakukan operasi insert dengan data gambar, NoSQL MongoDB memiliki penggunaan CPU yang efisien antara 12% sampai dengan 29%.
Disk I/O: ditinjau dari parameter Disk I/O, kecepatan hardisk dalam menulis data dipengaruhi oleh besar kecil dari ukuran data yang di transaksikan. Pada saat melakukan operasi insert data dengan data string, nilai dari Disk I/O terbaik didapatkan pada NoSQL MongoDB dengan nilai 857.3 Kb. Sedangkan pada saat melakukan operasi insert data dengan data gambar, nilai dari Disk I/O terbaik didapatkan pada NoSQL Cassandra dengan nilai 126953 KB.
Kesimpulan yang dapat diambil adalah pada saat data yang dipertukarkan ukurannya besar, maka NoSQL Cassandra menjadi solusi untuk media penyimpanan datanya. Akan tetapi jika data yang dipertukarkan ukurannya kecil, maka NoSQL MongoDB menjadi solusi sebagai media penyimpanan datanya.
3. Judul Penelitian : Perbandingan Performa Database Apache Hbase dan Apache Cassandra Sebagai Media Penyimpanan Data Sensor Internet of Things (Ibrahim et al, 2018)
Tujuan Penelitian :
Melakukan pengujian performa antara Hbase dan Cassandra menggunakan beberapa parameter-parameter uji yaitu Throughput, Latency dan Runtime database dalam melakukan operasi insert, serta Memory Usage dan CPU Usage dari database server ketika melakukan operasi insert.
Metode Penelitian :
Penelitian ini melakukan simulasi menggunakan 4 virtual machine (VM) yang sudah terinstal Hbase dan Cassandra di dalamnya. Semua VM dijalankan pada 4 PC (terdapat 1 VM pada masing-masing PC) yang semuanya diremote melalui sebuah Laptop. Semua PC dan Laptop ini dihubungkan oleh sebuah Switch menggunakan Kabel LAN.
Gambar di atas merupakan topologi jaringan yang diterapkan pada penelitian ini. Setiap node database server pada gambar di atas dikonfigurasi IP-nya agar antara node satu dengan node yang lainnya dapat berkomunikasi dengan baik. Adapun konfigurasi IP node-node tersebut terdapat pada tabel di bawah ini.
Tabel 2 Konfigurasi Jaringan Hostname Konfigurasi node1 BOOTPROTO=static IPADDR=192.168.43.31 node2 BOOTPROTO=static IPADDR=192.168.43.32 node3 BOOTPROTO=static IPADDR=192.168.43.33 node4 BOOTPROTO=static IPADDR=192.168.43.34
Pada perancangan skenario pengujian, terdapat dua jenis skenario pengujian yang dilakukan untuk menguji performa sistem database pada penelitian ini, yaitu berdasarkan banyaknya baris data yang dimasukkan (50.000, 100.000, 250.000 dan 500.000 baris data) dan berdasarkan jumlah node yang digunakan (1, 2, 3 dan 4 node database server). Adapun parameter uji yang digunakan antara lain Throughput, Latency, Runtime, Memory Usage dan CPU Usage.
Hasil Penelitian :
Berdasarkan dari pembahasan hasil pengujian performa pada database Apache Hbase dan Apache Cassandra, didapat Apache Cassandra memiliki performa transaksi data yang lebih baik daripada Apache Hbase dengan perbandingan rata-rata performa sebagai berikut, Cassandra : Hbase, Throughput (1051,74 : 821,57), Latency (1,22 : 2,76) dan Runtime (4,44 : 10,64). Sedangkan Apache Hbase menggunakan resource hardware yang lebih hemat daripada Apache Cassandra dengan perbandingan rata-rata performa sebagai berikut, Hbase : Cassandra, Memory Usage (57,15 : 74,41) dan CPU Usage (32,06 : 49,33).
Dari hasil di atas, dapat disimpulkan bahwa Cassandra merupakan sistem database yang paling baik untuk digunakan sebagai media penyimpanan data sensor IoT karena memiliki performa transaksi data yang lebih baik daripada Hbase, karena suatu sistem IoT membutuhkan kecepatan yang baik dalam proses transaksi datanya.
Jumlah node database server yang digunakan serta banyak baris data yang dimasukkan merupakan faktor-faktor yang mempengaruhi performa sistem database Hbase maupun Cassandra. Apabila jumlah node yang digunakan semakin banyak dan
jumlah data yang dimasukkan semakin besar, maka nilai Throughput akan semakin kecil dan nilai Latency akan semakin besar, sehingga akan menyebabkan nilai Runtime akan semakin besar atau proses transaksi data membutuhkan waktu yang semakin lama. KESIMPULAN
Berdasarkan studi literature dari tiga jurnal yang dibahas, pada jurnal pertama pengujian kinerja MongoDB lebih unggul untuk data text pada parameter runtime, throughput, CPU Usage, Memory Usage, dan Disk I/O. Pada data gambar hasil perbedaan berbeda sedikit keunggulan MongoDB pada parameter runtime, throughput, CPU Usage, Memory Usage, sedangkan pada data gambar Hbase lebih unggul pada parameter Disk I/O.
Pada jurnal kedua, nilai dari parameter runtime untuk data string lebih cepat menggunakan MongoDB dibandingkan dengan Cassandra, tetapi untuk data gambar nilai runtime yang lebih cepat adalah Cassandra. Pada parameter throughput untuk data string, nilai dari throughput pada MongoDB lebih tinggi dibandingkan dengan Cassanndra, sedangkan untuk data gambar nilai throughput yang lebih tinggi adalah Cassandra, semakin naik jumlah variasi data, nilai dari throughput pada MongoDB semakin menurun. Pada parameter Memory Usage untuk data string penggunaan memory Cassandra lebih efisien sedangkan pada data gambar penggunaan memory yang lebih efisien adalah MongoDB. Hasil dari nilai parameter CPU Usage nenunjukkan bahwa penggunaan CPU yang efisien adalah MongoDB baik untuk data string ataupun data gambar. Hasil dari parameter Disk I/O menunjukkan bahwa kecepatan hardisk dalam menulis data lebih cepat menggunakan Cassandra dari pada menggunakan MongoDB pada saat data yang digunakan ukurannya besar, sedangkan untuk ukuran data yang tidak terlalu besar kecepatan hardisk dalam menulis data lebih cepat menggunakan MongoDB.
Pada jurnal ketiga, Apache Cassandra memiliki performa transaksi data yang lebih baik daripada Apache Hbase karena memiliki nilai Throughput, Latency dan Runtime yang lebih baik dibandingkan dengan Hbase. Sedangkan pada penggunaan resource hardware, lebih hemat menggunakan Hbase dibandingkan dengan Cassandra karena memiliki nilai CPU Usage, Memory Usage yang lebih baik.
Setiap NoSQL Database memiliki kelebihan dan kekurangan terhadap kinerja sebagai
media penyimpanan data IoT. Diharapkan nantinya akan menjadi bahan pertimbangan untuk
penelitian selanjutnya dalam pemilihan NoSQL Database yang lebih optimal sebagai media
penyimpanan data IoT.
DAFTAR PUSTAKA
Farozi, Mohamad. 2019. “Desain Basis Data Non Relasional NoSQL MongoDB Pada Website Sistem Informasi Akademik”. Jurnal Sistem Informasi Komputer dan Teknologi Informasi (SISKOMTI). Volume 1, No 1, 2019.
Ibrahim, Dimas Malik, Rakhmadhany Primananda & Mahendra Data. 2018. “Perbandingan Performa Database Apache Hbase dan Apache Cassandra Sebagai Media Penyimpanan Data Sensor Internet of Things”. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Vol. 2, No. 8, hlm. 2943-2949, e-ISSN: 2548-964X . Agustus 2018.
Kurniawan,Adam Kukuh, Eko Sakti Pramukantoro & Primantara Hari Trisnawan. 2019. “Perbandingan Kinerja Cassandra dan MongoDB Sebagai Backend IoT Data Storage”. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Vol. 3, No. 1, hlm. 364-371, e-ISSN: 2548-964X. Januari 2019.
Pramukantoro, Eko. Dkk. 2017. “Topic Based IoT Data Storage Framework For Heterogeneous Sensor Data”.
Wicaksono, Niki Yuniar, Eko Sakti Pramukantoro & Widhi Yahya. 2018. “Perbandingan Kinerja Hbase dan MongoDB Sebagai Backend IoT Data Storage”. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Vol. 2, No. 12, hlm. 6842-6848, e-ISSN: 2548-964X. Desember 2018.
Wijaya, W. M. 2015. “Teknologi Big Data”, Online. Available at : https://www.kompasiana.com/wmwijaya/552bad1c6ea834f9598b4580/Hbase-hyper-NoSQL-database/ (Accessed : 15 January 2018).
Zafar, R. dkk. 2017. “Big Data: The NoSQL and RDBMS review”, ICICTM 2016 - Proceedings of the 1st International Conference on Information and Communication Technology, (May), pp. 120–126. doi: 10.1109/ICICTM.2016.7890788.
